OpenAI presentó el 2 de noviembre Grid Protectors, un programa para que sus futuros campus de computación en Estados Unidos puedan reducir la electricidad que toman de la red cuando esta se encuentre bajo presión. La compañía quiere extender acuerdos con eléctricas y reguladores que concreten esa capacidad de respuesta. El anuncio parte del proyecto de Effingham County, en Georgia, que sigue en desarrollo: todavía no acredita un servicio prestado ni una bajada de las facturas de los hogares.

La propuesta de OpenAI combina flexibilidad del consumo con el compromiso de pagar los costes que generan sus instalaciones. Su interés para la comunicación corporativa está en qué puede comprobarse: quién asume una inversión, qué reducción de demanda puede solicitar la eléctrica y en qué momento. Esos elementos permiten examinar una promesa de beneficio local con más precisión que una declaración genérica de sostenibilidad.

El acuerdo de Georgia precede al nuevo programa

Georgia Power anunció el 22 de julio que atendería el proyecto de OpenAI cerca de Savannah. Su comunicado inicial situó la potencia prevista para la instalación en unos 3.200 megavatios y describió un acuerdo de 25 años. Este contempla hasta 1.000 megavatios de respuesta flexible: la eléctrica podrá reducir la energía suministrada a la instalación en determinados momentos de alta demanda.

Ese gigavatio es capacidad de reducción prevista, no electricidad nueva producida. Tampoco es un ahorro permanente sobre todo el consumo del campus. El valor depende de cuándo pueda activarse, cuánto dure y qué necesidad tenga la red en ese momento. Una cifra de potencia expresa el ritmo de consumo o generación; para conocer energía desplazada o evitada harían falta, además, las horas correspondientes.

La eléctrica comunicó el 26 de agosto que el contrato había sido aprobado dentro del proceso regulatorio de la Georgia Public Service Commission. Por tanto, el hecho nuevo de noviembre es el programa nacional que OpenAI quiere construir sobre ese modelo. Presentar el acuerdo como recién firmado borraría una parte relevante de su recorrido y haría parecer simultáneas decisiones tomadas durante varios meses.

Pagar la infraestructura y aliviar una punta son compromisos distintos

El reparto de costes tiene un antecedente público. La comisión de Georgia aprobó el 23 de enero de 2025 una regla que permite condiciones específicas para nuevos grandes consumidores de más de 100 megavatios. Su explicación incluye costes propios del emplazamiento y de generación, transmisión y distribución, además de requisitos mínimos de facturación para proteger a otros clientes ante inversiones destinadas a esas instalaciones.

Son dos preguntas diferentes. La primera es si el campus paga los recursos necesarios para conectarse y operar. La segunda es si su consumo puede ajustarse cuando otras necesidades coinciden. Un contrato puede abordar ambas, pero demostrar una no demuestra automáticamente la otra. Para un equipo de marca, conviene mantener esa separación al convertir obligaciones técnicas en mensajes comprensibles para vecinos y clientes.

La continuidad de un compromiso también importa. Si una infraestructura se construye para un gran consumidor que después reduce su actividad, alguien debe asumir los costes pendientes. Los plazos y garantías financieras aportan información más útil sobre ese riesgo que una equivalencia llamativa con el consumo de viviendas. La documentación contractual y la supervisión posterior son, en este caso, parte del contenido de la promesa.

Los 950 millones son una previsión de toda una cartera

En su actualización del 26 de agosto, Georgia Power estimó unos 950 millones de dólares anuales de ahorro para clientes a partir de 2029. La cifra reúne ingresos incrementales previstos de grandes consumidores y crecimiento futuro; incluye el proyecto de OpenAI, pero no corresponde exclusivamente a él. La eléctrica la tradujo en al menos 15 dólares mensuales para un cliente residencial tipo que use 1.000 kilovatios hora al mes.

Ni la fecha ni el perímetro son detalles secundarios. Hablar de una cartera impide atribuir todo el efecto a una sola compañía; hablar de 2029 distingue una proyección de un resultado ya registrado. Además, un cliente tipo no representa cualquier hogar. Comparar después esa previsión con el efecto real exigirá conservar los supuestos y el periodo utilizados, en lugar de cambiar la referencia cuando haya datos nuevos.

Qué necesitará demostrar el programa cuando opere

Una evaluación útil debería registrar cuántas veces se solicita una reducción, cuánta potencia se libera realmente, durante cuánto tiempo y con qué coste. También tendría que distinguir el beneficio para la red de la huella ambiental total del campus. Un consumo más flexible puede ayudar a gestionar una punta sin que eso pruebe, por sí solo, una reducción anual de emisiones. El anuncio no aporta todavía una serie de resultados operativos de Grid Protectors.

Esta distinción conecta con el proyecto de transporte eléctrico de Nike en Vietnam: describir una intervención concreta exige conservar su ámbito y sus condiciones antes de convertirla en una afirmación general sobre la empresa. La revisión de las pruebas que sostienen los mensajes ambientales plantea la misma disciplina de comunicación, aunque el programa de OpenAI y el acuerdo aquí descrito se sitúan en Estados Unidos.

Grid Protectors ofrece así un caso de seguimiento con compromisos identificables y comprobaciones todavía pendientes. Para quien deba explicar la relación entre IA, consumo eléctrico y comunidad, la información decisiva será la distancia entre la flexibilidad contratada y la que llegue a utilizarse. Mantener visibles ambas magnitudes permitirá valorar el programa cuando haya actividad, sin adelantar sus resultados.

Fuente y alcance

Fuentes: OpenAI: presentación de Grid Protectors (2026-11-02); Georgia Power: acuerdo para el campus de Effingham (2026-07-22); Georgia Power: aprobación y previsión de ahorro de cartera (2026-08-26); Georgia PSC: regla para grandes consumidores (2025-01-23).

Así trabajamos las fuentes y las correcciones.