Sam Altman, creador de ChatGPT, responde a las críticas sobre la IA: "También se necesita mucha energía para entrenar a un humano: 20 años de vida y toda la comida que se ingiere"
Con esta comparación, el CEO de OpenAI intenta defender el elevado coste de entrenar modelos de IA y propone medirlo frente a todo el proceso necesario para formar a un experto humano.
No es ninguna sorpresa que la inteligencia artificial necesita cada vez más centros de datos, así como chips especializados y sistemas de refrigeración capaces de mantener funcionando miles de servidores al mismo tiempo.
Cabe señalar que este crecimiento ha convertido el consumo energético en una de las críticas más repetidas contra empresas como OpenAI, Google o Anthropic. Y es que el debate suele centrarse en la electricidad necesaria para entrenar un modelo o generar imágenes.
Sin embargo, Sam Altman cree que esa comparación se queda corta porque miden todo el coste de crear una IA, pero no hacen lo mismo cuando se habla de la formación de una persona.
Ante esto, el CEO de OpenAI hizo una serie de declaraciones a The Indian Express durante una cumbre sobre inteligencia artificial celebrada en la India a principios de 2026.
Allí defendió que también hace falta una enorme cantidad de energía para “entrenar” a un ser humano: unos veinte años de vida, además de toda la comida y los recursos consumidos durante ese tiempo.
"La gente habla de cuánta energía se necesita para entrenar un modelo de IA en comparación con lo que le cuesta a un humano realizar una sola consulta de inferencia... Pero también se necesita mucha energía para entrenar a un humano; se necesitan, digamos, 20 años de vida y toda la comida que se consume durante ese tiempo antes de empezar”.
Entrenar a una persona también consume una enorme cantidad de energía
Cuando se calcula el gasto de una inteligencia artificial, se incluye la fase completa de entrenamiento, aunque ocurra antes de que el modelo empiece a responder a los usuarios.
En cambio, al comparar ese sistema con una persona, normalmente solo se tiene en cuenta el momento en que realiza una tarea concreta.
Su argumento consiste en sumar todo lo necesario para que alguien llegue a convertirse en un profesional capaz de resolver problemas complejos. Alimentación, vivienda, educación, transporte, cuidados y años de aprendizaje forman parte de ese proceso.
Con esta idea, Sam Altman sostiene que cualquier forma de inteligencia requiere una inversión previa. El elevado consumo inicial de un modelo, según su razonamiento, puede repartirse entre millones de usuarios y miles de tareas posteriores.
El coste de entrenar una IA debe medirse de otra manera
Altman utiliza los veinte años como una referencia al tiempo que necesita una persona para pasar de la infancia a una etapa en la que ya puede aplicar conocimientos avanzados.
Tampoco afirma que toda la energía consumida durante ese periodo se destine exclusivamente a aprender. Su comparación busca recordar que detrás de cualquier experto también existe una infraestructura enorme formada por familias, escuelas, sistemas sanitarios, alimentos y servicios básicos.
Sus declaraciones, por tanto, funcionan como un argumento retórico, donde no demuestra científicamente que una IA consuma menos que un humano, sino que cuestiona la forma desigual en que se calculan ambos costes.
OpenAI está ampliando su infraestructura para entrenar modelos de IA más potentes y atender a un número creciente de usuarios. Eso implica construir centros de datos, comprar más procesadores y garantizar un suministro constante de electricidad y agua.
A medida que ese consumo aumenta, también lo hace la presión para justificar su impacto ambiental. La respuesta de Altman intenta presentar esa inversión como un coste inicial que puede compensarse si el sistema se utiliza a gran escala.
El verdadero reto de la IA es mantener millones de consultas cada día
Formar a una persona y entrenar un modelo de IA no son procesos equivalentes. La vida humana no puede reducirse a una preparación para producir respuestas, escribir código o generar valor económico.
Además, el consumo de la IA no termina cuando finaliza el entrenamiento. Cada consulta necesita servidores, redes, refrigeración y hardware funcionando de manera continua.
Cuanto más se utiliza el sistema, mayor puede ser el gasto acumulado, por ello, las declaraciones de Sam Altman sirven para ampliar la conversación, pero no resuelven el problema.
La industria seguirá teniendo que explicar cuánto consume, cómo obtiene esa energía y qué medidas adopta para reducir su impacto. Comparar personas y máquinas puede ser provocador, pero no sustituye a la transparencia ni a una medición rigurosa.