La evaluación del consumo energético de los centros de datos presenta una variedad significativa de estimaciones, debido en buena medida a la heterogeneidad en las metodologías empleadas y a la falta de datos estadísticos precisos y uniformes. La complejidad radica en que, aunque la mayoría de los estudios coinciden en que el uso de energía en estos centros representa una proporción sustancial del consumo total de electricidad a nivel global, las cifras concretas varían ampliamente, desde menos de 200 TWh hasta más de 1.200 TWh para el año 2020, y en el caso de proyecciones para 2030, desde valores ligeramente superiores a 200 TWh hasta casi 8.000 TWh. Esta disparidad refleja tanto las diferencias en los enfoques metodológicos como la calidad de los datos utilizados en cada investigación.

La revisión sistemática de la literatura especializada revela que distintos modelos adoptan diversas estrategias para estimar el consumo energético. Algunas investigaciones se basan en extrapolaciones temporales, que utilizan datos históricos y tendencias pasadas para proyectar futuros consumos, mientras que otras optan por enfoques de análisis de inventarios o modelos bottom-up que consideran componentes específicos del centro, como servidores, sistemas de enfriamiento y componentes de infraestructura. Sin embargo, estas metodologías no están exentas de limitaciones y, en muchos casos, conducen a resultados muy divergentes. La falta de un marco estandarizado para definir los límites del sistema y la calidad de los datos empleados explican, en parte, estos desaciertos. Asimismo, se observan diferencias en las estimaciones a nivel regional y nacional, en función de la disponibilidad de datos y las particularidades de los procesos operativos en cada país. Estados Unidos parece contar con las estimaciones más detalladas y consistentes, en tanto que en países como China y en regiones con menor infraestructura de seguimiento estadístico, las cifras son más inciertas. En este sentido, la falta de datos oficiales específicos para los centros de datos, que suele estar incluido en segmentos más amplios como los edificios comerciales, limita la precisión de las estimaciones y favorece la dispersión de resultados.

Por otra parte, la expansión del sector de la inteligencia artificial ha aportado una nueva dimensión al análisis, dado que los centros dedicados a tareas de aprendizaje profundo y entrenamiento de modelos requieren recursos significativamente mayores en términos de energía. La estimación del consumo energético asociado a estas actividades varía ampliamente según las hipótesis y escenarios considerados, pero en todos los casos, su impacto es relevante y ha suscitado atención tanto en la comunidad investigadora como en los responsables de política energética. Escoger un enfoque metodológico adecuado resulta esencial para reducir la incertidumbre en las estimaciones y para orientar decisiones políticas y estratégicas en torno a la eficiencia energética del sector. La ausencia de cifras oficiales y la falta de un marco unificado para la evaluación complican la comparación de resultados. Por ello, los estudios que emplean modelos multicriterio, con transparencia en las fuentes de datos y en los supuestos que utilizan, contribuyen a reducir la dispersión de las cifras y ofrecen una visión más ajustada de la realidad. La comparación de estos modelos revela que las estimaciones de mayor calidad tienden a concentrarse en rangos más estrechos, alrededor de 200 a 500 TWh para 2023, en contraste con las proyecciones más amplias y menos fundamentadas, que superan los 2.000 TWh.

Aunque la variabilidad en los datos es elevada, ciertos parámetros son reconocidos universalmente como determinantes en el consumo energético. Entre ellos se encuentran la eficiencia de los equipos de hardware, las prácticas de gestión y enfriamiento, así como el crecimiento en la adopción de tecnologías de eficiencia y energías renovables. La tendencia apunta hacia la necesidad de estandarizar las metodologías de medición, fortalecer la recopilación de datos estadísticos en todos los países y fomentar la transparencia en las hipótesis que sustentan las estimaciones para lograr evaluaciones más fiables y comparables en el tiempo.

Para leer más ingrese a:

https://www.iea-4e.org/publications/edna/data-centre-energy-use-critical-review-of-models-and-results/

https://www.iea-4e.org/wp-content/uploads/2025/05/Data-Centre-Energy-Use-Critical-Review-of-Models-and-Results.pdf