La factura invisible: lo que ya se sabe con números
La "IA generativa" no vive en una nube etérea: vive en centros de datos que comen electricidad y beben agua para que las máquinas no se achicharren. El salto ya tiene cifras serias. En 2024, el consumo eléctrico global de los centros de datos rondó 415 TWh (teravatios hora), algo así como el 1,5% de toda la electricidad del planeta.
Las proyecciones más repetidas en los informes energéticos sitúan el listón cerca de 945 TWh en 2030. Traducido a castellano llano: más del doble en seis años, empujado sobre todo por la IA, aunque no solo.
El contexto que cambia todo: La discusión suele empezar mal porque se mezclan cosas distintas: entrenar un modelo (un esfuerzo intensivo, concentrado, carísimo en computación) y usar un modelo (millones de respuestas pequeñas que, sumadas, hacen una montaña).
Estados Unidos: el caso de estudio más documentado
En Estados Unidos, un informe técnico de referencia situó el consumo de los centros de datos en 176 TWh en 2023, alrededor del 4,4% de la electricidad del país, con una horquilla para 2028 que baila entre 325 y 580 TWh. Esa banda es enorme porque depende de:
- Cuántos chips entren al mercado
- Cuánto se utilicen (factor de carga real vs teórico)
- Cómo se enfríen los equipos (aire, líquido, evaporativo)
- Qué se haga con el "tiempo muerto" (servidores encendidos sin trabajar a pleno rendimiento)
La IA aparece aquí como un cambio de época: no es "más tráfico web", es otra clase de carga. En el escaparate solo se ve la respuesta de ChatGPT; detrás hay servidores acelerados, redes internas, almacenamiento, sistemas de alimentación, baterías, generadores diésel de respaldo y, sobre todo, refrigeración.
Agua: enfriar, evaporar, reponer (los datos reales de Google, Microsoft y Meta)
Y luego está el punto delicado, el que se cuela en los plenos municipales y en las conversaciones con agricultores: el agua. No toda el agua "se gasta" igual, pero cuando se habla de consumo, suele significar agua que se evapora o se pierde del ciclo inmediato por el método de enfriamiento.
| Compañía | Agua consumida (período) | Agua en zonas de estrés | Estrategia de "reposición" |
|---|---|---|---|
| Google (2024) | 31.000 millones de litros (~8,1 mil millones galones) |
28% de fuentes con riesgo | 64% repuesto (17.000M litros) Proyectos de restauración |
| Microsoft (FY24) | 5.807 millones de litros (de 10.377M retirados) |
42% consumido en zonas estrés (2.423M litros) |
Nuevos diseños "cero agua" Ahorro estimado 125M L/año |
| Meta (2024) | 3.123 millones de litros (de 5.637M retirados) |
748M litros en zonas alto/extremo estrés | Proyectos locales agua Ubicación selectiva |
Google: 31.000 millones de litros y la estrategia de "reposición"
El ejemplo más transparente, por volumen y por detalle, lo ha dejado por escrito Google. En 2024, declaró haber consumido aproximadamente 8,1 mil millones de galones de agua (unos 31.000 millones de litros) en el conjunto de sus centros de datos y oficinas.
Es una cifra que, en comparación cotidiana, se entiende mejor con imágenes incómodas: hablamos de riego anual de decenas de campos de golf en climas secos, o de caudales que, en lugares concretos, dejan de ser un número y pasan a ser un tema de barrio.
Google sobre la "reposición": En 2024 dice haber repuesto 4,5 mil millones de galones (~17.000 millones de litros) y haber pasado de compensar un 18% de su consumo de agua dulce en 2023 a un 64% en 2024. Reponer no significa devolver exactamente el mismo litro al mismo río; significa financiar proyectos que, en teoría, devuelven volumen a la cuenca.
El truco de los "dos vasos": agua directa vs agua indirecta (el dato que cambia todo)
Hay un detalle que cambia el marco. Una cosa es el agua que se usa en el centro de datos para enfriar (la que ves en la tubería), y otra la que se consume para generar la electricidad que alimenta el centro. Este segundo "vaso" suele ser mucho más grande.
📊 AGUA DIRECTA (enfriamiento):
Centros de datos EE.UU. 2023: ~66.000 millones litros
Proyección 2028: 60.000 - 124.000 millones litros
📊 AGUA INDIRECTA (generación eléctrica):
EE.UU. 2023: ~800.000 millones litros
(12 veces más que el agua directa)
Intensidad hídrica del mix eléctrico:
~4,52 litros por kWh consumido
Un informe técnico estadounidense estimó que el "pie hídrico" asociado a la electricidad consumida por centros de datos en 2023 se acercó a 800.000 millones de litros. Es el agua del mix eléctrico, del tipo de planta, de la tecnología de refrigeración en generación, de la geografía.
Por eso los números tipo "una consulta gasta X gotas" siempre llevan a discusión. ¿Incluyen el agua indirecta? ¿Qué mix eléctrico asumen? ¿Qué tecnología de refrigeración? Sin metodología pública completa, la cifra puede variar 10x.
La cifra viral que duele: "un email con IA = una botella de agua"
Hay una estimación que se clavó en titulares en 2024 por lo visual: para redactar un texto de unas 100 palabras con GPT-4, el consumo de agua asociado podía equivaler a una botella en ciertos escenarios, y en ubicaciones concretas subir bastante más.
Esa investigación señalaba que el consumo dependía del centro de datos y de su forma de refrigeración, y dejaba una idea incómoda: la IA no tiene un coste fijo por respuesta, tiene un coste que varía con el lugar, la hora, la tecnología de enfriamiento y el tipo de tarea.
Las cifras "oficiales" de OpenAI y Google
| Plataforma | Electricidad por consulta | Agua por consulta | Observaciones |
|---|---|---|---|
| ChatGPT (OpenAI) | 0,34 Wh | ~0,000085 galones (1/15 cucharadita) |
Promedio sin metodología pública detallada. No diferencia tareas. |
| Gemini (Google) | 0,24 Wh (mediana) | 0,26 ml (mediana) | Académicos critican: posible subestimación si excluye agua indirecta. |
El problema de los promedios: No es lo mismo pedir una definición de 10 palabras que generar código de 500 líneas o mantener una conversación de razonamiento durante 10 minutos. La "consulta media" no es una unidad universal, y las cifras corporativas tienden a optimizar la narrativa.
De una consulta a un año entero: empresas frente a uso cotidiano (la escala real)
La comparación "empresa vs individuo" es tentadora y tramposa a la vez. Una persona que usa un chatbot para redactar un correo al día no está sosteniendo, por sí sola, un centro de datos; pero sí participa en una economía donde la demanda se multiplica por millones.
El efecto de la escala (cuando lo pequeño se vuelve enorme)
📐 Matemáticas de la escala:
1 consulta ChatGPT = 0,34 Wh
1.000 consultas = 0,34 kWh (insignificante para un hogar)
1 millón consultas = 340 kWh
1.000 millones consultas/día = 340.000 kWh/día = 14.166 kW constantes
Equivalente a una pequeña central eléctrica funcionando 24/7
Y si la plataforma tiene 100M usuarios activos...
Ya no estamos hablando de "consultas", estamos hablando de infraestructura física masiva
Con el agua pasa igual. Una cifra como "un quinceavo de cucharadita" suena microscópica. Pero si se habla de millones de interacciones diarias, el volumen crece. Y si se incorpora el agua indirecta del mix eléctrico, el dibujo cambia otra vez.
España y Europa: permisos, datos y tensión local
España aparece cada vez más en ese mapa por una mezcla conocida: disponibilidad de suelo, nodos eléctricos, llegada de cables submarinos, interés de operadores. Pero España también arrastra su propia tensión estructural: sequías, restricciones locales, y cuencas donde el agua es un recurso político.
El caso de Aragón se ha convertido en un símbolo internacional por la combinación de clima, discusión pública y presencia de grandes operadores. Cuando una empresa plantea ampliar infraestructura, el foco salta rápido a la pregunta que parece sencilla y nunca lo es: ¿cuánta agua y cuánta luz, exactamente, y de dónde?
El conflicto territorial: Las compañías responden con reutilización, con agua regenerada, con proyectos de reposición, con acuerdos de energía renovable. Los críticos responden con una frase corta: "el agua repuesta no enfría hoy", y piden transparencia total por centro, por cuenca, por hora y por tecnología.
Preguntas frecuentes sobre el consumo de agua y electricidad de la IA
¿Por qué la IA consume tanta más electricidad que una búsqueda normal de Google?
Una búsqueda tradicional consulta índices precomputados (bases de datos muy optimizadas). La IA generativa ejecuta modelos con miles de millones de parámetros en GPUs que realizan billones de operaciones matemáticas por cada token generado. Además, los modelos grandes requieren múltiples GPUs trabajando en paralelo, con memoria de alta velocidad y comunicación constante entre chips. No es "más búsqueda", es "computación intensiva continua".
¿Qué significa que Google "repone" el 64% del agua? ¿La devuelve al mismo río?
No. "Reponer" no significa devolver el mismo litro al mismo sitio. Significa financiar proyectos (restauración de humedales, recarga de acuíferos, mejoras agrícolas, tratamiento de aguas residuales) que, en teoría, añaden volumen equivalente a cuencas hidrográficas. Es relevante como compensación a largo plazo, pero no resuelve el impacto inmediato local: el agua evaporada hoy en refrigeración no vuelve mañana a la misma cuenca, aunque se reponga en otro proyecto a 500 km de distancia.
¿Puedo reducir mi huella personal usando menos IA?
Sí, marginalmente. Tu contribución individual es minúscula comparada con la infraestructura global, pero la escala importa: si millones de usuarios reducen uso innecesario (regenerar el mismo texto 10 veces, usar IA para tareas triviales), la demanda agregada baja. Alternativas: (1) Usa IA solo cuando aporte valor real, (2) Prefiere modelos más pequeños cuando sea suficiente (GPT-3.5 vs GPT-4), (3) Evita "jugar" con generación masiva de imágenes/vídeos sin propósito, (4) Usa búsqueda tradicional para consultas simples.
¿Los centros de datos usan energía 100% renovable como dicen las empresas?
Depende de cómo se mida. Muchas empresas compran "certificados de energía renovable" (RECs) o firman PPAs (acuerdos de compra de energía) con proyectos solares/eólicos. Esto significa que financian renovables equivalentes al consumo, pero no necesariamente consumen esa energía física en tiempo real (la red funciona con mix eléctrico que incluye gas, carbón, nuclear según momento y ubicación). Es un avance real para financiar transición, pero no elimina instantáneamente la huella del mix local. Además, la disponibilidad 24/7 de renovables variables requiere respaldo (gas, baterías, nuclear).
¿Hay alguna IA más "ecológica" que otra?
Sí, en teoría: (1) Modelos más pequeños (menos parámetros = menos computación), (2) Empresas con centros de datos en regiones con electricidad limpia (Islandia, Noruega, Quebec tienen hidroeléctrica abundante), (3) Empresas con refrigeración eficiente (líquida vs evaporativa en climas secos), (4) Modelos optimizados específicamente para eficiencia (Google Gemini Flash vs versiones Pro). Pero sin transparencia pública detallada por consulta y ubicación, es difícil comparar. La opción más "ecológica" suele ser: usar IA solo cuando sea realmente necesaria.
🌍 La cuenta real sin magia ni humo: La IA está disparando consumo de electricidad y tensando el debate sobre agua porque exige computación concentrada, continua y cada vez más densa. El mundo se mueve entre dos cifras que ya funcionan como frontera mental: 415 TWh de centros de datos en 2024 y un horizonte de 945 TWh en 2030. ¿Peligro? El riesgo no es una distopía, es algo más prosaico: cuellos de botella, presión sobre redes, conflictos por agua en lugares concretos. ¿Justificado? Depende del uso y del marco: con transparencia obligatoria, métricas comparables y decisiones de localización coherentes, la industria puede recortar impacto sin fingir que no existe.
){kind=link}