La preocupación sobre el consumo de agua de la inteligencia artificial (IA) ha tomado fuerza en las últimas semanas, revelando un costado ambiental hasta ahora poco considerado: cada interacción con herramientas como ChatGPT implica el uso intensivo de agua para la refrigeración de los servidores que procesan estas solicitudes.

¿Qué es la huella hídrica de la IA?

Cada vez que un usuario emplea una IA generativa, su solicitud es procesada en gigantescos centros de datos que alojan servidores de alta potencia. Estos servidores, debido a la intensidad de los cálculos, generan enormes cantidades de calor que deben ser disipadas para evitar fallos. Para lograrlo, utilizan sistemas de refrigeración que consumen ingentes volúmenes de agua, la cual se evapora en el proceso.

La denominada huella hídrica representa la cantidad de agua dulce utilizada y evaporada para mantener operativas estas infraestructuras. Según el Washington Post, centros de datos como los de Microsoft en West Des Moines, Iowa, consumen el 6% del agua de todo el distrito, mientras que en The Dalles, Oregón, los centros de Google utilizan casi una cuarta parte del recurso disponible.

El consumo invisible de cada interacción

David Soto, especialista en sistemas de IA y Director Global de Oferta en Softtek, explicó a TN Tecno que el consumo hídrico varía según la complejidad de la tarea y el modelo empleado. De manera aproximada:

• ChatGPT utiliza entre 0,5 litros de agua cada 5 a 50 consultas.
• Redactar un correo de 120–200 palabras podría requerir hasta 3 litros.
• Generar un informe de 10 páginas puede consumir hasta 60 litros con modelos como GPT-4.
• Convertir una foto en un personaje de estilo Ghibli o Simpson implica entre 2 y 5 litros evaporados.

Aunque los nuevos modelos, como GPT-4.5, son más eficientes en consumo, el impacto sigue siendo considerable.

El entrenamiento, la parte oculta y más costosa

Más allá de las consultas diarias, la etapa de entrenamiento de los modelos implica un consumo todavía mayor. Para entrenar GPT-3, se evaporaron unos 700.000 litros de agua, y desarrollos posteriores alcanzan cifras de hasta 2,7 millones de litros en el ciclo completo de entrenamiento, según Soto.

Este proceso requiere semanas de cálculos intensivos, durante las cuales los servidores deben mantenerse constantemente refrigerados.

Cómo medir el impacto ambiental

Las compañías utilizan indicadores como el PUE (Power Usage Effectiveness) y el WUE (Water Usage Effectiveness) para evaluar la eficiencia energética e hídrica. Sin embargo, aún hay escasa transparencia en los datos reportados.

Soto sugiere que las empresas desarrolladoras de grandes modelos de lenguaje (LLM) deberían incorporar estadísticas estándar sobre consumo energético, hídrico y emisiones de CO₂, así como someterse a auditorías externas. También plantea la necesidad de etiquetar modelos según su huella ambiental y optimizar su uso en infraestructuras más sostenibles.

A pesar de los compromisos de sostenibilidad, el Washington Post señala que Google, por ejemplo, solo repuso el 18% del agua consumida, muy por debajo del objetivo del 120% para 2030.

Estrategias para reducir el impacto

Algunas iniciativas ya están en marcha para disminuir el costo ambiental de la IA. Softtek, por ejemplo, desarrolló un sistema que reutiliza respuestas ya generadas para preguntas repetidas, logrando un ahorro del 30% en consultas.

Otras estrategias incluyen:

• Optimizar los prompts para evitar repreguntas innecesarias.
• Implementar modelos más pequeños y eficientes, como GPT-4.5 y Claude 3.
• Ubicar centros de datos en regiones frías para minimizar la necesidad de refrigeración.
• Utilizar agua reciclada o instalar centros de datos submarinos, como el proyecto en China que planea usar agua de mar a 40 metros de profundidad.

Datos que dimensionan el problema

• La IA consume entre 1,8 y 12 litros de agua por cada kWh de consumo energético.
• Una respuesta de 100 palabras equivale a 500 mililitros de agua.
• En Virginia, EE.UU., el consumo de agua para enfriar centros de datos aumentó un 65% en solo cuatro años.
• En 2023, los centros de datos estadounidenses usaron más de 283.900 millones de litros de agua, equivalentes al consumo diario de 1500 familias por centro.
• Se estima que la demanda mundial de IA requerirá entre 4,2 y 6,6 mil millones de metros cúbicos de extracción de agua en 2027.

Hacia una inteligencia artificial más consciente

Aunque toda actividad en internet implica un gasto energético e hídrico —por ejemplo, una hora de Netflix consume 0,36 litros de agua—, el crecimiento de la IA obliga a repensar la sostenibilidad del sector.

Cada interacción con una IA tiene un impacto. Como concluyó Soto, «el futuro de la inteligencia artificial no solo se juega en los algoritmos, también en el uso responsable de los recursos del planeta».