INFORME ESPECIALEl costo oculto de la inteligencia artificial: agua, energía y emisiones de carbonoLa expansión de la inteligencia artificial está aumentando la demanda de electricidad, agua e infraestructura en todo el mundo. Analizamos cuánto consume realmente la IA, cómo enfrían sus centros de datos, por qué utilizan agua y electricidad a gran escala y qué implicaciones tiene su crecimiento para el medio ambiente.

Respuesta rápida

La inteligencia artificial consume grandes cantidades de electricidad y agua porque los chips que procesan modelos como ChatGPT o Gemini generan mucho calor. Para evitar el sobrecalentamiento, los centros de datos utilizan sistemas de refrigeración que, según el diseño, consumen agua mediante evaporación o requieren más electricidad para enfriar el aire. Aunque una sola consulta tiene un impacto muy pequeño, miles de millones de consultas diarias multiplican ese consumo. El principal desafío no es cada interacción individual, sino la enorme escala a la que opera la infraestructura mundial de la IA y el equilibrio entre consumo de agua, energía y emisiones de carbono.

 

En septiembre de 2024, Google renunció a un permiso ambiental que le había costado 4 años de litigios. La empresa planeaba construir un centro de datos de 200 millones de dólares en Cerrillos, una comuna al poniente de Santiago de Chile. El diseño original contemplaba extraer agua del Acuífero Santiago Central mediante 3 pozos propios, en un país que arrastra más de 15 años de megasequía. Una vecina presentó una reclamación, el Segundo Tribunal Ambiental anuló parcialmente la aprobación y ordenó incorporar los efectos del cambio climático en la evaluación del acuífero. Google desistió del proyecto original y anunció que empezaría desde cero con un diseño que enfría los servidores con aire, sin tocar el agua subterránea.

La historia parece un triunfo ambiental, sin embargo la historia no acaba aquí. Enfriar servidores con aire en lugar de agua exige más electricidad, y esa electricidad adicional, según de dónde venga, produce más emisiones de carbono y evapora más agua en las centrales que la generan. Al final, el calor que generan los chips siempre debe disiparse. No existe una solución gratuita. Los ingenieros solo pueden elegir qué impacto ambiental asumir: consumir más agua para refrigerar directamente los centros de datos o consumir más electricidad, con las emisiones y el uso indirecto de agua que eso implica.

La nube es un edificio con chimenea de vapor

La idea de la «nube» sugiere algo inmaterial, sin embargo la infraestructura real consiste en naves industriales de hormigón llenas de computadoras, subestaciones eléctricas dedicadas, kilómetros de cableado de cobre y, con frecuencia, torres de refrigeración que expulsan columnas de vapor de agua visible.

Cuando alguien escribe un mensaje a ChatGPT, Gemini o Claude, la petición viaja por fibra óptica hasta uno de esos edificios. Allí, miles de unidades de procesamiento gráfico (GPU, los chips especializados que ejecutan los modelos de IA) mueven los parámetros del modelo desde la memoria hasta los núcleos de cálculo y multiplican matrices durante fracciones de segundo. La corriente eléctrica que atraviesa esos transistores encuentra resistencia, y esa resistencia genera calor. La respuesta vuelve a la pantalla del usuario pero el calor se queda en el edificio y alguien tiene que sacarlo de ahí.

Un centro de datos no consume electricidad en el sentido de hacerla desaparecer. La convierte casi en su totalidad en calor. Todo el problema industrial de la IA se reduce a mover ese calor desde un chip del tamaño de una uña hasta la atmósfera, millones de veces por segundo.

La física no negocia

Dos leyes básicas gobiernan el problema. La primera ley de la termodinámica establece que la energía no se crea ni se destruye, solo cambia de forma. Cada vatio que entra por la subestación de un centro de datos termina convertido en calor. La segunda ley dicta que ese proceso tiene una dirección: la energía ordenada (electricidad) se degrada en energía desordenada (calor) y no hay forma de revertirlo por completo.

En 1961, el físico de IBM Rolf Landauer demostró que borrar un solo bit de información tiene un costo energético mínimo e inevitable, hoy conocido como el principio de Landauer. Los procesadores actuales todavía consumen miles de millones de veces más energía que ese límite teórico, por lo que aún existe un gran margen para mejorar su eficiencia. Sin embargo, el mensaje más importante del principio es otro: ninguna computadora puede procesar información sin generar calor. En otras palabras, por muy avanzados que sean los chips del futuro, la informática nunca podrá funcionar sin consumir energía ni producir calor. Es una ley de la física, no un problema de la tecnología.

Dentro del horno

Un rack (armario de servidores) convencional de la década pasada disipaba entre 10 y 15 kilovatios, un nivel manejable con aire acondicionado industrial. La IA rompió esa escala. Un sistema GB200 NVL72 de NVIDIA, que agrupa 72 GPU y 36 CPU en un solo rack, consume entre 120 y 140 kilovatios continuos. Cada chip individual supera los 1.000 vatios de disipación.

A esas densidades, el aire pierde utilidad como refrigerante: tiene poca capacidad para absorber calor. La industria migró a la refrigeración líquida directa al chip, un sistema donde placas frías metálicas en contacto con el procesador hacen circular agua tratada que captura el calor y lo transporta fuera del servidor.

El problema se traslada entonces al exterior del edificio. Ese calor acumulado tiene 2 salidas principales.

Salida 1: evaporar agua

 

Las torres de enfriamiento evaporativo pulverizan el agua caliente del circuito y la exponen al aire. Una fracción se evapora, y ese cambio de fase absorbe cantidades enormes de energía térmica (el mismo principio por el que el sudor enfría la piel). El sistema es baratísimo en términos eléctricos: permite alcanzar valores de PUE cercanos a 1,1. El PUE (Power Usage Effectiveness) mide cuánta energía total consume la instalación por cada unidad que llega a los equipos informáticos; 1,0 sería la perfección. El costo es hídrico: el agua evaporada abandona la cuenca local de forma permanente.

Salida 2: gastar más electricidad

 

Los sistemas de enfriamiento seco transfieren el calor al aire exterior mediante radiadores gigantes y ventiladores, sin evaporación significativa. El consumo local de agua cae casi a cero. El límite físico es la temperatura del aire: en verano, los ventiladores y los enfriadores mecánicos trabajan al máximo, y el sistema exige entre un 20% y un 30% más de electricidad continua. Si la red que alimenta el centro quema gas o carbón, esa electricidad extra se traduce en más emisiones. Y en un giro final, las propias centrales termoeléctricas evaporan agua en sus torres para generar esos megavatios adicionales: hasta miles de litros por megavatio-hora en plantas convencionales, según las estimaciones del grupo de Shaolei Ren en la Universidad de California en Riverside.

 

Sistema	Consumo de agua local	Consumo eléctrico	Emisiones asociadas
Torres evaporativas (húmedo)	Alto	Bajo	Menores, si la red es fósil
Enfriamiento seco (aire)	Casi nulo	20% a 30% mayor	Mayores, si la red es fósil

 

Cuánto cuesta una pregunta

Durante años, las cifras sobre el consumo de la IA fueron estimaciones externas construidas sobre supuestos. Eso cambió en agosto de 2025, cuando Google publicó la primera medición interna a escala de producción. Según su metodología, una consulta de texto promedio en Gemini consume 0,24 vatios-hora de electricidad, emite 0,03 gramos de CO₂ equivalente y usa 0,26 mililitros de agua, unas 5 gotas. Sam Altman, director ejecutivo de OpenAI, había publicado poco antes cifras similares para ChatGPT: 0,34 vatios-hora y unos 0,32 mililitros por consulta promedio.

Si se analiza todo el proceso, el panorama cambia. También hay que considerar la electricidad que se necesita para alimentar esos centros de datos y, en muchos casos, el agua que utilizan las centrales eléctricas para producir esa energía. Cuando se suma todo ese impacto, algunos estudios estiman que generar un correo de unas 100 palabras con GPT-4 puede implicar el uso indirecto de alrededor de medio litro de agua, el equivalente a una pequeña botella.

Lo más llamativo es el efecto de la escala. Cinco gotas de agua por consulta parecen insignificantes, pero cuando una IA responde miles de millones de preguntas, esas gotas se convierten en enormes cantidades. Si Gemini procesara 1.000 millones de consultas, consumiría aproximadamente 260.000 litros de agua y 240 megavatios-hora de electricidad. En otras palabras, lo que parece casi imperceptible en una sola conversación adquiere una dimensión completamente distinta cuando se multiplica por millones de usuarios cada día.

El experimento natural de Uruguay

Un proyecto que ilustra el intercambio agua-carbono con tanta claridad es el de Teros, el centro de datos que Google construye en Canelones, Uruguay.

El diseño inicial contemplaba consumir agua potable de la red nacional para las torres de enfriamiento. El calendario chocó con la peor crisis hídrica de Montevideo en más de 70 años, cuando la capital llegó a mezclar agua salobre en el suministro doméstico. La presión social forzó una reformulación completa: Google redujo el proyecto a un tercio de su capacidad original y adoptó 32 enfriadores por aire con circuitos cerrados de agua.

El expediente ambiental aprobado estima que la instalación emitirá unas 25.000 toneladas de gases de efecto invernadero al año, alrededor del 0,3% de las emisiones anuales de CO₂ del país según la evaluación oficial. Daniel Pena, académico de la Universidad de la República y activista ambiental, calcula que la cifra real podría llegar al 2,7% anual. En un país donde cerca del 98% de la electricidad proviene de fuentes renovables, el grueso de esas emisiones sale de los generadores de respaldo a combustión. Una investigación apoyada por el Pulitzer Center documentó que esos generadores fueron aprobados con certificación Tier 2, un estándar de 2006, cuando existe desde 2015 una tecnología que reduce las emisiones de óxidos de nitrógeno un 90%. La empresa consultora del proyecto descartó la opción por su costo: 16,3 millones de dólares adicionales.

Uruguay obtuvo exactamente lo que pidió: un centro de datos que no bebe de la red potable. Y recibió, a cambio, el otro lado del intercambio termodinámico.

Memphis: la ciudad que le vendió agua a un supercomputador

El caso más extremo entre la relación de la IA y los recursos locales ocurrio en Memphis, Tennessee. Allí, xAI, la empresa de Elon Musk, montó en 122 días el supercomputador Colossus dentro de una antigua fábrica de electrodomésticos, con un clúster inicial de 100.000 GPU Nvidia H100 y planes declarados de escalar a 1 millón de chips entre sus instalaciones.

Memphis se asienta sobre el acuífero Memphis Sand, una de las reservas de agua subterránea más puras de Estados Unidos. Los ingenieros estimaron que Colossus 1 necesita más de 1 millón de galones diarios (unos 3,8 millones de litros) solo para refrigeración. La extracción inicial desde el acuífero provocó denuncias vecinales inmediatas, lideradas por organizaciones como Protect Our Aquifer.

La respuesta de xAI fue construir una planta privada de reciclaje de aguas residuales de 80 millones de dólares, con el biorreactor de membranas cerámicas más grande del mundo, capaz de tratar hasta 13 millones de galones diarios de aguas cloacales de la ciudad para enfriar los servidores y abastecer a industrias vecinas. La obra arrancó en octubre de 2025 con promesas de reducir un 9% las extracciones del acuífero. En abril de 2026, la construcción entró en pausa indefinida mientras la empresa priorizaba la expansión de Colossus 2. Tras la presión del alcalde Paul Young y de la empresa pública de aguas, xAI se comprometió en junio de 2026 a retomar las obras a más tardar en el primer trimestre de 2027.

Esto deja una lección: incluso cuando una empresa acepta pagar el costo completo de no tocar el agua potable, la velocidad de la carrera por la IA compite contra sus propios compromisos ambientales.

Irlanda: cuando la red dice basta

En Irlanda el conflicto no fue por agua sino por electrones. El país se convirtió en la capital europea de los centros de datos gracias a su régimen fiscal, y la factura llegó a la red eléctrica: los centros de datos pasaron de consumir el 5% de la electricidad nacional en 2015 al 22% en 2024, según el regulador CRU, una cifra que ya supera el consumo agregado de todos los hogares urbanos del país. En Dublín, los centros de datos absorben cerca de la mitad de la demanda eléctrica regional.

Desde 2021, Irlanda dejó de autorizar nuevas conexiones eléctricas para centros de datos en el área de Dublín debido a la presión sobre la red. En diciembre de 2025, esa medida fue reemplazada por una normativa más estricta. Ahora, cualquier centro de datos que necesite más de 10 megavoltamperios (MVA) de potencia debe contar con generación eléctrica propia para cubrir su demanda cuando sea necesario y contratar nueva energía renovable producida en Irlanda para, al menos, el 80% de su consumo anual.

Aun con estas exigencias, las previsiones oficiales indican que los centros de datos consumirán casi un tercio de toda la electricidad del país (31%) para 2034, lo que muestra el enorme crecimiento de la infraestructura necesaria para impulsar la inteligencia artificial y los servicios digitales.

El desafío del objetivo de emisiones netas cero

Durante años, las grandes empresas tecnológicas afirmaron que podían seguir creciendo sin aumentar su impacto climático, gracias a la compra de energía renovable y al uso de certificados de energía limpia. Sin embargo, los informes ambientales más recientes dicen otra cosa: el rápido crecimiento de la inteligencia artificial está dificultando el cumplimiento de sus metas de emisiones netas cero y poniendo a prueba esa estrategia.

Microsoft reportó en julio de 2026 que sus emisiones totales de su año fiscal 2025 crecieron un 25% interanual, de 16,21 a 20,29 millones de toneladas de CO₂ equivalente, un salto atribuido de forma explícita a la construcción de centros de datos para IA. Un detalle revela más que la cifra total: la empresa dejó de usar certificados renovables no vinculados a proyectos concretos, y sus emisiones reales de alcance 2 (la electricidad comprada) pasaron de representar el 2% al 13% de su huella.

Google publicó días después una trayectoria similar: su huella de carbono de 2025 creció un 18% interanual y acumula un 81% de aumento sobre su línea base de 2019, el año de referencia de su promesa de neutralidad para 2030. La empresa redujo las emisiones específicas de sus centros de datos, pero el crecimiento total del negocio y de la cadena de suministro arrasó con esa ganancia.

El mayor impacto ambiental de la IA no ocurre dentro de los centros de datos, sino en todo lo que hace posible construirlos. Esto incluye la extracción de materias primas como cobre y litio, la fabricación de acero y hormigón, el transporte de los equipos y, sobre todo, la producción de los chips.

La mayoría de estos chips se fabrica en Taiwán por TSMC, cuyas plantas dependen en gran medida de una red eléctrica alimentada por carbón importado. Además, fabricar un chip requiere enormes cantidades de agua ultrapura. Solo en 2023, TSMC consumió alrededor de 101.000 millones de litros de agua, y producir un solo litro de esa agua ultrapura puede requerir hasta 1,6 litros de agua potable.

La huida hacia el átomo y el gas

La apuesta de largo plazo es nuclear. Microsoft firmó con Constellation Energy un contrato de compra de energía a 20 años para financiar la reapertura de la unidad 1 de Three Mile Island en Pensilvania, rebautizada Crane Clean Energy Center. La planta, cerrada en 2019 por razones económicas, aportará 835 megavatios de energía sin carbono y tiene reinicio previsto para 2027, un año antes de lo planeado, con el respaldo de un préstamo federal de 1.000 millones de dólares. Google firmó con Kairos Power el primer acuerdo corporativo para desplegar reactores modulares pequeños (SMR, reactores compactos de fabricación en serie), con 500 megavatios proyectados entre 2030 y 2035.

El problema del átomo es el tiempo. La mayoría de esos megavatios nucleares llegará bien entrada la próxima década, mientras la demanda de la IA crece hoy. El puente lo cubre el gas natural. El ejemplo más claro es Stargate, el proyecto de infraestructura de 500.000 millones de dólares de OpenAI, Oracle y SoftBank, con 7 sedes en Estados Unidos y una proyección que supera los 9 gigavatios de capacidad hacia 2029, un consumo comparable al pico de la ciudad de Nueva York. Su campus insignia en Abilene, Texas, ya opera con unos 0,3 gigavatios y se alimenta con una mezcla de red y turbinas de gas instaladas en el propio predio, una solución que esquiva las filas de años para conectarse a la red pública. Al menos 3 de las 7 sedes usarán generación de gas en el propio sitio.

¿Exagera la crítica?

A nivel mundial, los centros de datos consumen una pequeña parte del agua dulce. La agricultura utiliza cerca del 70% del agua disponible, y sectores como la minería y la industria textil consumen mucho más que la industria tecnológica. En la misma línea, Google afirma que una consulta promedio en Gemini requiere menos energía que ver unos 9 segundos de televisión.

Sin embargo, el impacto cambia cuando se observa a nivel local. Un centro de datos no toma agua de los océanos, sino de los acuíferos y fuentes de agua de la región donde está instalado. Si una instalación extrae millones de litros de agua al día en una zona con escasez hídrica, puede afectar directamente el abastecimiento de las comunidades cercanas.

Existe además otro aspecto menos evidente. A medida que la inteligencia artificial se vuelve más eficiente, el costo de usarla disminuye. Y cuando algo cuesta menos, normalmente se utiliza mucho más.

Un buen ejemplo es Google. Google redujo 33 veces el consumo energético por consulta de Gemini en un año. Sin embargo, como ya mencionamos mas arriba, sus emisiones totales (ambition-based) aumentaron un 18% respecto a 2024, impulsadas principalmente por la expansión de la infraestructura de IA y de su cadena de suministro.

Este fenómeno fue descrito por el economista William Stanley Jevons en 1865 y se conoce como la paradoja de Jevons. Su idea es que una mayor eficiencia no siempre reduce el consumo total de un recurso. En muchos casos ocurre lo contrario: al abaratar su uso, la demanda crece tanto que el consumo global termina aumentando. Hasta ahora, la inteligencia artificial parece ser uno de los ejemplos más claros de este fenómeno.

Lo que sabemos y lo que falta saber

Sabemos con certeza que la computación produce calor por necesidad física, que evacuar ese calor cuesta agua o electricidad, y que ambas recursos tienen precio ambiental. Sabemos, por informes auditados, que las emisiones de Microsoft y Google crecieron en 2025 pese a una década de promesas de neutralidad, y que la causa declarada es la infraestructura de IA. Sabemos que los conflictos locales por agua ya modificaron proyectos reales en Chile, Uruguay, España, Irlanda y Estados Unidos.

No sabemos cuántas consultas procesa el sistema global cada día, porque las empresas no lo publican, y sin ese dato toda cifra por consulta flota sin denominador. No sabemos si los reactores modulares llegarán a tiempo o si el gas natural se volverá permanente. No sabemos si arquitecturas más eficientes, como los modelos de mezcla de expertos que activan solo fragmentos de la red neuronal por consulta, contendrán la curva de demanda o simplemente la alimentarán vía precios más bajos.