Durante años hablamos de internet como si no pesara nada. La nube. Los datos. Las respuestas instantáneas.
Una frase escrita en una caja de texto y devuelta por una inteligencia artificial parecía un acto limpio, casi inmaterial . Pero detrás de esa respuesta hay servidores, chips, electricidad, calor y sistemas de refrigeración. Y en muchos casos, también hay agua. Un estudio de Pengfei Li, Jianyi Yang, Mohammad A.
Islam y Shaolei Ren, publicado en Communications of the ACM bajo el título Making AI Less “Thirsty” , estima que el uso de modelos de IA puede tener una huella hídrica considerable cuando se cuenta no solo el agua usada directamente para enfriar centros de datos, sino también la que se consume indirectamente al generar la electricidad que los alimenta. En uno de los ejemplos más citados , escribir un email de 100 palabras con ChatGPT podría implicar unos 519 mililitros de agua, una cifra cercana a una botella estándar. La cifra de la botella es potente, pero no debe leerse como una regla universal La comparación con una botella de agua funciona porque es visual, inmediata y algo incómoda. Pero conviene entenderla bien.
No significa que cada consulta a cualquier IA, en cualquier país y a cualquier hora, consuma exactamente medio litro de agua. La huella cambia según el centro de datos, la eficiencia del modelo, el sistema de refrigeración, la temperatura exterior, la fuente eléctrica y hasta el momento del día en que se ejecuta la tarea. Ese matiz es clave porque las tecnológicas también publican estimaciones muy diferentes. Google, por ejemplo, afirmó en un estudio sobre Gemini que un prompt mediano consume apenas 0,26 mililitros de agua, el equivalente aproximado a cinco gotas.
Sin embargo, especialistas como Shaolei Ren y Alex de Vries-Gao criticaron esa cifra porque, según explicaron a The Verge , deja fuera parte del consumo indirecto de agua asociado a la generación eléctrica y utiliza métricas que no muestran todo el impacto local. La discusión, entonces, no es solo técnica. Es política y metodológica. ¿Qué cuenta como consumo de agua de la IA? ¿Solo el agua que entra al sistema de refrigeración del edificio? ¿También la que se usa en centrales eléctricas para producir la energía? ¿Importa si el centro está en una zona húmeda o en una región con sequía? Las respuestas cambian mucho el resultado.
La IA no bebe agua, pero sus centros de datos sí necesitan expulsar calor Los centros de datos funcionan como grandes fábricas de calor. Miles de servidores trabajan de forma continua, y los chips usados para entrenar o ejecutar modelos de IA pueden disipar cientos de vatios cada uno. Ese calor debe salir de alguna manera para que los equipos no fallen. Una de las soluciones más usadas es la refrigeración evaporativa.
El agua absorbe calor y una parte se evapora para expulsarlo al ambiente. Es eficiente desde el punto de vista energético, pero puede ser problemática en lugares con estrés hídrico. La Agencia Internacional de la Energía estima que los centros de datos consumieron unos 415 TWh de electricidad en 2024, cerca del 1,5% del consumo eléctrico mundial, y proyecta que esa demanda podría más que duplicarse hacia 2030 por el crecimiento de la IA, la nube y otros servicios digitales. El Laboratorio Nacional Lawrence Berkeley, en un informe preparado para el Departamento de Energía de Estados Unidos, estimó que los centros de datos estadounidenses consumieron directamente unos 17.400 millones de galones de agua para refrigeración en 2023.
Pero lo más llamativo es la parte indirecta: el informe calcula otros 211.000 millones de galones asociados a la electricidad que esos centros necesitaron para operar. Dicho de otra forma: mirar solo el agua que entra por las tuberías del centro de datos puede mostrar apenas una fracción del problema. Google, Microsoft y Meta ya muestran una tendencia difícil de ignorar © Getty Images / Jim West / UCG / Universal Images Group. Los propios informes corporativos dejan ver el crecimiento.
Google informó en su reporte ambiental de 2025 que en 2024 repuso 4.500 millones de galones de agua y elevó la reposición de su consumo de agua dulce del 18% en 2023 al 64% en 2024. La compañía también reconoce que el crecimiento de la IA aumenta la presión sobre energía, agua e infraestructura, aunque insiste en sus mejoras de eficiencia y reposición hídrica. Microsoft ya había reportado un aumento del 34% en su consumo de agua entre 2021 y 2022, en pleno crecimiento de sus centros de datos vinculados a IA. Associated Press documentó el caso de West Des Moines, Iowa, donde Microsoft retiró unos 11,5 millones de galones de agua en julio de 2022, el mes anterior a la finalización del entrenamiento de GPT-4, según datos de la empresa local de agua.
Esa cifra representó alrededor del 6% del uso total del distrito en ese mes. La empresa, como Google, sostiene que está invirtiendo en sistemas más eficientes. Microsoft ha empezado a promover diseños de refrigeración de circuito cerrado para nuevos centros de datos de IA, con un uso de agua mucho menor que el de instalaciones tradicionales. Pero el problema es que la infraestructura antigua y la expansión acelerada siguen pesando.
Las mejoras por consulta pueden convivir con un aumento total del consumo si el número de consultas, modelos y centros de datos crece todavía más rápido. La gran pregunta no es cuánta agua consume una consulta, sino de dónde sale esa agua El estudio de Li y Ren proyecta que la demanda global de IA podría requerir entre 4.200 y 6.600 millones de metros cúbicos de extracción de agua al año para 2027. La cifra inferior equivale aproximadamente a la extracción anual de varios países pequeños; la superior se acerca a la mitad de la extracción anual de agua del Reino Unido. Ese dato impresiona, pero hay otro más importante: la ubicación.
No es lo mismo consumir agua en una región con abundancia relativa que hacerlo en una zona con acuíferos tensionados, sequías prolongadas o competencia agrícola. Por eso cada vez más conflictos se están dando a escala local. La discusión no ocurre en una nube abstracta, sino en municipios, permisos ambientales, redes eléctricas, acuíferos y reuniones de vecinos. Chile ofrece un ejemplo claro.
Google pausó y reformuló su proyecto de centro de datos en Cerrillos, cerca de Santiago, después de objeciones ambientales vinculadas al uso de agua en una región golpeada por años de sequía. En Arizona, Iowa, Uruguay, México, España y otros puntos, el debate se repite con variaciones: inversión tecnológica, promesas de empleo, presión sobre recursos y comunidades que piden más transparencia. El agujero negro de los datos que las empresas no publican El problema no es solo el consumo. También es la falta de información comparable.
Muchas empresas publican cifras globales de agua, pero no siempre separan retiro de agua y consumo real. Tampoco detallan con suficiente precisión el uso por instalación, la fuente hídrica local, la estacionalidad ni el impacto indirecto de la electricidad. Esa opacidad vuelve difícil responder preguntas básicas: ¿qué centro consume más? ¿En qué meses? ¿De qué acuífero sale el agua? ¿Cuánta vuelve al sistema y en qué condiciones? ¿Qué parte se evapora? ¿Qué ocurre si hay sequía? El informe de Lawrence Berkeley y los trabajos académicos sobre IA intentan cubrir parte de ese vacío con modelos y estimaciones.
Pero una estimación independiente nunca reemplaza la transparencia operativa. Sirve para encender la alarma, no para cerrar la discusión. La IA puede ayudar a gestionar el agua, pero primero debe explicar la suya Hay una paradoja real. La inteligencia artificial puede mejorar predicciones climáticas, optimizar riego, detectar fugas, modelar sequías y ayudar a administrar redes hídricas con más precisión.
Sería absurdo negar ese potencial. Pero esa promesa convive con una infraestructura que, hoy, consume energía y agua a una escala creciente. Por eso la pregunta ya no puede ser si la IA es “buena” o “mala” para el planeta. Es demasiado simple.
La pregunta importante es si la industria puede crecer sin trasladar sus costes ambientales a regiones que ya tienen poco margen. Y si los gobiernos van a exigir datos, límites y planificación antes de aprobar instalaciones que pueden competir con hogares, agricultura o ecosistemas. Una consulta aislada parece poca cosa. Un correo de 100 palabras también.
P ero la historia de la IA no se está escribiendo consulta por consulta, sino centro de datos por centro de datos . Y ahí la metáfora de la nube se rompe: lo que parecía flotar sobre nuestras cabezas está apoyado en suelo real, conectado a redes reales y bebiendo de fuentes de agua que no son infinitas.