Probablemente hayas oído la afirmación viral de que cada consulta de ChatGPT bebe media botella de agua. Si gestionas o planificas la infraestructura para cargas de trabajo de IA, la pregunta real no es si el pánico está justificado — es cuánta agua consumen realmente tus centros de datos de IA, de dónde sale esa cifra y qué puedes hacer al respecto.
Según un informe de junio de 2026 de la Universidad de las Naciones Unidas, se proyecta que los centros de datos de IA que respaldan las cargas de trabajo globales de inteligencia artificial consuman agua equivalente a las necesidades básicas de vida de 1300 millones de personas al año para 2030. Eso no es una estadística por consulta. Es la imagen agregada, y exige una mirada más cercana a dónde va el agua.
Por qué los centros de datos de IA necesitan tanta agua
Los centros de datos de IA consumen agua por dos razones: para enfriar los servidores y para generar la electricidad que los alimenta. Cada clúster de GPU que ejecuta grandes modelos de lenguaje produce un calor enorme. La mayoría de los centros de datos dependen de sistemas de enfriamiento evaporativo que rocían agua sobre corrientes de aire caliente — el agua se evapora hacia la atmósfera y nunca regresa a la cuenca hídrica local.
La segunda fuente, a menudo mayor, está fuera del sitio. Las plantas termoeléctricas que suministran electricidad a los centros de datos de IA usan agua para la generación de vapor y el enfriamiento. Según el ampliamente citado estudio de 2023 de la UC Riverside “Making AI Less Thirsty”, el agua consumida en las plantas de energía puede representar hasta el 75 % de la huella hídrica total detrás de una sola consulta de IA. Cuando sumas el enfriamiento directo más el agua indirecta de la electricidad, la imagen completa del consumo de agua de los centros de datos de IA se vuelve más clara — y mayor que la mayoría de las estimaciones que solo cuentan el uso en el sitio.
Más allá del enfriamiento y la energía, la fabricación de chips añade otra capa aguas arriba. La OCDE estima que producir un solo chip de grado IA requiere aproximadamente 2200 galones de agua ultrapura. Si bien es un costo único por chip, el enorme volumen de GPU ahora desplegadas en los centros de datos de IA lo convierte en una parte no trivial de la ecuación del ciclo de vida.
El desglose del costo de agua por consulta
Las cifras de agua por indicación son realmente pequeñas — pero enormemente inconsistentes según a quién preguntes. Los investigadores de UC Riverside estimaron que una conversación corta de ChatGPT de 10 a 50 preguntas consume aproximadamente 500 mililitros de agua, alrededor de una botella de agua estándar, cuando se incluyen tanto el enfriamiento del centro de datos como el agua de la planta de energía regional. Eso equivale a aproximadamente 10 a 50 mililitros por consulta.
El CEO de OpenAI, Sam Altman, respondió más tarde con una cifra mucho menor: aproximadamente 0,32 mililitros por consulta, o alrededor de una quinceava parte de una cucharadita. Analistas independientes han argumentado desde entonces que muchas estimaciones virales inflan la cifra real entre 50 y 250 veces, y que el agua directa en el sitio por indicación puede ser tan baja como 0,5 mililitros bajo condiciones de enfriamiento eficientes. Un análisis de 2026 de China Economic Net, con referencia a los datos de investigación más recientes, calculó que una consulta compleja de indicación larga a modelos como GPT-4.5 o DeepSeek R1 podría consumir más de 100 mililitros de agua, mientras que las consultas más simples a modelos más pequeños como GPT-4.1 Nano quedan muy por debajo de 1 mililitro.
La lección para ti es simple: la cifra por consulta depende mucho más del tamaño del modelo, la complejidad de la consulta y la ubicación del centro de datos que de qué marca de IA uses. Tu mensaje individual no es el problema — el agregado de miles de millones de mensajes sí lo es.
El uso de agua de los centros de datos de IA a escala
A nivel de instalación, las cifras pasan de cucharaditas a millones de galones. La Brookings Institution informó en junio de 2026 que un centro de datos de IA típico usa aproximadamente 300 000 galones de agua al día, mientras que las instalaciones hiperescala pueden consumir hasta 5 millones de galones diarios — equivalente al uso de agua de una ciudad de 10 000 a 50 000 personas.
Las divulgaciones corporativas anuales pintan un panorama llamativo. Amazon reveló que sus centros de datos de IA de AWS consumieron aproximadamente 2500 millones de galones de agua a nivel mundial en 2025. Google informó más de 6100 millones de galones en 2024, Microsoft aproximadamente 2750 millones de galones y Meta alrededor de 1400 millones. En conjunto, estas cuatro empresas usaron más de 12 700 millones de galones en un solo año — con la línea de tendencia apuntando bruscamente hacia arriba. El consumo de agua de Microsoft saltó un 34 % y el de Google subió un 20 % en el año en que la IA generativa se generalizó.
El World Resources Institute proyecta que la infraestructura de centros de datos relacionada con la IA podría consumir entre 1,1 y 1,7 billones de galones de agua dulce al año para 2030. Para ponerlo en perspectiva, todo Estados Unidos usa aproximadamente 117 billones de galones al año en todos los sectores. Los centros de datos de IA no drenarán los océanos, pero su demanda concentrada en regiones específicas es una preocupación genuina.
Entrenamiento vs. inferencia: dónde va el agua
Podrías suponer que el entrenamiento es la fase más sedienta. El entrenamiento de GPT-3 consumió un estimado de 700 000 litros de agua dulce, y el informe de la Universidad de las Naciones Unidas proyecta que entrenar GPT-5 requerirá aproximadamente 1000 millones de litros de agua y 100 gigavatios-hora de electricidad. Estos costos únicos acaparan los titulares.
Sin embargo, la inferencia — el proceso continuo de responder a las indicaciones de los usuarios — representa entre el 80 % y el 90 % del consumo total de energía y agua de la IA a lo largo de la vida de un modelo. ChatGPT actualmente procesa aproximadamente 2500 millones de indicaciones de usuarios al día, según el informe de la Universidad de las Naciones Unidas, lo que resulta en una demanda anual estimada de electricidad de 383 gigavatios-hora. La huella hídrica correspondiente equivale a las necesidades mínimas de agua doméstica de aproximadamente 500 000 personas en el África subsahariana.
Si despliegas inferencia de IA a escala, esta es la cifra que más importa para tu planificación operativa. Una sola ejecución de entrenamiento genera noticias. La inferencia continua genera la factura — y hace girar el medidor de agua.
Qué centros de datos de IA usan más agua
Ninguna empresa de IA publica datos de agua por consulta, por lo que las comparaciones directas requieren estimaciones. Lo que sí puedes medir son las métricas de Eficacia del Uso del Agua (WUE). AWS reporta aproximadamente 0,25 litros de agua por kilovatio-hora, la más baja entre los principales proveedores de la nube. El promedio global de Google ronda los 1,1 litros por kilovatio-hora, Meta en 1,26 y Microsoft en aproximadamente 1,8 según su informe de 2022. Microsoft ha anunciado desde entonces un objetivo de consumo cero de agua para 2030.
Estas diferencias importan, pero la geografía importa más. Un centro de datos en Arizona que usa enfriamiento evaporativo en un calor de 40 °C consume dramáticamente más agua que una instalación idéntica en Finlandia que usa enfriamiento por aire libre. Según un informe de 2025 de la Comisión Industrial, más del 40 % de los centros de datos de IA planificados en todo el mundo se ubican en regiones clasificadas como de estrés hídrico alto o extremadamente alto.
Dónde importa la ubicación de tu centro de datos
La ubicación no es solo una variable de WUE — determina si tu centro de datos de IA se convierte en un punto de conflicto comunitario. El centro de datos de Meta en el condado de Newton, Georgia, consume actualmente aproximadamente el 10 % del suministro total de agua del condado. El condado de Loudoun, Virginia — el centro de datos más denso del mundo — ya ve cómo los centros de datos reclaman aproximadamente el 8 % del agua municipal, con proyecciones que alcanzan el 29 % para 2050.
Texas ofrece la escala más cruda: se proyectaba que los centros de datos del estado usaran entre 25 000 y 49 000 millones de galones de agua en 2024, y los analistas pronostican que esa cifra podría dispararse a 399 000 millones de galones para 2030. En regiones propensas a la sequía, esta concentración de demanda de una sola industria crea un riesgo político que no puedes permitirte ignorar. Irlanda vio cómo los centros de datos consumían el 21 % de toda la electricidad medida en 2023, superando a todos los hogares urbanos combinados, y el consumo de agua aumentó al mismo ritmo.
Si estás evaluando regiones de colocación o de nube para cargas de trabajo de inferencia de IA, el índice local de estrés hídrico debería situarse justo al lado de la latencia y el costo en tu matriz de decisión.
Cómo reducir la huella hídrica de los centros de datos de IA
Tienes varias palancas prácticas que activar. La primera es la tecnología de enfriamiento. El enfriamiento líquido de circuito cerrado y el enfriamiento por inmersión reciclan el agua en lugar de evaporarla, reduciendo drásticamente el consumo en el sitio. Los centros de datos de IA TPU v5 más recientes de Google usan significativamente menos agua por unidad de cómputo que las generaciones anteriores al adoptar estos enfoques.
La segunda es la programación de cargas de trabajo. La investigación de UC Riverside demostró que ejecutar cargas de trabajo de IA con uso intensivo de agua durante las horas nocturnas más frescas o en estaciones más frías puede reducir de manera significativa las pérdidas por evaporación. Si tu capa de orquestación admite una programación consciente del tiempo y la ubicación, puedes reducir el uso de agua sin cambiar el hardware.
La tercera es la transparencia y el monitoreo. La mayoría de las instalaciones carecen de medición granular del agua, lo que significa que no puedes optimizar lo que no puedes medir. Desplegar herramientas de monitoreo del agua en tiempo real — te brinda la visibilidad por rack y por carga de trabajo que convierte una meta de sostenibilidad vaga en una métrica operativa rastreable.
Más allá de la tecnología, los programas de reposición de agua se están convirtiendo en un requisito básico. Amazon se ha comprometido con 50 proyectos de restauración de agua que se proyecta devuelvan 5800 millones de galones anuales a las cuencas hídricas locales. Google ha lanzado 165 proyectos de gestión del agua dirigidos a 19 000 millones de galones de reposición al año para 2030. Estos no son soluciones al consumo — son compensaciones — pero señalan hacia dónde se dirigen las expectativas regulatorias y comunitarias.
La conclusión es que el uso de agua de los centros de datos de IA es a la vez menor y mayor de lo que sugieren los titulares. Tus consultas individuales cuestan fracciones de una cucharadita. Tu infraestructura agregada que ejecuta miles de millones de consultas en regiones con estrés hídrico es otra historia. Los operadores que miden, divulgan y gestionan activamente el consumo de agua ahora son los que evitarán batallas de permisos, oposición comunitaria e interrupciones operativas que ya se están desarrollando desde Georgia hasta Irlanda. Los centros de datos de IA seguirán creciendo. Que crezcan de manera responsable es una elección que tomas cada vez que seleccionas una región, una arquitectura de enfriamiento y una pila de monitoreo.
发表回复