¿Cuánta agua bebe tu consulta a una IA?

Hablamos del impacto ambiental de la IA y normalmente se citan las emisiones de CO₂. Pero hay un coste menos conocido, más invisible: el consumo de agua. Cada consulta enviada a un modelo lingüístico de gran tamaño requiere energía para el cálculo y, sobre todo, para el enfriamiento de los servidores. El agua es el motor silencioso detrás de cada respuesta que recibimos.

El enfriamiento de los centros de datos: el verdadero gasto hídrico

Los centros de datos que alojan modelos de inteligencia artificial son enormes complejos industriales que generan calor de forma constante. Los sistemas de enfriamiento por evaporación, entre los más extendidos en el mundo, consumen cientos de millones de litros de agua al día solo en Estados Unidos. En períodos de sequía, esta necesidad entra en conflicto directo con las necesidades de las comunidades locales y de la agricultura.

Según estudios recientes, una sola sesión de chat con un asistente de IA puede requerir hasta 2 litros de agua para procesar sus solicitudes. Multiplicado por billones de interacciones diarias, el resultado es un consumo hídrico global que crece exponencialmente, paralelo a la difusión de los modelos lingüísticos.

¿Cuánto consume realmente una consulta?

El cálculo no es trivial porque depende de muchos factores: el tamaño del modelo, la infraestructura del proveedor, el sistema de enfriamiento adoptado y la región geográfica donde opera el centro de datos. Un modelo ligero como GPT-3.5 requiere menos recursos que un GPT-4 o un Claude 3.5 Sonnet, pero la diferencia en términos hídricos se mantiene en el orden de magnitud entre unos pocos mililitros y varios litros por interacción.

Aquí tienes una estimación orientativa del consumo de agua para algunas operaciones comunes:

• Una respuesta textual breve: aproximadamente 10-50 ml de agua
• Una generación compleja con razonamiento multi-paso: 200-500 ml
• Una hora de uso intensivo con modelos grandes: hasta 2 litros

Estas cifras pueden parecer insignificantes individualmente, pero cuando se escalan a nivel planetario —con billones de consultas diarias— el impacto se vuelve significativo y urgente de considerar.

Por qué el sector tecnológico no habla suficiente del tema

La transparencia sobre los consumos hídricos de los centros de datos sigue siendo escasa. Muchos proveedores publican datos sobre emisiones de carbono pero omiten información detallada sobre el consumo de agua, que a menudo se considera un dato secundario en los informes de sostenibilidad. Esta opacidad hace difícil que los usuarios y reguladores evalúen el verdadero precio ambiental de la IA.

Algunas empresas están empezando a cambiar de rumbo. Google, Microsoft y OpenAI han anunciado iniciativas para mejorar el reporte hídrico e invertir en tecnologías de enfriamiento en seco y en recirculación. Sin embargo, los expertos señalan que los esfuerzos actuales siguen estando muy por debajo de lo que sería necesario para compensar el crecimiento vertiginoso de la demanda.

Qué podemos hacer como usuarios y organizaciones

La conciencia es el primer paso. Reducir las consultas redundantes, evitar usar la IA para tareas que no la necesitan, y preferir modelos más pequeños cuando sea posible son acciones concretas que cada usuario puede adoptar. Las empresas, por su parte, deberían solicitar a los proveedores datos transparentes sobre consumo hídrico y energético, incluyendo estos indicadores en las evaluaciones de adquisición.

Además, apoyar inversiones en tecnologías de enfriamiento más eficientes y en centros de datos diseñados para áreas con abundancia hídrica puede marcar la diferencia. La transición hacia una IA sostenible no es solo una cuestión tecnológica, sino también de decisiones conscientes que parten de cada uno de nosotros.

Conclusión práctica

La próxima vez que envíes una consulta a una IA, recuerda que detrás de esa respuesta hay un costo hídrico real. Haz preguntas útiles, evita repeticiones y elige herramientas que publiquen datos ambientales transparentes. Pequeños hábitos digitales responsables pueden, colectivamente, generar un gran impacto en la sostenibilidad de nuestro futuro tecnológico.