Mientras millones de personas en todo el mundo se maravillan con imágenes generadas por inteligencia artificial al estilo Studio Ghibli o retratos imposibles producidos por herramientas como DALL·E o Midjourney, lo que permanece oculto tras estos vistosos resultados es un coste ambiental que empieza a generar inquietud: el agua.
Un estudio de investigadores de la Universidad de California en Riverside y la Universidad de Texas en Arlington, junto con una investigación publicada por The Washington Post, ha puesto en evidencia un problema apenas considerado hasta ahora: el consumo masivo de agua dulce necesario para entrenar y operar los modelos de inteligencia artificial (IA) que están detrás de estas imágenes.
El análisis académico estima que entrenar un solo modelo de lenguaje grande como GPT-3 puede evaporar hasta 5,4 millones de litros de agua, considerando tanto el enfriamiento de servidores (agua utilizada directamente en los centros de datos) como el agua necesaria para generar la electricidad que alimenta esos sistemas. Solo durante el entrenamiento, este modelo “bebe”, por así decirlo, una botella de 500 ml por cada 10 a 50 respuestas generadas. Cuando se utilizan versiones más recientes como GPT-4, el consumo puede ser aún mayor.
Esta huella hídrica, invisibilizada hasta ahora en los debates tecnológicos, se incrementa todavía más durante el proceso de inferencia, es decir, cuando los usuarios generan contenido a partir del modelo ya entrenado
Esta huella hídrica, invisibilizada hasta ahora en los debates tecnológicos, se incrementa todavía más durante el proceso de inferencia —es decir, cuando los usuarios generan contenido a partir del modelo ya entrenado—. Cada vez que alguien genera una imagen o una respuesta textual, pequeñas cantidades de agua son evaporadas indirectamente a través del funcionamiento de enormes centros de datos que operan sin pausa, muchos de ellos alimentados por plantas termoeléctricas que también consumen agua intensivamente.
Iconic movie scenes, Studio Ghibli style. This is so much fun! pic.twitter.com/LwjkNjcEV9
— Mufaddal Durbar (@MDurbar) March 26, 2025
El estudio advierte que, si no se introducen cambios significativos, el consumo global de agua atribuible a la IA alcanzará entre 4.200 y 6.600 millones de metros cúbicos para 2027, una cifra que equivale a todo el consumo anual de agua de entre 4 y 6 países como Dinamarca, o la mitad del Reino Unido. Lo más inquietante es que estas proyecciones podrían ser superadas solo por el consumo de agua de los centros de datos de IA en Estados Unidos en 2028.
Esta perspectiva resulta especialmente crítica en un contexto de crisis hídrica global, con regiones afectadas por sequías prolongadas y sistemas de infraestructura hídrica que envejecen rápidamente. El acceso al agua potable ya se ha convertido en un factor de tensión social y política en numerosas regiones, y el crecimiento exponencial de la IA amenaza con agudizar esta situación.
¿Por qué consume agua la IA?
El consumo de agua en IA se distribuye en tres niveles:
En los propios centros de datos (agua usada para refrigerar los servidores, evaporada en torres de enfriamiento).
En la generación de electricidad (las plantas termoeléctricas consumen agua para enfriar sus sistemas).
En la fabricación de chips y servidores (requieren agua ultrapura en procesos altamente contaminantes).
Los grandes centros de datos, al concentrar su capacidad de procesamiento en pocas ubicaciones, están sometidos a exigencias térmicas enormes. Aunque algunas compañías han avanzado hacia sistemas de enfriamiento “secos” que reducen el consumo de agua, en la mayoría de los casos se utilizan sistemas que dependen de la evaporación directa de agua dulce. Además, esta agua suele ser potable para evitar obstrucciones o el crecimiento de bacterias en las tuberías.
Los centros de procesamiento de datos consumen agua al utilizar electricidad proveniente de plantas de energía que generan vapor y al usar enfriadores en el sitio para mantener sus servidores a baja temperatura./Evan Fields/UCR.
Transparencia ausente
Uno de los hallazgos más significativos del estudio es la escasa transparencia sobre estos impactos. A diferencia de las emisiones de carbono, que ya se incluyen en las llamadas model cards de algunos modelos de IA, el uso del agua no aparece reportado ni en cifras mínimas. Esta omisión, según los investigadores, limita los esfuerzos para desarrollar soluciones más sostenibles.
No basta con compensaciones: urge rediseñar las prácticas de entrenamiento y despliegue de modelos para que estas decisiones se basen también en criterios de eficiencia hídrica
Tampoco hay datos fiables sobre la huella hídrica del proceso de fabricación de hardware. Se sabe, por ejemplo, que las plantas de semiconductores en lugares como Singapur tienen tasas de reciclaje de agua inferiores al 50%, y que el agua usada en estos procesos puede contener sustancias tóxicas. Apple ha admitido que el 99% de su huella hídrica total proviene de su cadena de suministro.
¿IA sostenible? Solo si es también “hidrosostenible”
En medio de estas revelaciones, algunas grandes tecnológicas como Google y Microsoft han prometido alcanzar un objetivo de “agua positiva” para 2030, lo que significa devolver al medio ambiente más agua de la que utilizan. Sin embargo, el estudio advierte que no basta con compensaciones: urge rediseñar las prácticas de entrenamiento y despliegue de modelos para que estas decisiones se basen también en criterios de eficiencia hídrica.
Por ejemplo, entrenar un modelo en Virginia o Texas, donde el clima es más benigno y la eficiencia en el uso del agua es mayor, puede reducir significativamente el consumo. También se podría programar el entrenamiento de modelos durante las horas más frescas del día, cuando el requerimiento hídrico para enfriar los servidores es menor. Este tipo de planificación, conocida como “seguir la sombra” (en contraposición al tradicional “seguir el sol” orientado a reducir emisiones de carbono), plantea un nuevo dilema: lo que es bueno para reducir el carbono puede ser perjudicial para el agua, y viceversa.
La paradoja de la imagen bonita
La popularización de imágenes generadas por IA —muchas de ellas utilizadas con fines recreativos o estéticos— pone sobre la mesa una paradoja incómoda: mientras contemplamos un hermoso paisaje onírico generado por un modelo como Midjourney, podría haberse evaporado el equivalente a una botella de agua limpia en una región donde este recurso escasea.
La inteligencia artificial se enfrenta a una contradicción fundamental: su promesa de resolver grandes problemas del mundo, como el cambio climático, podría verse opacada por su propio impacto ambiental oculto. La “sed” de la IA, hasta ahora ignorada, ya no puede ser pasada por alto.
