“Una consulta de IA consume una botella de agua” y “El consumo de agua de la IA es prácticamente nulo” son afirmaciones que probablemente haya escuchado este año. Ninguna de ellas se presenta con el contexto suficiente para ser útil. Este artículo compara las cifras reales por consulta con las cifras globales agregadas, de modo que ambas pueden ser ciertas a la vez sin contradecirse, y muestra por qué la verdadera preocupación no es una sola consulta, sino los billones de consultas que se realizan cada año en una base de centros de datos en rápido crecimiento.
Las dos escalas que se confunden
Casi toda la confusión sobre este tema proviene de mezclar dos medidas muy diferentes:
Impacto por consulta — la cantidad de agua o energía que consume una sola solicitud de IA. Esta cifra es realmente ínfima.
Impacto global agregado — la cantidad de agua y energía que consume toda la industria de la IA en miles de millones de consultas y en una infraestructura de centros de datos en constante crecimiento. Esta cifra es elevada y crece rápidamente.
Ambas cifras son correctas. Simplemente responden a preguntas diferentes. Confundirlas es lo que da lugar a titulares que parecen contradecirse.
Uso de agua por consulta: El pequeño número
Fuente/Estimación | Agua por consulta |
La cifra declarada por el CEO de OpenAI, Sam Altman | ~0.000085 galones (aproximadamente 0.32 ml, aproximadamente 1/15 de cucharadita) |
Google Gemini, consulta de texto mediana | ~0.26 ml (unas cinco gotas) |
Rango de consultas de clase ChatGPT más amplio | 0.05-0.5 ml dependiendo del método de enfriamiento y del tamaño del modelo. |
Estimación más conservadora | 500 ml por cada 20-50 consultas (aproximadamente 10-25 ml por consulta) |
Incluso el extremo superior de estas estimaciones es una pequeña fracción de un solo sorbo de agua. Para comparar:
Actividad cotidiana | Agua utilizada |
Una descarga del inodoro | ~3 galones |
Una ducha | ~17 galones |
Una carga de ropa | ~30 galones |
Una taza de café (cultivo de los granos incluido) | ~37 galones |
Un par de vaqueros (producción completa) | ~2,000 galones |
Un año completo de uso de IA por parte de un usuario avanzado (~25,000 mensajes) | De 2 a 100 galones, dependiendo de la estimación utilizada, lo que equivale aproximadamente a entre dos y seis duchas. |
Según este cálculo, un año completo de uso intensivo de IA a nivel personal consume menos agua que unas pocas duchas. Esta es la estadística en la que se basan los argumentos de que "el consumo de agua de la IA es prácticamente nulo", y a nivel individual, es cierta.
Consumo de energía por consulta: también pequeño, pero más variable.
Métrico | Figura |
Energía por consulta de clase ChatGPT | ~0.3 a 3 Wh |
Comparación con una búsqueda estándar de Google | Aproximadamente entre 3 y 10 veces más energía que una sola consulta de búsqueda. |
Explicación del rango | Depende en gran medida del tamaño del modelo, de si la consulta requiere pasos de razonamiento y de la eficiencia del centro de datos. |
La comparación con una búsqueda en Google es un punto de referencia útil: una sola consulta de IA consume mucha más energía que una búsqueda, pero "mucha más que una búsqueda" sigue siendo una cifra muy pequeña en términos absolutos: una bombilla LED típica consume más energía durante unos minutos que una sola consulta de IA.
Donde las cifras dejan de ser pequeñas: Uso global agregado
Aquí es donde las dos partes del debate realmente conectan, y donde la preocupación se vuelve legítima aunque cada pregunta individual sea minúscula.
Métrico | Figura 2025-2026 |
Consumo mundial de agua en centros de datos de IA, 2025 | ~264 mil millones de galones (casi 1 billón de litros) |
Equivalente diario | ~550 millones de galones por día |
Comparación | Equivalente a las necesidades básicas anuales de agua potable de los 1.3 millones de personas que viven en el África subsahariana. |
Demanda mundial de electricidad para centros de datos, 2025 | ~460-490 TWh |
Crecimiento proyectado para 2030 | Aproximadamente el doble |
Una cifra que parece insignificante, multiplicada por miles de millones de consultas diarias que se procesan en centros de datos que requieren refrigeración constante por agua, se traduce en un consumo de recursos a escala industrial realmente enorme. Multiplicar una cifra pequeña por una cifra enorme es precisamente lo que hace que afirmaciones como «prácticamente nada por uso» y «un grave problema medioambiental a gran escala» resulten ser ciertas a la vez.
Proyecciones para 2030: ¿Hacia dónde nos dirigimos?
Un informe de la Universidad de las Naciones Unidas (UNU-INWEH), titulado "Costo ambiental del consumo de energía de la IA", elaboró un modelo que muestra adónde conducirán las tendencias actuales para 2030 si el crecimiento continúa por su senda actual.
Métrico | Proyección 2030 |
consumo de agua del centro de datos de IA | 9.3 billones de litros por año |
Comparación | Equivalente a las necesidades básicas de agua potable de 1.3 millones de personas. |
consumo eléctrico del centro de datos de IA | 945 TWh por año |
Comparación | Casi tres veces el consumo combinado de electricidad de Pakistán, Bangladesh y Nigeria. |
Cuota proyectada de la IA en el consumo mundial de electricidad de los centros de datos. | 40% |
Emisiones de CO2 de los centros de datos, proyectadas | 399 millones de |
Crecimiento de la superficie ocupada por los centros de datos | Desde aproximadamente 6,900 km² hasta más de 14,500 km² |
Residuos electrónicos anuales proyectados procedentes de centros de datos | ~2.5 millones de toneladas métricas |
Si estas proyecciones se cumplen, la IA se convertiría en uno de los mayores consumidores de electricidad del mundo para 2030, solo superada por un puñado de países enteros. Esta es la cifra que las comparaciones por consulta —por muy precisas que sean— no reflejan.
Por qué esto se relaciona directamente con el ciclo de noticias sobre IA.
No se trata de un debate ambiental abstracto que se desarrolla al margen de las noticias sobre la industria de la IA que se cubren en otros medios. Está directamente vinculado a ella. El nuevo negocio de computación en la nube "Meta Compute" de Meta, la duplicación de su potencia de cálculo total para 2027 y su centro de datos de 10 millones de dólares y 1 gigavatio en Alberta son precisamente el tipo de desarrollo de infraestructura que impulsa estas cifras globales al alza. Lo mismo ocurre con la renovación del buscador de Google, impulsada por Gemini 3.5, que ahora presta servicio a más de mil millones de usuarios del Modo IA, y con todos los demás laboratorios que compiten por añadir agentes siempre activos a sus productos. Cada uno de estos anuncios representa, desde el punto de vista de los recursos, un compromiso con más centros de datos, más agua de refrigeración y mayor consumo eléctrico, aunque ninguna de las coberturas de lanzamiento lo presente de esa manera.
Por qué los dos enfoques siguen chocando en el debate público.
Las empresas de IA hacen hincapié en el número por consulta Porque es cierto, defendible y tranquilizador: comparar una pregunta individual con una cucharadita de agua no es manipulador, es solo una imagen incompleta por sí sola.
Los investigadores ambientales destacan las cifras agregadas y proyectadas. porque esa es la escala en la que realmente se toman las decisiones sobre infraestructura real: nuevos centros de datos, derechos de agua, sobrecarga de la red eléctrica.
Ninguna de las partes miente.Pero cada una responde a una pregunta diferente, por lo que la misma industria subyacente puede ser descrita como "que usa casi nada de agua por interacción" y "en camino de sobrecargar los sistemas de agua que abastecen a más de mil millones de personas" en la misma semana, por diferentes fuentes, sin que ninguna de las dos afirmaciones sea incorrecta.
Conclusión
Ambas partes del debate sobre el agua y la energía en la IA son correctas, y la confusión surge precisamente de tratarlas como si fueran la misma afirmación. Una sola consulta a una IA supone un consumo mínimo de agua y energía, menor que el de una taza de café y menor de lo que la mayoría de la gente cree. Pero esa pequeña cifra, multiplicada por una base global de usuarios que envían miles de millones de consultas al día a través de centros de datos construidos específicamente para soportar este crecimiento, se traduce en una huella de recursos industriales real y en rápido aumento: un proyecto de investigadores de la ONU proyecta que podría alcanzar los 9.3 billones de litros de agua y 945 teravatios-hora de electricidad anuales para 2030. La conclusión honesta no es que las personas deban sentirse culpables por hacerle una pregunta a un chatbot. Es que las decisiones sobre infraestructura que están tomando ahora mismo las mismas empresas que anuncian modelos y centros de datos más grandes son lo que realmente merece atención, no una sola consulta.
Preguntas frecuentes
Según estimaciones fiables, una sola consulta de ChatGPT consume entre 0.05 ml y 25 ml de agua, dependiendo del centro de datos y del método de refrigeración utilizado. Esto representa una pequeña fracción del contenido de una botella de agua estándar, no una botella entera como han afirmado algunos titulares.
Las consultas de IA requieren un procesamiento computacional significativamente mayor que una búsqueda web estándar, y se estima que la IA consume entre 3 y 10 veces más energía por consulta. Sin embargo, en términos absolutos, ambas cifras siguen siendo relativamente pequeñas en comparación con el consumo eléctrico doméstico habitual.
Sí, a pesar de las mejoras en la eficiencia por consulta, se prevé que el consumo total de agua en la industria siga creciendo sustancialmente, ya que la nueva capacidad de los centros de datos se construye a un ritmo mayor del que las mejoras en la eficiencia pueden compensarlo. Investigadores de la ONU estiman que el consumo de agua para la IA podría alcanzar los 9.3 billones de litros anuales para 2030.
Los factores principales son el tipo de tecnología de refrigeración empleada, la ubicación geográfica de las instalaciones y las condiciones climáticas locales. Se trata de decisiones de infraestructura tomadas por las empresas que construyen los centros de datos, no de variables influenciadas por los usuarios individuales.
Sí, la combinación de fuentes de energía que alimenta un centro de datos es uno de los factores clave para reducir la huella de carbono de la IA, ya que la energía proveniente de combustibles fósiles amplifica el impacto ambiental del alto consumo energético. Las empresas que optan por ubicar sus centros de datos cerca de fuentes de energía renovable pueden reducir significativamente el impacto ambiental general de sus operaciones de IA.
