La estimación de residuos electrónicos de IA de Basel Action Network incluye lo que los estudios sobre servidores omiten
Basel Action Network ha ampliado la contabilidad de residuos de IA más allá de los servidores, generando una estimación hasta 60 veces mayor que una proyección académica ampliamente citada. El modelo de residuos electrónicos de IA de Basel Action Network incluye equipos de refrigeración, distribución de energía, sistemas de respaldo, redes, servidores y aceleradores.
Este cambio de alcance importa porque los servidores representan solo una parte de la infraestructura física construida para la inteligencia artificial. Sin embargo, las mayores proyecciones del informe también dependen de supuestos controvertidos sobre la vida útil de los equipos y el crecimiento a largo plazo de los centros de datos.
Por tanto, el conflicto real no enfrenta la preocupación ambiental con la inversión en IA. Enfrenta una contabilidad integral del ciclo de vida con una medición limitada y centrada en el cómputo. Los CIO deben decidir qué activos deben incluirse en el cálculo, cuánto tiempo siguen siendo útiles y qué significa realmente su retirada.
La contabilidad de residuos electrónicos de IA de Basel Action Network amplía los límites
El cambio más trascendental del informe consiste en modificar qué se considera infraestructura de IA.
Basel Action Network, o BAN, publicó la primera entrega de su informe AI Waste Wave en septiembre de 2026. BAN es una organización ambiental centrada en el comercio de residuos peligrosos y el cumplimiento del Convenio de Basilea.
Las estimaciones anteriores de residuos de IA generalmente se centraban en servidores, racks y aceleradores como las GPU. En cambio, BAN modela cinco categorías de equipos que respaldan la capacidad de cómputo de un centro de datos.
Su diseño de referencia asigna el 35 por ciento de la masa electromecánica a los equipos de refrigeración. La distribución de energía representa el 34 por ciento, mientras que la energía de respaldo aporta otro 15 por ciento. Los servidores y aceleradores representan el 13 por ciento, y los equipos de red proporcionan el 3 por ciento restante.
Según ese desglose, el 87 por ciento de la infraestructura física relevante se sitúa fuera de la categoría de servidores. BAN sostiene que las proyecciones anteriores de IA omitieron, por tanto, la mayor parte de los equipos asociados con cada nuevo gigavatio de capacidad.
El informe estima que un gigavatio de capacidad de centro de datos requiere aproximadamente entre 62.000 y 77.000 toneladas métricas de equipos electromecánicos. Utiliza aproximadamente 70.000 toneladas por gigavatio como cifra central.
Ese total incluye transformadores, equipos de conmutación, sistemas de alimentación ininterrumpida, baterías, generadores, maquinaria de refrigeración, dispositivos de red, racks de servidores y procesadores. La infraestructura de almacenamiento y respaldo también entra en el límite contable más amplio.
No todos los componentes contienen los mismos materiales ni siguen la misma ruta de eliminación. Aun así, gran parte de este equipo se considera equipo eléctrico o electrónico cuando su propietario lo desecha.
La distinción cambia la cuestión ambiental. Contar únicamente las GPU mide el componente que cambia más rápido y resulta más visible. Contar la instalación pregunta cómo la demanda de IA transforma todo un sistema de hardware.
Una nueva generación de aceleradores puede requerir racks más densos, una distribución de voltaje distinta, refrigeración líquida y estructuras de red más rápidas. Los equipos de apoyo existentes podrían seguir operativos, pero dejar de encajar con el nuevo diseño.
Esta condición es la obsolescencia económica, lo que significa que un equipo pierde valor comercial antes de dejar físicamente de funcionar. Puede surgir cuando la siguiente arquitectura informática exige sistemas de apoyo incompatibles.
BAN aplica esta preocupación a los grandes planes de expansión de centros de datos. Su modelo concluye que la retirada de equipos relacionados con la IA podría alcanzar entre 31 millones y 46 millones de toneladas anuales para 2050.
Esas cifras formarían parte de una proyección de entre 196 millones y 211 millones de toneladas de residuos electrónicos anuales totales. BAN compara esa proyección con aproximadamente 67 millones de toneladas generadas hoy.
La organización también estima que las retiradas acumuladas de equipos impulsadas por la IA podrían alcanzar cientos de millones de toneladas entre 2025 y 2050. Son resultados modelados, no flujos de residuos observados directamente.
El alcance más amplio del informe es su aportación más sólida. Sus totales más lejanos requieren bastante más cautela, ya que pequeños cambios en las vidas útiles o las tasas de crecimiento se acumulan durante décadas.
Esta distinción debe seguir siendo visible en cualquier discusión sobre el informe. BAN ha identificado categorías ausentes con una base física plausible. No ha eliminado la incertidumbre sobre cuándo todo ese equipo se convierte en residuo.
El 87 por ciento ausente cambia la contabilidad de costes de los centros de datos
La capacidad de IA no es solo una colección de chips; es un sistema estrechamente acoplado con costes materiales en cada capa.
La planificación de IA empresarial suele separar las compras de cómputo de la gestión de instalaciones. Los servidores entran en un presupuesto, mientras que la refrigeración, la energía, las baterías y las actualizaciones de red aparecen en otros.
Esa separación organizativa puede ocultar el impacto total de una implementación. Un equipo de compras podría calcular la depreciación de los servidores sin vincularla con una renovación de refrigeración provocada por la misma instalación.
El patrón también afecta a los cálculos de retorno de la inversión. Un acelerador más eficiente puede reducir el coste de las cargas de trabajo individuales al tiempo que exige una distribución de energía más densa y nueva infraestructura de refrigeración.
Los activos de refrigeración son especialmente importantes porque la eliminación de calor cambia con la densidad de los racks. Una sala diseñada para servidores empresariales de menor consumo podría no admitir sistemas de aceleradores estrechamente agrupados sin modificaciones extensas.
La distribución de energía crea una dependencia similar. Las instalaciones de mayor densidad pueden requerir nuevos equipos de conmutación, transformadores, barras eléctricas y sistemas de alimentación ininterrumpida. Los generadores de respaldo y las baterías también pueden necesitar ampliación.
Las redes introducen otra presión de renovación. Los grandes clústeres de IA usan conexiones de gran ancho de banda para mover datos entre aceleradores, almacenamiento y otros servidores. Por tanto, una actualización de procesadores puede revelar cuellos de botella fuera de la bandeja de cómputo.
Por ello, el límite contable de BAN merece atención incluso si sus previsiones resultan demasiado elevadas. La infraestructura de apoyo no es opcional, y su coste ambiental no desaparece cuando otro departamento la posee.
El problema va más allá de los informes ambientales. Ignorar los equipos de apoyo puede distorsionar las previsiones de capital, la exposición a seguros, los presupuestos de desmantelamiento y las obligaciones de los proveedores.
Una empresa puede planificar la reventa de servidores, pero carecer de una vía de recuperación para unidades de refrigeración especializadas. Podría sustituir baterías en un calendario diferente sin vincular esa renovación con las decisiones de capacidad de IA.
Los datos globales sobre residuos electrónicos proporcionan una referencia importante. El mundo generó 62 millones de toneladas de residuos electrónicos en 2022, según ITU y UNITAR.
Solo el 22,3 por ciento se documentó como recogido y reciclado formalmente mediante sistemas ambientalmente adecuados. La misma evaluación proyecta una generación mundial de residuos electrónicos de 82 millones de toneladas en 2030.
La infraestructura de IA seguirá siendo solo una parte de ese flujo mundial. Sin embargo, sus equipos son intensivos en materiales, caros y están concentrados en instalaciones donde las organizaciones pueden rastrearlos con mayor eficacia que los dispositivos electrónicos de consumo.
Esa concentración crea una oportunidad. Los operadores de centros de datos saben dónde está instalada la infraestructura, quién la suministró y cuándo entró en servicio. Pueden incorporar obligaciones de recuperación antes de que los equipos lleguen a su retirada.
Los CIO pueden empezar vinculando cada expansión de capacidad a una lista completa de activos físicos. Ese registro debe cubrir cómputo, almacenamiento, redes, sistemas de energía, equipos de refrigeración, baterías, refrigerantes y materiales de supresión de incendios.
El inventario también debe distinguir la propiedad. Los proveedores de nube, operadores de colocación, empresas, propietarios de inmuebles y proveedores de equipos pueden controlar distintas capas dentro de una misma implementación.
Sin esa distinción, cada participante puede informar únicamente sobre los activos registrados en sus propios libros. Los fragmentos resultantes podrían no revelar nunca la huella material del servicio completo de IA.
Las organizaciones también necesitan una definición compartida de retirada. Retirar un equipo de un clúster principal no significa necesariamente desecharlo.
Un servidor podría pasar del entrenamiento a la inferencia, y después al procesamiento por lotes o a un mercado secundario. Los equipos de red podrían respaldar un entorno de menor demanda. Los componentes también podrían recuperarse como repuestos.
Por el contrario, un sistema de refrigeración puede quedar varado cuando una nueva arquitectura de racks lo vuelve incompatible. Puede salir de servicio aunque sus componentes mecánicos sigan funcionando.
Los registros del ciclo de vida deben capturar esas rutas. Los equipos de ingeniería pueden conservar decisiones de compra, cambios de configuración y pruebas de reutilización dentro de una base de conocimientos con capacidad de búsqueda.
Mejores registros no resolverán todas las cuestiones ambientales. Mostrarán si un activo fue reutilizado, almacenado, revendido, reciclado, exportado o desechado.
Esa evidencia es esencial porque el debate ahora se centra en la vida útil de los equipos. BAN asume una renovación más rápida de la que varios hiperescaladores informan en su contabilidad financiera.
La vida útil de los equipos es el eslabón más débil de la previsión
BAN establece un límite de hardware más amplio, pero sus mayores totales dependen de la rapidez con que los activos utilizables se convierten en residuos.
BAN asigna a los aceleradores, servidores y racks una vida útil de 2,5 años en partes importantes de su modelo. También utiliza una vida de cinco años para los equipos de refrigeración y de ocho años para la infraestructura de distribución de energía.
Esos supuestos producen rápidas oleadas de sustitución a medida que crece la capacidad de los centros de datos. Combinados con una tasa anual de crecimiento de capacidad del 8,8 por ciento, impulsan los mayores totales a largo plazo del informe.
El análisis del sector que acompaña al informe plantea varias objeciones. Los analistas aceptan en general la necesidad de una contabilidad más amplia, pero cuestionan la conversión de masa instalada en residuos desechados.
Frank Dickson, de Dickson Research, consideró direccionalmente creíble la estimación de 70.000 toneladas por gigavatio. Consideró menos defendible la afirmación de entre 40 y 60 veces más residuos.
Esa diferencia refleja dos cálculos distintos. Estimar la masa instalada en una instalación no es lo mismo que estimar el año en que cada componente se convierte en residuo.
Los calendarios de lanzamiento de aceleradores ofrecen una referencia imperfecta para la vida útil. Nvidia puede introducir una arquitectura más rápida sin volver económicamente inútil a cada procesador anterior.
Google Cloud siguió incluyendo instancias V100 años después de que Nvidia presentara ese acelerador en 2017. AWS también siguió ofreciendo sistemas basados en el A100, lanzado en 2020, durante 2026.
Estos ejemplos no establecen una vida útil para toda la industria. Muestran que la sustitución de vanguardia y la retirada definitiva son acontecimientos distintos.
El hardware más antiguo puede descender en una jerarquía de cargas de trabajo. Los clústeres de entrenamiento pueden exigir los aceleradores más recientes, mientras que la inferencia, las pruebas, la investigación o el procesamiento por lotes pueden tolerar sistemas más antiguos.
Los informes financieros refuerzan esa posibilidad. La contabilidad de equipos de Microsoft de 2025 situó los equipos informáticos dentro de un rango de vida útil estimada de dos a seis años.
Meta informó que ampliaba las vidas útiles estimadas de la mayoría de los servidores y activos de red a 5,5 años a partir de enero de 2025. Estas vidas contables no miden directamente el uso físico, la reutilización ni la eliminación.
Sin embargo, entran en conflicto con la suposición generalizada de que la jubilación ocurre después de 2,5 años. Los hyperscalers tienen incentivos financieros para mantener productiva una infraestructura costosa durante períodos más largos.
BAN sostiene que los equipos de IA enfrentan una presión de reemplazo inusual. La eficiencia de los aceleradores puede alterar la economía operativa, mientras que los nuevos sistemas pueden exigir diseños diferentes de energía, refrigeración y redes.
Ambas posiciones pueden ser ciertas. Los equipos pueden seguir siendo útiles en principio, pero volverse poco atractivos dentro de una instalación concreta.
La variable decisiva es lo que ocurre tras su retirada. La reasignación prolonga la vida útil. La reventa transfiere esa vida a otro propietario. El almacenamiento aplaza una decisión sin proporcionar un uso productivo.
El reciclaje tampoco equivale a la reutilización. Puede recuperar determinados metales, pero normalmente destruye gran parte del valor de fabricación incorporado.
Un estudio sobre residuos de servidores de 2024 estimó que la IA generativa podría producir entre 1,2 millones y 5 millones de toneladas de residuos electrónicos acumulados entre 2020 y 2030. Su foco se centró principalmente en servidores de IA y componentes relacionados.
La misma investigación concluyó que las estrategias circulares podrían reducir los residuos modelados entre un 16 % y un 86 %. Estas estrategias incluían prolongar la vida útil, reutilizar hardware y mejorar la recuperación de materiales.
Una recalibración posterior de 2026 estimó que los residuos anuales de servidores de IA alcanzarían entre 131.000 y 224.800 toneladas para 2030. Ese estudio utilizó la capacidad de producción de chips y supuestos más conservadores sobre la vida útil.
BAN y el estudio de 2026 no miden sistemas idénticos. Uno contabiliza gran parte de la infraestructura de apoyo, mientras que el otro se concentra en los servidores.
Aun así, su desacuerdo expone un importante problema de datos. Los investigadores carecen de información pública completa sobre los equipos de IA instalados, la utilización real, el calendario de actualizaciones, los despliegues secundarios y el destino final.
Por tanto, la comparación de 40 a 60 veces puede inducir a error si se presenta sin contexto. Gran parte de la diferencia procede de contar categorías adicionales, no de descubrir que los inventarios de servidores existentes eran decenas de veces mayores.
El resto proviene de supuestos sobre crecimiento y rotación. Esos supuestos cobran una influencia cada vez mayor cuanto más se proyectan hacia el futuro.
Las cifras de BAN para 2050 deben interpretarse como escenarios que muestran qué produciría un sistema de construcción y retirada rápidas. No son una previsión medida con un intervalo de confianza estrecho.
Esa limitación no invalida la advertencia central. Define la evidencia necesaria para ponerla a prueba.
El hardware retirado no se convierte automáticamente en residuo electrónico
El principal error de política y contabilidad consiste en tratar la retirada, la obsolescencia y la eliminación como el mismo evento.
Los equipos pueden salir de un clúster de alto rendimiento por varias vías. Cada una tiene un resultado económico y ambiental distinto.
La reasignación mantiene el activo dentro de la misma organización. Un servidor de entrenamiento podría utilizarse para inferencia, simulación, desarrollo o investigación interna después de salir de un clúster de vanguardia.
La reventa transfiere el equipo a otro operador. El nuevo propietario podría usarlo para alojamiento, computación científica, renderizado o cargas de trabajo de IA más pequeñas.
La recuperación de piezas conserva componentes seleccionados. La memoria, el almacenamiento, las fuentes de alimentación, los adaptadores de red, los ventiladores y los procesadores pueden servir para reparaciones o sistemas reacondicionados.
El reciclaje formal extrae materiales cuando la reutilización productiva ya no es práctica. La calidad de la recuperación varía, especialmente en dispositivos electrónicos complejos y ensamblajes especializados.
La eliminación pone fin a la vida productiva del equipo sin una recuperación significativa. El procesamiento informal también puede exponer a trabajadores y comunidades a sustancias peligrosas.
Estas vías no deberían compartir una sola etiqueta. Combinarlas puede exagerar los residuos en un análisis y ocultar una eliminación perjudicial en otro.
El informe de Basel Action Network utiliza la retirada de equipos como base para modelar los residuos futuros. Este enfoque captura los activos que abandonan sus funciones originales, pero no puede garantizar su destino posterior.
Un hyperscaler puede retirar un servidor GPU después de tres años y operarlo en otro lugar durante otros tres. Otra empresa podría conservar hardware similar almacenado porque la reventa o la sanitización parecen demasiado difíciles.
El segundo activo sigue siendo técnicamente propiedad de alguien, pero su valor práctico puede haberse perdido ya. El primero ha abandonado su instalación original sin convertirse en residuo.
La seguridad de los datos complica la reutilización. Los dispositivos de almacenamiento pueden contener información sensible, mientras que el firmware y los sistemas de gestión pueden conservar credenciales o datos de configuración.
A veces, las organizaciones destruyen equipos utilizables cuando no pueden verificar la sanitización. Procedimientos claros de borrado y cadenas de custodia auditables pueden hacer más viable la reutilización.
El diseño también afecta a la recuperación. Los ensamblajes propietarios, los sistemas de refrigeración integrados y el firmware restringido pueden reducir las opciones de reparación. El hardware modular puede permitir actualizaciones selectivas en lugar de reemplazar racks completos.
Los contratos con proveedores importan por la misma razón. Las cláusulas de recompra, devolución, reacondicionamiento y recuperación de componentes determinan si existe un plan de retirada antes de que llegue el equipo.
Por ello, los CIO deberían solicitar datos sobre el destino final a nivel de activo. Los campos útiles incluyen fecha de instalación, carga de trabajo principal, fecha de retirada, motivo de retirada, valor residual, destino y certificado de recuperación.
Los equipos de instalaciones necesitan registros comparables para transformadores, equipos de refrigeración, baterías, generadores y equipos de conmutación. Estos sistemas suelen tener propietarios y proveedores de servicios distintos.
Los contratos de adquisición deberían distinguir entre fallos funcionales e incompatibilidad arquitectónica. Esa diferencia revela si la rotación responde al desgaste, a límites de capacidad, a la eficiencia económica o al diseño de una nueva instalación.
Esta evidencia mejoraría los informes ambientales y las decisiones de inversión. También mostraría si la infraestructura de IA está creando ciclos de vida más cortos que los sistemas convencionales de centros de datos.
El límite de los informes debe extenderse al uso secundario. Un programa de devolución del proveedor no demuestra reutilización ni reciclaje responsable salvo que el proveedor informe del resultado posterior.
Las exportaciones requieren un escrutinio similar. Trasladar equipos retirados entre fronteras puede respaldar una reutilización legítima, pero también puede desplazar los riesgos de eliminación a entornos regulatorios más débiles.
El Convenio de Basilea regula los movimientos internacionales de residuos peligrosos. La aplicación resulta difícil cuando los envíos se describen como productos reutilizables pese a su limitado valor restante.
Estas cuestiones convierten los residuos electrónicos de IA en un asunto de gobernanza, no simplemente en un problema de reciclaje. Las decisiones tomadas durante la arquitectura y la adquisición determinan muchas de las opciones disponibles años después.
Una empresa no puede recuperar componentes modulares si compró un sistema estrechamente integrado. No puede documentar la reutilización si los registros de activos desaparecen entre las instalaciones, finanzas y los equipos de sostenibilidad.
El modelo más amplio de BAN presiona a los CIO para conectar esas funciones. Incluso una estimación de residuos más baja sigue exigiendo evidencia sobre qué ocurrió con la infraestructura que rodeaba a cada servidor retirado.
Tres señales pondrán a prueba la estimación de residuos electrónicos de IA
La próxima evidencia útil procederá de las divulgaciones sobre ciclo de vida, el uso secundario y cambios medibles en la infraestructura de apoyo.
La primera señal es si los grandes operadores publican datos de ciclo de vida a nivel de activo para equipos de IA. Los informes de sostenibilidad actuales suelen ofrecer totales de energía, agua, emisiones o residuos generales.
Una divulgación más útil separaría aceleradores, servidores, almacenamiento, redes, baterías, sistemas de refrigeración y equipos de energía. También informaría de la vida útil mediana y el destino final.
Esta información pondría directamente a prueba los supuestos de BAN sobre la retirada. Vidas útiles cercanas a 2,5 años con reutilización limitada reforzarían la advertencia del informe a corto plazo.
Períodos operativos más largos con reasignación documentada debilitarían sus proyecciones más elevadas. La depreciación contable por sí sola no responderá a la pregunta, porque no revela el destino físico.
La segunda señal es el crecimiento de mercados secundarios creíbles para aceleradores de IA y sistemas relacionados. La disponibilidad continua en la nube de procesadores más antiguos ya sugiere que las generaciones anteriores conservan valor.
Sin embargo, ofertas aisladas no establecen qué volumen de hardware pasa a cargas de trabajo de segunda vida. Los operadores necesitan datos de volumen, utilización y destino.
Un mercado secundario funcional separaría la obsolescencia de vanguardia de los residuos físicos. También daría a las empresas un supuesto de valor residual basado en transacciones.
Una demanda débil de reventa respaldaría la preocupación de BAN sobre la obsolescencia económica. Los nuevos requisitos de energía, refrigeración y redes podrían dejar equipos varados incluso cuando sus procesadores siguen funcionando.
La tercera señal es la frecuencia de reemplazo de los sistemas de apoyo durante las actualizaciones de IA. Esta es la parte menos visible del debate actual y la incorporación más importante del modelo de BAN.
Si los nuevos despliegues de aceleradores desencadenan repetidamente reemplazos de refrigeración, distribución eléctrica, baterías y tejidos de red, los estudios centrados solo en servidores seguirán siendo incompletos.
Si los operadores adaptan la infraestructura existente mediante incorporaciones modulares, la mayor masa instalada no se traducirá en residuos igual de rápidos. Ese resultado reduciría la rotación modelada por BAN.
Los CIO no deberían esperar a una previsión global perfecta antes de actuar. Ya pueden exigir planes de ciclo de vida para cada compra importante de capacidad de IA.
Un plan práctico debería identificar la vida útil esperada, las cargas de trabajo de menor nivel, los componentes actualizables, los canales de reventa, las obligaciones de devolución y las vías verificadas de reciclaje. Debe incluir la instalación de apoyo, no solo el hardware de cómputo.
Los líderes también deberían comparar escenarios de reemplazo antes de aprobar una arquitectura. Un sistema con menores costes operativos puede generar un rendimiento total más débil si deja varada infraestructura reciente.
La decisión debería considerar el valor residual y los gastos de desmantelamiento. También debería identificar qué parte asume esos costes en acuerdos de nube, colocación y servicios gestionados.
La estimación de residuos electrónicos de IA de Basel Action Network no debería tratarse como una predicción definitiva. Su corrección de alcance resulta más convincente que sus totales más lejanos.
Aun así, el informe cambia la carga de la prueba. Las organizaciones ya no pueden asumir que medir los servidores captura las consecuencias materiales de la expansión de la IA.
La siguiente pregunta para toda propuesta de infraestructura de IA debería ser concreta: cuando cambie esta arquitectura, ¿adónde irán sus servidores, redes, baterías, sistemas de refrigeración y equipos de energía?
