Consumo de Agua Asociado a la Inteligencia Artificial

 

Resumen Ejecutivo —Consumo de Agua Asociado a la Inteligencia Artificial

Autor: Yolanda Victoria Rojas Espinoza

El funcionamiento de la infraestructura que soporta la Inteligencia Artificial (IA) depende de centros de datos que requieren refrigeración continua. En una proporción significativa de instalaciones, este enfriamiento se realiza mediante sistemas evaporativos que consumen agua dulce de manera directa y permanente (Li et al., 2023; Patterson et al., 2021).

Desde una perspectiva cuantitativa, el entrenamiento de modelos de gran escala ha evidenciado consumos hídricos relevantes. Se estima que el entrenamiento de un modelo del tamaño de GPT-3 pudo haber requerido aproximadamente 700.000 litros de agua en consumo directo (scope 1) y hasta 5,4 millones de litros al incorporar el consumo indirecto asociado a la generación eléctrica (scope 2), dependiendo de la localización y matriz energética utilizada (Li et al., 2023). Estas cifras no incluyen el consumo continuo derivado de la operación cotidiana del modelo una vez desplegado.

A escala de infraestructura, un centro de datos de gran tamaño puede consumir hasta 19 millones de litros de agua potable por día, volumen comparable al consumo diario de una ciudad pequeña (Environmental and Energy Study Institute [EESI], s. f.). En Estados Unidos, los centros de datos consumieron aproximadamente 449 millones de galones diarios en 2021, con proyecciones de incremento ante la expansión de la IA generativa (Brookings Institution, s. f.).

En escenarios de crecimiento acelerado, se proyecta que el consumo global anual de agua asociado a la IA podría situarse entre 4.200 y 6.600 millones de m³ hacia 2027, dependiendo de mejoras en eficiencia tecnológica y transición energética (Li et al., 2023). Este rango se inserta en un contexto de estrés hídrico global, donde el agua dulce ya enfrenta presión por cambio climático, agricultura intensiva, expansión urbana e industrias extractivas.

El consumo hídrico no se limita a la evaporación. Los sistemas de enfriamiento requieren tratamiento químico para prevenir corrosión, incrustaciones y proliferación biológica. Posteriormente, el agua concentrada es descargada como purga (blowdown), conteniendo sales, residuos de biocidas e inhibidores de corrosión, cuya gestión depende del marco regulatorio y la capacidad de fiscalización local (U.S. Environmental Protection Agency [EPA], s. f.; Directiva 2000/60/CE).

El impacto final varía según el sistema de enfriamiento implementado. Tecnologías como la refrigeración líquida cerrada o el uso de agua reciclada pueden reducir la presión sobre fuentes potables, aunque su adopción aún es limitada en proporción global. En ausencia de estandarización internacional en la divulgación pública de métricas hídricas en tiempo real, la magnitud agregada permanece parcialmente opaca.

En síntesis, el consumo de agua asociado a la Inteligencia Artificial constituye un componente material verificable de su huella ambiental. No implica la inviabilidad intrínseca de la tecnología, pero sí exige medición precisa, transparencia pública e internalización de costos ambientales para evitar que la expansión digital comprometa la seguridad hídrica de poblaciones y ecosistemas.

QNM- Consumo de Agua Asociado a la Inteligencia Artificial | QNM Que nos mantengan 

Referencia

Brookings Institution. (s. f.). Analysis on U.S. data center resource consumption.

Directiva 2000/60/CE del Parlamento Europeo y del Consejo, de 23 de octubre de 2000, por la que se establece un marco comunitario de actuación en el ámbito de la política de aguas.

Environmental and Energy Study Institute. (s. f.). Data center water usage reports.

Li, P., et al. (2023). Making AI less “thirsty”: Uncovering and addressing the secret water footprint of AI models. arXiv:2304.03271.

Patterson, D., et al. (2021). Carbon emissions and large neural network training. arXiv:2104.10350.

U.S. Environmental Protection Agency. (s. f.). Cooling Water Intake Structures Technical Documents; NPDES guidance.