Leo S. Lo*
Los sistemas de inteligencia artificial (IA) consumen hasta 500 mililitros de agua (una botella individual) por cada conversación breve que un usuario mantiene con la versión GPT-3 del sistema ChatGPT de OpenAI. Utilizan aproximadamente la misma cantidad de agua para redactar un correo electrónico de 100 palabras.
Esta cifra incluye el agua utilizada para refrigerar los servidores del centro de datos y el agua consumida en las centrales eléctricas que generan la electricidad necesaria para su funcionamiento.
Pero el estudio que calculó estas estimaciones también señaló que el consumo de agua de los sistemas de IA puede variar considerablemente, dependiendo de dónde y cuándo se esté ejecutando el ordenador que responde a la consulta.
Para mí, como bibliotecario académico y profesor de educación, comprender la IA no se trata solo de saber cómo redactar mensajes. También implica comprender la infraestructura, las desventajas y las decisiones cívicas que la rodean.
Mucha gente asume que la IA es intrínsecamente dañina, especialmente después de los titulares que denuncian su enorme huella energética e hídrica. Esos efectos son reales, pero son solo una parte de la historia.
Cuando las personas dejan de ver la IA como un simple drenaje de recursos y comprenden su impacto real, de dónde provienen sus efectos, cómo varían y qué se puede hacer para reducirlos, están mucho mejor preparadas para tomar decisiones que equilibren la innovación con la sostenibilidad.
Dos corrientes ocultas
Detrás de cada consulta de IA se encuentran dos corrientes de consumo de agua.
La primera es la refrigeración in situ de servidores que generan enormes cantidades de calor. Esto suele utilizar torres de refrigeración por evaporación: gigantescos nebulizadores que rocían agua sobre tuberías calientes o depósitos abiertos. La evaporación disipa el calor, pero esa agua se extrae del suministro de agua local, como un río, un embalse o un acuífero. Otros sistemas de refrigeración pueden consumir menos agua, pero más electricidad.
La segunda corriente es utilizada por las centrales eléctricas que generan la electricidad para alimentar el centro de datos. Las centrales de carbón, gas y nucleares utilizan grandes volúmenes de agua para los ciclos de vapor y la refrigeración.
La energía hidroeléctrica también consume cantidades significativas de agua, que se evapora de los embalses. Las plantas solares de concentración, que funcionan de forma más parecida a las centrales eléctricas de vapor tradicionales, pueden consumir mucha agua si dependen de la refrigeración húmeda.
En cambio, las turbinas eólicas y los paneles solares prácticamente no consumen agua una vez construidos, salvo por una limpieza ocasional.
El clima y el tiempo son importantes en el consumo de agua de la IA
El consumo de agua varía drásticamente según la ubicación. Un centro de datos en la fría y húmeda Irlanda a menudo puede depender del aire exterior o de enfriadores y funcionar durante meses con un consumo mínimo de agua. En cambio, un centro de datos en Arizona, en julio, puede depender en gran medida de la refrigeración por evaporación. El aire caliente y seco hace que este método sea muy eficaz, pero también consume grandes volúmenes de agua, ya que la evaporación es el mecanismo que elimina el calor.
El tiempo también es importante. Un estudio de la Universidad de Massachusetts Amherst descubrió que un centro de datos podría utilizar solo la mitad de agua en invierno que en verano. Y al mediodía, durante una ola de calor, los sistemas de refrigeración trabajan horas extra. Por la noche, la demanda es menor.
Los enfoques más recientes ofrecen alternativas prometedoras. Por ejemplo, la refrigeración por inmersión sumerge los servidores en fluidos que no conducen electricidad, como aceites sintéticos, lo que reduce la evaporación de agua casi por completo.
Un nuevo diseño de Microsoft afirma no utilizar agua para la refrigeración, ya que hace circular un líquido especial a través de tuberías selladas directamente sobre los chips de los ordenadores. El líquido absorbe el calor y lo libera a través de un sistema de circuito cerrado sin necesidad de evaporación. Los centros de datos seguirían utilizando agua potable para los baños y otras instalaciones del personal, pero la refrigeración en sí misma ya no se basaría en el suministro de agua local.
Sin embargo, estas soluciones aún no se generalizaron, principalmente debido al coste, la complejidad del mantenimiento y la dificultad de adaptar los centros de datos existentes a los nuevos sistemas. La mayoría de los operadores dependen de sistemas de evaporación.
Una habilidad sencilla que puedes usar
El tipo de modelo de IA consultado también es importante. Esto se debe a los diferentes niveles de complejidad, el hardware y la potencia del procesador que requieren. Algunos modelos pueden consumir muchos más recursos que otros. Por ejemplo, un estudio reveló que ciertos modelos pueden consumir más de 70 veces más energía y agua que los ultraeficientes.
Puedes estimar la huella hídrica de la IA tú mismo en solo tres pasos, sin necesidad de cálculos matemáticos avanzados.
Paso 1: Busca investigaciones fiables o publicaciones oficiales. Análisis independientes estiman que una respuesta de GPT-5 de longitud media, que consta de entre 150 y 200 palabras de salida, o aproximadamente entre 200 y 300 tokens, consume aproximadamente 19.3 vatios-hora. Una respuesta GPT-4o de longitud similar consume aproximadamente 1.75 vatios-hora.
Paso 2: Utiliza una estimación práctica de la cantidad de agua por unidad de electricidad, combinando el uso para refrigeración y energía.
Investigadores independientes e informes del sector sugieren que un rango razonable hoy en día es de aproximadamente 1.3 a 2.0 mililitros por vatio-hora. El límite inferior refleja instalaciones eficientes que utilizan refrigeración moderna y redes más limpias. El límite superior representa instalaciones más típicas.
Paso 3: Ahora es el momento de unir las piezas. Tome el valor de energía obtenido en el paso 1 y multiplíquelo por el factor de agua del paso 2. Esto le dará la huella hídrica de una sola respuesta de IA.
Esta es la fórmula de una línea que necesitará:
Energía por solicitud (vatios-hora) × Factor de agua (mililitros por vatio-hora) = Agua por solicitud (en mililitros).
Para una consulta de longitud media a GPT-5, ese cálculo debe utilizar las cifras de 19.3 vatios-hora y 2 mililitros por vatio-hora. 19.3 x 2 = 39 mililitros de agua por respuesta.
Para una consulta de longitud media a GPT-4o, el cálculo es 1.75 vatios-hora x 2 mililitros por vatio-hora = 3.5 mililitros de agua por respuesta.
Si se asume que los centros de datos son más eficientes y utilizan 1.3 mililitros por vatio-hora, las cifras disminuyen: unos 25 mililitros para GPT-5 y 2.3 mililitros para GPT-4o.
Un informe técnico reciente de Google indicó que una solicitud de texto mediana a su sistema Gemini utiliza tan solo 0.24 vatios-hora de electricidad y unos 0.26 mililitros de agua, aproximadamente el volumen de cinco gotas. Sin embargo, el informe no especifica la longitud de dicha solicitud, por lo que no se puede comparar directamente con el consumo de agua de GPT.
Estas diferentes estimaciones, que van desde los 0.26 mililitros hasta los 39 mililitros, demuestran la importancia de los efectos de la eficiencia, el modelo de IA y la infraestructura de generación de energía.
Las comparaciones pueden aportar contexto
Para comprender realmente cuánta agua consumen estas consultas, puede ser útil compararlas con otros usos habituales del agua.
Al multiplicarlo por millones, el consumo de agua de las consultas de IA se suma. OpenAI reporta alrededor de 2,500 millones de solicitudes al día. Esta cifra incluye consultas a sus sistemas GPT-4o, GPT-4 Turbo, GPT-3.5 y GPT-5, sin un desglose público de cuántas consultas se emiten a cada modelo en particular.
El uso de estimaciones independientes y los informes oficiales de Google ofrece una idea del rango posible:
- Todas las solicitudes medianas de Google Gemini: unos 650,000 litros al día.
- Todas las solicitudes medianas de GPT 4o: unos 8.8 millones de litros al día.
- Todas las solicitudes medianas de GPT 5: unos 97.5 millones de litros al día.
- Un pequeño grifo negro arroja un chorro de agua sobre un césped verde.
A modo de comparación, los estadounidenses utilizan alrededor de 34,000 millones de litros al día para regar céspedes y jardines residenciales. Un litro equivale aproximadamente a un cuarto de galón.
La IA generativa utiliza agua, pero, al menos por ahora, sus totales diarios son bajos en comparación con otros usos comunes como el césped, las duchas y la lavandería.
Sin embargo, su demanda de agua no es fija. La divulgación de Google muestra lo que se puede lograr cuando los sistemas se optimizan con chips especializados, refrigeración eficiente y gestión inteligente de la carga de trabajo. Reciclar el agua y ubicar centros de datos en regiones más frías y húmedas también puede ser útil.
La transparencia también es importante: cuando las empresas publican sus datos, el público, los responsables políticos y los investigadores pueden ver lo que se puede lograr y comparar a los proveedores de forma justa.
*Leo S. Lo es Decano de Bibliotecas; Asesor del Rector para Alfabetización en IA; Profesor de Educación, Universidad de Virginia.
Este texto se publicó originalmente en The Conversation
