En plena expansión de sus capacidades de inteligencia artificial (AI), compañías tecnológicas como Google y AWS empiezan a usar esta tecnología para atacar los puntos del cuello de botella eléctrico que su expansión de centros de datos ha agravado.
Google, Nvidia y Emerald AI lanzaron una alianza para desarrollar centros de datos capaces de modificar dinámicamente su consumo de electricidad según las condiciones de la red. AWS, por su parte, presentó un programa con agentes de AI para acelerar los estudios necesarios para conectar nuevas cargas y proyectos de generación.
La Comisión Económica de las Naciones Unidas para Europa (UNECE) advirtió el pasado 8 de septiembre que el consumo eléctrico de los centros de datos podría pasar de 485 TWh en 2025 a 950 TWh en 2030.
La organización señaló que la velocidad de despliegue de grandes cargas contrasta con los plazos necesarios para ampliar las redes. Mientras un data center puede construirse en pocos años, los proyectos de transmisión pueden requerir más de una década entre planeación, permisos y construcción.
Las dos iniciativas, anunciadas en septiembre de 2026, abordan problemas distintos: una modifica el comportamiento de los centros de datos frente a la red y la otra acelera el proceso para incorporar nuevas cargas al sistema eléctrico.
Índice de temas
Google y Nvidia buscan que el data center responda a la red
La AI Energy Management Alliance (AEMA) fue presentada el pasado 16 de septiembre por Emerald AI, Google y Nvidia. La alianza reúne a compañías de AI, proveedores de infraestructura, operadores de centros de datos, generadores, utilities y operadores de redes.
El objetivo es desarrollar infraestructura capaz de ajustar su consumo eléctrico ante cambios en las condiciones de la red, en lugar de operar como cargas rígidas.
Nvidia plantea utilizar desplazamiento de cargas de cómputo, almacenamiento, generación asociada y respuesta ante contingencias. El diseño permitiría modificar la demanda sin desconectar necesariamente la instalación.
“El objetivo es claro: construir infraestructura de AI que no solo se conecte a la red, sino que trabaje con ella”, señaló el fabricante de chips en un comunicado.
La alianza también plantea establecer requisitos técnicos y métricas para medir aspectos como velocidad de respuesta, duración, previsibilidad y comportamiento durante emergencias.
Nvidia y Emerald AI ya trabajan con empresas del sector energético y de infraestructura en instalaciones capaces de responder en tiempo real a las condiciones de la red. La AEMA busca ampliar ese trabajo y establecer modelos técnicos y operativos para nuevas instalaciones de AI en Estados Unidos.
La propuesta coincide con una de las opciones identificadas por la UNECE ante el crecimiento de la demanda: utilizar respuesta a la demanda, almacenamiento y desplazamiento de cargas para aportar flexibilidad al sistema eléctrico.
El problema está en los tiempos. La UNECE señala que en algunas regiones las grandes cargas pueden desplegarse en dos a cinco años, mientras que las redes de transmisión requieren más de una década. La diferencia dificulta que la infraestructura eléctrica acompañe el ritmo de expansión de los centros de datos.
AWS acelera los estudios para conectar nuevas cargas
AWS está atacando otro punto de la misma restricción energética: el trabajo necesario para determinar cómo conectar nuevas cargas y proyectos de generación a la red.
El programa Agentic Grid Planning on AWS, anunciado el pasado 17 de septiembre, proporciona a utilities y operadores de red agentes de AI para ejecutar y coordinar tareas de los estudios de interconexión.
Los agentes trabajan con modelos de red, software de simulación, scripts y estándares de ingeniería que ya utilizan los equipos. De acuerdo con AWS, en Duke Energy algunas tareas de preparación de datos pasaron de dos semanas de trabajo manual a horas.
El volumen de solicitudes ayuda a dimensionar el problema. De acuerdo con el Lawrence Berkeley National Laboratory, citado por AWS, más de 2,000 GW de generación y almacenamiento buscaban conexión a la red de transmisión de Estados Unidos al cierre de 2025.
En el Consejo de Confiabilidad Eléctrica de Texas (ERCOT por sus siglas e inglés), las solicitudes para conectar grandes cargas alcanzaron aproximadamente 410 GW en marzo de 2026, según AWS.
La automatización no elimina la intervención de los ingenieros. El director gerente de Estrategia digital e Ingeniería de Duke Energy, John Pressley, explicó en un comunicado que ellos mantienen la responsabilidad sobre el estudio y las decisiones finales.
“Nuestros ingenieros dirigen el trabajo y toman todas las decisiones finales de ingeniería, mientras que los agentes de AI les proporcionan más tiempo para el criterio y la revisión de ingeniería”, dijo Pressley.
AWS también señala que las utilities enfrentan una creciente demanda de estudios al mismo tiempo que disponen de una capacidad limitada de personal especializado.
Los dos casos atacan cuellos de botella diferentes. Google, NVIDIA y Emerald AI trabajan sobre cuándo y cuánto consume electricidad un centro de datos; AWS, sobre cuánto tiempo toma evaluar y conectar nuevas cargas.
La expansión de AI, por tanto, no solo está incrementando la demanda de infraestructura eléctrica. También está convirtiendo la propia tecnología en una herramienta para gestionar parte de las restricciones que ese crecimiento está generando.
