¿Cuánta agua consume realmente la IA?

La inteligencia artificial no “bebe” agua cuando responde una pregunta. El agua se utiliza en la infraestructura que la hace posible: centros de datos, sistemas de refrigeración y, de forma indirecta, centrales eléctricas. La pregunta importante no es si cada consulta consume una cantidad fija, sino dónde está el centro de datos, qué sistema de enfriamiento usa y qué electricidad lo alimenta.

No es lo mismo retirar agua que consumirla

Los estudios ambientales distinguen entre extracción y consumo. La extracción es el agua que se toma de una fuente; el consumo es la parte que no vuelve de inmediato al mismo sistema, por ejemplo porque se evapora. Mezclar ambas cifras produce titulares llamativos, pero comparaciones engañosas.

Además, “agua potable” no describe toda el agua utilizada por la industria. Algunos centros emplean agua potable o de red; otros recurren a agua reciclada, industrial o de lluvia. El riesgo, por tanto, depende tanto del volumen como del lugar: un litro usado en una región húmeda no tiene el mismo impacto que uno extraído durante una sequía.

De dónde sale la huella de la IA

Los servidores que entrenan y ejecutan modelos generan calor. En muchos centros de datos, una parte de ese calor se disipa mediante torres de refrigeración que evaporan agua. También existe una huella indirecta: producir electricidad puede requerir agua para refrigerar las plantas que la generan.

Un estudio de Li, Yang, Islam y Ren estimó que entrenar GPT-3 en centros de datos de Microsoft en Estados Unidos podía evaporar directamente unos 700.000 litros de agua dulce. La cifra no es una medición universal de todos los modelos ni de cada respuesta: es una estimación para un entrenamiento concreto, bajo determinadas condiciones.

El mismo trabajo proyectó que la demanda global de IA podría asociarse con una extracción anual de entre 4.200 y 6.600 millones de metros cúbicos de agua en 2027. Es una proyección, no un contador mundial. Depende de supuestos sobre crecimiento, ubicación, eficiencia y mezcla eléctrica; por eso debe leerse como una señal de escala y no como una factura exacta de la IA.

¿Y una pregunta individual?

No existe un número único y verificable para cada prompt. La respuesta puede ejecutarse en hardware distinto, con cargas compartidas, temperaturas diferentes y sistemas de refrigeración que no se parecen entre sí. También importa si hablamos de entrenamiento, inferencia, generación de texto, imágenes o vídeo.

Google y Microsoft publican informes ambientales con datos agregados de sus operaciones, pero normalmente no separan de forma completa el agua atribuible a cada modelo o producto de IA. Esa falta de desglose impide convertir una cifra corporativa en “el agua de una respuesta” sin introducir supuestos.

La conclusión seria es menos espectacular que muchos gráficos virales: sí, la IA tiene una huella hídrica real y creciente, pero no toda esa agua es potable, no toda se consume del mismo modo y no existe una tasa fija por consulta. La discusión útil exige exigir transparencia sobre ubicación, fuente de agua, consumo directo, energía utilizada y eficiencia del sistema.

La solución tampoco consiste en dejar de usar cualquier herramienta de IA. Consiste en medir mejor, ubicar centros de datos evitando cuencas bajo estrés, usar agua no potable o reciclada cuando sea seguro, mejorar la refrigeración y publicar datos comparables. Sin esa información, las empresas pueden anunciar avances y los usuarios repetir cifras sin saber qué están comparando.

Imagen generada con IA