¿Cada vez que usas ChatGPT se desperdicia agua? La verdad detrás del consumo oculto de la inteligencia artificial
Por Antonio Richaud, Publicado el 2 de abril de 2025
Respuesta corta: No, no gasta tanta agua como todos andan diciendo
Pero sí hay algo de verdad en lo que dicen, nomás que está mal contado.
Les explico...
Sin duda la inteligencia artificial nos ha venido a cambiar la forma en que trabajamos, nos comunicamos y creamos, desde los asistentes virtuales hasta la generación automática de imágenes, videos y análisis de datos, los modelos de IA están presentes ya en casi todas las áreas de nuestra vida, hay gente que ya no sabe vivir sin su ChatGPT Pero con este crecimiento acelerado, también ha surgido una pregunta medio incómoda: ¿estamos usando demasiada agua para mantener en funcionamiento a estos modelos?
En los últimos años, medios y estudios han sugerido que cada vez que haces una pregunta a un modelo como ChatGPT o generas una imagen con algun modelo de IA, se consume agua. ¿Pero qué tan cierto es eso? ¿Realmente estos modelos están consumiendo recursos hídricos de forma preocupante? En este pequeño artículo vamos a explorar qué hay detrás de estas afirmaciones, separaremos los mitos de los hechos y me gustaria que entendieramos el verdadero impacto ambiental de la IA moderna.
Más allá del alarmismo, este tema es una muy buena oportunidad para reflexionar sobre el costo ambiental oculto de la tecnología que usamos a diario, y cómo podemos avanzar hacia una inteligencia artificial más sostenible y sobre todo consciente.
¿Cuánta agua se usa realmente?
Esta es una de las preguntas más importantes, y también una de las más fáciles de malinterpretar. En varios estudios académicos se ha estimado que el entrenamiento de modelos grandes como GPT-3 puede requerir hasta 700,000 litros de agua. Pero hay que aclarar desde el inicio: no es que ese modelo “se beba” el agua. La IA no consume agua de manera directa, sino que el consumo viene del proceso de refrigeración en los centros de datos donde se ejecutan estos sistemas.
Cuando se entrena un modelo como GPT-3 o GPT-4, se utilizan miles de procesadores gráficos (GPUs) en paralelo durante semanas o meses. Este proceso genera una cantidad enorme de calor. Para que estas máquinas no fallen, los centros de datos deben mantenerse a temperaturas específicas. Aquí es donde entra el uso del agua: muchos centros de datos utilizan sistemas de enfriamiento que evaporan agua para reducir la temperatura del aire y de las máquinas.
Pero decir que una pregunta a ChatGPT equivale a medio litro de agua es una estimación que, si bien puede tener algo de fundamento técnico, está sacada de contexto. Esas cifras son aproximaciones hechas sobre escenarios muy generales, y no reflejan el funcionamiento específico de cada centro de datos, ni tampoco consideran que muchas de estas instalaciones están optimizadas para minimizar ese impacto.
Además, no es lo mismo entrenar un modelo (que consume recursos durante semanas o meses) que usarlo ya entrenado. Generar una respuesta en ChatGPT, crear una imagen con IA o hacer un análisis de datos con un asistente basado en IA, implica mucho menos procesamiento. El verdadero impacto viene cuando estas herramientas se usan a escala masiva, millones de veces por día en todo el mundo.
¿Se recicla el agua? ¿Se contamina?
Aquí es importante aclarar otra confusión común: la mayoría del agua utilizada no termina contaminada. En la mayoría de los casos, el agua se emplea en procesos de enfriamiento donde simplemente se calienta o se evapora. Es decir, no se mezcla con productos químicos ni se desecha como aguas negras.
Algunos centros de datos usan sistemas de enfriamiento en circuito cerrado, donde el agua se reutiliza constantemente. Otros emplean torres de enfriamiento donde el agua se evapora para llevarse el calor. Esta agua evaporada regresa a la atmósfera y, eventualmente, al ciclo natural del agua: lluvia, ríos, lagos. No se trata de una pérdida definitiva ni de un residuo tóxico.
Sin embargo, cuando se habla de millones de litros, incluso el uso que sólo genera evaporación puede tener un impacto significativo, sobre todo si los centros de datos están ubicados en regiones con estrés hídrico, como partes del suroeste de Estados Unidos o zonas desérticas.
¿Y no será que los medios lo exageran?
En muchos casos, sí. Aunque los números puedan tener una base científica, la forma en que se comunican en medios de comunicación y redes sociales muchas veces es sensacionalista. Una cosa es decir que entrenar un modelo de IA consume cientos de miles de litros de agua, y otra es dar a entender que hacer una pregunta o generar una imagen es un acto ambientalmente irresponsable.
Las afirmaciones alarmistas no ayudan a tener una conversación seria sobre el impacto ambiental de la IA. Al contrario, pueden desinformar y generar rechazo hacia tecnologías que, bien implementadas, pueden ayudar a resolver problemas ambientales reales. Es importante hablar de estos temas con datos, con matices y con la disposición de entender cómo funciona realmente la infraestructura detrás de la IA.
¿Y qué pasa con las imágenes, los videos y los análisis?
Las herramientas de generación de contenido como imágenes, audio y video son técnicamente más demandantes que el procesamiento de texto. Generar una imagen requiere mayor uso de GPU, y por ende más energía y, si el centro de datos utiliza enfriamiento por agua, un poco más de consumo hídrico.
No es lo mismo generar una imagen 1024x1024 que escribir un poema. Tampoco es lo mismo correr un análisis de datos tradicional que hacer visualizaciones complejas o simulaciones usando IA generativa. Cada una de estas tareas tiene un costo computacional distinto, y por lo tanto, un impacto diferente.
Sin embargo, es importante recordar que todo esto depende del uso. Un usuario generando una imagen al día no es un problema. Miles de millones de imágenes al día sí lo pueden ser. Y ahí es donde se vuelve importante la eficiencia del modelo, la calidad de la infraestructura, y la ubicación física del centro de datos.
Conclusión
La IA no es mágica. Detrás de cada interacción que tenemos con modelos como ChatGPT o generadores de imágenes hay una infraestructura tecnológica compleja que necesita energía, recursos físicos y sí, en algunos casos, agua.
El uso de agua en la IA no es un invento ni un mito, pero tampoco es el desastre que a veces se plantea. La mayoría del agua no se desperdicia ni se contamina, y las empresas están empezando a publicar reportes de sostenibilidad, invertir en centros de datos más eficientes y ubicar sus operaciones en lugares estratégicos para minimizar este impacto.
Como usuarios, tenemos la responsabilidad de informarnos y entender cómo funcionan estas tecnologías. Y como sociedad, debemos exigir transparencia y buenas prácticas a las empresas que las desarrollan. La inteligencia artificial puede ayudarnos a resolver grandes desafíos, pero también tenemos que asegurarnos de que lo haga sin generar otros nuevos en el camino.
