La huella hídrica de la Inteligencia Artificial se refiere a la cantidad total de agua dulce utilizada directa e indirectamente para alimentar los complejos sistemas computacionales que subyacen a las aplicaciones de IA. Directamente, los centros de datos emplean agua para la refrigeración de sus miles de servidores que generan calor intenso. Indirectamente, el agua se consume en la generación de la electricidad que alimenta tanto la computación como los sistemas de refrigeración. Este fenómeno no es nuevo, pero su relevancia ha escalado exponencialmente con el auge de la IA generativa, que requiere una potencia computacional y, por ende, un consumo de recursos mucho mayor que las tecnologías digitales previas.
Los datos son contundentes y preocupantes. En Estados Unidos, el consumo directo de agua por parte de los centros de datos pasó de 21.200 millones de litros en 2014 a aproximadamente 66.000 millones de litros en 2023, lo que representa un aumento del triple en menos de una década, según la investigación. Y esto es solo el principio. Un solo centro de datos de 100 megavatios en EE. UU. puede consumir directamente el equivalente en agua de 2.600 hogares al día. Si se incluye el agua necesaria para generar la electricidad que lo alimenta, esa cifra asciende a 6.500 hogares. Lo más alarmante es que cerca del 97% de esta agua, al menos en EE. UU., proviene de sistemas de agua potable municipales. Google, por ejemplo, reportó haber utilizado aproximadamente 12.700 millones de litros de agua en sus centros de datos estadounidenses en 2021, de los cuales el 90% era potable.
La proyección a futuro es aún más desafiante. Rystad Energy estima que el consumo mundial directo de agua por los centros de datos podría dispararse de 222.000 millones de litros en 2025 a casi 644.000 millones de litros anuales en 2030 en un escenario de riesgo central. Esto significa que la demanda casi se triplicaría en solo cinco años si no se implementan medidas de ahorro significativas. Esta "sed" de la IA y sus centros de datos importa ahora porque estamos en un punto de inflexión. La infraestructura actual y las proyecciones de crecimiento de la IA, como el aumento de casi diez veces en la capacidad computacional de OpenAI de 0,2 GW en 2023 a 1,9 GW en 2025, sugieren que los impactos socioambientales, especialmente en la disponibilidad de agua y energía, se intensificarán rápidamente si no se actúa con urgencia. La Relatoría Especial de la ONU sobre el Cambio Climático y los Derechos Humanos ya ha recibido alertas de organizaciones latinoamericanas sobre estos impactos.
Cómo funcionan los centros de datos y su impacto en el agua
Para comprender el impacto, es crucial entender cómo operan estos gigantes tecnológicos. Un centro de datos alberga miles de servidores, dispositivos de almacenamiento y equipos de red que procesan y almacenan ingentes cantidades de datos. La operación continua de estos equipos genera una cantidad considerable de calor, comparable a la de una pequeña ciudad. Para evitar el sobrecalentamiento y asegurar un rendimiento óptimo, es indispensable un sistema de refrigeración eficiente.
Los métodos de refrigeración más comunes y, a la vez, más demandantes de agua incluyen:
- Refrigeración por evaporación: Utiliza torres de enfriamiento que disipan el calor al evaporar agua. Es muy eficiente térmicamente, pero consume grandes volúmenes de agua que se pierden en el proceso de evaporación. Es el método que más contribuye al consumo directo.
- Sistemas de circuito cerrado con enfriamiento por aire/líquido: Si bien algunos sistemas usan aire o líquidos refrigerantes en circuitos cerrados, muchos requieren torres de enfriamiento para disipar el calor final a la atmósfera, lo que también implica el uso de agua.
- Generación de electricidad: Esta es la huella hídrica indirecta. Las plantas de energía (especialmente las termoeléctricas) consumen vastas cantidades de agua para generar vapor y enfriar sus sistemas. Dado que los centros de datos son grandes consumidores de electricidad, su demanda energética se traduce en una demanda hídrica sustancial en el punto de generación. Se estima que en EE. UU., en 2023, la electricidad para centros de datos estuvo asociada a cerca de 800.000 millones de litros de agua, más del doble del consumo directo.
La correlación entre el poder computacional de la IA y el consumo de recursos es directa. Modelos de IA más grandes y complejos, como los que impulsan las IA generativas actuales, requieren procesadores más potentes (GPUs) que, a su vez, consumen más energía y generan más calor. Este ciclo virtuoso de innovación tecnológica se convierte en un ciclo vicioso de demanda de recursos. La optimización del hardware y el software puede mitigar parte del problema, pero la escala del crecimiento es tan vasta que las soluciones actuales son insuficientes.
Qué cambia para los profesionales tech
El panorama emergente de la IA y su impacto ambiental transforma el rol y las responsabilidades de los profesionales de la tecnología. Ya no es suficiente enfocarse únicamente en la eficiencia computacional o el costo; la sostenibilidad se convierte en una métrica crítica.
- Diseño Sostenible de Infraestructura: Ingenieros de infraestructura y arquitectos de soluciones deben priorizar el diseño de centros de datos y sistemas de IA con una huella hídrica y energética mínima. Esto implica evaluar tecnologías de refrigeración alternativas (como la refrigeración por inmersión o el uso de agua reciclada/no potable), la ubicación estratégica cerca de fuentes de energía renovable o climas fríos, y la implementación de sistemas de gestión de energía avanzados.
- Desarrollo de IA Consciente: Los desarrolladores y científicos de datos tienen la responsabilidad de optimizar algoritmos y modelos para que sean menos intensivos en recursos. Esto incluye la selección de modelos más pequeños pero efectivos, la optimización de los ciclos de entrenamiento y la exploración de técnicas de inferencia más eficientes. La "Green AI" o IA verde se perfila como un campo esencial.
- Monitoreo y Transparencia: Los profesionales deben abogar por, e implementar, métricas de sostenibilidad transparentes. Comprender y reportar el Power Usage Effectiveness (PUE) y Water Usage Effectiveness (WUE) de los centros de datos se vuelve crucial. La presión por la rendición de cuentas de las grandes tecnológicas sobre su consumo de recursos es creciente, y los equipos técnicos serán quienes deban proporcionar esa información.
- Innovación en Soluciones: El desafío abre oportunidades para la innovación. Investigadores y startups están desarrollando nuevas formas de enfriar servidores, de reciclar agua, y de construir hardware más eficiente. Los profesionales de TI pueden liderar la adopción de estas soluciones emergentes.
- Regulación y Compliance: En América Latina, donde la regulación específica para mega centros de datos es incipiente, los profesionales tech deberán estar atentos a la evolución normativa y anticiparse a requisitos de cumplimiento ambiental que inevitablemente surgirán, dada la creciente preocupación social y política.
En esencia, la sostenibilidad se integra como una nueva capa fundamental en el stack tecnológico. La era de la IA no solo exige ingenio técnico, sino también una profunda conciencia ambiental y una ética de responsabilidad.
Qué viene después
El futuro inmediato estará marcado por una tensión entre la imparable expansión de la IA y la creciente preocupación por su impacto ambiental. Varios frentes se abrirán y serán cruciales para observar:
- Presión Regulatoria y Transparencia: La opacidad actual de muchas empresas tecnológicas respecto a su consumo de agua y energía será insostenible. Se espera una mayor presión por parte de gobiernos, la sociedad civil y organismos internacionales para que las compañías publiquen datos detallados y verificables. En regiones como América Latina, donde hay una notoria falta de regulación específica para mega centros de datos –Argentina es un ejemplo–, se anticipa que los gobiernos deberán actuar. Organizaciones como IDEC y LAPIN ya han elevado la voz ante la ONU, exigiendo límites absolutos y mayor transparencia.
- Innovación en Refrigeración y Localización: La industria buscará soluciones más eficientes. La refrigeración por inmersión, que sumerge los componentes directamente en un líquido dieléctrico, o el desarrollo de chips menos calientes, ganarán terreno. Asimismo, la localización estratégica de centros de datos en climas más fríos o cerca de fuentes de energía renovables y de agua no potable será una tendencia. Microsoft, por ejemplo, ha experimentado con centros de datos submarinos.
- Conflictos Socioambientales Intensificados en LatAm: La investigación adicional subraya que América Latina será un epicentro de conflictos. Países como Brasil, México (especialmente Querétaro, que ya enfrenta restricciones hídricas) y Chile concentran la mayor cantidad de centros de datos para IA en la región. La expansión, a menudo promovida con incentivos fiscales y sin evaluaciones ambientales exhaustivas, choca con las necesidades de comunidades locales, que ya experimentan escasez de agua, como ha señalado la residente Sandra García en El Clip. Un nuevo centro de datos de IA en Brasil puede consumir cinco veces la potencia de los 200 centros ya existentes en el país, impactando directamente en la red energética y los costos. Incluso se ha discutido en Chile la eliminación de la evaluación ambiental para algunos proyectos, lo que agrava la situación.
- Desarrollo de IA Verde y Ética: Más allá de la infraestructura, la propia IA necesitará evolucionar. El concepto de "IA Verde" buscará modelos y algoritmos que sean inherentemente más eficientes en el uso de recursos. La ética de la IA se expandirá para incluir consideraciones ambientales, asegurando que el despliegue tecnológico no comprometa la sostenibilidad del planeta, como bien señala Golestan “Sally” Radwan del PNUMA, enfatizando la necesidad de que el efecto neto de la IA sea positivo.
- Mayor Inversión en Monitoreo y Análisis: Se necesitarán herramientas y plataformas para medir con precisión el consumo de recursos de la IA y los centros de datos, permitiendo una gestión más proactiva y la identificación de oportunidades de mejora. Expertos como Minh Khoi Le de Rystad Energy resaltan la complejidad de predecir el impacto hídrico debido a múltiples variables, lo que subraya la importancia de este monitoreo.
El camino hacia una IA verdaderamente sostenible es complejo, pero necesario. La comunidad tecnológica, los gobiernos y la sociedad civil deben colaborar para asegurar que la promesa de la Inteligencia Artificial no se cumpla a expensas de los recursos naturales más vitales del planeta, una preocupación calificada de "brutal" por Soledad Vogliano, investigadora del grupo ETC, ante la proyección de 800 nuevos centros de datos gigantescos para 2030.
