Un análisis detallado del uso de Claude Code sugiere que los agentes de IA pueden consumir mucha más electricidad que los simples prompts de chat que a menudo se usan para describir la huella energética de la IA. El científico climático Zeke Hausfather siguió su propia actividad con un agente de programación durante ocho semanas y estimó unas 170 kilovatios-hora de electricidad de centro de datos para 1.138 entradas escritas.

Eso equivale a unas 150 vatios-hora por entrada, aproximadamente 600 veces las 0,24 a 0,34 vatios-hora citadas para una consulta de texto típica por Google y OpenAI. La comparación no es una medición universal de todas las cargas de trabajo de agentes, pero pone de relieve cuánta energía puede ocultarse detrás de una sola solicitud del usuario cuando los agentes de software realizan llamadas repetidas al modelo, procesan contextos grandes y trabajan de forma autónoma.

Qué midió Hausfather en Claude Code

Hausfather informó de sus hallazgos a través de The Climate Brink, con cobertura de The Decoder. Sus registros locales de Claude Code mostraron conteos de tokens y llamadas al modelo a lo largo de ocho semanas de uso. Los 1.138 prompts desencadenaron más de 14.000 llamadas al modelo —unas 12 llamadas por entrada— y procesaron aproximadamente 3.200 millones de tokens.

La mayor parte de ese procesamiento provino de la gestión del contexto más que del texto mostrado al usuario. Según el análisis, alrededor del 96 por ciento de los tokens fueron lecturas de caché, porque el agente releía repetidamente su contexto acumulado en pasos sucesivos. La salida del modelo visible en pantalla representó solo alrededor del 0,4 por ciento de los tokens procesados.

Hausfather estimó el consumo total en 170 kWh, pero dio un amplio rango de incertidumbre de 70 a 330 kWh. Los conteos de tokens procedían de los registros de Claude Code; convertir esos conteos en uso eléctrico requirió tres métodos de estimación distintos y supuestos sobre la energía consumida por token.

La carga de trabajo resultante fue desigual. Una sesión mediana usó unos 0,6 kWh, mientras que el consumo diario medio alcanzó 3,0 kWh, con un rango de 1,2 a 5,9 kWh. El día más intensivo, que implicó varios agentes paralelos trabajando en un análisis de geodatos, se estimó en 11 kWh.

Por qué las comparaciones simples de prompts se quedan cortas

Google ha dicho que un prompt de texto mediano de Gemini usa 0,24 vatios-hora. El CEO de OpenAI, Sam Altman, ha estimado una consulta media de ChatGPT en 0,34 vatios-hora. Esas cifras describen tipos de consulta limitados y no son necesariamente comparables con un agente de codificación que razona una tarea a lo largo de muchos pasos.

La distinción importa porque “un prompt” es un evento de la interfaz de usuario, no una unidad de computación consistente. Un intercambio de chat convencional puede implicar alrededor de mil tokens, según la comparación de Hausfather. Sus entradas de Claude Code promediaron unos 2,9 millones de tokens procesados, incluyendo contexto repetido y llamadas intermedias.

Los modelos de razonamiento, las búsquedas web, el procesamiento de imágenes y audio, la generación de código y los flujos de trabajo multiagente pueden cambiar la cantidad de cómputo detrás de una solicitud. Un agente también puede reintentar operaciones, inspeccionar archivos, ejecutar pruebas, revisar código y llamar herramientas antes de devolver un resultado. Un panel de producto que solo informe del prompt inicial podría, por tanto, ocultar la carga de trabajo real.

Esto no demuestra que todo uso de agentes de IA consuma 600 veces más electricidad que una solicitud de chat. La cifra es una estimación basada en el patrón de uso intensivo de un solo usuario de Claude Code, comparada con estimaciones publicadas de bajo consumo para consultas. Sí muestra por qué las cifras promedio por prompt no deben tratarse como una contabilidad completa de la IA basada en agentes.

Evidencia, incertidumbre y la cuestión del carbono

El análisis proporciona datos de uso inusualmente concretos, pero no mide directamente la electricidad del centro de datos. El rango de incertidumbre de Hausfather es considerable, y los supuestos de energía por token no pueden verificarse de forma independiente desde fuera de las empresas de IA. The Decoder también señala que los externos no conocen el coste energético exacto por token de los principales modelos comerciales.

El impacto de carbono depende de más cosas que del volumen de electricidad. Hausfather proyectó que mantener este nivel de uso durante un año requeriría alrededor de 1,1 megavatios-hora de electricidad de centro de datos, con un rango de 0,4 a 2,2 MWh. Usando la mezcla eléctrica media de EE. UU., estimó aproximadamente 370 kilogramos de dióxido de carbono equivalente al año.

Esa cifra sería menor en una red mayoritariamente limpia y mayor donde la energía proviene de generación intensiva en carbono. Hausfather estima que ejecutar la misma carga de trabajo con electricidad en gran parte limpia podría reducir su huella de carbono en alrededor del 90 por ciento. Su conclusión es que la fuente de electricidad puede ser una palanca más importante que pedir a un pequeño número de usuarios intensivos que dejen de usar agentes.

También argumenta que los modelos más pequeños son útiles para tareas rutinarias porque consumen entre cinco y siete veces menos energía por token que los modelos punteros, según su análisis. Se trata de una recomendación direccional más que de una regla universal de compra: la eficiencia del modelo, la calidad, la latencia, el hardware y el número de reintentos afectan al resultado final.

Qué significan los hallazgos para los constructores y compradores de IA

Para los desarrolladores, la lección inmediata es medir las ejecuciones completas de agentes en lugar de contar prompts de usuario. Los equipos deberían seguir las llamadas al modelo, los tokens de entrada y salida, las lecturas de caché, las invocaciones de herramientas, los reintentos, los trabajadores paralelos y el tiempo total dedicado a una tarea. Estas métricas pueden revelar que una función aparentemente barata está generando un trabajo sustancial en el backend.

Los hallazgos también hacen más importantes las estrategias de enrutamiento. Un modelo más pequeño podría encargarse de la clasificación, la búsqueda de archivos, el formateo o cambios simples de código, mientras que un modelo más capaz se reserva para tareas que realmente requieren un razonamiento más profundo. La poda de contexto, el diseño de recuperación, el almacenamiento en caché y los límites a los bucles autónomos pueden reducir tanto el coste como el uso de electricidad, aunque los límites agresivos también pueden reducir la fiabilidad.

Los compradores empresariales deberían preguntar a los proveedores cómo calculan las afirmaciones de energía y carbono. Un número por consulta puede excluir el razonamiento oculto, el contexto en caché, las llamadas a herramientas o los costes generales del centro de datos. Los compradores que evalúen asistentes de programación o despliegues de agentes de flujo de trabajo necesitan estimaciones específicas de la carga de trabajo, no solo promedios de tráfico de chat ligero.

El análisis también plantea una cuestión de despliegue para productos diseñados para ejecutarse durante días o semanas. Las tareas autónomas más largas podrían multiplicar la demanda de energía mucho más allá del patrón de uso que Hausfather registró. Esa posibilidad no es una previsión, pero sí una razón para incluir controles de energía, coste y finalización en la arquitectura del agente antes de escalar su uso en una organización.

Qué observar a continuación

La siguiente señal útil será la medición independiente de la energía por token a través de familias de modelos, configuraciones de hardware y marcos de agentes. Una información más clara de los laboratorios de IA podría hacer que las afirmaciones de los proveedores fueran más comparables, especialmente si las empresas divulgan si las cifras incluyen razonamiento, caché, llamadas a herramientas y sobrecostes de refrigeración.

Los equipos de producto también deberían vigilar controles prácticos como enrutadores de modelos, ajustes de presupuesto de contexto, límites de pasos del agente y paneles de energía a nivel de carga de trabajo. En la infraestructura, la proporción de nueva energía para centros de datos suministrada por gas natural, junto con la inversión en energía limpia, expansión de la red, energía geotérmica o generación nuclear, determinará cuánta de la electricidad adicional se traduce en emisiones.

Perspectiva de Creati.ai

El análisis de Hausfather no muestra que los agentes de IA sean inherentemente derrochadores, ni invalida las estimaciones más bajas de energía para el chat simple. Muestra que la unidad que se mide importa. Para un agente, el prompt del usuario puede ser solo el comienzo de un largo flujo de trabajo computacional.

Para los constructores y compradores empresariales, la respuesta práctica es una mejor contabilidad: medir la tarea completa, enrutar el trabajo al modelo más pequeño capaz y diseñar límites en torno a la ejecución autónoma. El debate sobre la energía será más útil cuando los informes a nivel de producto reflejen lo que los agentes realmente hacen y no solo lo que los usuarios escriben.