{"id":35298,"date":"2026-06-30T10:18:36","date_gmt":"2026-06-30T02:18:36","guid":{"rendered":"https:\/\/soeteck.com\/?p=35298"},"modified":"2026-06-30T10:18:39","modified_gmt":"2026-06-30T02:18:39","slug":"ai-data-centers-use-water","status":"publish","type":"post","link":"https:\/\/soeteck.com\/es\/news-and-insights\/blogs\/ai-data-centers-use-water\/","title":{"rendered":"Centros de datos de IA: \u00bfcu\u00e1nta agua consumen realmente?"},"content":{"rendered":"

Probablemente haya escuchado la afirmaci\u00f3n 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 p\u00e1nico est\u00e1 justificado, sino cu\u00e1nta agua consumen realmente sus centros de datos de IA<\/a><\/strong>, de d\u00f3nde viene ese n\u00famero y qu\u00e9 puede hacer al respecto.<\/p>\n\n\n\n

Seg\u00fan un informe de la Universidad de las Naciones Unidas de junio de 2026, se prev\u00e9 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 b\u00e1sicas de 1.3 mil millones de personas. No se trata de una estad\u00edstica por consulta. Es una visi\u00f3n global, y exige analizar m\u00e1s detenidamente a d\u00f3nde va a parar esa agua.<\/p>\n\n\n\n

Por qu\u00e9 los centros de datos de IA necesitan tanta agua<\/h2>\n\n\n\n

Los centros de datos de IA consumen agua por dos motivos: para refrigerar los servidores y para generar la electricidad que los alimenta. Cada cl\u00faster de GPU que ejecuta grandes modelos de lenguaje genera una enorme cantidad de calor. La mayor\u00eda de los centros de datos utilizan sistemas de refrigeraci\u00f3n por evaporaci\u00f3n que pulverizan agua en corrientes de aire caliente; el agua se evapora a la atm\u00f3sfera y nunca vuelve a la cuenca hidrogr\u00e1fica local.<\/p>\n\n\n\n

La segunda fuente, a menudo mayor, se encuentra fuera de las instalaciones. Las centrales termoel\u00e9ctricas que suministran electricidad a los centros de datos de IA utilizan agua para la generaci\u00f3n de vapor y la refrigeraci\u00f3n. Seg\u00fan el ampliamente citado estudio de 2023 de la Universidad de California en Riverside titulado \u201cMaking AI Less Thirsty\u201d (C\u00f3mo hacer que la IA consuma menos agua), el agua consumida en las centrales el\u00e9ctricas puede representar hasta 75% de la huella h\u00eddrica total que genera una sola consulta de IA. Cuando se suman el consumo de agua para la refrigeraci\u00f3n 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 m\u00e1s claro \u2014y resulta mayor que la mayor\u00eda de las estimaciones que solo tienen en cuenta el uso in situ\u2014.<\/p>\n\n\n

\n
\"Centros<\/figure>\n<\/div>\n\n\n

M\u00e1s all\u00e1 de la refrigeraci\u00f3n y la energ\u00eda, la fabricaci\u00f3n de chips a\u00f1ade otra etapa previa. La OCDE estima que la producci\u00f3n de un solo chip para IA requiere aproximadamente 2.200 galones de agua ultrapura. Aunque se trata de un coste \u00fanico por chip, el enorme volumen de GPUs que se utilizan actualmente en los centros de datos de IA hace que sea un factor nada desde\u00f1able en la ecuaci\u00f3n del ciclo de vida.<\/p>\n\n\n\n

Desglose del coste del agua por consulta<\/h2>\n\n\n\n

Las cifras de consumo de agua por consulta son realmente peque\u00f1as, pero var\u00edan enormemente seg\u00fan a qui\u00e9n se le pregunte. Investigadores de la Universidad de California en Riverside estimaron que una conversaci\u00f3n breve en ChatGPT de entre 10 y 50 preguntas consume aproximadamente 500 mililitros de agua \u2014m\u00e1s o menos una botella de agua est\u00e1ndar\u2014, si se tiene en cuenta tanto el agua utilizada para la refrigeraci\u00f3n de los centros de datos como la de las centrales el\u00e9ctricas regionales. Esto supone entre 10 y 50 mililitros por consulta, aproximadamente.<\/p>\n\n\n\n

El director ejecutivo de OpenAI, Sam Altman, respondi\u00f3 posteriormente con una cifra mucho m\u00e1s 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 refrigeraci\u00f3n eficientes. Un an\u00e1lisis de 2026 de China Economic Net, bas\u00e1ndose en los \u00faltimos datos de investigaci\u00f3n, calcul\u00f3 que una consulta compleja con una instrucci\u00f3n larga dirigida a modelos como GPT-4.5 o DeepSeek R1 podr\u00eda consumir m\u00e1s de 100 mililitros de agua, mientras que las consultas m\u00e1s sencillas a modelos m\u00e1s peque\u00f1os, como GPT-4.1 Nano, se sit\u00faan muy por debajo de 1 mililitro.<\/p>\n\n\n\n

La conclusi\u00f3n que debes sacar es sencilla: el n\u00famero de consultas por consulta depende mucho m\u00e1s del tama\u00f1o del modelo, la complejidad de la consulta y la ubicaci\u00f3n 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.<\/p>\n\n\n\n

Consumo de agua a gran escala en los centros de datos de IA<\/h2>\n\n\n\n

A nivel de las instalaciones, las cifras pasan de cucharaditas a millones de galones. La Brookings Institution inform\u00f3 en junio de 2026 que un centro de datos t\u00edpico de IA consume aproximadamente 300 000 galones de agua al d\u00eda, mientras que las instalaciones a hiperescala pueden llegar a consumir hasta 5 millones de galones al d\u00eda, lo que equivale al consumo de agua de una localidad de entre 10 000 y 50 000 habitantes.<\/p>\n\n\n\n

Los informes anuales de las empresas ofrecen un panorama sorprendente. Amazon revel\u00f3 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 declar\u00f3 m\u00e1s 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 m\u00e1s de 12.7 mil millones de galones en un solo a\u00f1o, con una tendencia que apunta claramente al alza. El consumo de agua de Microsoft se dispar\u00f3 un 34% y el de Google aument\u00f3 un 20% en el a\u00f1o en que la IA generativa se generaliz\u00f3.<\/p>\n\n\n\n

El Instituto de Recursos Mundiales prev\u00e9 que la infraestructura de los centros de datos relacionados con la inteligencia artificial podr\u00eda consumir entre 1,1 y 1,7 billones de galones de agua dulce al a\u00f1o para 2030. Para ponerlo en perspectiva, el conjunto de Estados Unidos consume aproximadamente 117 billones de galones al a\u00f1o en todos los sectores. Los centros de datos de IA no van a agotar los oc\u00e9anos, pero su demanda concentrada en regiones espec\u00edficas es motivo de verdadera preocupaci\u00f3n.<\/p>\n\n\n\n

Entrenamiento frente a inferencia: ad\u00f3nde va el agua<\/h2>\n\n\n\n

Se podr\u00eda pensar que la fase de entrenamiento es la que m\u00e1s agua consume. Se calcula que el entrenamiento de GPT-3 consumi\u00f3 unos 700 000 litros de agua dulce, y el informe de la Universidad de las Naciones Unidas prev\u00e9 que el entrenamiento de GPT-5 requerir\u00e1 aproximadamente 1 000 millones de litros de agua y 100 gigavatios-hora de electricidad. Estos costes puntuales acaparan los titulares.<\/p>\n\n\n\n

Sin embargo, la inferencia \u2014el proceso continuo de responder a las solicitudes de los usuarios\u2014 representa entre el 80% y el 90% del consumo total de energ\u00eda y agua de la IA a lo largo de la vida \u00fatil de un modelo. Seg\u00fan el informe de la Universidad de las Naciones Unidas, ChatGPT procesa actualmente unos 2.5 mil millones de solicitudes de los usuarios al d\u00eda, lo que se traduce en una demanda anual estimada de electricidad de 383 gigavatios-hora. La huella h\u00eddrica correspondiente equivale a las necesidades m\u00ednimas de agua de aproximadamente 500.000 personas en el \u00c1frica subsahariana.<\/p>\n\n\n\n

Si implementas la inferencia de IA a gran escala, esta es la cifra que m\u00e1s importa para tu planificaci\u00f3n operativa. Una sola sesi\u00f3n de entrenamiento es noticia. La inferencia continua es lo que hace subir la factura\u2026 y que gire el contador de agua.<\/p>\n\n\n\n

\u00bfQu\u00e9 centros de datos de IA consumen m\u00e1s agua?<\/h2>\n\n\n\n

Ninguna empresa de IA publica datos sobre el consumo de agua por consulta, por lo que las comparaciones directas requieren estimaciones. Lo que s\u00ed 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 m\u00e1s baja entre los principales proveedores de servicios en la nube. La media global de Google se sit\u00faa en torno a 1,1 litros por kilovatio-hora, la de Meta en 1,26 y la de Microsoft en aproximadamente 1,8, seg\u00fan sus informes de 2022. Desde entonces, Microsoft ha anunciado el objetivo de alcanzar un consumo de agua cero para 2030.<\/p>\n\n\n

\n
\"Centros<\/figure>\n<\/div>\n\n\n

Estas diferencias son importantes, pero la geograf\u00eda lo es a\u00fan m\u00e1s. Un centro de datos en Arizona que utiliza refrigeraci\u00f3n por evaporaci\u00f3n a una temperatura de 40 \u00b0C consume una cantidad de agua considerablemente mayor que una instalaci\u00f3n id\u00e9ntica en Finlandia que utiliza refrigeraci\u00f3n por aire libre. Seg\u00fan un informe de la Comisi\u00f3n Industrial de 2025, m\u00e1s de 40% de los centros de datos de IA previstos en todo el mundo se encuentran en regiones clasificadas como de estr\u00e9s h\u00eddrico alto o extremadamente alto.<\/p>\n\n\n\n

Cuando la ubicaci\u00f3n de tu centro de datos es importante<\/h2>\n\n\n\n

La ubicaci\u00f3n 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 \u2014el centro de centros de datos m\u00e1s denso del mundo\u2014 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.<\/p>\n\n\n\n

Texas ofrece la cifra m\u00e1s impactante: se prev\u00e9 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 podr\u00eda dispararse hasta los 399 mil millones de galones en 2030. En regiones propensas a la sequ\u00eda, esta concentraci\u00f3n de la demanda en un \u00fanico sector genera un riesgo pol\u00edtico 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 aument\u00f3 al mismo ritmo.<\/p>\n\n\n\n

Si est\u00e1s evaluando opciones de coubicaci\u00f3n o regiones en la nube para cargas de trabajo de inferencia de IA, el \u00edndice local de estr\u00e9s h\u00eddrico deber\u00eda ocupar un lugar tan importante como la latencia y el coste en tu matriz de decisi\u00f3n.<\/p>\n\n\n\n

C\u00f3mo reducir la huella h\u00eddrica de los centros de datos de IA<\/h2>\n\n\n\n

Dispones de varias medidas pr\u00e1cticas que puedes aplicar. La primera es la tecnolog\u00eda de refrigeraci\u00f3n. La refrigeraci\u00f3n l\u00edquida de circuito cerrado y la refrigeraci\u00f3n por inmersi\u00f3n reciclan el agua en lugar de evaporarla, lo que reduce dr\u00e1sticamente el consumo in situ. Los \u00faltimos centros de datos de IA TPU v5 de Google consumen una cantidad de agua significativamente menor por unidad de c\u00e1lculo que las generaciones anteriores gracias a la adopci\u00f3n de estos m\u00e9todos.<\/p>\n\n\n\n

El segundo aspecto es la programaci\u00f3n de las cargas de trabajo. La investigaci\u00f3n de la Universidad de California en Riverside demostr\u00f3 que ejecutar cargas de trabajo de IA que consumen mucha agua durante las horas nocturnas, cuando hace menos calor, o en las estaciones m\u00e1s frescas puede reducir significativamente las p\u00e9rdidas por evaporaci\u00f3n. Si tu capa de orquestaci\u00f3n admite una programaci\u00f3n que tenga en cuenta la hora y la ubicaci\u00f3n, puedes reducir el consumo de agua sin cambiar el hardware.<\/p>\n\n\n\n

El tercer aspecto es la transparencia y la supervisi\u00f3n. La mayor\u00eda de las instalaciones carecen de contadores de agua detallados, lo que significa que no se puede optimizar lo que no se puede medir. La implantaci\u00f3n de herramientas de supervisi\u00f3n 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 m\u00e9trica operativa cuantificable.<\/p>\n\n\n\n

M\u00e1s all\u00e1 de la tecnolog\u00eda, los programas de recarga h\u00eddrica se est\u00e1n convirtiendo en algo imprescindible. Amazon se ha comprometido a llevar a cabo 50 proyectos de restauraci\u00f3n h\u00eddrica que, seg\u00fan las previsiones, devolver\u00e1n 5.8 mil millones de galones al a\u00f1o a las cuencas hidrogr\u00e1ficas locales. Google ha puesto en marcha 165 proyectos de gesti\u00f3n del agua con el objetivo de reponer 19 mil millones de galones al a\u00f1o para 2030. No se trata de soluciones al consumo \u2014son compensaciones\u2014, pero indican hacia d\u00f3nde se dirigen las expectativas normativas y de la comunidad.<\/p>\n\n\n\n

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 fracci\u00f3n 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 evitar\u00e1n las disputas por los permisos, la oposici\u00f3n de la comunidad y las interrupciones operativas que ya se est\u00e1n produciendo desde Georgia hasta Irlanda. Los centros de datos de IA seguir\u00e1n creciendo. Que lo hagan de forma responsable es una decisi\u00f3n que t\u00fa tomas cada vez que eliges una regi\u00f3n, una arquitectura de refrigeraci\u00f3n y un conjunto de herramientas de monitorizaci\u00f3n.<\/p>","protected":false},"excerpt":{"rendered":"

You have probably heard the viral claim that every ChatGPT query drinks half a bottle of water. If you run or plan infrastructure for AI workloads, the real question is not whether the panic is justified \u2014 it is how much water your AI data centers actually consume, where that number comes from, and what […]<\/p>\n","protected":false},"author":5,"featured_media":35303,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"pgc_sgb_lightbox_settings":"","footnotes":""},"categories":[630,629],"tags":[],"class_list":["post-35298","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blogs","category-news-and-insights"],"acf":[],"_links":{"self":[{"href":"https:\/\/soeteck.com\/es\/wp-json\/wp\/v2\/posts\/35298","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/soeteck.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/soeteck.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/soeteck.com\/es\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/soeteck.com\/es\/wp-json\/wp\/v2\/comments?post=35298"}],"version-history":[{"count":6,"href":"https:\/\/soeteck.com\/es\/wp-json\/wp\/v2\/posts\/35298\/revisions"}],"predecessor-version":[{"id":35308,"href":"https:\/\/soeteck.com\/es\/wp-json\/wp\/v2\/posts\/35298\/revisions\/35308"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/soeteck.com\/es\/wp-json\/wp\/v2\/media\/35303"}],"wp:attachment":[{"href":"https:\/\/soeteck.com\/es\/wp-json\/wp\/v2\/media?parent=35298"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/soeteck.com\/es\/wp-json\/wp\/v2\/categories?post=35298"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/soeteck.com\/es\/wp-json\/wp\/v2\/tags?post=35298"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}