La realidad de la sed detrás de la IA
La primera vez que tuvimos en frente una inteligencia artificial, que seguramente fue a través de un chatbot, pensamos en el gran avance digital que significaba sus respuestas precisas y amplias.
Hoy en día, el uso de la IA es un tema de uso diario. Probablemente, ya tenga claro que toda esta cantidad de interacciones generan un gran consumo de energía y agua en los centros de datos donde están alojados estos sistemas de IA.
¿Cómo es que la IA consume agua? Hay dos formas. La primera consiste en utilizarla para refrigerar los centros de datos tras un uso masivo de los usuarios. La segunda se trata del agua utilizada en la generación de la electricidad, necesaria para que la infraestructura donde se encuentra la IA funcione.
Aunque podemos encontrar algunas cifras alarmantes de este consumo, está claro que los grandes CEO no son indiferentes a este conflicto que generan sus herramientas. Sin embargo, tampoco parecen ser muy conscientes con respecto al día a día del espacio físico que ocupan las mismas.
La "amistad" entre el agua y la IA
Las empresas dueñas de las IA que usamos en la cotidianidad ―tales como ChatGPT, Gemini, Copilot y más― han declarado que el agua usada para las mismas es mínima en comparación con el consumo que generan otras industrias.
Sam Altman, CEO de OpenIA, ha declarado que las cifras sobre su consumo de agua se basan en la desinformación con datos exagerados. «Vi que estaba circulando algo sobre el consumo de agua de ChatGPT. Decían que cada vez que haces una sola consulta en ChatGPT es como si dejaras la ducha abierta durante unas seis horas», señaló en el podcast Sources.
Si bien el caso dicho por Altman en efecto parece exagerado, este magnate tecnológico afirma que las consultas realizadas en ChatGPT tendrían que llegar a 38.000 para que alcancen el mismo consumo de agua que la producción agrícola de una almendra en California.
Así mismo, Matt Garman –CEO de Amazon Web Services– explicó que el consumo directo de agua de los centros de datos representa solo el 0,5% del uso industrial de agua en EE. UU. Argumentó que actividades cotidianas como el mantenimiento de los campos de golf en ese país consumen hasta 200 veces más agua que todos los centros de datos de Amazon juntos.
De vuelta a la realidad, una enemistad invisible
Si seguimos las investigaciones de entidades oficiales enfocadas en el agua, la energía y la sostenibilidad, veremos que la Agencia Internacional de la Energía estimó que el consumo mundial de agua de los centros de datos (no exclusivos a IA) fue de aproximadamente 560.000 millones de litros en 2023. En su escenario base, proyectó que podría llegar a unos 1,2 billones de litros anuales en 2030.
Si bien estas cifras no corresponden únicamente a los centros de datos de IA, las cifras no se desligan tanto de esa realidad.
En su investigación La huella de carbono y la huella hídrica de los centros de datos y lo que esto podría significar para la inteligencia artificial, el PubMed Central® –archivo gratuito de literatura científica de revistas biomédicas y de ciencias de la vida de la Biblioteca Nacional de Medicina de los Institutos Nacionales de Salud de EE. UU.– estimó que la huella hídrica de los sistemas de IA podría situarse entre 312.500 y 764.600 millones de litros en 2025. Esto incluye el agua consumida directa e indirectamente y se construye a partir de supuestos sobre el consumo eléctrico y los datos de sostenibilidad disponibles. Al fin y al cabo, los propios autores señalan que la falta de información de parte de las corporaciones limitó sus investigaciones.
Contenido relacionado: Green Tech: ¿gasto, inversión o estrategia?
Aclaremos que la huella hídrica tiene tres componentes:
Agua directa: usada en los sistemas de enfriamiento o refrigeración.
Agua indirecta: la productora de electricidad que alimenta a los servidores. Su consumo depende de cada fuente energética.
Agua de fabricación: involucrada en la creación de chips u otros componentes electrónicos.
Ahora, si queremos aterrizar las cifras de las investigaciones, los estudios de ciclo completo demuestran que mantener una conversación promedio con la IA ―de 10 a 50 preguntas― o pedirle que redacte un correo electrónico consume indirectamente el equivalente a una botella de agua de 500 ml.
Fuente: Impact of AI on water consumption
Quedarnos en la idea de que el consumo de agua realizado por los sistemas de IA solo se debe a su número de consultas es un panorama que no va más allá.
Una investigación del 2023 estimó que el entrenamiento de GPT-3 en centros de datos de Microsoft en Estados Unidos podría haber evaporado directamente unos 700.000 litros de agua dulce. Sin embargo, estas cifras dependen del tipo de ejecución de modelos, así como la ubicación y el momento de hacerlo.
He aquí la diferencia fundamental: el agua utilizada para entrenar un modelo no equivale a la utilizada para responder una consulta. La generación de electricidad y la necesidad de refrigeración variarán de acuerdo a múltiples factores externos. Estos incluyen el clima, la eficiencia, el hardware, la complejidad y el uso de recursos escritos, visuales o audiovisuales.
¿Es posible mejorar?
Entonces... ¿deberíamos dejar de consultar en IA generativas y conversacionales?
Si bien tanto Google como Microsoft han declarado planes alineados con la reposición y el ahorro de agua, la IEA proyecta que la eficiencia por consulta puede mejorar. No obstante, aumentaría el consumo total de agua si crece mucho el número de usuarios y aparecen tareas más exigentes, como la generación de video y los agentes de IA.
Las acciones que realicemos como usuarios podrían ser el primer paso. Al fin y al cabo, el consumo de agua más grande parte de las industrias (y no exclusivamente la tecnológica). Existen algunas estrategias que podrían tener una mayor participación en la reducción del consumo de agua dulce:
Refrigeración de circuito cerrado: recircular el fluido para reducir la necesidad de reponer agua.
Refrigeración sin evaporación: utilizar diseños que no necesiten evaporar agua para mantener la temperatura de los equipos.
Agua reutilizada: emplear aguas residuales tratadas cuando sea seguro y viable.
Ubicación responsable: evitar agravar el estrés hídrico de zonas que ya tienen escasez.
Modelos y hardware más eficientes: reducir los recursos necesarios para realizar tareas de IA.
Transparencia: publicar datos comparables sobre consumo, extracción, reposición y procedencia del agua.
También le puede interesar: Democratización de la IA
Al final del día, el verdadero desafío del mercado actual está en que el crecimiento de la inteligencia artificial no ignore los límites ambientales. El debate ya no gira en torno a cuánta agua consume, sino también a cómo se está midiendo, de dónde proviene el agua usada y qué están haciendo las empresas para reducir su impacto.
Para responder la pregunta con la que iniciamos esta conclusión, la decisión de usar o no la IA queda en sus manos. Pensar radicalmente en su uso puede no ser la solución. Tomar conciencia de sus impactos más allá de la burbuja empresarial podría hacer la diferencia.
¡Cuéntenos! ¿Usa la IA conversacional para cualquier pregunta trivial o es solo una herramienta que mejora su trabajo? Lo leemos en los comentarios.