Cada consultaa una IA gastaelectricidady agua

Detrás de cada respuesta hay miles de servidores. Explorá los datos, medí tu consumo y descubrí la huella invisible de la IA.

POR QUÉ SED DE DATOS.

Sed de Datos muestra el costo ambiental oculto de usar inteligencia artificial.

Cada vez que enviás un prompt, miles de procesadores en centros de datos consumen electricidad y requieren millones de litros de agua para refrigerarse. Ese impacto no se ve en la pantalla, pero existe. Creamos este espacio para medir esa huella invisible con datos citados y herramientas que cualquiera pueda usar.

Sed de Datos es un proyecto independiente y sin fines de lucro que nace de una pregunta: ¿Qué hay detrás de una respuesta de inteligencia artificial?

Una consulta parece instantánea. Una respuesta aparece en segundos. Pero para que eso suceda tienen que funcionar servidores, centros de datos, redes, sistemas de refrigeración y enormes infraestructuras energéticas.

Reunimos investigaciones, datos y fuentes públicas para seguir ese recorrido y hacerlo visible.

Nosotros

POR QUÉ IMPORTA.

Un gasto invisible, pero real.

No se trata de dejar de usar IA, sino de entender el costo ambiental que normalmente no vemos.

ARTÍCULOS.

Entendé el tema a fondo.

0/12

ARTÍCULOS
EXPLORADOS

Ver más
Tecnología + Ambiente 5 min

Cómo refrigeran los centros de datos: agua, aire o inmersión

Cada técnica tiene un costo ambiental distinto según el clima, la infraestructura y la ubicación.

Energía 5 min

Agua directa vs. agua indirecta: la cara oculta de la energía

La cara oculta de la energía: el segundo grifo, a menudo igual de grande o mayor, y mucho más silencioso, que casi nunca se contabiliza.

Huella hídrica 5 min

El ciclo invisible del agua: ¿es reversible el gasto hídrico de la IA?

Evaporación, contaminación térmica y geopolítica del recurso: ¿vuelve el agua que usa la IA?

Justicia ambiental 6 min

Sesgo de origen: ¿cómo se investiga la huella hídrica desde el Sur Global?

Por qué investigar el consumo de agua de la IA es distinto según se haga desde el Norte o el Sur Global.

Cultura digital 4 min

Generación Prompt: de la fascinación por la velocidad al consumo responsable

Ni demonizar la tecnología ni culpar al usuario: una pausa reflexiva antes de enviar cada prompt.

Guía 4 min

Tu huella hídrica digital: guía de acción

Hábitos concretos para un uso consciente, y qué exigirles a las empresas y los gobiernos.

TU HUELLA.

¿Cuánto gastás vos?

20
1200

AGUA TOTAL · POR DÍA

300 ml

≈ 39 ml directa · 261 ml indirecta

ELECTRICIDAD · POR DÍA

6,8 Wh

≈ 204 Wh al mes

Equivale a

1

vaso de agua (250 ml) por día

0

cargas de celular

Texto: 15 ml de agua por consulta en total (UC Riverside; rango de 10 a 25 ml; cerca del 13 % es directa y el 87 % indirecta, la de generar la electricidad) y 0,34 Wh (OpenAI). Imagen: ≈2,9 Wh por imagen (Luccioni et al., 2024) y ≈12 ml de agua, con la misma intensidad hídrica que usa UC Riverside (≈4,2 L por kWh). Son estimaciones, no mediciones; el detalle está en Fuentes y en las preguntas frecuentes.

SIMULADOR 3D.

Recorré una sala de servidores por dentro.

CUESTIONARIO.

¿Qué tan grande es tu huella?

Servidores de un centro de datos

AHORA TE TOCA A VOS.

¿Podrías administrar un centro de datos?

SEQUIA · EL SIMULADOR DE SED DE DATOS

Ahora que viste qué hay detrás de una consulta, probá tomar las decisiones que mantienen funcionando una IA.

Elegí cómo enfriar, qué energía usar, cuánto invertir y cómo responder al aumento de demanda.

¿Qué priorizarías?

Entrar a SequIA

PREGUNTAS FRECUENTES.

Dudas comunes sobre el tema.

Sobre el impacto ambiental

¿Esto significa que no debería usar IA?

No. Podés seguir usándola; lo que conviene es saber que tiene un costo ambiental real, igual que manejar un auto o mirar streaming. Conocer el número ayuda a usarla con más criterio.

¿Todos los centros de datos usan agua para enfriarse?

No. Algunos usan solo aire acondicionado. Pero incluso esos consumen electricidad, y generarla casi siempre tiene un costo de agua en otro lugar.

¿Qué es eso del "WUE" que mencionan algunos artículos?

Water Usage Effectiveness: cuántos litros de agua usa un centro de datos por cada kWh de energía que consume. Cuanto más bajo, más eficiente.

¿Usar IA es peor que hacer una búsqueda tradicional?

En general sí consume más: una búsqueda tradicional no genera texto nuevo palabra por palabra, mientras que un modelo de lenguaje sí. Igual, ambas cosas tienen un costo energético mayor a cero, no es "gratis" en ningún caso.

¿Pesa más entrenar un modelo o usarlo después?

El entrenamiento es carísimo de una sola vez (entrenar GPT-3 usó cerca de 700.000 litros de agua directa, y unos 5,4 millones si se suma la de generar su electricidad), pero como después se usa millones de veces por día, el consumo acumulado del uso diario termina siendo mucho mayor con el tiempo.

¿Esa agua se pierde para siempre?

Gran parte se evapora en las torres de refrigeración y no vuelve directamente a la red de distribución local, aunque sigue formando parte del ciclo del agua a una escala más amplia. El problema real es la presión que eso pone sobre el agua disponible en la zona, no que "desaparezca" del planeta.

NOSOTROS.

MANIFIESTO.

01 / 04
01

Nuestro proyecto

FUENTES.

De dónde salen nuestros números.

Sugerí una fuente

¿Tenés un artículo, estudio o dato que creas que deberíamos sumar? Contanos y lo revisamos para agregarlo a la lista.

INFRAESTRUCTURA Y HUELLA HÍDRICA

Geopolítica del agua digital

¿Dónde están los centros de datos y por qué importan las cuencas locales desde Virginia hasta el Cono Sur?

Cuando le pedís a una inteligencia artificial que resuma un apunte de la facultad, genere una imagen hiperrealista o depure unas líneas de código, la orden viaja en milisegundos a través de cables submarinos hacia complejos industriales de hormigón y acero que albergan miles de procesadores trabajando en paralelo.

A medida que estos chips operan al máximo rendimiento, generan un calor abrumador. Para evitar que las placas se fundan, los centros de datos recurren a algo muy básico: agua dulce limpia.

Pesa tanto la cantidad de litros que absorben para refrigerarse como dónde están ubicados. La geografía de la IA revela una paradoja estructural del Tecnoceno[1]: mientras el consumo digital es global e instantáneo, el impacto hídrico es local y se concentra en cuencas donde el recurso suele ser escaso.

Para entender la escala del problema hay que mirar al condado de Loudoun, en Virginia (EE. UU.). Conocido como la "capital mundial de los centros de datos", este territorio alberga la mayor densidad de granjas de servidores del planeta. Es habitual escuchar que por ahí circula "el 70 % del tráfico mundial de internet", pero especialistas en infraestructura de redes —como Tim Stronge, de TeleGeography— señalan que esa cifra es matemáticamente improbable (ni siquiera el 70 % del tráfico internacional llega a territorio estadounidense) y ubican la participación real de la región más cerca del 20-25 % del tráfico internacional.[2] Aun con esa corrección, sigue siendo el mayor concentrador de centros de datos del mundo.

Allí, las torres de enfriamiento de gigantes como Google, Amazon y Microsoft evaporan millones de litros de agua dulce al día. Lo que comenzó como un polo de desarrollo tecnológico e ingresos fiscales hoy enfrenta una creciente resistencia vecinal y ambiental: preocupa cuánta agua y energía demandan los nuevos complejos y que la refrigeración de los servidores compita con la red de agua potable de las comunidades urbanas y agrícolas linderas.

La balanza hídrica: ciudad vs. nube

Compará el consumo diario de agua dulce de una población frente a un complejo de procesadores de IA.

Ciudad mediana

~120.000 habitantes · Ej: una ciudad intermedia bonaerense

Consumo diario estimado
28 Millones de L

Consumo urbano total para higiene, alimentación, riego y servicios básicos.

El 80 % vuelve a la red cloacal/cuenca tras ser tratada.

Clúster de centros de datos

3 a 5 complejos de IA · Ej: Loudoun, Virginia

Consumo diario de cooling
20 Millones de L

Agua dulce utilizada exclusivamente para la refrigeración por evaporación de servidores.

Se evapora en la atmósfera o se descarta con aditivos químicos. Retorno 0 % directo.
El sesgo hídrico de la evaporación: A diferencia del consumo de una ciudad, donde el agua tratada regresa a los ríos mediante cloacas y saneamiento, el enfriamiento por torres de evaporación en los centros de datos expulsa el agua directamente a la atmósfera en forma de vapor o la descarta químicamente, extrayéndola permanentemente del ciclo local inmediato.

* Estimación ilustrativa para fines educativos, no una medición directa de un caso puntual: se basa en consumos domésticos promedio (~230 L/hab/día en una ciudad mediana) y en rangos publicados de agua evaporada por clústeres de centros de datos de gran escala. La proporción real varía según el clima, la tecnología de enfriamiento y el diseño de cada instalación.

América Latina en la mira: la lección de Canelones

A medida que las regulaciones ambientales y las limitaciones de recursos se endurecen en el Norte Global, las corporaciones tecnológicas despliegan sus antenas hacia el Sur Global. América Latina se ha convertido en una zona prioritaria de expansión por la disponibilidad de tierras, incentivos fiscales y proximidad a mercados emergentes.

Sin embargo, el cruce entre infraestructura digital pesada y vulnerabilidad climática ya encendió sus primeras alarmas en la región. El caso de Canelones (Uruguay) fue un hito: cuando se anunció el proyecto para la instalación de un mega centro de datos de Google, se supo que la planta podría requerir hasta 7,6 millones de litros de agua potable al día para su sistema de enfriamiento, según una estimación de la propia empresa.[3]

La cifra generó un cimbronazo social inmediato, ya que el país atravesaba una de las sequías más severas de su historia reciente, con restricciones en el agua corriente de los hogares. Tras protestas, pedidos de acceso a la información y debates institucionales, la empresa reestructuró el diseño arquitectónico del proyecto para pasar a un sistema de refrigeración por aire (fan coolers), reduciendo drásticamente la demanda de agua directa a costa de un mayor consumo de energía eléctrica.

La Argentina del Tecnoceno: vacíos normativos y dilemas territoriales

¿Cómo está Argentina en este escenario? Empieza a posicionarse para atraer inversiones en tecnología y almacenamiento de datos, pero la innovación va más rápido que las normas.

A diferencia de otras economías que cuentan con normativas de sustentabilidad o impuestos verdes dirigidos a la infraestructura de red, en Argentina existe una importante zona de vacancia normativa:

  1. Sin parámetros hídricos específicos: no hay una legislación nacional que limite o grave el volumen de agua potable de red o subterránea que un complejo de servidores puede evaporar diariamente en torres de enfriamiento.
  2. El riesgo del estrés hídrico regional: gran parte de los desarrollos tecnológicos buscan radicarse cerca de nodos energéticos o zonas con beneficios fiscales. Investigadoras del CONICET, como Erica Correa Cantalube, alertaron sobre el impacto ambiental de los centros de datos en el país y señalaron que la Patagonia es una región clave para el equilibrio hídrico.[4] En regiones semiáridas como Cuyo (Mendoza o San Juan), el agua dulce ya es un recurso disputado por la agricultura, la producción vitivinícola y el consumo humano directo.
  3. Prioridades energéticas y climáticas: la refrigeración mediante circuitos cerrados o enfriadores de aire demanda una cantidad masiva de energía eléctrica. En un país cuya matriz energética todavía depende en gran medida de combustibles fósiles, la demanda de la inteligencia artificial tensa la red hídrica y, de manera indirecta, eleva la huella de carbono.

Extractivismo digital y justicia hídrica

Para analizar la huella del agua de la inteligencia artificial hay que ir más allá de lo técnico y sumar una lente geopolítica. Cuando un usuario del Sur Global consulta un algoritmo o le encarga una tarea cotidiana, los costos invisibles de esa infraestructura —la evaporación de agua dulce local, el estrés en las redes eléctricas y la basura electrónica— quedan en el territorio.

Mostrar las cañerías del Tecnoceno sirve para exigir un marco de justicia hídrica y transparencia corporativa, sin rechazar la tecnología. Las respuestas del algoritmo no pueden construirse a costa de la sed de las comunidades que albergan sus servidores.

FUENTES

[1] Costa, F. (2021). Tecnoceno: Algoritmos, biohackers y nuevas formas de vida. Taurus.

[2] Stronge, T. (TeleGeography). Does 70% of the World's Internet Traffic Flow Through Virginia?

[3] Méndez, C. (30 de marzo de 2023). Data center de Google podría utilizar un máximo de 7.600.000 litros de agua potable por día. la diaria.

[4] Economía Sustentable (13 de abril de 2026). El costo oculto de la IA: alertan por el impacto ambiental de los datacenters en el país (entrevista a Erica Correa Cantalube, CONICET).

SIMULADOR 3D.

Recorré una sala de servidores

Una sala de servidores en 3D. Seguí el recorrido guiado o girá la cámara a mano.

Una sala de servidores

Recorrela paso a paso o girá la cámara a mano: así se ve por dentro la infraestructura que responde cada consulta de IA.

Recorrido guiado

Clic en el piso para ir · arrastrá para mirar · rueda = zoom

TECNOLOGÍA + AMBIENTE

Cómo refrigeran los centros de datos: agua, aire o inmersión

Cada técnica tiene un costo ambiental distinto según el clima, la infraestructura y la ubicación.

Cuando hacemos una pregunta a una inteligencia artificial, lo que experimentamos es simple: una pantalla, un cuadro de diálogo, unos segundos de espera y una respuesta. Lo que no vemos es todo lo que ocurre en el plano físico para que esa interacción sea posible.

Las aplicaciones de IA generativa funcionan sobre miles de servidores interconectados que procesan enormes volúmenes de información en simultáneo. Todo ese trabajo informático demanda electricidad y genera un subproducto inevitable: calor. Si la temperatura de los microprocesadores no se controla con precisión, los equipos pierden rendimiento de inmediato o sufren daños irreversibles.

Refrigerar un centro de datos es una necesidad operativa. Pero no todos se enfrían de la misma manera: según la tecnología elegida, el consumo de energía, el uso de agua dulce y la infraestructura necesaria pueden ser muy distintos.

¿Por qué hay que refrigerar un centro de datos?

Los servidores están permanentemente encendidos y procesando órdenes. La electricidad que ingresa a los componentes se transforma casi en su totalidad en calor térmico. En instalaciones de alta densidad —como las diseñadas para entrenar y ejecutar modelos de lenguaje— la concentración de temperatura en pocos metros cuadrados se vuelve extrema.

Mantener todo ese equipo frío consume, a su vez, mucha energía. Según estimaciones de la Agencia Internacional de Energía (IEA), el control ambiental y la refrigeración representan entre un 7 % y más del 30 % del consumo eléctrico total de un centro de datos, dependiendo de la eficiencia del diseño y de las condiciones externas.[1]

Es el bucle del Tecnoceno: gastamos energía y agua para enfriar la infraestructura que nos permite usar algoritmos de forma ininterrumpida.

Las cuatro rutas del enfriamiento

Para responder a esta demanda térmica, la industria tecnológica desarrolló distintos métodos, cada uno con un equilibrio particular entre consumo hídrico y gasto eléctrico:

1. Refrigeración por aire (mecánica y free cooling)

Es la forma más intuitiva. Utiliza potentes ventiladores y extractores para mover aire frío sobre los racks y expulsar el aire caliente hacia afuera.

  • Ventaja: minimiza o elimina la necesidad de consumir agua directa. En climas fríos, se aprovecha el aire exterior (free cooling) sin activar grandes compresores.
  • Desventaja: el aire es un conductor térmico poco eficiente en comparación con los líquidos. Ante las altísimas densidades que exige la IA, refrigerar solo con aire requiere un consumo eléctrico desmedido.

2. Sistemas evaporativos (torres de agua)

Aprovechan la física de la evaporación para disipar la temperatura. El calor de los servidores se transfiere a un circuito de agua que luego se rocía en torres donde parte del líquido se evapora hacia la atmósfera, enfriando el resto.

  • Ventaja: altísima eficiencia térmica que reduce el consumo de energía eléctrica.
  • Desventaja: consumo directo de agua dulce. Gran parte del volumen utilizado sale del circuito cerrado en forma de vapor, sin regresar directamente a las cuencas locales.

3. Refrigeración líquida directa (direct-to-chip)

En lugar de enfriar todo el ambiente del recinto, esta técnica lleva tuberías con líquido refrigerante directo hasta las placas y microprocesadores más calientes.

  • Ventaja: los líquidos transportan calor con mayor capacidad que el aire, lo que la vuelve ideal para la densidad de la IA.
  • El matiz clave: muchos de estos sistemas operan mediante circuitos cerrados. Por eso hay que diferenciar entre el agua que circula internamente y el agua que se extrae y evapora. Usar agua en circuito no equivale a consumirla.[2]

4. Refrigeración por inmersión

Es la opción más avanzada y llamativa. Los servidores no se ventilan ni se canalizan: se sumergen por completo en tanques llenos de un líquido dieléctrico (no conductor de la electricidad) que absorbe el calor en contacto directo.

  • Ventaja: maneja cargas térmicas altísimas sin ruido y con consumo de agua directo casi nulo.
  • Desventaja: exige una reestructuración total de la infraestructura, insumos costosos y mantenimiento especializado. No es una "solución mágica" inmediata.

El clima y la ubicación: la decisión es territorial

Imaginemos dos centros de datos idénticos con el mismo volumen de servidores. Uno está instalado en la Patagonia o en el norte de Europa; el otro, en una zona semiárida o con altas temperaturas estivales. Aunque utilicen el mismo software, sus huellas ecológicas serán muy distintas.

El clima determina el esfuerzo técnico del sistema. A medida que el calentamiento global incrementa las temperaturas medias regionales, los centros de datos se ven obligados a consumir más agua y electricidad para mantener la misma temperatura de procesamiento, lo que presiona la energía y las redes hídricas locales.

Por eso, la discusión no puede limitarse a "cuánta agua gasta la IA" en abstracto. La refrigeración de servidores es siempre una decisión territorial. Dónde se instala el nodo, qué tecnología utiliza, de qué cuenca se abastece y con qué otros usos comunitarios compite son las preguntas que definen el costo real de nuestra vida digital.

FUENTES

[1] Agencia Internacional de Energía (IEA) (2025). Energy and AI. iea.org/reports/energy-and-ai. Estima que la refrigeración va del 7 % del consumo eléctrico en los centros de datos más eficientes a más del 30 % en los menos eficientes.

[2] Lei, N., Lu, J., Shehabi, A. y Masanet, E. R. (2025). The water use of data center workloads: A review and assessment of key determinants. Resources, Conservation and Recycling, 219, 108310. https://doi.org/10.1016/j.resconrec.2025.108310

ENERGÍA · HUELLA HÍDRICA

Agua directa vs. agua indirecta: la cara oculta de la energía

Cuando hablamos del impacto ambiental de la inteligencia artificial, la imagen mental más común es la de un centro de datos evaporando litros de agua para evitar que sus servidores se sobrecalienten. Sin embargo, este consumo directo es apenas la mitad de la historia. Existe un segundo grifo, a menudo igual de grande o mayor, y mucho más silencioso, que se abre cada vez que interactuamos con un modelo de IA: el agua indirecta.

El agua directa es la que se utiliza in situ, dentro de las instalaciones de los centros de datos. Los procesadores de alto rendimiento generan un calor masivo al procesar millones de datos. Para mantener los equipos a temperaturas seguras, las infraestructuras emplean sistemas de enfriamiento evaporativo que consumen y evaporan agua de manera constante. Es un impacto tangible, que se puede medir a nivel local, en el edificio donde operan los servidores.

Lo que raras veces se contabiliza en el debate público es el agua consumida por fuera para generar la electricidad que alimenta a esos mismos servidores. Las plantas termoeléctricas (carbón, gas natural, nuclear) necesitan volúmenes gigantescos de agua para sus condensadores de vapor y sistemas de refrigeración. Incluso las centrales hidroeléctricas pierden agua por evaporación directa en los grandes embalses. Por lo tanto, cada megavatio-hora que consume la IA lleva implícita una enorme huella hídrica que ocurre a kilómetros de distancia del centro de datos.[1][3]

En el cálculo de UC Riverside para una consulta de texto, con el promedio de los centros de datos de EE. UU., cerca del 87 % del agua es indirecta: por cada mililitro que se evapora en el centro de datos, casi siete se consumen en las centrales eléctricas.[2]

Este doble consumo crea una paradoja: mover un centro de datos a una zona fría reduce el uso de agua directa para enfriamiento, pero si la electricidad de esa región proviene de plantas térmicas de ciclo combinado, la huella de agua indirecta se dispara. La ubicación geográfica define tanto la eficiencia de los ventiladores de la instalación como qué tan "sedienta" es la red eléctrica que la alimenta.

Calculadora de ubicación

¿Dónde vive tu IA?

Elegí una región y mirá cómo cambia la proporción entre agua directa e indirecta.

AGUA DIRECTA (in situ) AGUA INDIRECTA (red eléctrica)
25 %
75 %

En regiones frías como el norte de Europa, el consumo directo es bajo por el clima, pero la huella indirecta depende del mix térmico de la red.

* Estimación ilustrativa para fines educativos, no un dato medido por región específica. La proporción real depende de la matriz eléctrica y el diseño de cada instalación.

Evaluar la sostenibilidad de la IA analizando únicamente el agua que entra por la tubería del centro de datos es considerar solo una fracción del impacto ambiental real. Para tener métricas honestas hay que sumar la huella directa y la indirecta. Si entendemos que cada vatio consumido es también una gota evaporada, podemos exigirles a las tecnológicas una transición hacia energías limpias y de bajo impacto hídrico.

FUENTES

[1] Macknick, J., Newmark, R., Heath, G. y Hallett, K. C. (2012). Operational water consumption and withdrawal factors for electricity generating technologies. Environmental Research Letters, 7(4), 045802. https://doi.org/10.1088/1748-9326/7/4/045802. Valores de agua consumida por MWh según la fuente de generación.

[2] Li, P., Yang, J., Islam, M. A. y Ren, S. (2023). Making AI Less "Thirsty": Uncovering and Addressing the Secret Water Footprint of AI Models. UC Riverside. arXiv:2304.03271. Tabla 1: 2,2 ml de agua directa y 14,7 ml de indirecta por consulta, en el promedio de EE. UU.

[3] Jones, W. D. (2008). How much water does it take to make electricity? IEEE Spectrum. spectrum.ieee.org

TRANSPARENCIA · REPORTES CORPORATIVOS

Cajas negras: ¿por qué es tan difícil saber cuánta agua consume la IA?

La infraestructura que sostiene la inteligencia artificial también utiliza recursos naturales. Aunque las grandes tecnológicas publican informes ambientales y anuncian compromisos de sostenibilidad, todavía hay dificultades para comparar sus impactos y conocer qué sucede en cada territorio.

Cada vez que usamos una herramienta de inteligencia artificial, interactuamos con una interfaz que parece intangible: escribimos una pregunta, recibimos una respuesta y seguimos adelante. Pero detrás de esa experiencia hay servidores, centros de datos, sistemas de refrigeración y redes eléctricas. Toda esa infraestructura necesita energía y, según cómo funcione y dónde esté ubicada, también puede requerir cantidades importantes de agua.

Importa cuánto consume la inteligencia artificial, pero también qué información tenemos para medirlo, cómo se presenta y quién puede acceder a ella.

Un informe publicado en 2026 por el Instituto de la Universidad de las Naciones Unidas para el Agua, el Medio Ambiente y la Salud advierte sobre el crecimiento de la huella ambiental de la IA y proyecta que, para 2030, su consumo de agua podría ser equivalente al de 1.300 millones de personas del África subsahariana.[1] Es una proyección, no una medición del consumo actual.

La magnitud de estas estimaciones plantea una pregunta: si la infraestructura digital tiene consecuencias físicas, ¿podemos conocerlas con suficiente detalle para evaluar sus efectos?

El agua vinculada a la inteligencia artificial no se utiliza de una única manera. Para entender su impacto hay que distinguir al menos dos dimensiones.

  • Consumo directo: agua utilizada en las instalaciones, por ejemplo, para determinados sistemas de refrigeración. Parte de esa agua puede evaporarse y no regresar inmediatamente a la misma cuenca.
  • Consumo indirecto: agua asociada a la producción de la electricidad que alimenta los servidores. Su magnitud depende de la matriz energética y de las tecnologías empleadas para generar esa electricidad.

También hay una dimensión más amplia: la fabricación de equipos y las cadenas de suministro. Incluirla o excluirla puede cambiar considerablemente el resultado de una estimación.

Por eso, dos cifras expresadas en litros pueden no ser comparables: quizás una mida solamente la refrigeración de un centro de datos y otra incluya también el agua asociada a la electricidad. Una investigación publicada en 2025 encontró que el uso de agua por carga de trabajo puede variar en más de cuatro órdenes de magnitud, debido a diferencias en eficiencia, infraestructura, refrigeración, clima y suministro eléctrico.[2]

No existe una cifra universal de agua por consulta que describa por igual a todos los modelos, tareas y centros de datos. Para que una estimación sea útil, debe explicar qué mide y bajo qué condiciones.

¿Qué publican las grandes tecnológicas?

Empresas como Google, Microsoft y Meta publican informes ambientales y anuncian objetivos relacionados con el agua. Sin embargo, que existan informes no significa que toda la información necesaria para evaluar el impacto esté disponible de forma homogénea.

Por ejemplo, Microsoft publica indicadores de eficiencia hídrica de sus centros de datos, conocidos como Water Usage Effectiveness (WUE). En sus datos del ejercicio fiscal 2025, informa un valor global de 0,27 litros por kilovatio-hora para los centros de datos que cumplen con los criterios de inclusión de su metodología.[3] La empresa también aclara que utiliza estimaciones cuando no dispone de datos primarios para determinadas instalaciones.

Meta, por su parte, declara como objetivo ser water positive en 2030: reponer más agua de la que consume en sus operaciones mediante proyectos de restauración hídrica.[4] Su informe de sostenibilidad presenta datos sobre consumo y proyectos de reposición.

Estos compromisos y reportes son información relevante. Pero hay que leerlos con atención: reponer agua, reducir el consumo y evitar presiones sobre una cuenca son objetivos relacionados, pero no equivalentes.

Un proyecto de restauración puede contribuir a mejorar la disponibilidad de agua, aunque no necesariamente compense el impacto de extraer o consumir agua en otro lugar. Para evaluar el resultado hay que conocer dónde ocurre cada acción, qué volumen se contabiliza, en qué período y qué beneficios se pueden comprobar.

Más que si una empresa publica cifras positivas, importa si esas cifras permiten entender su desempeño y contrastarlo de manera independiente.

La caja negra: datos agregados y metodologías diferentes

Uno de los principales obstáculos es la falta de información comparable entre instalaciones.

Cuando una empresa comunica un total global, ese número puede ocultar diferencias importantes entre sus centros de datos. Una instalación ubicada en una región húmeda no enfrenta necesariamente las mismas condiciones que otra situada en una zona con sequías frecuentes o con problemas de abastecimiento.

La investigación publicada en AGU Advances en 2026 señala que las empresas suelen divulgar datos parciales o agregados, con información limitada por instalación. También advierte que la falta de criterios estandarizados dificulta comparar los impactos y distinguir entre consumo directo e indirecto.[5]

También importa la metodología. El indicador WUE permite relacionar el agua utilizada para refrigeración y humidificación con la energía consumida por los equipos informáticos. Es útil, pero no representa por sí solo toda la huella hídrica de la infraestructura: no incluye automáticamente el agua empleada para generar electricidad ni la de toda la cadena de suministro.

Para interpretar correctamente cualquier dato, necesitamos saber:

  • Qué se mide: extracción de agua, consumo neto, agua reutilizada o agua repuesta.
  • Dónde se mide: a escala global, regional o de una instalación concreta.
  • Qué se incluye: refrigeración, generación eléctrica y, cuando corresponda, fabricación de equipos.
  • Cómo se calcula: mediciones directas, estimaciones o promedios.
  • Quién lo verifica: la propia empresa, una auditoría independiente u otro organismo.

Sin estos elementos, un indicador puede ser técnicamente válido y, al mismo tiempo, resultar insuficiente para evaluar el impacto ambiental completo.

¿Por qué no siempre conocemos los datos?

Las empresas pueden considerar que ciertos datos operativos son sensibles por razones comerciales o de competencia. Recopilar y publicar información homogénea de instalaciones ubicadas en diferentes países también implica desafíos técnicos y administrativos.

Sin embargo, conocer el consumo de agua de una infraestructura no es solamente una cuestión empresarial. También es importante para las comunidades, los organismos públicos y quienes planifican el uso de los recursos hídricos.

Por eso, la discusión sobre transparencia no debería limitarse a suponer que las compañías ocultan información de manera deliberada. La cuestión más concreta es determinar qué datos se publican, cuáles faltan, qué criterios se utilizan y qué obligaciones existen para hacerlos accesibles.

La transparencia voluntaria puede aportar información útil, pero sus alcances dependen de las decisiones de cada organización. Sin criterios comunes, incluso los informes públicos pueden ofrecer imágenes difíciles de comparar.

Del compromiso ambiental a la rendición de cuentas

Las promesas de sostenibilidad deben evaluarse mediante resultados verificables. Para eso, no alcanza con informar una mejora global: es necesario conocer cómo se distribuyen los impactos y qué sucede en los lugares donde opera la infraestructura.

Un marco de transparencia más sólido debería contemplar, como mínimo:

  1. Datos por instalación: publicar información sobre el consumo y la extracción de agua de cada centro de datos, con las debidas aclaraciones metodológicas.
  2. Criterios comunes: establecer definiciones comparables para medir el consumo directo e indirecto.
  3. Contexto territorial: identificar las fuentes de agua y considerar la disponibilidad local, el estrés hídrico y los usos que compiten por el mismo recurso.
  4. Verificación independiente: permitir que terceros revisen los datos, las estimaciones y los avances declarados.
  5. Acceso público: presentar los resultados de forma comprensible para comunidades, investigadores y organismos de control.

Estas medidas no eliminan por sí solas los impactos, pero permiten discutirlos con evidencia y evaluar si los compromisos anunciados se cumplen.

Una pregunta que también importa en el Sur Global

La localización de la infraestructura digital es parte central del problema. Los centros de datos no existen en un espacio abstracto: se instalan en territorios concretos, utilizan redes eléctricas y sistemas de abastecimiento y conviven con otras actividades que también necesitan agua.

Por eso, el debate no puede limitarse a la eficiencia tecnológica. También debe preguntarse quién decide dónde se construyen estas instalaciones, qué información recibe la población, qué beneficios obtiene el territorio y quién asume los costos ambientales.

En países del Sur Global, como Argentina, estas preguntas resultan especialmente relevantes cuando se evalúan nuevas inversiones en infraestructura digital. No corresponde asumir de antemano que un centro de datos provocará una crisis hídrica, pero tampoco alcanza con presentar la inversión como progreso tecnológico sin analizar sus condiciones locales.

Antes de evaluar un proyecto, hace falta conocer su demanda prevista de agua y energía, las fuentes que utilizará, los efectos acumulativos sobre la cuenca y los mecanismos de control público.

La discusión sobre inteligencia artificial también es, entonces, una discusión sobre planificación territorial, acceso a la información y participación de las comunidades en decisiones que afectan sus recursos.

FUENTES

[1] Instituto de la Universidad de las Naciones Unidas para el Agua, el Medio Ambiente y la Salud (UNU-INWEH) (2026). Informe sobre la huella ambiental de la IA y las proyecciones para 2030, reseñado por Noticias ONU: El costo oculto de la IA (junio de 2026).

[2] Lei, N., Lu, J., Shehabi, A. y Masanet, E. R. (2025). The water use of data center workloads: A review and assessment of key determinants. Resources, Conservation and Recycling, 219, 108310. https://doi.org/10.1016/j.resconrec.2025.108310

[3] Microsoft. Indicadores de eficiencia hídrica de sus centros de datos (Measuring energy and water efficiency for Microsoft datacenters).

[4] Meta. Información sobre gestión y reposición de agua (Water – Meta Sustainability).

[5] Privette, A. P., Barros, A. y Cai, X. (2026). Data Centers Water Footprint: The Need for More Transparency. AGU Advances, 7(2). https://doi.org/10.1029/2025AV002140

JUSTICIA AMBIENTAL · SUR GLOBAL

Sesgo de origen: ¿cómo se investiga la huella hídrica desde el Sur Global?

La inteligencia artificial suele presentarse como una revolución global e intangible, pero su infraestructura física tiene una presencia territorial muy desigual. Para entender este impacto hay que distinguir dos regiones del sistema digital:

  • El Norte Global: concentra el diseño de los algoritmos, los laboratorios de desarrollo tecnológico, la toma de decisiones corporativas y los mayores beneficios económicos de la mercantilización de la inteligencia artificial. Comprende principalmente a los países más industrializados y con mayores ingresos, como Estados Unidos, Canadá, Alemania, Japón y Australia.
  • El Sur Global: suele ser el soporte de la infraestructura material y, en algunos casos, lo que la ecología política latinoamericana llama "zona de sacrificio". Es en las periferias del sistema donde se instalan los centros de datos y las granjas de servidores que demandan energía intensiva, extraen minerales y consumen recursos hídricos locales. Comprende principalmente a los países de África, América Latina, Asia y las islas del Pacífico que han enfrentado mayores desigualdades económicas y procesos históricos de colonización y dependencia.

Mientras el Norte Global concentra el desarrollo del software y la toma de decisiones corporativas, muchas de las cargas ambientales de esta aceleración tecnológica —el consumo intensivo de agua, la demanda de energía y la extracción de minerales— recaen en las periferias del sistema. Por eso, investigar el impacto hídrico de la IA desde el Sur Global implica un doble desafío: la escasez de datos locales y una asimetría estructural de poder.

El Tecnoceno

Tecnoceno es el concepto que Flavia Costa[1] propone para pensar una etapa histórica en la que las tecnologías de alta intensidad y alto riesgo tienen una capacidad creciente para transformar el planeta y nuestras formas de vida. El concepto de Tecnoceno nos permite entender cómo la era de la tecnología digital depende de la transformación y explotación de la naturaleza. Detrás de la metáfora de "la nube" hay una red enorme de centros de datos, cables submarinos y centrales eléctricas. En las regiones en desarrollo, la instalación de infraestructuras digitales suele entrar en conflicto con las necesidades básicas de las comunidades locales, compitiendo por fuentes de agua potable en zonas que ya sufren estrés hídrico o sequías estructurales.

La brecha epistémica

Para los investigadores, periodistas y activistas del Sur Global, auditar el consumo hídrico de las Big Tech es un ejercicio marcado por el "sesgo de origen". La mayor parte de la literatura académica, los datos estandarizados y los modelos de medición provienen de laboratorios e instituciones del Norte Global, respondiendo a sus propios marcos regulatorios y realidades climáticas. A esto se le suma la opacidad corporativa en nuestras latitudes: los acuerdos de instalación de centros de datos suelen estar amparados por cláusulas de confidencialidad y vacíos legales locales, dificultando el acceso a mediciones reales de extracción y evaporación de agua in situ.

El mapa de asimetría del Tecnoceno

Elegí una dimensión y mirá cómo el Norte y el Sur Global viven una misma tecnología de forma opuesta.

NORTE GLOBAL

Centro de cómputo Toma de decisiones Mínima transparencia local

Concentra los estándares de medición y los marcos metodológicos: la mayoría de los datos ambientales sobre IA provienen de laboratorios e instituciones del Norte.

SUR GLOBAL

Soporte de infraestructura Extracción hídrica y de recursos Brecha de información e investigación

Enfrenta una brecha epistémica: falta literatura propia, y depender de promedios internacionales invisibiliza las realidades hídricas locales.

Soberanía de datos para la justicia ambiental

Superar este sesgo requiere investigación propia desde el Sur Global. Importar promedios internacionales sobre cuántos mililitros consume un prompt no alcanza: hace falta exigir la apertura de datos locales, promover la auditoría comunitaria y desarrollar métricas independientes que contemplen las vulnerabilidades hídricas de cada cuenca. La alfabetización ambiental y tecnológica debe servir para disputar la gobernanza de nuestras aguas frente a las presiones del capitalismo de datos.

[1] Costa, F. (2021). Tecnoceno: Algoritmos, biohackers y nuevas formas de vida. Taurus.

Más artículos

TERRITORIO · ARGENTINA

El centro de datos de la Patagonia y la frontera del agua digital

La Patagonia argentina suele evocar imágenes de glaciares, vientos intensos, ríos y grandes extensiones de tierra. Esa geografía, que desde afuera puede parecer inagotable, se está volviendo importante en la economía digital: empresas e inversores buscan instalar allí grandes centros de datos para sostener la expansión de la inteligencia artificial.

Las temperaturas relativamente bajas pueden reducir las necesidades de refrigeración; la región cuenta con recursos para generar energía eólica e hidroeléctrica, además de yacimientos de gas natural. A esto se suman las oportunidades de inversión y los incentivos económicos. Sin embargo, disponer de territorio, energía y un clima favorable no significa que el agua y los demás recursos estén disponibles sin límites.

La expansión de la infraestructura digital plantea preguntas que la tecnología sola no responde: ¿qué ocurre cuando una actividad global necesita recursos de territorios concretos? ¿Quién evalúa sus impactos, quién accede a la información y quién participa de las decisiones?

La Patagonia en el mapa de la inteligencia artificial

Durante 2026, distintos proyectos de centros de datos de gran escala comenzaron a ganar visibilidad en Argentina. La Patagonia aparece como una región estratégica para estas inversiones, aunque hay que distinguir entre los anuncios empresariales y las instalaciones que efectivamente se construyen y operan.

Uno de los proyectos anunciados es Atlas GigaHub, impulsado por la empresa Green Capital en Chubut. Según una investigación publicada por Chequeado el 17 de octubre de 2026, la iniciativa contempla una capacidad informática proyectada de hasta 3.000 megavatios (MW). En ese momento, su ubicación definitiva todavía no estaba definida y no se habían publicado detalles suficientes sobre su consumo de agua y electricidad ni sobre su impacto ambiental.[1]

En paralelo, Neuquén también despertó interés por su combinación de recursos energéticos y condiciones climáticas. Reuters informó en septiembre de 2026 sobre iniciativas en distintas etapas de evaluación, entre ellas propuestas vinculadas con Pampa Energía y FlexDomes, además del proyecto anunciado por OpenAI y Sur Energy. La agencia advirtió que el interés inversor no equivale a la concreción de todos los proyectos: varios todavía necesitan acuerdos, financiación e infraestructura.[2]

La diferencia importa. Una capacidad proyectada no es consumo real, un anuncio de inversión no equivale a una obra terminada y una previsión empresarial no reemplaza una evaluación ambiental.

Aun así, por la escala de las propuestas, la planificación del agua y la energía debería empezar antes de que la infraestructura entre en funcionamiento, no después de que sus demandas se hagan visibles.

El frío ayuda, pero no resuelve el problema hídrico

Los centros de datos albergan servidores que procesan, almacenan y transmiten información. Durante su funcionamiento, estos equipos generan calor y necesitan sistemas que mantengan sus temperaturas dentro de rangos adecuados.

El clima frío puede favorecer la disipación del calor y reducir la necesidad de ciertos mecanismos de refrigeración. Pero el consumo de agua depende también del diseño del centro, de la tecnología utilizada, de la intensidad de las cargas de trabajo y de las condiciones operativas.

Aparte de qué tecnología de refrigeración se utilizará, hay que preguntar cuánta agua necesitará el sistema completo, de qué fuente la obtendrá y qué efectos tendrá esa demanda en el territorio.

El caso de Atlas GigaHub muestra la distancia entre una promesa de eficiencia y la información necesaria para evaluarla.

En octubre de 2026, Chequeado informó que Green Capital había señalado que su proyecto utilizaría refrigeración líquida directa al chip (direct-to-chip) mediante un circuito cerrado. La empresa sostuvo que esa tecnología, junto con las condiciones climáticas de la región, podría reducir el consumo de agua en más de un 90 % frente a sistemas convencionales. Sin embargo, según esa investigación, no había proporcionado una cifra precisa de consumo ni información completa sobre las fuentes de abastecimiento.[1][3]

La distinción importa: una reducción porcentual no permite conocer el volumen final si no sabemos cuál es el consumo de referencia.

Esa información pesa más porque, según la investigación periodística mencionada, Chubut atravesaba una situación de emergencia hídrica y había preocupación local por la disponibilidad de agua.

Esto no demuestra, por sí solo, que el centro de datos vaya a causar una crisis hídrica. Sí justifica que su demanda potencial sea evaluada con información pública, criterios técnicos y participación de las comunidades.

La huella ambiental de la inteligencia artificial no se agota en la refrigeración. Los centros de datos necesitan un suministro eléctrico continuo, redes de transmisión capaces de sostener grandes cargas y conectividad para intercambiar enormes cantidades de información.

Un proyecto puede anunciar que utilizará energías renovables, pero hay que conocer cómo se abastecerá en cada momento, qué capacidad de generación adicional requerirá y qué respaldo tendrá cuando la producción renovable sea insuficiente.

¿Qué sabemos sobre la regulación en Argentina?

La regulación es otra dimensión central del debate. Una investigación de Chequeado publicada en abril de 2026 señaló que Argentina todavía no contaba con normas específicas para los grandes centros de datos comparables con las desarrolladas en otras jurisdicciones. El marco existente incluye normas generales ambientales, energéticas y de uso del agua, además de instrumentos de promoción de inversiones, pero no un régimen integral específico para esta infraestructura.[4]

Los proyectos no están exentos de toda obligación ambiental, y existen competencias provinciales y locales. La pregunta es si las reglas actuales alcanzan para las características y la escala de estos emprendimientos.

Otros países sirven de comparación. Según la misma investigación, Chile cuenta con un Plan Nacional de Centros de Datos para 2024-2030, mientras que Brasil ha avanzado con instrumentos regulatorios propios para el sector. Estas experiencias no deben trasladarse mecánicamente a Argentina, pero muestran que es posible vincular la promoción de inversiones con objetivos de sostenibilidad, eficiencia y desarrollo local.[4]

Para el caso argentino, una discusión regulatoria sólida podría contemplar:

  1. Evaluaciones ambientales previas, que consideren el consumo de agua y energía, las emisiones, el ruido y los impactos acumulativos.
  2. Información pública por instalación, con datos periódicos sobre extracción, consumo y reutilización de agua.
  3. Criterios comparables de eficiencia, que permitan evaluar distintas tecnologías sin confundir indicadores parciales con la huella completa.
  4. Evaluación territorial, considerando la disponibilidad de agua, las necesidades de las poblaciones y las actividades productivas existentes.
  5. Participación ciudadana y control independiente, con acceso a los estudios y a los compromisos asumidos por las empresas.

La regulación no tiene por qué oponerse a la innovación. Puede establecer las condiciones para que el desarrollo tecnológico sea compatible con los derechos de las comunidades y la protección de los ecosistemas.

¿Desarrollo para quién?

Los centros de datos suelen presentarse como oportunidades para atraer inversiones, crear empleo, desarrollar infraestructura y posicionar a una región dentro de la economía digital.

Estos beneficios potenciales merecen ser considerados. Sin embargo, hay que analizar cómo se distribuyen en el tiempo y entre los distintos actores.

La construcción de una instalación puede generar una actividad económica importante durante un período determinado, mientras que su operación posterior puede requerir una cantidad diferente de trabajadores. También importa saber qué proporción de los empleos será local, qué proveedores podrán participar, qué ingresos fiscales recibirá la región y qué inversiones públicas serán necesarias.

Al mismo tiempo, la demanda de recursos y los efectos sobre el territorio deben evaluarse durante toda la vida útil del proyecto.

Por eso, el análisis no debería reducirse a elegir entre inversión y protección ambiental. La pregunta es bajo qué condiciones una inversión produce beneficios duraderos y verificables para el lugar donde se instala.

En una región con actividades productivas, comunidades y ecosistemas que dependen de recursos compartidos, el desarrollo tecnológico necesita considerar los costos de oportunidad: qué otros usos podrían competir por el agua, la energía, el suelo o la infraestructura.

La frontera del agua digital

La expresión «nube» sugiere un espacio sin fronteras. Sin embargo, la infraestructura que sostiene la inteligencia artificial tiene una geografía concreta: se instala en determinados territorios, utiliza recursos locales y se integra en redes energéticas y económicas que tienen sus propias condiciones.

Esta diferencia importa para pensar la relación entre el Norte y el Sur Global. Las decisiones sobre diseño, financiación y utilización de los servicios pueden estar distribuidas internacionalmente, mientras que las instalaciones físicas y parte de sus impactos se concentran en lugares específicos.

No es necesario asumir que todo proyecto de infraestructura digital es una forma de extractivismo para reconocer que existe una cuestión de poder: quién decide dónde se construye, quién controla los datos, quién obtiene los beneficios y quién tiene capacidad para discutir las condiciones de instalación.

En la Patagonia, estas preguntas deben abordarse con información verificable y sin dar por definidos los resultados antes de tiempo. Los proyectos pueden incorporar tecnologías eficientes y generar beneficios; también pueden producir presiones sobre recursos compartidos si se planifican sin considerar las condiciones locales.

El desafío de la Patagonia, más que atraer la infraestructura de la inteligencia artificial, es decidir bajo qué condiciones esa infraestructura puede convivir con el agua, la energía y los derechos de quienes habitan la región.

GUÍA · CIERRE

Tu huella hídrica digital: guía de acción

A lo largo de este recorrido hemos desarmado el mito de la inmaterialidad digital: la inteligencia artificial no habita en una nube, sino en una infraestructura física sedienta que exige electricidad y millones de litros de agua para evitar que sus procesadores se sobrecalienten. El objetivo de conocer el impacto ambiental de estas herramientas es promover un uso crítico y responsable, que cuide nuestros bienes comunes, sin caer en la parálisis ni en el rechazo tecnológico.

1. El verdadero costo de una respuesta

A nivel usuario, la opacidad de las Big Tech dificulta dimensionar el impacto de nuestras interacciones cotidianas. Sin embargo, como advierte la investigación de Neuquén Ambiental (y una nota similar de The Washington Post)[1], la escala del consumo puede ser tangible: bajo ciertos supuestos de refrigeración y matriz eléctrica, generar un texto de tan solo 100 palabras en modelos de IA avanzados puede consumir hasta medio litro de agua —el equivalente a una botella estándar. Es una cifra de punta superior: la propia calculadora de este sitio, basada en un estudio distinto de UC Riverside, usa un rango de 10 a 25 ml por consulta (unas 20 a 50 veces menos), lo que confirma algo que repetimos en todo el sitio: el número exacto depende muchísimo de qué modelo, qué infraestructura y qué metodología se midan.

Esta refrigeración constante es indispensable; los procesadores de alto rendimiento generan un calor extremo que, de no disiparse mediante evaporación o humidificación, provocaría fallas masivas y caída de servidores. La suma de este consumo individual se refleja en cifras corporativas que, aunque no sean directamente comparables entre sí, son llamativas: en 2021, los centros de datos de Google en EE. UU. consumieron más de 12.000 millones de litros de agua,[2] y en 2022 Microsoft registró un incremento del 34 % en su consumo hídrico anual, impulsado en parte por el entrenamiento de grandes modelos de lenguaje.[3]

2. Hábitos concretos para un uso eficiente

Para moderar la huella hídrica digital no hace falta renunciar a la IA: alcanza con usarla de forma más consciente:

  • Prompts precisos y estructurados: diseñá tus instrucciones con claridad desde el primer intento. Evitá repetir pedidos que obligan a los servidores a hacer los mismos cálculos de nuevo.
  • Selección adecuada del modelo: reservá las arquitecturas masivas de última generación para tareas complejas. Para resúmenes simples o correcciones gramaticales, usá modelos livianos o herramientas de procesamiento local.
  • Menos intentos descartables: pedir diez imágenes o versiones para quedarte con una multiplica el consumo. Pensá bien el pedido antes de generar y pedí menos variantes de prueba.

3. Exigencia técnica y soberanía hídrica

Lo que hace cada usuario tiene que ir acompañado de exigencias a las empresas y los gobiernos. Para avanzar hacia una IA responsable, hay que exigir:

  1. Reuso y filtrado en circuito cerrado: la implementación obligatoria de sistemas cerrados que reciclen y filtren el agua de refrigeración, evitando la extracción continua de fuentes potables o acuíferos locales.
  2. Uso de aguas grises y no potables: prohibir el uso de agua potable para enfriamiento de infraestructura tecnológica en regiones con estrés hídrico.
  3. Auditorías abiertas: obligar a las corporaciones a transparentar sus datos de consumo hídrico y energético de forma desagregada por ubicación geográfica.

4. Medí tu impacto en tiempo real

Para ver cómo se traduce esto en tu vida diaria, probá nuestra calculadora de huella hídrica digital. Ingresá la cantidad de consultas, textos o imágenes que generás al día y mirá el volumen de agua (directa e indirecta) que tu actividad demanda en los centros de datos.

Calculadora de huella hídrica digital Ingresá tus consultas diarias y mirá tu propio número

El futuro de la IA debe ser sostenible. Democratizar el acceso a la tecnología no puede hacerse a costa del acceso al agua potable de las comunidades.

FUENTES

[1] Neuquén Ambiental. La IA y su sed oculta: el consumo de agua que pocos ven; y Verma, P. y Tan, S. (18 de septiembre de 2024). How much energy can AI use? Breaking down the toll of each ChatGPT query (publicada originalmente como «A bottle of water per email»). The Washington Post (con datos de UC Riverside).

[2] Maddison, L. (20 de diciembre de 2022). Google's data center water usage is revealed, and it's a lot. TechRadar (datos de 2021 obtenidos por The Oregonian: unos 3.300 millones de galones en EE. UU.).

[3] O'Brien, M. y Fingerhut, H. (9 de septiembre de 2023). Artificial intelligence technology behind ChatGPT was built in Iowa — with a lot of water. Associated Press.

CULTURA DIGITAL

Generación Prompt: de la fascinación por la velocidad al consumo responsable

Escribir una frase y obtener en segundos un ensayo, un código funcional o una ilustración hiperrealista da una sensación de poder digital. Somos la "Generación Prompt": una audiencia moldeada por la cultura de la inmediatez, donde la fricción ha sido eliminada y la respuesta rápida se ha convertido en la norma. Sin embargo, esta fascinación por la velocidad suele ocultar el costo físico que cada interacción computacional exige al entorno.

Frente a la revelación del impacto hídrico y energético de la inteligencia artificial, suelen surgir dos posturas extremas y poco constructivas:

  1. La tentación de demonizar la herramienta y promover el abandono total de la tecnología.
  2. La narrativa que responsabiliza exclusivamente al usuario final por el consumo hídrico de centros de datos multimillonarios.

Siguiendo a Martin Heidegger[1], la técnica moderna no es una herramienta neutral: es un destino histórico que transforma el modo en que el ser humano habita el mundo, convirtiendo todo —incluido el hombre— en reserva explotable. Para superar esas dos posturas hay que entender que la tecnología no es neutra, pero tampoco inevitable en sus formas actuales. Usar IA no te convierte en responsable del estrés hídrico de una cuenca, pero ignorar cómo opera te priva de la capacidad de exigir alternativas sostenibles.

El problema no reside en el uso con propósito de la IA para la investigación, la educación o el desarrollo técnico. El verdadero impacto acumulativo proviene de la automatización acrítica y las consultas redundantes. Pedirle a un modelo masivo de lenguaje que corrija una coma, genere decenas de variaciones estéticas irrelevantes o responda preguntas triviales activa la misma cadena de enfriamiento hídrico que una tarea de alta complejidad.

Transformar la fascinación en consumo responsable implica adoptar una "pausa reflexiva" antes de enviar cada prompt: ¿Necesito un modelo masivo para esta tarea? ¿Está clara mi instrucción para evitar interacciones innecesarias? Cultivar este uso consciente es un primer paso para dejar de ser consumidores pasivos y volvernos usuarios críticos que piden transparencia y eficiencia a los responsables de la infraestructura.

Hacé la pausa reflexiva: el Cuestionario 5 preguntas para ver qué tan grande es tu propia huella

[1] Heidegger, M. (1994). La pregunta por la técnica (E. Barjau, Trad.). En Conferencias y artículos (pp. 9-37). Ediciones del Serbal. (Trabajo original publicado en 1954)

COMUNICACIÓN · DESINFORMACIÓN

El fenómeno viral del clima: mitos sobre la IA y el ambiente

Entre publicaciones catastrofistas que afirman que la inteligencia artificial va a secar los ríos en meses y el discurso verde de Silicon Valley, las redes sociales distorsionan la discusión ecológica. Un análisis de la huella hídrica algorítmica bajo la lupa del teórico Tarleton Gillespie.

La tiranía del algoritmo de recomendación

Imaginá que abrís TikTok o Instagram y encontrás tras un par de minutos scrolleando algún video con música dramática que sostiene que cada prompt destruye un litro de agua potable. Supongamos que el posteo acumula 2 millones de vistas, miles de guardados y varios comentarios en pánico. Sin embargo, la cifra es falsa o está descontextualizada.

¿Por qué este tipo de contenido se vuelve tan viral mientras las investigaciones rigurosas pasan desapercibidas? La respuesta tiene menos que ver con la desinformación de los usuarios que con lo que el investigador Tarleton Gillespie[1] define como la curaduría algorítmica de las plataformas digitalizadas.

Las plataformas no son meros contenedores neutros de información. Diseñan políticas y sistemas de recomendación que priorizan el efecto emocional inmediato (indignación, miedo, sorpresa) por encima del rigor empírico. En el ecosistema de las redes, la complejidad técnica de la refrigeración evaporativa de un centro de datos no "vende" si no se traduce en un gancho hiperbólico.

Mitos de extremo a extremo: del apocalipsis al "greenwashing"

En la circulación del debate ambiental sobre la inteligencia artificial conviven dos tipos de discursos virales distorsionados:

  1. La hipérbole catastrofista: creadores de contenido que multiplican por diez los datos reales de consumo hídrico para generar clics (clickbait socioambiental). Al infundir ansiedad paralizante en lugar de comprensión crítica, reducen el problema a una culpa individual del usuario y dejan fuera las políticas públicas y las regulaciones corporativas.
  2. El tecnooptimismo corporativo: reels e infografías institucionales que promocionan promesas de "Net Zero" o "Water Positive" para 2030 sin transparentar las métricas actuales de extracción hídrica por región.

¿Cuánto consume realmente un prompt?

Para desmontar la posverdad algorítmica hace falta acudir a la investigación. De acuerdo con estudios recientes desarrollados por investigadores de la Universidad de California en Riverside, un diálogo promedio de 20 a 50 preguntas con un modelo de lenguaje grande (LLM) requiere aproximadamente 500 mililitros de agua. Esa cifra suma el agua que se evapora para refrigerar los procesadores y la que consumen las centrales que generan su electricidad, que es la mayor parte.

Verificador de mitos: IA y huella hídrica

Circulan mucho en redes. Tocá cada mito para ver el fact-check.

❌ "Enviar un mail con IA gasta un balde entero de agua."

Falso. Un correo convencional consume fracciones imperceptibles de mililitro. Una consulta de texto a un modelo generativo ronda los 10 a 25 ml en total, contando el agua de la electricidad, y una imagen, unos 12 ml en promedio.

⚠️ "El agua que usan los centros de datos queda totalmente contaminada e inutilizable."

Engañoso. El agua de refrigeración evaporativa se pierde en forma de vapor a la atmósfera o se recircula. El problema principal es la extracción masiva de agua dulce potable que no regresa a las napas locales, más que la contaminación química.

✅ "Las Big Tech no están obligadas a informar cuánto consumo de agua tienen sus plantas."

Verdadero. En la mayoría de los países de América Latina no existen marcos regulatorios que obliguen a las empresas a publicar el consumo de agua por planta en tiempo real, amparándose en el "secreto comercial".

❌ "Cada prompt que le hacés a un chatbot seca un litro de agua potable."

Falso. Según estudios de la Universidad de California en Riverside, una conversación completa de 20 a 50 preguntas consume cerca de 500 ml. Un litro por una sola consulta exagera el dato real entre 40 y 100 veces.

⚠️ "Las promesas de 'Net Zero' o 'Water Positive' para 2030 significan que ya redujeron su consumo a cero."

Engañoso. Son objetivos a futuro, muchas veces sostenidos con créditos de compensación en cuencas distantes. La extracción de agua dulce en las plantas actuales, en regiones con estrés hídrico, continúa mientras tanto.

Hacia una alfabetización mediático-ambiental

Para contrarrestar el sesgo de la curaduría de plataformas, Gillespie propone entender las políticas del diseño de software y exigir transparencia algorítmica. Como usuarios y comunicadores, la alfabetización digital implica detectar fake news y también comprender la física de la infraestructura.

La próxima vez que un video de 15 segundos te alerte sobre el fin del agua a causa de la tecnología, recordá: la huella hídrica de la IA es real y urgente, y no se va a resolver con titulares virales: hace falta regulación estatal, auditorías ambientales independientes y un periodismo que investigue y presente datos verificables.

[1] Gillespie, T. (2014). The relevance of algorithms. En T. Gillespie, P. J. Boczkowski y K. A. Foot (Eds.), Media technologies: Essays on communication, materiality, and society (pp. 167–194). MIT Press.

INFRAESTRUCTURA · ESCALA

El problema no es tu prompt: la trampa de la escala

Sentir culpa por pedirle un correo a la IA es caer en una trampa que les conviene a las grandes corporaciones. El colapso ambiental no es culpa de tu prompt: es consecuencia de la escala.

La culpa individual como trampa de diseño

Es fácil sentir culpa cuando miramos las métricas. Saber que pedirle a la inteligencia artificial que redacte un correo o genere una imagen consume decenas de mililitros de agua y vatios de energía nos empuja a pensar: "debería usar menos esta herramienta". Pero detenernos en la culpa individual es caer en una trampa que les conviene a las grandes corporaciones. El colapso ambiental de la IA no es culpa de tu prompt; es consecuencia de la escala.

La IA por defecto: una infraestructura que no elegiste

El verdadero impacto viene de que la industria tecnológica decidió imponer la IA generativa como la infraestructura por defecto del mundo digital. Hoy la IA se incrusta en cada búsqueda web, en cada actualización de software y en cada aplicación móvil, independientemente de si el usuario la necesita o no. Una simple consulta web, que antes requería una fracción de segundo y una cantidad minúscula de energía, hoy es procesada por modelos masivos que pueden multiplicar varias veces el gasto energético.[1]

El efecto multiplicador: de mililitros a mega centros de datos

A esto se suma el efecto multiplicador. Hablamos de miles de millones de interacciones diarias.[2] Para sostener esta arquitectura, las empresas tecnológicas están en una carrera armamentística de infraestructura. Construyen mega centros de datos del tamaño de ciudades pequeñas, que demandan tanta electricidad que tensionan las redes energéticas y, en algunos casos, prolongan el uso de centrales fósiles.[3]

El multiplicador de escala

Un prompt individual es casi nada. Arrastrá el control para multiplicarlo por la cantidad de gente que usa IA todos los días.

15 ml

lo que gasta tu prompt

1 usuario10 mil1 millón100 millones

⚠️ La escala cambia el problema: un gesto imperceptible, multiplicado por 100 millones de usuarios diarios, se vuelve un consumo que hay que medir y planificar, sobre todo si se concentra en una misma cuenca.

De la culpa al reclamo: regulación, no racionamiento

La narrativa de la "huella de carbono individual", popularizada por una campaña de la petrolera BP en los años 2000,[4] traslada la responsabilidad al consumidor, mientras las grandes tecnológicas revelan muy poco sobre el impacto ambiental real de sus modelos a gran escala. Racionar nuestros prompts o dejar de experimentar con la tecnología no alcanza: hay que exigir regulación sistémica, transparencia corporativa y límites claros a la expansión sin planificación de una infraestructura que, sin reglas, puede privatizar las ganancias y socializar la sequía y la contaminación.

FUENTES

[1] Agencia Internacional de Energía (IEA) (2024). Electricity 2024. iea.org/reports/electricity-2024. Compara una búsqueda tradicional (≈0,3 Wh) con una consulta a ChatGPT (≈2,9 Wh).

[2] TechCrunch (21 de julio de 2025). ChatGPT users send 2.5 billion prompts a day.

[3] Agencia Internacional de Energía (IEA) (2025). Energy and AI. iea.org/reports/energy-and-ai. Proyecta que la demanda eléctrica de los centros de datos podría duplicarse hacia 2030.

[4] Kaufman, M. (2021). The carbon footprint sham. Mashable.

HUELLA HÍDRICA

El ciclo invisible del agua: ¿es reversible el gasto hídrico de la IA?

Cada consulta, imagen o modelo entrenado deja una huella líquida en el planeta. Frente a la crisis hídrica global, nos preguntamos si el agua utilizada para refrigerar la era digital se recupera o si se trata de un consumo extractivo sin retorno.

Introducción: la ilusión de la inmaterialidad

Cuando interactuamos con una interfaz de inteligencia artificial —ya sea para redactar un texto, resolver un problema de código o generar una ilustración— la experiencia en pantalla se percibe como algo instantáneo y liviano. El concepto comercial de "la nube" contribuye a consolidar este sentido común: un espacio abstracto y sin fricciones físicas.

Sin embargo, detrás de cada prompt hay una infraestructura industrial enorme compuesta por miles de servidores procesando datos en simultáneo. Y toda esa maquinaria genera calor extremo. Para evitar que los procesadores colapsen, los centros de datos (data centers) necesitan sistemas masivos de refrigeración que consumen millones de litros de agua dulce.

Aquí surge la pregunta incómoda que la industria tecnológica suele eludir: ¿de dónde sale esa agua, a dónde va y, sobre todo, ese gasto es reversible?

1. El desglose del costo hídrico: ¿cómo gasta agua la IA?

Para entender la reversibilidad del proceso, primero hay que distinguir los dos tipos principales de consumo hídrico asociados a la computación intensiva:

  • Agua directa (refrigeración evaporativa): es el agua que se utiliza de manera local en las torres de enfriamiento de los centros de datos para absorber el calor de los servidores mediante evaporación. Según UC Riverside, una consulta de texto estándar demanda entre 10 y 25 ml de agua en total[1], pero solo una parte menor (cerca del 13 %, en el promedio de EE. UU. de ese estudio) se evapora en el propio centro de datos. Una imagen generada, con la energía que midieron Luccioni et al. (2024), ronda los 12 ml en total.[2]
  • Agua indirecta (matriz energética): es el agua consumida por las centrales hidroeléctricas, termoeléctricas o nucleares que generan la electricidad necesaria para mantener funcionando las granjas de servidores. Esto añade un gasto estimado de 0,5 a 2,5 litros de agua por cada kWh consumido[3] y, en el cálculo de UC Riverside, es la mayor parte del agua de una consulta: cerca del 87 %.

ELEMENTO INTERACTIVO

El balance hídrico de tus consultas

Con los rangos de este artículo, calculá cuánta agua (directa e indirecta) demanda tu uso mensual de IA.

—

de agua por mes, directa + indirecta (rango estimado)

Estimación con los valores del artículo (10–25 ml por consulta de texto, según UC Riverside; 12–49 ml por imagen, según la energía medida por Luccioni et al., 2024, del promedio al modelo más exigente; mes de 30 días). Incluye el agua directa y la indirecta de la electricidad.

2. ¿El agua consumida es reversible o se pierde para siempre?

Desde una perspectiva estrictamente físico-química, el agua en el planeta no "desaparece" (el ciclo hidrológico global continúa), pero el impacto sobre las cuencas locales y la potabilidad del recurso sí es irreversible en términos prácticos y temporales.

El proceso de consumo en los centros de datos tiene una lógica extractiva por tres motivos:

  1. Evaporación hacia la atmósfera: gran parte del agua utilizada en los sistemas de enfriamiento evaporativo se transforma en vapor y se dispersa en la atmósfera. No regresa de manera inmediata a la cuenca local de donde fue extraída, alterando el balance hidrológico de regiones que a menudo ya sufren estrés hídrico o sequías estructurales.
  2. Contaminación térmica y química: el agua que no se evapora y retorna a los cuerpos de agua locales (ríos o lagos) suele hacerlo a una temperatura significativamente más elevada (contaminación térmica), lo que altera los ecosistemas acuáticos locales y reduce el oxígeno disuelto. A eso se suman los tratamientos químicos anticorrosivos y antibacterianos aplicados en los circuitos de refrigeración, que complican su saneamiento.
  3. Competencia con el consumo humano y agrícola: los centros de datos suelen instalarse en zonas estratégicas por su conectividad o costos energéticos (a veces en regiones áridas o semiáridas). Allí, la extracción masiva de napas subterráneas o agua de red para uso industrial compite directamente con el consumo humano y la agricultura de subsistencia, lo que genera conflictos socioambientales profundos.

3. La geopolítica del recurso: ¿quién paga el costo?

El problema de la irreversibilidad es técnico, y también político y territorial. Aquellos países industrializados y poderosos en lo económico diseñan, entrenan y explotan comercialmente los modelos de lenguaje, monetizando los beneficios de la IA, mientras que las externalidades ecológicas —como el agotamiento de acuíferos locales en zonas periféricas— recaen sobre los territorios donde se emplazan físicamente los servidores. Tratar el agua como un insumo infinito e intercambiable es un síntoma del Tecnoceno: una etapa donde los límites ecológicos del planeta son subordinados a la aceleración tecnológica y al lucro corporativo.

Conclusión: hacia una contabilidad transparente de los recursos

El gasto hídrico de la inteligencia artificial no se "devuelve" de forma limpia ni automática al ecosistema local del que fue extraído. Cada interacción digital tiene un costo material que afecta directamente a reservas de agua dulce cada vez más escasas.

Frente a este escenario, la salida es la transparencia radical y la adopción de alternativas (como los modelos de lenguaje locales o SLMs, la optimización de código y la migración hacia tecnologías de refrigeración cerradas o por inmersión), no la parálisis tecnológica. Visibilizar el problema es el primer paso para exigir regulaciones ambientales justas antes de que las cuencas queden secas.

¿Querés medir el impacto de tus consultas?

El agua evaporada por los centros de datos no vuelve de forma inmediata a las comunidades afectadas. Ponete al mando de la gestión en nuestro simulador interactivo y descubrí si podés mantener un servidor en equilibrio sin agotar los recursos locales.

Jugar a SequIA ↗

FUENTES

[1] Li, P., Yang, J., Islam, M. A. y Ren, S. (2023). Making AI Less "Thirsty": Uncovering and Addressing the Secret Water Footprint of AI Models. UC Riverside. arXiv:2304.03271

[2] Luccioni, A. S., Jernite, Y. y Strubell, E. (2024). Power Hungry Processing: Watts Driving the Cost of AI Deployment? ACM FAccT '24. https://doi.org/10.1145/3630106.3658542. Generar una imagen consume en promedio unos 2,9 Wh; con la intensidad hídrica que usa UC Riverside (≈4,2 L por kWh), da unos 12 ml.

[3] Macknick, J., Newmark, R., Heath, G. y Hallett, K. C. (2012). Operational water consumption and withdrawal factors for electricity generating technologies. Environmental Research Letters, 7(4), 045802. https://doi.org/10.1088/1748-9326/7/4/045802

AGUA · TERRITORIO

¿Quién tiene prioridad sobre el agua?

La expansión de la inteligencia artificial y el conflicto por un recurso compartido.

El desarrollo de la inteligencia artificial suele presentarse como una revolución digital capaz de transformar la economía, la educación, la medicina y buena parte de la vida cotidiana. Sin embargo, detrás de cada avance tecnológico existe una infraestructura material que necesita energía, minerales, componentes electrónicos y, especialmente, agua.

A medida que las empresas tecnológicas amplían sus modelos y servicios, también crece la necesidad de construir centros de datos, fabricar procesadores y sostener sistemas informáticos cada vez más potentes. Esto plantea un interrogante: ¿qué sucede cuando el crecimiento de la industria tecnológica entra en competencia con otras actividades que también necesitan agua?

La visión de Sam Altman: aprovechar al máximo los recursos

En una entrevista para el canal de YouTube Cheeky Pint, Sam Altman, director ejecutivo de OpenAI, planteó una reflexión sobre el aprovechamiento de los recursos informáticos. Al referirse a la memoria RAM de las computadoras personales, cuestionó que gran parte de esa capacidad permanezca sin utilizar durante buena parte del tiempo.[1]

Su argumento apunta a que sería más eficiente concentrar y aprovechar esos recursos mediante infraestructura en la nube, en lugar de mantener capacidad informática distribuida que no se utiliza constantemente.

Esto abre una discusión: la concentración de recursos puede presentarse como una estrategia de eficiencia, pero también implica una mayor dependencia de grandes infraestructuras tecnológicas.

¿Qué ocurre cuando trasladamos esta lógica al territorio? Los centros de datos no existen en un espacio virtual: necesitan instalaciones físicas, sistemas de refrigeración, electricidad y recursos naturales. Por eso, pensar en la eficiencia informática también exige preguntarse por sus consecuencias ambientales.

De la nube al territorio: el agua detrás de la inteligencia artificial

Cuando utilizamos una herramienta de inteligencia artificial, la interacción parece ocurrir exclusivamente en una pantalla. Sin embargo, cada servicio depende de centros de datos donde funcionan miles de servidores que procesan y almacenan información.

Estas instalaciones necesitan controlar la temperatura de sus equipos para funcionar correctamente. Según el sistema de refrigeración utilizado, pueden requerir agua directamente. La generación de la electricidad que las alimenta también puede tener una huella hídrica indirecta.[2]

El impacto no es igual en todos los centros de datos: depende de su ubicación, tecnología, fuente energética y sistema de refrigeración. Pero hay algo que no cambia: cuando una infraestructura tecnológica se instala en un territorio, pasa a formar parte de la realidad ambiental y económica de esa comunidad.

¿Agua para quién? La competencia por un recurso compartido

El agua es indispensable para el consumo humano, la producción de alimentos, la industria y el mantenimiento de los ecosistemas. Sin embargo, su disponibilidad no es ilimitada y tampoco se distribuye de manera uniforme.[3]

En regiones donde existe estrés hídrico, la instalación de grandes centros de datos puede abrir nuevos interrogantes sobre la distribución de los recursos. ¿Cómo se compatibiliza la demanda de una empresa tecnológica con las necesidades de la población local? ¿Qué ocurre cuando el agua disponible no alcanza para cubrir todas las actividades?

La industria tecnológica no siempre compite directamente con el consumo humano o la agricultura: depende de las condiciones de cada territorio. Pero las decisiones sobre nuevas instalaciones tienen que contemplar la disponibilidad de agua, los usos existentes y los posibles impactos ambientales.

Explorá los usos del agua

¿Quién utiliza el agua?

El agua cumple funciones diferentes en la sociedad. Su disponibilidad y distribución dependen de cada territorio.

Qué incluye

Consumo doméstico (beber, cocinar, higiene personal y limpieza) y saneamiento. Es la base de la salud y de las necesidades básicas: sin agua segura se dificulta la vida cotidiana y aumentan los riesgos sanitarios.

De qué depende

De la fuente (río, napa, embalse), del tratamiento que la vuelve potable y de las redes que la llevan hasta cada hogar.

En una región con abundancia de aguaEn una región con estrés hídrico

El desafío suele ser de infraestructura y calidad: que el agua llegue segura a todos, incluso donde hay mucha.

Es un uso esencial y también muy vulnerable: cuando el recurso escasea, las comunidades necesitan saber si su abastecimiento está garantizado.

Qué incluye

El agua para regar cultivos y sostener la producción de alimentos, además de la actividad ganadera.

De qué depende

De los cultivos, el clima, las técnicas de riego y la disponibilidad de agua en cada época del año.

En una región con abundancia de aguaEn una región con estrés hídrico

Puede apoyarse más en lluvias y cursos cercanos. Aun así importan la eficiencia del riego y la calidad del agua que vuelve a los cauces.

La demanda de riego suele coincidir con las épocas de menor disponibilidad: las técnicas de riego y la elección de cultivos pasan a ser decisiones clave.

Qué incluye

Agua como insumo, para limpiar, enfriar equipos o procesar materiales en distintas actividades productivas.

De qué depende

El consumo varía según el sector y la tecnología utilizada: algunos procesos reutilizan agua y otros la devuelven con otra temperatura o calidad.

En una región con abundancia de aguaEn una región con estrés hídrico

La cuestión central suele ser la calidad del agua que se devuelve (vertidos, temperatura) y los permisos para usarla.

Ganan peso el reúso, el reciclado y las fuentes alternativas. El tipo de proceso y la calidad requerida determinan cuánto se puede sustituir.

Cómo usan el agua
Consumo directo

El agua que se usa en la propia instalación, por ejemplo para refrigerar los equipos. Depende del sistema de refrigeración: algunos usan poca agua y más electricidad.

Huella hídrica indirecta

El agua asociada a generar la electricidad que los alimenta. Ocurre en otro lugar (centrales y embalses), pero forma parte del impacto.

De qué depende

De la ubicación, el clima, la tecnología de refrigeración, la fuente de energía y las reglas de cada territorio.

En una región con abundancia de aguaEn una región con estrés hídrico

Importa de qué fuente toma agua cada instalación y si informa cuánto usa. La huella indirecta de la electricidad existe igual.

Cambia mucho si se abastece de la misma fuente local que otros usos o de fuentes alternativas (por ejemplo, agua reutilizada). Depende de las fuentes, la infraestructura, la calidad del agua y las regulaciones.

Tocá una tarjeta para ver más. No todos los usos dependen de la misma fuente: eso cambia según la ubicación, las fuentes disponibles, la infraestructura, la calidad del agua y las regulaciones.

ESCENARIO TERRITORIAL

Con buena disponibilidad el desafío no desaparece: se desplaza hacia la calidad del agua, la infraestructura y la planificación.

Prioridades
  • Que el agua segura llegue a todos los hogares
  • Sostener los usos productivos sin agotar las fuentes
  • Cuidar el estado de ríos, lagos y acuíferos
Riesgos
  • Creer que el recurso es ilimitado y no medir los consumos
  • Contaminación o calentamiento del agua que se devuelve
  • Sequías o cambios estacionales que alteran el escenario
Decisiones de gestión
  • Registrar y publicar cuánta agua usa cada actividad
  • Planificar con una mirada de largo plazo
  • Monitorear la calidad y la recuperación de las fuentes
Para pensar

Cuando el agua es limitada, ¿cómo deberían tomarse las decisiones sobre su distribución?

* Módulo cualitativo e ilustrativo: no presenta cifras ni porcentajes de consumo. Las prioridades y las reglas de asignación varían según la normativa y el territorio.

¿Quién toma las decisiones?

La discusión es técnica, pero también económica, política y social. Las empresas tecnológicas deciden dónde invertir y qué infraestructura desarrollar. Los gobiernos y organismos competentes intervienen en las autorizaciones, regulaciones y controles. Mientras tanto, las comunidades necesitan conocer qué recursos se utilizarán, qué beneficios traerán las instalaciones y cuáles podrían ser sus consecuencias.[4]

Por eso hace falta transparencia. Para evaluar el impacto de un centro de datos no alcanza con conocer cuántos servidores tiene o cuánta capacidad de procesamiento ofrece. También hay que saber cuánta agua utiliza, de dónde proviene, qué sucede con ella después de su uso y cómo se relaciona ese consumo con la disponibilidad hídrica local.

¿Puede existir una inteligencia artificial sostenible?

La innovación tecnológica y el cuidado ambiental no necesariamente son objetivos incompatibles. Existen alternativas para reducir el impacto hídrico de los centros de datos, como mejorar los sistemas de refrigeración, reutilizar agua, incorporar tecnologías más eficientes y elegir ubicaciones considerando las condiciones ambientales.

Sin embargo, la eficiencia por sí sola no resuelve todos los problemas. Si la demanda de inteligencia artificial continúa creciendo, una reducción del consumo por unidad de procesamiento podría coexistir con un aumento del consumo total debido a la expansión de la infraestructura.

Por eso, el debate no debería limitarse a desarrollar tecnologías que usen menos agua: también tiene que fijar criterios claros sobre cómo, dónde y bajo qué condiciones se utilizan los recursos naturales.

Una pregunta que va más allá de la tecnología

La inteligencia artificial puede transformar nuestras sociedades, pero su desarrollo no debería quedar separado de las responsabilidades ambientales y sociales que implica.

Aparte de cuánta agua necesita una inteligencia artificial para funcionar, hay que preguntarse quién decide destinar agua a esa actividad, qué otras necesidades existen en el territorio y qué mecanismos garantizan que las comunidades no queden relegadas frente a los intereses económicos.

En un mundo donde el agua es cada vez más valiosa, el progreso tecnológico también debe medirse por su capacidad de convivir con los límites ambientales y respetar las necesidades de la sociedad. Porque, al final, la nube puede ser digital, pero el agua que necesita es real.

FUENTES

[1] Sam Altman, entrevista en el canal de YouTube Cheeky Pint (Stripe): youtube.com/watch?v=iMsUcCYNKqY. Fuente del argumento sobre el aprovechamiento de la memoria RAM y la nube.

[2] OCDE, OECD Digital Economy Outlook 2024 (Volume 2). Infraestructura digital y desafíos ambientales.

[3] UNESCO, Informe Mundial de las Naciones Unidas sobre el Desarrollo de los Recursos Hídricos (WWDR). Contexto sobre disponibilidad, gestión y distribución del agua.

[4] ONU-Agua (UN-Water), unwater.org. Información sobre seguridad hídrica y gestión sostenible.