Probablemente haya escuchado la afirmación viral de que cada consulta a ChatGPT consume media botella de agua. Si usted opera o planifica infraestructura para cargas de trabajo de IA, la verdadera pregunta no es si el pánico está justificado, sino cuánta agua consumen realmente sus centros de datos de IA, de dónde viene ese número y qué puede hacer al respecto.
Según un informe de la Universidad de las Naciones Unidas de junio de 2026, se prevé que, para 2030, los centros de datos de IA que dan soporte a las cargas de trabajo de inteligencia artificial a nivel mundial consuman anualmente una cantidad de agua equivalente a las necesidades básicas de 1.3 mil millones de personas. No se trata de una estadística por consulta. Es una visión global, y exige analizar más detenidamente a dónde va a parar esa agua.
Por qué los centros de datos de IA necesitan tanta agua
Los centros de datos de IA consumen agua por dos motivos: para refrigerar los servidores y para generar la electricidad que los alimenta. Cada clúster de GPU que ejecuta grandes modelos de lenguaje genera una enorme cantidad de calor. La mayoría de los centros de datos utilizan sistemas de refrigeración por evaporación que pulverizan agua en corrientes de aire caliente; el agua se evapora a la atmósfera y nunca vuelve a la cuenca hidrográfica local.
La segunda fuente, a menudo mayor, se encuentra fuera de las instalaciones. Las centrales termoeléctricas que suministran electricidad a los centros de datos de IA utilizan agua para la generación de vapor y la refrigeración. Según el ampliamente citado estudio de 2023 de la Universidad de California en Riverside titulado “Making AI Less Thirsty” (Cómo hacer que la IA consuma menos agua), el agua consumida en las centrales eléctricas puede representar hasta 75% de la huella hídrica total que genera una sola consulta de IA. Cuando se suman el consumo de agua para la refrigeración directa y el consumo indirecto relacionado con la electricidad, el panorama completo del consumo de agua de los centros de datos de IA se hace más claro —y resulta mayor que la mayoría de las estimaciones que solo tienen en cuenta el uso in situ—.
Más allá de la refrigeración y la energía, la fabricación de chips añade otra etapa previa. La OCDE estima que la producción de un solo chip para IA requiere aproximadamente 2.200 galones de agua ultrapura. Aunque se trata de un coste único por chip, el enorme volumen de GPUs que se utilizan actualmente en los centros de datos de IA hace que sea un factor nada desdeñable en la ecuación del ciclo de vida.
Desglose del coste del agua por consulta
Las cifras de consumo de agua por consulta son realmente pequeñas, pero varían enormemente según a quién se le pregunte. Investigadores de la Universidad de California en Riverside estimaron que una conversación breve en ChatGPT de entre 10 y 50 preguntas consume aproximadamente 500 mililitros de agua —más o menos una botella de agua estándar—, si se tiene en cuenta tanto el agua utilizada para la refrigeración de los centros de datos como la de las centrales eléctricas regionales. Esto supone entre 10 y 50 mililitros por consulta, aproximadamente.
El director ejecutivo de OpenAI, Sam Altman, respondió posteriormente con una cifra mucho más baja: aproximadamente 0,32 mililitros por consulta, es decir, alrededor de una quinceava parte de una cucharadita. Desde entonces, analistas independientes han argumentado que muchas estimaciones que se han hecho virales exageran la cifra real entre 50 y 250 veces, y que el consumo directo de agua in situ por cada solicitud puede ser tan bajo como 0,5 mililitros en condiciones de refrigeración eficientes. Un análisis de 2026 de China Economic Net, basándose en los últimos datos de investigación, calculó que una consulta compleja con una instrucción larga dirigida a modelos como GPT-4.5 o DeepSeek R1 podría consumir más de 100 mililitros de agua, mientras que las consultas más sencillas a modelos más pequeños, como GPT-4.1 Nano, se sitúan muy por debajo de 1 mililitro.
La conclusión que debes sacar es sencilla: el número de consultas por consulta depende mucho más del tamaño del modelo, la complejidad de la consulta y la ubicación del centro de datos que de la marca de IA que utilices. Tu mensaje concreto no es el problema; el problema es el conjunto de miles de millones de mensajes.
Consumo de agua a gran escala en los centros de datos de IA
A nivel de las instalaciones, las cifras pasan de cucharaditas a millones de galones. La Brookings Institution informó en junio de 2026 que un centro de datos típico de IA consume aproximadamente 300 000 galones de agua al día, mientras que las instalaciones a hiperescala pueden llegar a consumir hasta 5 millones de galones al día, lo que equivale al consumo de agua de una localidad de entre 10 000 y 50 000 habitantes.
Los informes anuales de las empresas ofrecen un panorama sorprendente. Amazon reveló que sus centros de datos de IA de AWS consumieron aproximadamente 2.5 mil millones de galones de agua a nivel mundial en 2025. Google declaró más de 6.1 mil millones de galones en 2024, Microsoft aproximadamente 2.75 mil millones de galones y Meta alrededor de 1.4 mil millones de galones. En conjunto, estas cuatro empresas utilizaron más de 12.7 mil millones de galones en un solo año, con una tendencia que apunta claramente al alza. El consumo de agua de Microsoft se disparó un 34% y el de Google aumentó un 20% en el año en que la IA generativa se generalizó.
El Instituto de Recursos Mundiales prevé que la infraestructura de los centros de datos relacionados con la inteligencia artificial podría consumir entre 1,1 y 1,7 billones de galones de agua dulce al año para 2030. Para ponerlo en perspectiva, el conjunto de Estados Unidos consume aproximadamente 117 billones de galones al año en todos los sectores. Los centros de datos de IA no van a agotar los océanos, pero su demanda concentrada en regiones específicas es motivo de verdadera preocupación.
Entrenamiento frente a inferencia: adónde va el agua
Se podría pensar que la fase de entrenamiento es la que más agua consume. Se calcula que el entrenamiento de GPT-3 consumió unos 700 000 litros de agua dulce, y el informe de la Universidad de las Naciones Unidas prevé que el entrenamiento de GPT-5 requerirá aproximadamente 1 000 millones de litros de agua y 100 gigavatios-hora de electricidad. Estos costes puntuales acaparan los titulares.
Sin embargo, la inferencia —el proceso continuo de responder a las solicitudes de los usuarios— representa entre el 80% y el 90% del consumo total de energía y agua de la IA a lo largo de la vida útil de un modelo. Según el informe de la Universidad de las Naciones Unidas, ChatGPT procesa actualmente unos 2.5 mil millones de solicitudes de los usuarios al día, lo que se traduce en una demanda anual estimada de electricidad de 383 gigavatios-hora. La huella hídrica correspondiente equivale a las necesidades mínimas de agua de aproximadamente 500.000 personas en el África subsahariana.
Si implementas la inferencia de IA a gran escala, esta es la cifra que más importa para tu planificación operativa. Una sola sesión de entrenamiento es noticia. La inferencia continua es lo que hace subir la factura… y que gire el contador de agua.
¿Qué centros de datos de IA consumen más agua?
Ninguna empresa de IA publica datos sobre el consumo de agua por consulta, por lo que las comparaciones directas requieren estimaciones. Lo que sí se puede medir son los indicadores de eficiencia en el uso del agua. AWS declara aproximadamente 0,25 litros de agua por kilovatio-hora, la cifra más baja entre los principales proveedores de servicios en la nube. La media global de Google se sitúa en torno a 1,1 litros por kilovatio-hora, la de Meta en 1,26 y la de Microsoft en aproximadamente 1,8, según sus informes de 2022. Desde entonces, Microsoft ha anunciado el objetivo de alcanzar un consumo de agua cero para 2030.
Estas diferencias son importantes, pero la geografía lo es aún más. Un centro de datos en Arizona que utiliza refrigeración por evaporación a una temperatura de 40 °C consume una cantidad de agua considerablemente mayor que una instalación idéntica en Finlandia que utiliza refrigeración por aire libre. Según un informe de la Comisión Industrial de 2025, más de 40% de los centros de datos de IA previstos en todo el mundo se encuentran en regiones clasificadas como de estrés hídrico alto o extremadamente alto.
Cuando la ubicación de tu centro de datos es importante
La ubicación no es solo una variable de la eficiencia en el uso del agua (WUE), sino que determina si tu centro de datos de IA se convierte en un punto conflictivo para la comunidad. El centro de datos de Meta en el condado de Newton, Georgia, consume actualmente aproximadamente 10% del suministro total de agua del condado. El condado de Loudoun, en Virginia —el centro de centros de datos más denso del mundo— ya registra un consumo de agua municipal por parte de los centros de datos de aproximadamente 8%, con previsiones que alcanzan los 29% para 2050.
Texas ofrece la cifra más impactante: se prevé que los centros de datos del estado consuman entre 25 y 49 mil millones de galones de agua en 2024, y los analistas pronostican que esa cifra podría dispararse hasta los 399 mil millones de galones en 2030. En regiones propensas a la sequía, esta concentración de la demanda en un único sector genera un riesgo político que no se puede pasar por alto. En Irlanda, los centros de datos consumieron el 21% de toda la electricidad medida en 2023, superando el consumo combinado de todos los hogares urbanos, y el consumo de agua aumentó al mismo ritmo.
Si estás evaluando opciones de coubicación o regiones en la nube para cargas de trabajo de inferencia de IA, el índice local de estrés hídrico debería ocupar un lugar tan importante como la latencia y el coste en tu matriz de decisión.
Cómo reducir la huella hídrica de los centros de datos de IA
Dispones de varias medidas prácticas que puedes aplicar. La primera es la tecnología de refrigeración. La refrigeración líquida de circuito cerrado y la refrigeración por inmersión reciclan el agua en lugar de evaporarla, lo que reduce drásticamente el consumo in situ. Los últimos centros de datos de IA TPU v5 de Google consumen una cantidad de agua significativamente menor por unidad de cálculo que las generaciones anteriores gracias a la adopción de estos métodos.
El segundo aspecto es la programación de las cargas de trabajo. La investigación de la Universidad de California en Riverside demostró que ejecutar cargas de trabajo de IA que consumen mucha agua durante las horas nocturnas, cuando hace menos calor, o en las estaciones más frescas puede reducir significativamente las pérdidas por evaporación. Si tu capa de orquestación admite una programación que tenga en cuenta la hora y la ubicación, puedes reducir el consumo de agua sin cambiar el hardware.
El tercer aspecto es la transparencia y la supervisión. La mayoría de las instalaciones carecen de contadores de agua detallados, lo que significa que no se puede optimizar lo que no se puede medir. La implantación de herramientas de supervisión del consumo de agua en tiempo real te proporciona una visibilidad por rack y por carga de trabajo que convierte un objetivo de sostenibilidad vago en una métrica operativa cuantificable.
Más allá de la tecnología, los programas de recarga hídrica se están convirtiendo en algo imprescindible. Amazon se ha comprometido a llevar a cabo 50 proyectos de restauración hídrica que, según las previsiones, devolverán 5.8 mil millones de galones al año a las cuencas hidrográficas locales. Google ha puesto en marcha 165 proyectos de gestión del agua con el objetivo de reponer 19 mil millones de galones al año para 2030. No se trata de soluciones al consumo —son compensaciones—, pero indican hacia dónde se dirigen las expectativas normativas y de la comunidad.
En definitiva, el consumo de agua de los centros de datos de IA es a la vez menor y mayor de lo que sugieren los titulares. Cada consulta individual consume una cantidad equivalente a una fracción de una cucharadita. Sin embargo, la infraestructura en su conjunto, que ejecuta miles de millones de consultas en regiones con escasez de agua, es otra historia. Los operadores que miden, divulgan y gestionan activamente el consumo de agua en la actualidad son los que evitarán las disputas por los permisos, la oposición de la comunidad y las interrupciones operativas que ya se están produciendo desde Georgia hasta Irlanda. Los centros de datos de IA seguirán creciendo. Que lo hagan de forma responsable es una decisión que tú tomas cada vez que eliges una región, una arquitectura de refrigeración y un conjunto de herramientas de monitorización.
