Detrás de cada consulta a un asistente de inteligencia artificial hay una infraestructura física que consume miles de millones de litros de agua al año; el impacto es real, medible y va en aumento, pero dista de ser el desastre que algunos sugieren.
El uso de la inteligencia artificial no se remite únicamente en el plano digital, ya que detrás de cada consulta enviada a un asistente de IA, de cada imagen generada y de cada modelo entrenado hay una infraestructura física que consume recursos, entre ellos naturales, tal como el agua en cantidades que despertaron preguntas sobre el impacto ambiental de esta tecnología.
El debate no es nuevo, pero sí se ha intensificado con el auge de la IA generativa y la proliferación de modelos cada vez más complejos en lo que ya una conocida burbuja tanto económica como cultural, ahora, la pregunta central es esta: ¿cuánta agua consume realmente la inteligencia artificial y qué tan grave es ese consumo?
El origen del problema: calor y refrigeración
Para entender el consumo hídrico de la IA es necesario entender cómo funcionan los centros de datos, la infraestructura sobre la que opera toda la computación en la nube.
Los servidores que procesan y almacenan información generan cantidades gigantescas de calor y, sin una refrigeración adecuada, el hardware falla o se degrada, por lo que los centros de datos dependen de muchos sistemas de enfriamiento que, en muchos casos, utilizan agua de manera directa a través de torres de enfriamiento. En este proceso, el agua absorbe el calor y se evapora, lo que significa que no regresa al sistema hídrico: se consume de forma definitiva.
Existe también un consumo indirecto, asociado a la generación de electricidad que alimenta estos centros, pues las plantas termoeléctricas requieren agua para operar, lo que añade una huella hídrica que suele ser mayor que la del consumo directo, aunque varía dependiendo de si la energía proviene de fuentes renovables o no.
Es importante señalar que no todas las operaciones de inteligencia artificial generan el mismo impacto, ya que existen dos fases claramente diferenciadas: la primera es el entrenamiento, la etapa en la que un modelo aprende a partir de grandes volúmenes de datos; este proceso puede prolongarse por semanas o meses en clústeres de servidores de alta capacidad y son el mayor pico de consumo de energía y agua.
Se estima que el entrenamiento de un modelo de la escala de GPT-3 implicó alrededor de 5.4 millones de litros de agua en total, considerando tanto consumo directo como indirecto.
La segunda fase es la inferencia, es decir, el uso cotidiano del modelo: enviar un mensaje a ChatGPT, pedirle a Gemini que responda una pregunta o solicitar la generación de un texto.
Por consulta individual, el consumo es de apenas mililitros, una fracción mínima. Sin embargo, cuando esa cifra se multiplica por miles de millones de interacciones diarias, el volumen acumulado se vuelve significativo.
Las cifras reales de las tecnológicas
Google consumió alrededor de 23 mil millones de litros de agua en sus centros de datos durante 2023, lo que es el 95% de su consumo total como compañía; tan solo uno de sus centros en Iowa utilizó aproximadamente 1,000 millones de galones en 2024.
Microsoft, por su parte, registró un incremento del 34% en su consumo hídrico en 2022, alcanzando los 6.4 millones de metros cúbicos, aunque la empresa dicen reportar avances hacia compromisos de ser «water positive» para 2030.
Amazon Web Services reportó un índice de eficiencia hídrica de 0.15 litros por kilovatio-hora en 2024, una mejora del 17% respecto al año anterior, y redujo sus necesidades de agua en 946 millones de litros en Norteamérica.
A escala nacional, los centros de datos en Estados Unidos consumieron aproximadamente 17 mil millones de galones de agua en 2023 y las proyecciones apuntan a que esa cifra podría escalar a entre 38 y 73 mil millones de galones para 2028.
Globalmente, el consumo anual de los centros de datos en alrededor de 560 mil millones de litros, con posibilidad de alcanzar 1.2 billones de litros para 2030, impulsado en gran parte por la expansión de la IA.
¿Qué dicen los estudios académicos?
La investigación científica sobre el tema ha avanzado de forma paralela a la industria, pues un estudio publicado en la revista Communications of the ACM en 2025, originalmente presentado en arXiv en 2023, desarrolló una metodología para calcular la huella hídrica de los sistemas de IA considerando tanto el consumo directo como el indirecto: sus proyecciones sitúan el consumo hídrico global atribuible a la IA entre 4,200 y 6,600 millones de metros cúbicos para 2027.
Un segundo estudio publicado en ScienceDirect en 2025 estimó que la huella hídrica de los sistemas de IA se ubica actualmente entre 312.5 y 764.6 mil millones de litros anuales, un volumen comparable al consumo global de agua embotellada.
Ambos estudios señalan como limitación común la falta de datos granulares por parte de las empresas, que no siempre desglosan su consumo por sitio o tipo de carga de trabajo.
Circula con frecuencia la afirmación de que una sola pregunta a ChatGPT consume varios litros de agua. pero realmente se trata de una exageración ya que el consumo por consulta individual es de mililitros, no litros, aunque el efecto acumulado a escala masiva es lo que genera el impacto real.
También se ha dicho que los centros de datos están dejando sin agua a ciudades enteras, cuando la realidad es más matizada: a nivel nacional o global, los centros de datos representan menos del 1% del consumo de agua dulce, frente al 70% o más que corresponde a la agricultura.
Sin embargo, el impacto local sí puede ser considerable, ya que, en algunos condados de estados como Virginia, Arizona o Iowa, los centros de datos llegan a representar entre el 10% y el 25% del suministro municipal, lo que genera tensiones reales en temporadas de sequía y en zonas con estrés hídrico.
Eficiencia y nuevas tecnologías
Las grandes empresas tecnológicas comenzaron a implementar soluciones para reducir su huella hídrica, donde la refrigeración líquida directa al chip y los sistemas de inmersión permiten prescindir o reducir drásticamente la evaporación.
Microsoft ha anunciado diseños para centros de datos con consumo cero de agua para enfriamiento en algunos sitios. Amazon y Google, por su parte, buscan priorizar el uso de agua reciclada y sistemas de circuito cerrado. La eficiencia promedio mejora, pero el volumen total sigue aumentando porque la demanda de capacidad de cómputo crece a un ritmo mayor que los avances en eficiencia.
La inteligencia artificial tiene una huella física concreta, como cualquier industria, ahora sabemos que su impacto hídrico es medible, está creciendo y en determinadas regiones ya genera presión sobre los recursos locales. No es catastrófico en términos globales, pero tampoco es trivial, y la tendencia apunta hacia arriba.
La transparencia por parte de las empresas, la regulación local, la innovación en sistemas de enfriamiento y la ubicación estratégica de los centros de datos en zonas con menor estrés hídrico son factores clave para que el desarrollo de la IA y la sostenibilidad ambiental puedan avanzar de manera simultánea.
