El uso de energía de Claude Code expone el coste oculto de los agentes de IA
El uso de energía de Claude Code alcanzó unos 170 kilovatios-hora estimados durante el experimento de ocho semanas de un investigador, pese a las mejoras de eficiencia en la infraestructura moderna de IA.
El científico climático Zeke Hausfather registró 1.138 instrucciones enviadas mediante el agente de programación de Anthropic. Esas instrucciones desencadenaron más de 14.000 llamadas al modelo y procesaron 3.200 millones de tokens. Su estimación central equivale a unos 150 vatios-hora por prompt humano.
Esa estimación es aproximadamente 600 veces superior a la cifra publicada sobre energía para un prompt de texto típico de Gemini. El contraste cuestiona una idea tranquilizadora sobre la inteligencia artificial: que un prompt constituye una unidad significativa para medir el consumo.
Un agente de IA no se limita a responder y detenerse. Planifica, llama a herramientas, lee resultados, revisa su contexto de trabajo y vuelve a intentarlo. Por tanto, una sola solicitud puede iniciar una larga cadena de cómputo que permanece en gran medida invisible para el usuario.
Este es el verdadero conflicto detrás del reciente debate sobre la energía de la IA. Google y otros proveedores han logrado que las respuestas individuales sean extraordinariamente eficientes. Al mismo tiempo, los productos agénticos están convirtiendo cada instrucción del usuario en muchas respuestas, llamadas a herramientas y lecturas repetidas de contexto.
El resultado no demuestra que todos los agentes de IA desperdicien electricidad. Es evidencia de que las comparaciones habituales por prompt ya no describen una categoría creciente de trabajo con IA. Los desarrolladores, compradores empresariales y planificadores de infraestructura necesitan ahora mediciones basadas en tareas completadas.
El uso de energía de Claude Code cambia la unidad de medida
El cambio importante no es un nuevo lanzamiento de modelo. Es la evidencia de que un prompt humano puede ocultar todo un flujo de trabajo computacional.
Hausfather examinó su actividad en Claude Code del 31 de mayo al 25 de julio de 2026. Claude Code es un sistema de programación agéntico, lo que significa que puede planificar y ejecutar una secuencia de acciones con una dirección humana limitada.
Durante esas ocho semanas, Hausfather introdujo 1.138 prompts. Sus registros documentaron más de 14.000 llamadas separadas al modelo, con un promedio de unas 12 llamadas por cada prompt que escribió.
Las sesiones procesaron 3.200 millones de tokens. Los tokens son las unidades que un modelo de lenguaje lee y genera al manejar texto, código, instrucciones y contexto almacenado.
Hausfather estimó que la carga de trabajo consumió unos 170 kilovatios-hora de electricidad de centros de datos. Su intervalo de incertidumbre se extendía aproximadamente de 70 a 330 kilovatios-hora, porque Anthropic no publica mediciones directas de energía para cada llamada al modelo.
La estimación central resultante fue de aproximadamente 150 vatios-hora por prompt humano. El rango plausible fue de 60 a 290 vatios-hora.
En comparación, Google informó de que un prompt de texto mediano de Gemini Apps consumía 0,24 vatios-hora en su entorno de producción. Esa cifra incluía la energía de los aceleradores, los sistemas anfitriones, la capacidad inactiva y la sobrecarga del centro de datos.
Las mediciones de producción de Google no son necesariamente incompatibles con los cálculos de Hausfather. Describen un tipo de actividad diferente.
Un prompt de texto de Gemini puede generar una única respuesta concisa. Una instrucción de Claude Code puede iniciar una sesión que incluye investigación, generación de código, ejecución de comandos, depuración y evaluación repetida.
Esta distinción explica por qué Hausfather sostiene que un prompt se parece más a un viaje que a una distancia fija. Contar viajes aporta poco a un analista si también desconoce adónde fue cada uno.
Su sesión mediana de Claude Code consumió unos 0,6 kilovatios-hora estimados. El rango plausible osciló entre 0,25 y 1,2 kilovatios-hora. Su jornada de trabajo media alcanzó unos 3,0 kilovatios-hora estimados.
El día de mayor consumo alcanzó una estimación central de 11 kilovatios-hora. Ese día, varios agentes paralelos trabajaron en un amplio análisis geoespacial.
Estas cifras proceden de un único usuario de intensidad inusual, no de una muestra representativa de todos los clientes de Claude Code. Hausfather trabaja con datos climáticos complejos y se describe como un usuario más intensivo que la mayoría.
Aun así, el experimento identifica un fallo de medición que va más allá de un solo investigador. Un usuario ve una instrucción, mientras la infraestructura gestiona una serie ramificada de eventos computacionales.
El cambio importa porque las empresas comercializan cada vez más los agentes como sustitutos de flujos de trabajo completos. Si la promesa del producto se refiere a trabajo terminado, su contabilidad de recursos también debería medir trabajo terminado.
Por qué los agentes de IA consumen más que los chatbots
Los agentes multiplican la demanda energética mediante iteración, trabajo paralelo y procesamiento repetido del contexto, no mediante una única respuesta extraordinaria.
Un intercambio con un chatbot estándar suele seguir una ruta simple. El usuario envía texto, el modelo procesa su contexto y el sistema genera una respuesta.
Un flujo de trabajo agéntico añade un bucle de control. El modelo decide qué hacer, utiliza una herramienta, observa el resultado, actualiza su plan e inicia otro paso de inferencia.
La inferencia es el proceso de ejecutar un modelo entrenado para producir un resultado. Cada paso adicional de inferencia requiere procesadores, memoria, redes y equipos auxiliares del centro de datos.
Claude Code puede buscar en un repositorio, leer archivos, editar código, ejecutar pruebas, inspeccionar errores y revisar su trabajo. Una tarea difícil puede implicar decenas o cientos de estos pasos.
Los subagentes paralelos aumentan aún más el recuento. Pueden explorar enfoques distintos simultáneamente, mejorando la cobertura mientras consumen cómputo al mismo tiempo.
Los registros de Hausfather revelaron que la salida visible representaba solo alrededor del 0,4 por ciento de todos los tokens procesados. Aproximadamente el 96 por ciento eran lecturas de caché.
Una caché almacena contexto del modelo procesado previamente para que el sistema pueda reutilizarlo con mayor eficiencia. Leer contexto almacenado en caché cuesta menos que procesar una entrada nueva, pero sigue consumiendo recursos.
El volumen cobra importancia porque un agente revisita repetidamente su creciente historial de trabajo. Cada resultado de una herramienta, extracto de archivo, instrucción y decisión previa puede seguir formando parte de llamadas posteriores al modelo.
Esto crea un patrón acumulativo. Las sesiones más largas generan más contexto, y los pasos posteriores pueden necesitar releer gran parte de ese contexto antes de producir otra acción.
Hausfather supuso que los tokens almacenados en caché consumían el 10 por ciento de la energía requerida para una entrada nueva. También calculó casos inferiores y superiores utilizando el 1 por ciento y el 25 por ciento.
Ese amplio margen muestra por qué la estimación final sigue siendo incierta. Los precios pueden ofrecer indicios sobre el uso de recursos, pero el precio descontado de un token no es un medidor directo de electricidad.
Hausfather probó tres métodos de estimación publicados y obtuvo resultados dentro del rango más amplio de 70 a 330 kilovatios-hora. La coincidencia respalda su conclusión general sin eliminar la incertidumbre.
El mecanismo clave también aparece en investigaciones más amplias sobre emisiones. Un marco de contabilidad de 2026 estima que un flujo de trabajo agéntico que realiza de 5 a 50 llamadas a modelos de frontera puede consumir entre 50 y 500 vatios-hora.
El mismo marco advierte de que una interacción puede infravalorar el cómputo subyacente en un orden de magnitud o más. Esa advertencia se aplica directamente a los agentes presentados mediante una interfaz de chat sencilla.
Por tanto, la gestión del contexto se convierte en una decisión de infraestructura, no meramente en una función de usabilidad. Los equipos pueden reducir el procesamiento innecesario limitando el contexto irrelevante y dirigiendo la recuperación hacia la información necesaria en cada paso.
Una base de conocimiento con capacidad de búsqueda cuidadosamente mantenida puede ayudar a los ingenieros a recuperar material específico en lugar de cargar repetidamente amplias colecciones de documentos. Sin embargo, el ahorro real depende de la arquitectura del agente.
El enrutamiento de modelos también importa. Un sistema puede enviar la clasificación, la extracción y las ediciones rutinarias a modelos más pequeños, reservando los modelos de frontera para el razonamiento difícil.
Ese enfoque no elimina el coste energético del agente. Ajusta la cantidad de cómputo al valor y la dificultad de cada operación.
La IA eficiente se encuentra con flujos de trabajo agénticos en expansión
La tensión central es que cada inferencia individual sigue abaratándose, mientras los productos agénticos consumen más inferencia para completar cada tarea.
La cifra de 0,24 vatios-hora de Google ofrece evidencia sólida de que la optimización en producción puede reducir la energía por respuesta. La empresa midió un prompt de texto mediano de Gemini en toda su infraestructura de servicio, en lugar de probar un acelerador aislado.
Google también informó de una reducción de 33 veces en la energía por prompt mediano durante un año. Los cambios en los modelos, las mejoras de software, las actualizaciones de hardware y la optimización del servicio contribuyeron a ese descenso.
Este progreso importa. Las estimaciones estáticas basadas en chips antiguos o sistemas de laboratorio con baja utilización pueden sobrestimar considerablemente la electricidad requerida por un servicio de producción moderno.
El procesamiento por lotes permite que la infraestructura atienda varias solicitudes a la vez. La caché evita repetir algunos cálculos. Una mayor utilización distribuye el consumo de los equipos inactivos entre más trabajo útil.
Los procesadores especializados también realizan más cálculos por cada unidad de electricidad. Hausfather citó estimaciones que muestran importantes avances en la eficiencia del hardware de aprendizaje automático desde 2016.
Sin embargo, la eficiencia por operación no reduce automáticamente el consumo total. Un cómputo más barato puede animar a los desarrolladores a usar más.
Los productos agénticos hacen visible ese efecto rebote. Cuando una llamada al modelo se vuelve más rápida y menos costosa, los diseñadores pueden añadir fases de planificación, bucles de verificación, uso de herramientas y agentes paralelos.
Esas incorporaciones pueden mejorar el resultado. También pueden consumir el dividendo de eficiencia antes de que reduzca la demanda total de electricidad.
Esta es una versión del efecto Jevons, según el cual una mayor eficiencia de los recursos puede estimular suficiente demanda nueva como para compensar los ahorros esperados. La IA no garantiza ese resultado, pero sus incentivos actuales favorecen más cómputo.
Los proveedores de modelos compiten en finalización de tareas, rendimiento de programación y autonomía. Los usuarios suelen fijarse en si el agente resuelve el problema, no en cuántas llamadas ocultas necesitó.
El propio análisis de uso de Anthropic concluyó que el 77 por ciento del uso empresarial de API de primera parte analizado seguía patrones orientados a la automatización. Las tareas de programación y oficina tuvieron un papel destacado.
Esa investigación no midió el consumo de electricidad. Sí muestra por qué las cargas de trabajo agénticas merecen atención: el uso empresarial de API ya prioriza la ejecución automatizada en lugar de la conversación aislada.
Los incentivos económicos refuerzan el patrón. Anthropic informó de una débil sensibilidad al precio entre las tareas empresariales de su muestra. Las tareas más capaces y costosas aparecían con mayor frecuencia que las más baratas.
Si un agente de programación ahorra varias horas de trabajo cualificado, una empresa puede aceptar una cantidad de inferencia sustancialmente mayor de la que exige una respuesta de chat. La electricidad por prompt pasa entonces a ser menos útil que la electricidad por incidencia resuelta.
La misma lógica se aplica al análisis científico. El día de mayor consumo de Hausfather respaldó un proyecto geoespacial complejo, no una conversación informal.
Por tanto, la comparación adecuada no siempre enfrenta a un agente con un chatbot. Puede enfrentar un flujo de trabajo asistido por agentes con los ordenadores, viajes, trabajo humano o retrasos que requería el proceso anterior.
Sin embargo, esa comparación más amplia necesita datos reales. Los beneficios de productividad no pueden simplemente darse por supuestos, y los proveedores no deberían utilizar beneficios potenciales para evitar divulgar el consumo de recursos.
La eficiencia y el crecimiento de la carga de trabajo deben informarse conjuntamente. Una cifra menor por token puede coexistir con una mayor demanda eléctrica si el procesamiento total de tokens crece más rápido.
Por eso, la estimación del uso energético de Claude Code funciona como una advertencia, no como un veredicto final. Revela con qué facilidad una buena narrativa de eficiencia puede omitir la expansión que ocurre por encima de la capa del modelo.
Lo que la estimación de Claude Code no puede demostrar
La comparación de 600 veces es importante en términos de dirección, pero no constituye una medición directa del consumo eléctrico de Anthropic.
Hausfather contó con registros de actividad inusualmente detallados. Estos registraban identificadores de modelos, marcas de tiempo y categorías de tokens para respuestas individuales de la API.
Esos registros ofrecen un sólido historial de actividad computacional. No revelan la potencia eléctrica real utilizada por los servidores de Anthropic durante cada solicitud.
Por tanto, la estimación convierte tokens en energía mediante metodologías publicadas. Cada método requiere supuestos sobre hardware, utilización, procesamiento por lotes, gestión de caché y sobrecarga del centro de datos.
Anthropic no ha publicado los datos de energía por token o por prompt necesarios para sustituir esos supuestos por mediciones propias. Las ubicaciones y fuentes de electricidad que atendieron las sesiones tampoco se han divulgado.
El tratamiento de la caché crea otra gran incertidumbre. Un token almacenado en caché evita repetir parte del trabajo, pero el ahorro exacto depende del sistema de servicio.
El caso central de Hausfather consideró que las lecturas de caché consumían el 10 por ciento de la energía de una entrada nueva. Una relación distinta modificaría sustancialmente la estimación total.
La muestra también representa a una persona durante ocho semanas. Hausfather utilizó numerosos subagentes para grandes tareas analíticas, por lo que su actividad está muy alejada de la sesión de programación de un usuario ocasional.
Su sesión mediana implicó alrededor de 10 millones de tokens y más de 100 llamadas. Otras estimaciones publicadas sobre sesiones de Claude Code han utilizado cargas de trabajo menores.
Por tanto, sería engañoso afirmar que cada prompt de Claude Code consume 150 vatios-hora. La conclusión correcta es más acotada: algunas sesiones agénticas avanzadas consumen cientos de veces más energía que prompts de chat simples.
La comparación con Gemini también abarca proveedores y tipos de carga de trabajo distintos. La cifra de Google corresponde al prompt de texto mediano en Gemini Apps, mientras que la estimación de Hausfather corresponde a actividad intensiva de Claude Code.
Esa diferencia es el propósito de la comparación, pero limita lo que la proporción puede establecer. No demuestra que Claude sea intrínsecamente menos eficiente que Gemini.
Solo pruebas controladas de tareas comparables en ambos sistemas podrían respaldar esa afirmación. Idealmente, los proveedores divulgarían mediciones con límites de sistema coherentes.
El marco de Watershed ilustra hasta qué punto esos límites afectan los resultados. Determinó que los benchmarks aislados pueden sobreestimar entre cuatro y 20 veces la electricidad de inferencia en producción porque no contemplan el procesamiento por lotes ni la caché.
También es posible el error opuesto. Informar únicamente la potencia activa de los aceleradores puede omitir servidores host, capacidad inactiva, refrigeración, redes y pérdidas de conversión eléctrica.
Las empresas deberían divulgar información tanto sobre la carga de trabajo como sobre la infraestructura. Entre los campos útiles estarían los tokens, la clase de modelo, el tipo de acelerador, la sobrecarga del centro de datos, los supuestos de utilización y las fuentes regionales de electricidad.
Los informes sobre tareas completadas añadirían otra capa esencial. Un agente podría usar más energía por intento y, aun así, requerir menos repeticiones humanas o completar trabajos que sistemas más simples no pueden finalizar.
Las tasas de éxito importan porque las ejecuciones fallidas de agentes también consumen electricidad. Un flujo de trabajo que se bloquea repetidamente puede arrojar un mal resultado de energía por resultado, incluso si cada llamada individual parece eficiente.
Los compradores empresariales deberían preguntar a los proveedores cómo gestionan los reintentos, el crecimiento del contexto, los fallos de herramientas y el enrutamiento de modelos. Estas decisiones de diseño afectan tanto los costes operativos como los informes ambientales.
La postura escéptica no es que deba ignorarse la estimación de Hausfather. Es que una estimación transparente expone cuánta información crucial siguen reteniendo los proveedores.
La presión pasa de los usuarios a los compradores de infraestructura
El problema energético de los agentes se decidirá más por las compras, la arquitectura de software y el suministro eléctrico que por la moderación individual al redactar prompts.
Hausfather anualizó su carga de trabajo de ocho semanas en aproximadamente 1,1 megavatios-hora de electricidad de centros de datos. Su rango se extendía de 0,4 a 2,2 megavatios-hora.
Utilizando las emisiones medias de la red eléctrica estadounidense, estimó aproximadamente 370 kilogramos de emisiones equivalentes de dióxido de carbono al año. El rango fue de 150 a 730 kilogramos.
Esto es significativo para un usuario de software, pero Hausfather no sostiene que la culpa personal ofrezca la solución principal. Los usuarios intensivos de agentes aún representan una porción limitada de la demanda eléctrica total.
El riesgo mayor proviene de la escala. Una empresa puede desplegar miles de agentes que operan de forma continua en programación, atención al cliente, finanzas, investigación y trabajo administrativo.
Cada agente puede generar una demanda modesta. Las cargas de trabajo persistentes multiplicadas en muchos departamentos pueden alterar los requisitos de infraestructura.
Las previsiones de centros de datos ya muestran la magnitud del desafío circundante. La actualización de 2025 del Lawrence Berkeley National Laboratory estima un caso de referencia para 2030 de 649 teravatios-hora para los centros de datos de Estados Unidos.
Ese caso de referencia equivale al 11,8 por ciento del consumo eléctrico total de Estados Unidos. El rango de incertidumbre compuesto del informe abarca de 521 a 843 teravatios-hora.
La previsión cubre toda la demanda de los centros de datos, no solo la de los agentes de IA. Aun así, los servidores de IA y sus tasas de utilización son incertidumbres centrales dentro del modelo.
Esto ejerce presión sobre tres grupos.
Los proveedores de nube y modelos deben divulgar información suficiente para que los clientes puedan comparar sistemas. Sin informes coherentes, la eficiencia se convierte en una afirmación de marketing, no en una métrica de compras.
Los desarrolladores de aplicaciones deben decidir cuándo la autonomía justifica llamadas repetidas al modelo. Un flujo de trabajo de cinco agentes debería enfrentar un umbral de valor más alto que una única solicitud a un modelo más pequeño.
Los compradores empresariales deben medir resultados. Necesitan el coste, la energía, la latencia y la tasa de éxito asociados a una tarea completada, no a un prompt promedio.
Estas decisiones también afectan la planificación de la red eléctrica. Los grandes centros de datos requieren generación, transmisión, subestaciones, sistemas de refrigeración y capacidad firme que pueda gestionar la demanda máxima.
La ubicación importa porque la misma carga de trabajo puede producir emisiones distintas en diferentes sistemas eléctricos. La generación baja en carbono reduce las emisiones incluso cuando el cómputo subyacente se mantiene constante.
La flexibilidad de las cargas de trabajo puede ayudar. Algunas tareas de entrenamiento, evaluación y agentes en segundo plano pueden desplazarse hacia horas o regiones con electricidad más limpia o menos restringida.
Las sesiones interactivas de programación ofrecen menos flexibilidad porque los usuarios esperan respuestas rápidas. Sin embargo, la investigación o las pruebas no urgentes realizadas por subagentes pueden tolerar la programación.
Los modelos más pequeños ofrecen otra palanca. La clasificación rutinaria, la selección de archivos y las comprobaciones de sintaxis no siempre requieren el mayor modelo disponible.
Los desarrolladores también pueden limitar las iteraciones, comprimir el contexto, reutilizar resultados validados y detener antes los flujos de trabajo fallidos. Esos controles pueden reducir costes y mejorar la previsibilidad.
La mejor arquitectura no siempre utilizará la menor cantidad de electricidad. Debería utilizar el menor cómputo que complete de forma fiable la tarea valiosa.
Ese criterio conecta el desempeño ambiental con la disciplina de ingeniería. Los reintentos desperdiciados, los contextos sobredimensionados y las llamadas innecesarias a modelos de frontera suelen ser también problemas financieros.
Tres señales mostrarán si la IA agéntica puede escalar de forma responsable
La próxima fase del debate energético de la IA depende de la divulgación de los proveedores, la eficiencia a nivel de tarea y la electricidad construida para los nuevos centros de datos.
La primera señal es la presentación directa de informes energéticos por parte de Anthropic y otros proveedores de modelos. Los registros de tokens no pueden responder preguntas que requieren acceso al hardware de producción y a los datos de servicio.
Una divulgación útil debería distinguir entre chat simple, razonamiento, programación y flujos de trabajo multiagente. Debería abarcar la infraestructura completa, no un solo procesador.
Si los proveedores publican mediciones comparables a nivel de tarea, mejorará la confianza en las estimaciones de energía de los agentes. El silencio continuado reforzará las preocupaciones de que los clientes no pueden evaluar los sistemas que despliegan.
La segunda señal es si disminuye la energía por tarea completada, no solo la energía por token. Mejores chips y software de servicio seguirán reduciendo el coste de las operaciones individuales.
Aun así, los agentes pueden consumir esas ganancias mediante contextos más largos y más llamadas. Los proveedores deberían informar del éxito de las tareas junto con la inferencia total, los reintentos y la latencia.
Una cifra decreciente a nivel de tarea mostraría que la eficiencia supera la expansión del flujo de trabajo. Un consumo creciente para resultados similares sugeriría que la autonomía adicional está absorbiendo los ahorros.
La tercera señal es el tipo de electricidad asociado a la nueva capacidad de centros de datos. La eficiencia no puede determinar las emisiones sin conocer la fuente de generación.
Hausfather estima que ejecutar la misma carga de trabajo con un suministro eléctrico mayoritariamente limpio podría reducir sus emisiones en aproximadamente un 90 por ciento. La reducción exacta varía según la ubicación y el método de adquisición.
La nueva generación renovable, el almacenamiento, la energía nuclear, los recursos geotérmicos y la transmisión pueden reducir la intensidad de carbono de la demanda adicional. La generación dedicada con combustibles fósiles mueve el sistema en la dirección opuesta.
Estas señales importan más que los argumentos sobre si un prompt de IA se parece a varios segundos de televisión. Esa comparación describe una interacción limitada que los agentes están dejando atrás rápidamente.
Una pregunta mejor es si un agente completó un trabajo que justificaba todo su coste computacional. Responderla requiere registros transparentes, mediciones de los proveedores y un seguimiento honesto de los resultados.
Los desarrolladores pueden empezar ahora auditando los recuentos de llamadas, el crecimiento del contexto, los reintentos y la selección de modelos. Los compradores empresariales pueden solicitar datos de recursos a nivel de tarea durante las compras, en lugar de aceptar un único promedio.
La estimación del uso energético de Claude Code no resuelve si los agentes aportan suficiente valor. Establece que su verdadera unidad de consumo es el flujo de trabajo.
A medida que los agentes asumen encargos más largos, los usuarios deberían preguntarse qué ocurre después de pulsar Enter. ¿Cuántos modelos se ejecutan, con qué frecuencia vuelven a leer el contexto y qué fuentes de electricidad mantienen ese proceso en marcha?
