El avance tecnológico es imparable, pero también su impacto ambiental. Es el caso de la Inteligencia Artificial, que suele requerir grandes cantidades de datos para su entrenamiento, a la vez que necesita de una gran cantidad de recursos computacionales y energéticos. Además, a medida que los modelos de IA se vuelven más complejos, sus requisitos de energía pueden aumentar. Es más, se estima que una consulta en ChatGPT consume 3 veces más que una búsqueda en Google. Una búsqueda de Google consume de media 0.0003 kWh, mientras que una consulta en ChatGPT entre 0.001 y 0.01 kWh.

Igualmente, OpenAI, compañía creadora de ChatGPT, asume que el consumo energético que requirió el entrenamiento de GPT-3 fue de hasta 78.437 kWh de electricidad, lo que es comparable al consumo de energía de un hogar medio en España 23 años. En cualquier caso, lo preocupante no es solo lo que impacta el entrenamiento.

El mayor impacto está en el consumo energético derivado del uso de esas tecnologías, así como en el consumo de agua, utilizada para enfriar los servidores dedicados a alimentar los diferentes productos y sistemas de la Inteligencia Artificial. Según datos de Google, en 2021 se consumieron 12.700 millones de litros de agua dulce en los procesos de refrigeración de sus equipos informáticos. Otro estudio estima que se consume al menos 1 litro de agua durante una conversación de 30 preguntas en ChatGPT.

Existen posibles soluciones a la problemática de la huella ambiental del entorno digital, aunque son bastante complejas, pues implican una combinación de innovaciones técnicas, estratégicas e incluso de políticas gubernamentales. Ante este contexto, López de Fez añade algunos posibles enfoques, todos ellos complementarios entre sí:

• Investigación en eficiencia energética de la IA, no solo con mejoras en el hardware, sino también la eficiencia en los algoritmos y las prácticas de entrenamiento de modelos. La adopción de enfoques como el aprendizaje federado, que distribuye el proceso de aprendizaje de la IA en múltiples dispositivos, puede ayudar a reducir la demanda en centros de datos. También sigue investigando para usar modelos más pequeños y eficientes
• Diseño de chips más eficientes: Los procesadores basados en tecnología de semiconductores de 7nm, y el actual desarrollo de los futuros chips de 5nm, la nueva frontera en la miniaturización, van de la mano de una reducción significativa en el consumo de energía. 
• Mejoras en la infraestructura de los centros de datos, incluyendo mejoras en la eficiencia de los sistemas de refrigeración, adopción de tecnologías de servidor más eficientes, y el uso de técnicas de gestión de la energía más inteligentes. 
• Sistemas de energía renovable y neutras en carbono: Aumentar la adopción de fuentes de energía renovable para los centros de datos y trabajar hacia el objetivo de ser neutros en carbono.
• Políticas de reciclaje de electrónicos y economía circular que mejoren las tasas de reciclaje de dispositivos electrónicos. Aquí juegan tanto las políticas gubernamentales, como los programas de devolución y reciclaje implementados por los fabricantes de dispositivos. A más largo plazo, la transición a una economía circular, donde los materiales se reutilizan y reciclan continuamente en lugar de ser desechados, puede proporcionar una solución más sostenible.