bnzero-logoweb

La sed insaciable de la IA: el precio oculto del agua en la era de la inteligencia artificial.

May 26, 2025
Research

  • Autor: Marian Bautista Garcia 

  • Fecha de elaboración: 10/03/25

  • Fecha de publicación: 26/05/25

  • Categoría para la web: Investigación.

 

Introducción 

La inteligencia artificial (IA) es un conjunto de tecnologías que permiten a las computadoras llevar a cabo diversas tareas complejas, simular el aprendizaje humano como reconocer, interpretar y traducir lenguaje hablado, escrito, analizar información, generar recomendaciones y realizar muchas otras funciones.

 

La inteligencia artificial (IA) se puede clasificar de dos maneras: según lo que puede hacer y cuán avanzada es. Algunas IA resuelven problemas pero no aprenden de sus experiencias, como Deep Blue. Otras, más avanzadas, sí aprenden de lo que hacen, lo que las hace más inteligentes. El machine learning es un tipo de IA que aprende por sí sola, sin necesidad de ayuda humana. Además, se cree que en el futuro podríamos tener IA con conciencia de sí misma, aunque eso aún está lejos de ser realidad

 

Desarrollo

¿Cómo funciona la IA?

  1. Servidores: Son equipos informáticos de alto rendimiento, diseñados específicamente para ejecutar cargas de trabajo complejas y masivas, como el entrenamiento, validación e inferencia de modelos de machine learning y deep learning. Estos servidores se diferencian de los convencionales en que incorporan GPUs potentes, arquitecturas paralelas, grandes cantidades de RAM y soluciones de almacenamiento de última generación que permiten manejar enormes volúmenes de datos con una velocidad sin precedentes.

  2.  Datos: Son unidades básicas de información que representan hechos, observaciones o valores sin interpretación o contexto por sí solos. Pueden ser números, palabras, medidas, observaciones o descripciones que se recogen para ser analizadas. Por este motivo, el desarrollo de esta tecnología ha ido de la mano de otras como Big Data o la red móvil 5G. 

  3. Algoritmos: Son una serie de instrucciones para que las máquinas mejoren los patrones, es decir, se crean conductas predeterminadas para manejar los datos.

 

La sed de los centros de datos

Los servidores que alimentan la inteligencia artificial funcionan en enormes centros de datos. Estos equipos trabajan sin descanso, procesando millones de operaciones por segundo, lo que genera un calor considerable. Para evitar el sobrecalentamiento, se utilizan sistemas de refrigeración, muchos de los cuales dependen del agua.

Equipos informáticos especializados que procesan enormes cantidades de datos para que los sistemas de inteligencia artificial puedan aprender, responder o generar contenido. Estos servidores están equipados con hardware avanzado Referencia: https://ibertronica.es/servidores-para-ia

Entrenar un modelo de lenguaje avanzado como GPT-3 en los centros de datos de Microsoft en Estados Unidos puede consumir directamente 700,000 litros de agua dulce, principalmente a través de la evaporación en torres de enfriamiento, de acuerdo a un estudio. 

 

Cada imagen puede utilizar hasta 3,45 litros de agua. En apenas cinco intentos, el gasto asciende a 17 litros, un número significativo considerando la escasez de agua en muchas partes del mundo. Recientemente, la difusión masiva de imágenes creadas con inteligencia artificial al estilo del Studio Ghibli evidenció el fuerte impacto ambiental de esta tecnología. Se calcula que en apenas cinco días se generaron más de 200 millones de imágenes de este tipo, lo que implicó un uso de aproximadamente 216 millones de litros de agua únicamente para mantener refrigerados los servidores. Una cifra verdaderamente alarmante.

Son ilustraciones o creaciones visuales inspiradas en la estética característica de Studio Ghibli, el famoso estudio de animación japonés fundado por Hayao Miyazaki e Isao Takahata. Referencia: https://fahum.umsu.ac.id/blog/trend-buat-gambar-ghibli-di-chatgpt-berikut-caranya/

 

¿Es ético desarrollar sistemas cada vez más demandantes sin considerar su huella ambiental?

A medida que la Inteligencia Artificial avanza, también lo hace la necesidad de optimizar estos procesos para reducir su impacto ambiental.

 

El agua es un recurso limitado y esencial que debe distribuirse de manera justa entre todos. Con el crecimiento acelerado de la industria de la inteligencia artificial, es justo que la sociedad esté informada sobre el aumento significativo en el uso de agua que conlleva. Algunas grandes compañías tecnológicas ya han comenzado a tomar medidas, como restaurar cuencas hidrográficas, con el objetivo de compensar el agua utilizada en la refrigeración de sus centros de datos y alcanzar un balance hídrico positivo para el año 2030.

En un artículo citado por MIT Technology Review, se advierte que, si bien aún no hemos llegado al punto en que la inteligencia artificial haya afectado de forma directa nuestros recursos hídricos más vitales, el creciente consumo de agua por parte de esta tecnología  tanto en su extracción como en su uso resulta alarmante. La escasez de agua ya es uno de los desafíos más urgentes a nivel global, debido al aumento de la población, el agotamiento de fuentes naturales y el deterioro de las infraestructuras hídricas, especialmente en zonas vulnerables a la sequía.

El problema no radica únicamente en la cantidad de agua utilizada por los modelos de IA, sino en la manera en que sus desarrolladores afrontan esta crisis global compartida. Todos los sectores deben asumir responsabilidades. Ya se han registrado tensiones entre centros de datos y comunidades locales por el acceso al agua, y si el consumo de los modelos de IA continúa en ascenso, es probable que estos conflictos se intensifiquen, generando incluso inestabilidad social.

 

¿Que están haciendo las grandes empresas para controlar el uso excesivo de agua?

Las principales empresas tecnológicas están adoptando diversas estrategias para reducir el consumo de agua en sus operaciones:

  • Ubicación estratégica: Construcción de centros de datos en regiones con climas fríos para aprovechar la refrigeración natural.

  • Refrigeración con agua de mar: Google, por ejemplo, utiliza agua de mar para enfriar su centro de datos en Hamina, Finlandia.

  • Recarga hídrica positiva: Implementación de proyectos para devolver más agua al medio ambiente de la que consumen, a través de la restauración de ecosistemas y la mejora de infraestructuras hídricas.

  • Transparencia y regulación: Algunas empresas están comenzando a reportar su consumo de agua y a colaborar con reguladores para establecer estándares sostenibles.

El consumo de agua varía según la ubicación de los centros de datos y las fuentes de energía utilizadas. En regiones con climas cálidos y secos, la demanda de agua para refrigeración es mayor.

Ejemplos destacados:

 

  • Microsoft en Iowa, EE. UU.: Sus centros de datos representaron el 6% del uso de agua dulce en una ciudad local.

  • Amazon Web Services (AWS) en Aragón, España: Solicitó aumentar su uso de agua en un 48% para sus tres centros de datos, debido al incremento de temperaturas y la necesidad de una mejor refrigeración.

  • Meta en Lulea Suecia: Construyó un centro de datos que aprovecha el clima frío para la refrigeración natural, reduciendo significativamente el consumo de agua.

El impacto del consumo de agua en centros de datos varía según el clima y la ubicación. En regiones cálidas o con estrés hídrico como Iowa y Aragón, la demanda de agua es alta, mientras que en zonas frías como Luleå, el entorno permite soluciones más sostenibles y menor uso de recursos hídricos. Fuentes: https://es.wikipedia.org/wiki/Arag%C3%B3n https://es.wikipedia.org/wiki/Iowa https://www.shutterstock.com/es/image-illustration/map-lulea-sweden-3d-205392694

Ciclo del agua en los centros de datos

El proceso de consumo de agua en los centros de datos suele ser lineal:

 

  1. Captación: Se extrae agua dulce de fuentes naturales.

  2. Refrigeración: El agua se utiliza para enfriar los servidores, absorbiendo el calor generado.

  3. Evaporación: El agua se evapora en torres de enfriamiento y no puede ser reutilizada.

  4. Descarga: En algunos casos, el agua residual se descarga, pero no siempre es posible su reutilización.

El consumo de agua en centros de datos sigue un proceso lineal: se capta agua dulce de fuentes naturales, se usa para enfriar los servidores, y gran parte se pierde por evaporación en torres de enfriamiento. En algunos casos, el agua restante se descarga como residual, pero rara vez se reutiliza. Este modelo implica una pérdida neta de agua, lo que representa un desafío importante en zonas con escasez hídrica. Fuentes: https://industriasislas.pe/filtracion-agua-tipos-comunes/ https://www.pngwing.com/es/free-png-twyds https://aqmlaboratorios.com/que-usos-pueden-tener-las-aguas-residuales-recicladas/ https://www.interempresas.net/Alimentaria/Articulos/80977-Entrevista-a-Manuel-Lamua-investigador-del-ICTAN-y-asesor-tecnico-de-AEFYT.html

 

El agua que no vemos 

 

De acuerdo a la Organización Mundial de la Salud (OMS), una persona requiere de 100 litros de agua al día (5 o 6 cubetas grandes) para satisfacer sus necesidades, tanto de consumo como de higiene pero se calcula que el uso es cercano a 125 litros al día.

Sumando todas estas actividades se requiere de un gasto importante de agua por persona. Fuente: https://www.eleconomista.com.mx/econohabitat/Cada-mexicano-consume-125-litros-de-agua-al-dia-como-es-su-uso-dentro-del-hogar—20240321-0108.html

 

La inteligencia artificial requiere de mucha agua, un mensaje de IA (texto) consume entre 500 ml y 1 litro de agua, equivalente a una botella de agua pequeña. Generar una imagen con IA requiere entre 2 y 5 litros de agua, debido a la mayor carga computacional que implica procesar gráficos, es decir, 1 o 2 botellas de agua y crear múltiples imágenes puede utilizar de 20 a 50 litros de agua, equivalente a una ducha rápida. 

Aunque el uso individual de IA parece tener un consumo de agua bajo, cuando se multiplica por la cantidad de veces que se hace una búsqueda, y por los  millones o miles de millones de usuarios, el impacto ambiental (especialmente en consumo de agua para refrigerar los centros de datos) se vuelve significativo. 


En todo el mundo, existen decenas de miles de centros de datos, desde pequeños centros regionales hasta gigantes instalaciones de empresas como Google, Amazon, Microsoft y Meta, estos son la columna vertebral de la era digital, ya que almacenan, procesan y distribuyen la información que usamos a diario en internet, aplicaciones y servicios en la nube. Estos centros se concentran principalmente en regiones con buena infraestructura, energía económica y clima favorable, como EE. UU., Europa del Norte y Asia. Se ubican en regiones donde no solo hay buena infraestructura y energía económica, sino también disponibilidad hídrica, lo cual puede generar tensiones en zonas donde el agua es escasa o está en disputa.

Los servidores de IA viven dentro de los centros de datos, pero no todos los servidores en un centro de datos se usan para IA.    Fuente:https://elpais.com/tecnologia/2023-11-14/la-inteligencia-artificial-se-bebe-miles-de-millones-de-litros-de-agua.html

 

¿Qué puedo hacer como ciudadano?

1. Informar, difundir y exigir transparencia

Conocer el impacto ambiental de la IA y compartirlo con otros ya es un primer paso importante. Cuanto más consciente sea la sociedad, mayor será la presión pública sobre gobiernos y empresas para que adopten prácticas sostenibles. Puedes apoyar campañas o iniciativas que pidan a las empresas que hagan públicos sus datos de consumo energético y de agua. La presión ciudadana ha sido clave en otros sectores para lograr cambios de políticas.

2. Elegir plataformas responsables

Algunas empresas tecnológicas están tomando medidas para reducir su huella hídrica, como el uso de energías renovables o el compromiso con la “neutralidad hídrica”. Apoyar servicios y productos de esas compañías ayuda a incentivar buenas prácticas.

3. Reducir el uso innecesario de IA

Evitar el uso excesivo de herramientas de IA solo por entretenimiento o curiosidad (cómo generar cientos de imágenes sin propósito concreto) puede disminuir la demanda sobre los centros de datos. Ser consciente del “costo invisible” de cada interacción también es parte del cambio.

ONU

Según el programa de las Naciones Unidas para el Medio Ambiente recomienda:

  • Los países deben establecer procedimientos normalizados para medir el impacto ambiental de la IA. 

  • Los gobiernos deben elaborar reglamentos que exijan a las empresas la divulgación de las consecuencias ambientales de la IA. 

  • Las empresas tecnológicas pueden hacer algoritmos de IA más eficientes, reduciendo su demanda de energía y reciclando agua. 

  • Los países deben alentar a sus empresas a que sus centros de datos sean más ecológicos, que utilicen energías renovables y compensen sus emisiones de carbono. 

  • Los países deben integrar políticas relacionadas con la IA en sus normativas medioambientales. 

Conclusiones

La inteligencia artificial representa uno de los avances tecnológicos más impresionantes de nuestro tiempo, con un potencial transformador en múltiples áreas. Sin embargo, detrás de su aparente inmaterialidad, se esconden costos ambientales que no podemos ignorar, especialmente el uso intensivo de agua. Los servidores que sostienen estos sistemas requieren grandes cantidades de este recurso para mantenerse operativos, lo que plantea una preocupación urgente en un mundo donde la escasez hídrica afecta a millones de personas. Por eso, es fundamental que como sociedad exijamos un desarrollo más ético y sostenible de la tecnología. No se trata de frenar la innovación, sino de encaminarla hacia un futuro en el que el progreso no comprometa nuestros recursos naturales. El agua es vida, y su uso debe ser tan inteligente como la inteligencia que estamos creando. 

Una de las tendencias más destacadas en el sector del agua es la transición hacia una economía circular, promoviendo la reutilización y el reaprovechamiento de recursos hídricos y subproductos derivados, con proyectos innovadores como la reutilización de aguas grises y la recuperación de nutrientes de aguas residuales, que ganan terreno como soluciones sostenibles y rentables”

 

Referencias

| Escrito por : Heberto Alejandro Morales Armenta |

Related Articles

Cuando las plantas limpian el agua: la ciencia de la fitorremediación
September 3, 2025