¿Cuánta agua consume la inteligencia artificial y cómo interpretar esas cifras?

El consumo de agua de la IA se produce tanto en la refrigeración de los centros de datos como, indirectamente, en la generación de la electricidad que los abastece. Esto no significa, sin embargo, que cada pregunta enviada a un chatbot corresponda a una cantidad fija de agua. La huella depende del procesamiento realizado y de la infraestructura que lo atiende, además de lo que cada estudio decide incluir en el cálculo.

Entender esta diferencia es importante para dimensionar el problema. Un número elevado, presentado sin contexto, puede sugerir que toda interacción con IA tiene un impacto extraordinario. Un número pequeño, por otro lado, puede ocultar el efecto acumulado de una operación a gran escala. Ninguna de estas interpretaciones, por sí sola, ayuda a decidir dónde reducir el consumo, qué instalaciones necesitan más atención o qué mejoras funcionan realmente.

La cuestión no es elegir entre considerar la IA inofensiva o ambientalmente inaceptable. Es identificar cuánto consume, en qué condiciones y con qué consecuencias. Para ello, necesitamos separar conceptos que a menudo aparecen mezclados.

¿Por qué utilizan agua los centros de datos?

Los equipos de un centro de datos transforman electricidad en procesamiento y calor. Para mantener la operación dentro de las temperaturas adecuadas, es necesario retirar ese calor. Algunas instalaciones utilizan torres de refrigeración, en las que parte del agua se evapora durante el intercambio térmico; otras combinan refrigeración mecánica, aprovechamiento del aire exterior y distintos circuitos de circulación de fluidos. El Departamento de Energía de Estados Unidos describe estas alternativas y destaca que su rendimiento depende, entre otros factores, del clima y de la configuración de la instalación.

Por eso, la presencia de agua en un sistema no indica, por sí sola, cuánto consume. Un circuito puede recircular el mismo fluido, mientras otra etapa de la instalación utiliza evaporación para expulsar calor. Del mismo modo, “refrigeración líquida” no debe interpretarse automáticamente como consumo elevado ni como consumo cero: hay que comprender el sistema completo.

También hay agua asociada a la generación eléctrica. Según las centrales que abastecen la red y sus tecnologías, suministrar electricidad puede implicar consumo de agua fuera del centro de datos. Una evaluación más amplia puede considerar además la fabricación de equipos y otros procesos de la cadena productiva. Estos límites de análisis deben ser explícitos, ya que una estimación operativa no equivale a una evaluación de todo el ciclo de vida.

Extraer agua no es lo mismo que consumirla

La extracción, también llamada captación, es el agua retirada de una fuente para una actividad determinada. El consumo corresponde a la parte que deja de estar disponible para su reutilización inmediata, por ejemplo porque se evaporó o se incorporó a un producto. El USGS, servicio geológico de Estados Unidos, distingue estos conceptos precisamente porque describen relaciones diferentes con los recursos hídricos.

Esto significa que dos instalaciones pueden captar volúmenes similares y consumir partes diferentes. También significa que una comparación entre la captación de un sector y el consumo de otro no mide lo mismo, aunque ambos números estén expresados en litros.

El agua evaporada no desaparece del planeta. El problema es su disponibilidad en el lugar y el periodo en que otras personas, actividades y ecosistemas la necesitan. Esta es una razón para no tratar la huella hídrica solo como un cálculo global de volumen.

¿Qué muestran las cifras de los centros de datos?

EL informe de 2024 del Lawrence Berkeley National Laboratory estimó que los centros de datos de Estados Unidos consumieron directamente aproximadamente 66 mil millones de litros de agua en 2023. El documento también calculó una huella hídrica indirecta cercana a 800 mil millones de litros, asociada a la electricidad utilizada. Los valores indirectos se estimaron a partir de las redes eléctricas regionales, no se midieron individualmente en cada central para cada instalación.

Indicador	Estimación	Alcance
Consumo directo de agua	66 mil millones de litros	Centros de datos de Estados Unidos, en 2023
Consumo indirecto asociado a la electricidad	Alrededor de 800 mil millones de litros	Centros de datos de Estados Unidos, en 2023
Electricidad utilizada	176 TWh	Centros de datos de Estados Unidos, en 2023

Estos datos se refieren al conjunto de los centros de datos, no exclusivamente a la IA. La infraestructura también atiende almacenamiento, aplicaciones empresariales y otros servicios digitales. Por tanto, presentar los totales como “consumo de la inteligencia artificial” atribuiría a la tecnología actividades que el estudio no separa de esa manera.

Las cifras son útiles para comprender el orden de magnitud de la infraestructura y la importancia de la electricidad en la huella hídrica. Sin embargo, no ofrecen una respuesta directa sobre cuánto consume una persona al utilizar un chatbot determinado.

La demanda está creciendo, pero las proyecciones no son hechos consumados

En la actualización publicada en abril de 2026, la Agencia Internacional de la Energía estimó que los centros de datos consumieron 485 TWh de electricidad en 2025. Su proyección central apunta a aproximadamente 950 TWh en 2030, cerca del 3% de la demanda eléctrica mundial en ese año. El crecimiento de las instalaciones orientadas a la IA es más rápido que el del conjunto del sector.

Esto justifica seguir la expansión, la eficiencia y la disponibilidad de infraestructura. Pero la proyección no debe leerse como un resultado inevitable: depende de la adopción de aplicaciones, las inversiones, las mejoras tecnológicas y los obstáculos para construir nuevos proyectos.

Tampoco es correcto convertir automáticamente el crecimiento eléctrico en crecimiento del consumo de agua en la misma proporción. La cantidad de agua depende de la combinación entre fuentes de electricidad, refrigeración y ubicación. Una expansión puede ir acompañada de una reducción de la intensidad hídrica; el resultado absoluto debe observarse, no suponerse.

¿Por qué no existe un valor universal de agua por pregunta?

Una pregunta corta, un análisis documental extenso y una generación de video representan servicios diferentes. Incluso dentro de la generación de texto, la longitud de la respuesta, el modelo, el uso de los equipos y la infraestructura cambian la cantidad de recursos necesaria.

Una investigación publicada en 2025 por investigadores vinculados a Berkeley Lab encontró variaciones de más de 10 mil veces en el consumo de agua por carga de trabajo entre las configuraciones analizadas. El resultado combina diferencias de eficiencia computacional y de intensidad hídrica de la infraestructura. No significa que cambiar de chatbot produzca un ahorro de esa magnitud, ni constituye una comparación directa de todos los servicios comerciales de IA.

La principal contribución de este estudio es mostrar por qué importan tanto la ubicación y la forma de ejecutar una tarea. La cifra por interacción puede ayudar a comparar configuraciones cuando la metodología es consistente, pero pierde sentido cuando se convierte en una constante supuestamente válida para cualquier modelo y cualquier uso.

¿Qué significa la estimación difundida por Google?

En un análisis de mayo de 2025, Google estimó 0,26 mililitros de agua para el prompt mediano de texto de Gemini Apps, según su metodología. El cálculo hídrico considera el agua consumida para refrigerar los equipos y la infraestructura de los centros de datos; no representa toda el agua asociada a la generación eléctrica y a la cadena de fabricación.

El valor se derivó del consumo energético y de factores de eficiencia hídrica de la infraestructura. Por tanto, no corresponde a un contador de agua que registre una cantidad específica con cada mensaje. La empresa también informó de que los datos y las afirmaciones no habían sido verificados por un tercero independiente cuando se difundieron.

Hay otra distinción: la mediana no es la media. Una medida representativa de una interacción típica no permite, por sí sola, calcular el consumo total multiplicándola por el número de mensajes. Las interacciones muy intensivas pueden tener un peso relevante en el total sin aparecer del mismo modo en la mediana.

Nada de esto vuelve inútil el estudio. Hace necesario interpretarlo dentro de su alcance. El mismo cuidado debe aplicarse a estimaciones mayores: comparar resultados exige comprobar qué se incluyó, qué tareas se ejecutaron y cómo se les atribuyeron los recursos.

El entrenamiento y el uso cotidiano son etapas diferentes

El entrenamiento es la etapa en la que el modelo aprende patrones; la inferencia es su ejecución para responder o realizar una tarea. Los trabajos sobre la huella hídrica de la IA analizan estas etapas por separado porque sus demandas y su frecuencia son distintas. Una estimación para entrenar un modelo completo no puede compararse directamente con el consumo de una sola respuesta.

Tampoco basta con elegir solo la etapa que produce el número más conveniente. Evaluar un servicio a lo largo de su vida exige considerar su desarrollo y su uso acumulado, con reglas explícitas de atribución. Cuanto mayor sea la adopción, más importante será comprender la operación, no solo el coste inicial del entrenamiento.

Esta distinción evita una comparación engañosa: poner un entrenamiento a gran escala de un lado y una interacción individual del otro para concluir que la tecnología se ha vuelto cientos de veces más limpia. En ese caso, la diferencia puede estar principalmente en las unidades comparadas.

Comparar con la agricultura ayuda, siempre que la comparación sea correcta

Según la FAO, la agricultura representó aproximadamente el 72% de las extracciones mundiales de agua dulce en 2023. Es un dato importante: sitúa la discusión sobre IA dentro de un problema hídrico mucho más amplio e impide que la atención dedicada a una tecnología reciente haga desaparecer sectores con mayor participación en el uso del agua.

La proporción importa para definir prioridades. Los recursos de fiscalización, investigación y mejora ambiental son limitados, y su distribución no debería depender solo de la visibilidad de un tema. Al mismo tiempo, una participación global menor no resuelve el análisis de una instalación específica.

El cuidado metodológico es sencillo: el porcentaje de la FAO trata de extracciones globales, mientras el estudio estadounidense de centros de datos incluye consumo nacional directo e indirecto. Estos datos no permiten calcular cuántas veces un sector sería “peor” que el otro.

También es necesario considerar la finalidad y las alternativas. Producir alimentos, fabricar tejidos y ejecutar computación ofrecen servicios diferentes. Un litro informa sobre el volumen; no responde por sí solo cuánto valor se produjo, qué desperdicio podría evitarse o qué opción atendería la misma necesidad con menor impacto.

¿Y la industria textil?

La industria textil es relevante para la comparación, pero su cadena reúne actividades muy diferentes. Un análisis del PNUMA identificó el cultivo de fibras naturales, como el algodón, y la fase de uso por el consumidor entre los puntos importantes para los impactos de escasez hídrica. Otros impactos se concentran en etapas como la producción de fibras y el procesamiento de los tejidos.

Esto muestra por qué no conviene tratar una estimación de toda la cadena de una prenda como equivalente al agua utilizada solo para refrigerar un servidor. En un caso pueden incluirse el cultivo, la fabricación y el uso; en el otro, solo una etapa operativa.

También hay superposición: el cultivo del algodón forma parte de la agricultura y puede integrar la huella de un producto textil. Sumar las dos categorías como si fueran totalmente independientes produciría una doble contabilización.

Las comparaciones sectoriales siguen siendo útiles, pero deben indicar sus límites. Una visión realista no necesita negar que otras actividades utilizan volúmenes mucho mayores; necesita evitar convertir esa constatación en una equivalencia numérica que los datos no sostienen.

El impacto depende del lugar, no solo del volumen

El agua es un recurso compartido localmente. GRI 303, referencia de divulgación sobre agua y efluentes, orienta el análisis de disponibilidad, calidad, acceso y contexto de las cuencas, incluidas las relaciones con proveedores y comunidades. Estos factores ayudan a explicar por qué un mismo volumen puede tener consecuencias diferentes en distintas regiones.

Esto no significa suponer que todo centro de datos compite directamente con el abastecimiento doméstico. Esa relación debe investigarse: ¿de dónde viene el agua, qué parte es potable, qué otros usos existen y cómo se comporta la demanda durante los periodos secos?

Del mismo modo, instalar una operación en una región aparentemente abundante no elimina la necesidad de evaluar su capacidad de suministro. Lo que importa es la combinación entre demanda, infraestructura, condiciones ambientales y reglas de gestión, no solo una etiqueta de “región con agua”.

¿Qué soluciones tienen sentido?

Hay mejoras tanto en el procesamiento como en la infraestructura. Reducir la computación innecesaria puede disminuir la demanda de recursos; mejorar la gestión térmica, aprovechar condiciones climáticas favorables y ajustar la operación de los sistemas puede reducir el gasto de energía y agua. La orientación técnica del Departamento de Energía presenta alternativas de este tipo, pero destaca su dependencia de las condiciones de cada instalación.

También existen proyectos que evitan la evaporación de agua para refrigeración. Sin embargo, esto no permite llamarlos instalaciones con una huella hídrica total de cero. Microsoft, al presentar uno de estos proyectos, reconoció incluso la posibilidad de un aumento de energía respecto a determinados sistemas evaporativos.

La elección adecuada puede variar. En una cuenca sometida a presión, ahorrar agua puede justificar cierto aumento de electricidad; en otra situación, una combinación diferente puede producir un resultado mejor. El objetivo es evaluar las consecuencias conjuntas, no maximizar un indicador ignorando los demás.

Cómo evaluar una afirmación sobre el consumo de agua de la IA

Antes de aceptar una cifra, conviene identificar la actividad, la unidad, el año, la geografía y los límites del cálculo. ¿Es consumo o extracción? ¿Solo refrigeración o también electricidad? ¿Una tarea específica o todos los servicios de una instalación? ¿Una medición operativa, una estimación o un proyecto todavía no ejecutado?

También es útil preguntar qué pretende demostrar la comparación. Una cifra puede ser adecuada para discutir la eficiencia e inadecuada para evaluar la presión sobre una cuenca determinada. Un total global puede ayudar a dimensionar un sector y decir muy poco sobre las condiciones de una ciudad.

La buena información ambiental no es la que presenta el número mayor o menor. Es la que permite comprender una decisión.

Preguntas frecuentes

¿El agua consumida por la IA desaparece?

No. “Consumo”, en este contexto, no significa destrucción del agua, sino su falta de disponibilidad para reutilización inmediata, como ocurre con la evaporación. La preocupación está en la disponibilidad local y temporal, no en la desaparición del agua del planeta.

¿Es correcto decir que una pregunta gasta una botella de agua?

No como regla universal. Cualquier equivalencia de este tipo debe indicar el modelo, la tarea, el periodo y los componentes considerados. Sin esas condiciones, una estimación específica pasa a representar indebidamente toda la tecnología.

¿Que la agricultura utilice más agua vuelve irrelevante el impacto de la IA?

No. La comparación ayuda a dimensionar prioridades, pero no sustituye el análisis de cada instalación. Una actividad puede tener una participación global menor y aun así requerir cuidado en un lugar determinado.

El consumo de agua de la inteligencia artificial

La IA utiliza recursos físicos, pero su huella hídrica no es una característica fija de cada pregunta. Depende de la tarea, de la infraestructura y de los límites de la medición. Reconocer esta variabilidad permite cuestionar tanto las generalizaciones alarmistas como las afirmaciones excesivamente tranquilizadoras.

La respuesta más útil es seguir los volúmenes absolutos, mejorar la eficiencia y examinar las consecuencias locales. Esto no exige atribuir culpa a cada interacción ni aceptar cualquier expansión como inevitable. Exige tratar la computación con el mismo criterio aplicado a otras actividades: comprender el beneficio, reconocer los costes y buscar alternativas técnicamente viables para reducir impactos.

Para profundizar en la relación entre uso de agua, energía y elección del modelo, lee también el artículo sobre IA sostenible y eficiencia.

Fuentes y limitaciones del análisis

Este texto utiliza el informe de 2024 de Berkeley Lab, el investigación sobre consumo de agua por carga de trabajo, definiciones del USGS, proyecciones de la IEA e información técnica de proveedores. Las estimaciones históricas, las proyecciones y los datos corporativos se identificaron según su naturaleza. No se realizaron mediciones propias, y los resultados citados no permiten establecer un valor universal de agua por interacción ni una comparación homogénea entre toda la IA, la agricultura y la industria textil.