La IA impacta el medio ambiente a través de siete mecanismos físicos concretos, medibles y documentados por organismos oficiales. Son estos:

1. Consumo eléctrico de los centros de datos
2. Consumo y vertido térmico de agua
3. Residuos electrónicos por recambio de GPU
4. Extracción de minerales y tierras raras
5. Emisiones indirectas (alcances 2 y 3)
6. Ocupación de suelo y ruido
7. Saturación de redes eléctricas locales

La escala ya no es anecdótica: los centros de datos consumieron 485 TWh en 2025 y casi duplicarán su consumo hasta cerca de 950 TWh en 2030, según el informe Key Questions on Energy and AI de la IEA (abril de 2026). En las próximas secciones desmontamos cada mecanismo siempre con el mismo patrón: cómo ocurre físicamente, cifras oficiales fechadas, un caso real con nombre propio y qué lo agrava o lo mitiga.

Una aclaración de alcance: aquí no emitimos veredicto. Si lo que buscas es la respuesta directa a la pregunta de si la IA contamina el medio ambiente, ese análisis tiene su propio artículo. Este se queda en el cómo: la física y la ingeniería que convierten un modelo de lenguaje en electricidad, agua, chatarra y ruido.

Los 7 mecanismos de un vistazo

La tabla resume los siete mecanismos con la cifra oficial más representativa de cada uno. Si prefieres el cuadro de mando completo de indicadores, con metodología y evolución, lo tienes en nuestra guía técnica sobre el impacto medioambiental de la IA.

Mecanismo 1: consumo eléctrico de los centros de datos

De la multiplicación de matrices al megavatio: por qué la IA consume tanto

Un modelo de IA generativa es, en el fondo, una calculadora de matrices descomunal. Cada respuesta obliga a miles de millones de transistores a conmutar en paralelo para multiplicar enormes tablas de números, y cada conmutación disipa una cantidad ínfima de energía en forma de calor. Repetida billones de veces por segundo, esa minucia se convierte en megavatios. Por eso los racks cargados de GPU alcanzan densidades de potencia muy superiores a las de los servidores clásicos de web o correo: el mismo armario concentra ahora un bloque de aceleradores trabajando al límite.

Todo ese calor hay que evacuarlo, y la refrigeración es el segundo gran sumidero. El sector lo mide con el PUE (Power Usage Effectiveness): la energía total que entra en el edificio dividida entre la que consumen solo los equipos informáticos; todo lo que excede de 1 son refrigeración, conversión eléctrica y pérdidas. Conviene además separar dos fases. El entrenamiento concentra picos intensivos durante semanas, con miles de GPU funcionando sin pausa hasta ajustar el modelo. La inferencia —responder consultas— gasta poco por operación, pero es un goteo constante, 24 horas al día, multiplicado por millones de usuarios.

Las cifras oficiales: de 415 TWh a casi 1.000 TWh

El punto de partida lo fijó la IEA en su informe «Energy and AI» (abril de 2025): los centros de datos consumieron unos 415 TWh en 2024, en torno al 1,5% de la electricidad mundial, con EE. UU. concentrando el 45%, China el 25% y Europa el 15%. Su proyección: llegar a 945 TWh en 2030, creciendo un 15% anual, con los servidores acelerados por IA aumentando su consumo un 30% al año frente al 9% de los convencionales. La actualización de abril de 2026 eleva la foto: 485 TWh en 2025, camino de ~950 TWh en 2030; los centros de datos específicos de IA crecieron un 50% solo en 2025 y apuntan a triplicarse hacia 2030. Para dimensionarlo: un centro de datos típico orientado a IA consume como 100.000 hogares, y los mayores en construcción, 20 veces más.

Dos datos de la propia IEA desactivan el alarmismo fácil: el crecimiento de los centros de datos supone menos del 10% del crecimiento de la demanda eléctrica mundial entre 2024 y 2030 —pesan más el vehículo eléctrico, la climatización o la industria—, y una consulta simple de texto consume menos electricidad que tener encendida una televisión durante el mismo tiempo.

La cifra por consulta es, además, una lección sobre cómo se mide: la IEA estimó 2,9 Wh por petición a ChatGPT en «Electricity 2024» (enero de 2024); Epoch AI la recalculó a ~0,3 Wh en febrero de 2025; Sam Altman declaró 0,34 Wh en junio de 2025; y Google midió en producción 0,24 Wh para el prompt mediano de Gemini (agosto de 2025) con metodología completa: contando solo el chip serían 0,10 Wh. Entre mayo de 2024 y mayo de 2025, la energía por prompt de Gemini cayó 33 veces. Desgranamos esa evolución, dato a dato, en cuánta electricidad consume ChatGPT.

Caso real: Irlanda, cuando los centros de datos superan a los hogares

Ningún país muestra mejor adónde conduce este mecanismo. Según la Central Statistics Office de Irlanda, los centros de datos consumieron el 22% de la electricidad medida del país en 2024. En 2015 era el 5%. Hoy gastan más que todos los hogares urbanos irlandeses juntos, que se quedan en el 18%.

Qué lo agrava y qué lo frena

Lo agrava el dinero: el capex de las grandes tecnológicas superó los 400.000 millones de dólares en 2025 y la IEA espera que suba otro 75% en 2026, por encima de la inversión mundial en producción de petróleo y gas. Lo frena la eficiencia: la energía consumida por tarea de IA cae al menos 10 veces al año, un ritmo de mejora sin precedentes. La pregunta abierta es cuál de las dos curvas gana. Mientras tanto, hay una certeza física: toda la electricidad que entra en la sala de servidores sale convertida en calor, y ese calor, en la mayoría de las instalaciones, se combate con agua. Ese es el mecanismo 2.

Mecanismo 2: consumo de agua y vertido térmico

Ese calor que dejamos pendiente al cerrar el mecanismo 1 hay que evacuarlo, y en muchas instalaciones se hace con agua. Dos caras: la que se evapora y sale de la cuenca, y la que vuelve más caliente y más cargada de lo que entró.

Cómo un centro de datos evapora agua: torres de refrigeración y WUE

El recorrido es sencillo: los chips ceden su calor a un circuito de agua que acaba en torres de refrigeración, donde se enfría evaporándose. La mayor parte se convierte en vapor, y ese es el «consumo»: litros que salen de la cuenca y no vuelven. El resto se purga periódicamente, porque al evaporarse solo agua pura las sales se concentran en el circuito.

La métrica estándar es el WUE (Water Usage Effectiveness): litros por kilovatio-hora. Las diferencias entre operadores son enormes:

Un matiz: el WUE solo mide el agua directa de refrigeración; generar la electricidad consumida también evapora agua en las centrales, un consumo indirecto que estas cifras no recogen.

Las cifras: de cinco gotas por consulta a millones de metros cúbicos

El equipo de Pengfei Li, Jianyi Yang, Mohammad A. Islam y Shaolei Ren (UC Riverside y UT Arlington) estimó que entrenar GPT-3 pudo evaporar unos 700.000 litros de agua dulce, y que el modelo «bebe» una botella de 500 ml por cada 10-50 respuestas (arXiv 2304.03271; versión en Communications of the ACM, 2025). Su proyección: la demanda global de IA podría extraer 4.200-6.600 millones de metros cúbicos en 2027, más que la extracción anual de cuatro a seis Dinamarcas.

En el otro extremo, la petición de texto mediana de Gemini consume 0,26 ml —unas cinco gotas— según la medición en producción de Google (agosto de 2025), y Sam Altman cifró la de ChatGPT en unos 0,32 ml (junio de 2025). El problema es la suma: el consumo de Google creció un 28% en 2024, hasta 8.100 millones de galones —unos 30.700 millones de litros— (Environmental Report 2025), y rondó los 10.900 millones en 2025, otro +34% (Informe Ambiental 2026). El consumo de agua de Microsoft ya había crecido un 34% en 2022, hasta unos 6,4 millones de m³, en parte por las cargas de IA generativa (Data Center Dynamics). Tienes el desglose consulta a consulta en cuánta agua consume ChatGPT.

El vertido térmico: el agua que vuelve caliente, con sales y biocidas

El agua que no se evapora vuelve al medio, y no vuelve igual. Según un informe técnico de la Universidad de Georgia (2025), la descarga más caliente reduce el oxígeno disuelto del río o lago receptor, estresa a peces y organismos acuáticos y favorece floraciones de algas; la purga de las torres puede arrastrar además sales, biocidas, inhibidores de corrosión, metales pesados y PFAS. Y la escala impresiona: Loudoun County (Virginia), el mayor hub de centros de datos del mundo, usó en 2023 unos 1.000 millones de galones, en su mayoría potables. Qué acaba en el agua, el aire y el suelo lo desgranamos en contaminación causada por la IA.

Casos reales y mitigación: Chile, Uruguay, Países Bajos y Talavera

Este mecanismo ya frena proyectos concretos. En Cerrillos (Chile), un tribunal ambiental revocó parcialmente en 2024 el permiso del centro de Google al revelarse que necesitaría 7,6 millones de litros diarios del acuífero sobreexplotado de Santiago; Google pausó y rediseñó con refrigeración por aire (DCD). En Canelones (Uruguay), el proyecto consumiría casi 8 millones de litros al día —el uso doméstico de 55.000 personas— en plena peor sequía en 74 años; también acabó rediseñado por aire (Mongabay). En Middenmeer (Países Bajos), Microsoft consumió 84 millones de litros de agua potable en 2021 —entre 4 y 7 veces lo comprometido— en plena sequía (DCD).

La mitigación también es medible. Meta recortó un 24% el agua prevista en Talavera de la Reina —hasta unos 504 millones de litros anuales— al pasar a refrigeración por aire seco: el agua de refrigeración bajó de 200 millones a 600.000 litros al año (Mundiario, diciembre de 2023). Microsoft presentó un diseño sin agua de refrigeración que evita unos 125.000 m³ anuales por instalación, y repuso más de 104 millones de m³ (informe de mayo de 2025). Google repuso el 78% del agua dulce consumida con 165 proyectos (Informe Ambiental 2026).

Mecanismo 3: residuos electrónicos por el recambio acelerado de GPU

Una GPU de centro de datos no se retira porque deje de funcionar: se retira porque deja de compensar. Ese matiz explica por qué la IA apunta a convertirse en una fuente relevante de residuos electrónicos.

Por qué una GPU de IA se retira en pocos años

Tres motores aceleran el recambio. El primero es físico: un acelerador de IA trabaja al límite las 24 horas del día; ese estrés térmico continuo fatiga silicio y soldaduras, y la electromigración —el desplazamiento gradual de átomos metálicos en los conductores por el paso constante de corriente— erosiona los circuitos. El segundo es económico: cada generación de chips ofrece más rendimiento por vatio, y llega un punto en que pagar la factura eléctrica de la anterior sale más caro que sustituirla. El tercero, el coste de oportunidad del rack: el espacio y la potencia contratada valen más que el hardware viejo que los ocupa.

Reciclarlas, además, es difícil: soldaduras y mezcla íntima de metales, cerámicas y plásticos complican la separación, y los discos suelen destruirse por privacidad.

Cifras: hasta 5 millones de toneladas y un reciclaje que no sigue el ritmo

El estudio de referencia lo firmaron Wang, Zhang, Tzachor y Chen en Nature Computational Science (octubre de 2024): solo los grandes modelos de lenguaje podrían generar entre 1,2 y 5 millones de toneladas acumuladas de e-waste entre 2020 y 2030, con hasta 2,5 millones de toneladas anuales en 2030 en el escenario más agresivo.

El contexto global no acompaña. Según el Global E-waste Monitor 2024 de ITU y UNITAR, el mundo generó 62 millones de toneladas de residuos electrónicos en 2022 —llenarían 1,55 millones de camiones de 40 toneladas, una fila que rodearía el ecuador— y solo el 22,3% se documentó como recogido y reciclado adecuadamente. Peor todavía: el e-waste crece cinco veces más rápido que su reciclaje documentado.

Caso real: multiplicar por 1.000 la base de 2023

El propio trabajo de Nature funciona como caso cuantificado. Su escenario agresivo implica multiplicar por unas 1.000 veces la base de 2.600 toneladas registrada en 2023, una explosión impulsada por el recambio rápido de GPU y servidores que modela el propio artículo (DOI 10.1038/s43588-024-00712-6).

La palanca del 86%: reducir, reutilizar, reparar, reciclar

El mismo estudio deja la parte esperanzadora: las estrategias circulares —reducir, reutilizar, reparar y reciclar— podrían recortar el e-waste de la IA hasta un 86% (Nature Computational Science). En Europa, la Directiva RAEE ya obliga a los productores a hacerse cargo de sus equipos al final de la vida útil, un marco que alcanza también a los servidores. Y la reutilización es más viable de lo que parece: una GPU que ya no es rentable para entrenar modelos punteros puede seguir años sirviendo inferencia u otras cargas menos exigentes. Cada tarjeta recuperada cuenta doble, porque cada GPU desechada arrastra consigo los minerales que costó extraer: justo el siguiente mecanismo.

Mecanismo 4: extracción de minerales y tierras raras

Antes de procesar su primer dato, cada GPU ha exigido volar roca, moler mineral y refinar metal en varios continentes. Es el mecanismo más invisible de los siete: ocurre lejos del centro de datos, pero sin él no funciona ninguno de los demás.

Del yacimiento a la GPU: qué mineral va en cada componente

Cada pieza de la infraestructura de IA arrastra su propia cadena mineral:

El peaje físico se repite: obtener un kilo de metal útil obliga a mover y procesar volúmenes de roca mucho mayores, el refinado consume grandes cantidades de agua y energía, y los lodos acaban en balsas de residuos que exigen vigilancia durante décadas. Nada de eso figura en la ficha técnica del servidor.

Cifras: una demanda que se multiplica y déficits a la vista

El Global Critical Minerals Outlook 2025 de la IEA, publicado en mayo de 2025, pone números al tirón: la demanda de litio creció casi un 30% solo en 2024 —frente al ~10% anual de la década de 2010— y se multiplicaría por cinco hasta 2040. La oferta no acompaña: los proyectos mineros ya anunciados dejan déficits implícitos del 30% en cobre y del 40% en litio para 2035. Los centros de datos empujan esa curva: añadirían unas 512.000 toneladas de demanda de cobre de aquí a 2030, según análisis basados en el mismo informe.

Caso real: los controles de exportación de China (2024-2026)

La dependencia dejó de ser teórica con tres fechas:

• 3 de diciembre de 2024. China prohíbe exportar a EE. UU. galio, germanio, antimonio y materiales superduros (USITC).
• 4 de abril de 2025. Pekín somete a licencia siete tierras raras medias y pesadas —samario, gadolinio, terbio, disprosio, lutecio, escandio e itrio— y sus imanes permanentes; régimen aún vigente en 2026, según Holland & Knight.
• 9 de octubre de 2025. Amplía los controles con reglas extraterritoriales que alcanzan explícitamente a semiconductores y dispositivos de IA fabricados fuera de China con tierras raras chinas (Mayer Brown). Tras la tregua con Washington, China suspendió esa ampliación un año, hasta el 10 de noviembre de 2026, y retiró la prohibición de galio, germanio y antimonio.

Moraleja: la cadena de suministro de la IA pende de un cuello de botella geopolítico que se abre y cierra a golpe de anuncio ministerial.

Qué lo agrava y qué lo mitiga

Lo agravan dos cosas: la concentración del refinado en muy pocos países y el recambio acelerado de hardware del mecanismo 3, porque cada generación de GPU jubilada antes de tiempo exige minerales frescos para la siguiente. Lo mitiga cerrar ese mismo círculo: recuperar el cobre, el estaño y el tántalo de las GPU retiradas rebaja la presión sobre las minas, y los marcos europeos de materias primas críticas empujan a diversificar proveedores y a reciclar en suelo europeo. Quien busque el análisis crítico completo de esta dependencia extractiva, con su contraargumento, lo tiene en por qué se dice que la IA es mala para el medio ambiente.

Mecanismo 5: emisiones indirectas (alcances 2 y 3)

Ningún servidor emite CO₂ por sí mismo. La huella climática de la IA nace en otro sitio: en la central que genera la electricidad y en las fábricas, canteras y obras que levantan la infraestructura. Ese desplazamiento tiene nombre técnico: alcances 2 y 3.

Alcances 1, 2 y 3: dónde se esconde la huella de la IA

El estándar contable de las tecnológicas, el GHG Protocol, reparte las emisiones en tres cajones. El alcance 1 agrupa las directas: generadores de respaldo, gases refrigerantes. El alcance 2, las de la electricidad comprada. Y el alcance 3, toda la cadena de valor: fabricar los chips, construir los edificios, transportar el hardware. La huella de la IA vive casi entera en los cajones 2 y 3, con un matiz decisivo: el alcance 2 puede calcularse con la red real que alimenta la instalación (location-based) o con la energía contratada sobre el papel (market-based); con certificados renovables, la cifra market-based baja aunque la red local siga quemando gas. El marco completo de medición está en nuestra guía de la huella de carbono de la IA; la diferencia entre entrenar un modelo y usarlo, en cuánto CO₂ genera realmente el entrenamiento.

Las cifras de las big tech, informe a informe (2024-2026)

El patrón dominante: el alcance 3 crece y arrastra el total, mientras los alcances 1 y 2 tienden a contenerse; la excepción es el alcance 2 de Amazon, que subió un 34% en 2025.

Caso real: Google, un 81% más de emisiones que en 2019

Google es la anatomía perfecta de este mecanismo. Compra energía limpia a gran escala —de media, un 65% de su consumo es libre de carbono— y su alcance 2 market-based bajó un 3% en 2025. Y aun así el total subió un 18% en un año, hasta un +81% desde 2019, con el consumo eléctrico creciendo un 37%. La explicación está en el alcance 3: fabricar servidores y construir centros de datos supone ya el 80% de su huella y creció un 25% en 2025. Descarbonizar el enchufe se puede comprar; descarbonizar el hormigón y los chips, todavía no.

La respuesta nuclear: de Three Mile Island a los SMR

Para atacar el alcance 2, las grandes tecnológicas han firmado contratos nucleares a décadas vista:

• Microsoft y Constellation (septiembre de 2024): PPA de 20 años para reabrir la Unidad 1 de Three Mile Island con 835 MW (Constellation).
• Google y Kairos Power (octubre de 2024): primer acuerdo corporativo del mundo por una flota de reactores modulares pequeños (SMR): hasta 500 MW para 2035 (Google).
• Amazon y Talen Energy (junio de 2025): 1.920 MW de la central nuclear de Susquehanna hasta 2042 (Talen), más el proyecto Cascade de SMR con X-energy en Washington (Utility Dive).
• Meta y Constellation (junio de 2025): 1.121 MW de la central de Clinton (Illinois) desde junio de 2027 (Constellation).

Estos contratos atacan el alcance 2. Pero el mecanismo sigue intacto donde más pesa: ningún reactor descuenta el carbono de fabricar chips y verter hormigón, y ese alcance 3 sigue creciendo en todos los informes.

Mecanismo 6: ocupación de suelo y ruido continuo

Un centro de datos no es una nube: es un polígono de naves, subestaciones y viales que, una vez encendido, no vuelve a apagarse.

Suelo sellado: hectáreas de hormigón, cubiertas y viales

El primer efecto es silencioso: losas, cubiertas, aparcamientos y viales sellan e impermeabilizan la parcela, y la lluvia deja de infiltrarse para convertirse en escorrentía. Sobre suelo agrícola o periurbano, además, se pierde superficie productiva y se fragmenta el entorno de forma difícilmente reversible.

La escala impone. El campus de Meta en Talavera de la Reina ocupa 191 hectáreas en Torrehierro —parcela principal de unas 102 ha y 72.705 m² edificables—, con 750 millones de euros de inversión y hasta 10 años de obras, según el Gobierno de Castilla-La Mancha. El «Proyecto Rhodes» de Blackstone/QTS en Calatorao (Zaragoza) prevé 8 centros de datos sobre 224 hectáreas, con unos 12.000 millones de euros en total, según Reuters. Y el condado de Loudoun (Virginia) acumula 26 millones de pies cuadrados construidos —unos 2,4 millones de m²— y otros 5 millones en desarrollo, según Prince William Times.

El zumbido 24/7: refrigeración, transformadores y generadores diésel

El segundo efecto se oye. Enfriadoras y ventiladores giran las 24 horas y emiten un zumbido tonal de baja frecuencia que apenas varía de día a noche y atraviesa muros mejor que un ruido agudo. Se suman los transformadores, los generadores diésel de respaldo —con arranques periódicos de prueba y olor a combustible— y la iluminación perimetral permanente.

Casos reales: Dowagiac (Míchigan) y las 191 hectáreas de Talavera

En Dowagiac (Michigan) los vecinos denuncian desde 2024 el zumbido continuo, 24 horas al día, de una instalación de minería y datos. En marzo de 2026 la ciudad aprobó su primera ordenanza de ruido industrial —máximo de 65 dB diurnos y 55 dB nocturnos—, sancionó a Hyperscale Data por incumplirla y hay una demanda colectiva por negligencia, según Xataka. En el norte de Virginia, viviendas con 14 centros de datos en un radio de kilómetro y medio acumulan quejas por zumbido, olor a diésel y contaminación lumínica.

Qué lo agrava y qué lo mitiga

Lo agravan la escala hiperescala —más megavatios, más refrigeración y más generadores— y la cercanía a núcleos habitados. Lo mitigan la refrigeración por aire seco, con menos torres y ventiladores (Talavera la adoptó, como vimos en el mecanismo 2); las ordenanzas con límites y sanciones, con Dowagiac como precedente; y las distancias mínimas y pantallas acústicas desde el planeamiento.

Mecanismo 7: saturación de las redes eléctricas locales

Antes de consumir nada, un centro de datos tiene que enchufarse; y la red se ha convertido en el recurso escaso.

Por qué un centro de datos estresa la red: nudos, subestaciones y potencia firme

Un centro de datos de IA pide decenas o cientos de megavatios de potencia firme —disponible las 24 horas, los 365 días— en un único punto de la red: un nudo, donde confluyen líneas y subestaciones. El choque es de ritmos: las redes se dimensionan para crecer despacio durante décadas, y reforzar una subestación o tender una línea lleva años. Un nudo saturado no admite más demanda firme: el cuello de botella es físico —transformadores y cables con una capacidad concreta—, no burocrático. Por eso la capacidad de acceso y conexión, no el suelo ni el capital, decide hoy dónde se construye.

Cifras: colas de conexión de hasta 7 años

Dominion Energy, la eléctrica de Virginia, avisó en agosto de 2024 de que conectar centros de datos de más de 100 MW puede tardar hasta 7 años por cuellos de botella de transmisión, según Bloomberg/Energy Connects. La misma compañía declara unos 40 GW de centros de datos esperando conexión, frente a un pico de todo su sistema de unos 25 GW, según Prince William Times.

Casos reales: Virginia, Dublín y Ámsterdam

EirGrid mantuvo desde 2022 una moratoria de facto en Dublín, sin nuevas conexiones hasta 2028, en un país donde el sector ya consume el 22% de la electricidad, como vimos en el mecanismo 1. Irlanda levantó el veto en diciembre de 2025 con una condición reveladora: cada nuevo centro debe instalar generación in situ o baterías capaces de cubrir toda su demanda, según Bloomberg/Energy Connects. Ámsterdam y Haarlemmermeer impusieron en julio de 2019 una moratoria inmediata, levantada un año después con fuertes restricciones, según Data Center Dynamics; hoy Países Bajos prohíbe los hiperescala de más de 70 MW o 10 hectáreas en la mayor parte del país, según Greenberg Traurig, y un solo centro de Microsoft usa el 1% de la electricidad neerlandesa, según NL Times (julio de 2026).

Qué lo agrava y qué lo mitiga

Agrava el problema la concentración de proyectos en los mismos nudos bien conectados. La vía de escape que prevé la IEA para 2030 —20-25 GW de baterías en centros de datos y 15-27 GW de generación a gas in situ— alivia la red, pero el gas dentro del recinto añade emisiones (mecanismo 5). La flexibilidad de demanda y la planificación anticipada de red son más limpias, aunque más lentas. Y en ningún sitio se ve mejor este mecanismo que en España.

Qué está pasando en España: Aragón, red eléctrica y nuevas reglas

España es el laboratorio europeo donde todos los mecanismos coinciden: inversiones récord, red saturada, contestación social y regulación nueva. Aquí, el resumen ambiental; el detalle de proyectos, en nuestro análisis de los centros de datos de IA en España.

Aragón, el nuevo polo europeo (y su factura de agua y energía)

AWS anunció 15.700 millones de euros en 2024 y Amazon elevó el total hasta 33.700 millones el 2 de marzo de 2026 en el Mobile World Congress, según Amazon; Microsoft acumula anuncios cercanos a los 10.000 millones en Aragón, incluidos 2.900 para Zaragoza; y Blackstone/QTS suma unos 12.000 millones en Calatorao, sobre las 224 hectáreas del mecanismo 6.

La factura hídrica escala en paralelo: la expansión de AWS requerirá unos 755.000 m³ de agua al año a pleno funcionamiento, y la Fundación Basilio Paraíso estima unos 14 hm³ anuales para el conjunto de centros previstos, el 23% del consumo urbano de Zaragoza, según Ecologistas en Acción. En junio de 2026 se difundió que los centros de Amazon emplearon 68 millones de litros; la empresa replicó que no llega al 1% del caudal diario del Ebro y anunció 17,2 millones de euros en proyectos hídricos, según elEconomista.

La contestación tiene nombres y fechas: «Tu Nube Seca Mi Río», nacido contra el centro de Meta en Talavera, pide moratoria y lanzó en enero de 2026 un crowdfunding para litigar; «No Centros de Datos Aragón» convocó el 27 de septiembre de 2025 en Zaragoza la primera manifestación bajo el lema «No es sequía, es saqueo» (más de 250 asistentes según DCD) y calcula que los 23 proyectos anunciados consumirían el 51,6% de la energía aragonesa en 2030, según AraInfo. Aragón acoge, además, el primer litigio contra centros de datos en España.

La red española, al límite: el 41% de las solicitudes, denegadas

La demanda eléctrica nacional alcanzó 256 TWh en 2025, un 2,8% más, y Red Eléctrica señala el «nuevo consumo industrial y digital» como motor. El resto del embudo:

Matiz de SpainDC: de los ~25 GW solicitados, solo unos 3 GW son proyectos reales; el resto, solicitudes especulativas o redundantes.

Las nuevas reglas: reportar el consumo ya es obligatorio

La opacidad se acaba por regulación. La Directiva (UE) 2023/1791 obliga en su artículo 12 a los centros de datos con demanda TI de 500 kW o más a publicar cada año la información de su Anexo VII, y el Reglamento Delegado (UE) 2024/1364 concreta 24 indicadores que comunicar a la base de datos europea antes del 15 de mayo de cada año. En España el reporte se canaliza por ReportENER y las instalaciones de más de 1 MW deben aprovechar el calor residual salvo inviabilidad, confirma MITECO, que además tramita un Real Decreto específico (audiencia pública, agosto-septiembre de 2025). En abril de 2026 la Comisión propuso una etiqueta automática de sostenibilidad a partir de esos datos, con consulta hasta el 23 de abril de 2026, según DLA Piper. Y el AI Act obliga en su Anexo XI a documentar el consumo energético de los modelos de uso general. Quien quiera saber cuánto consume la IA tendrá, por primera vez, datos oficiales.

Qué se está haciendo para mitigar cada mecanismo

Ningún mecanismo carece de respuesta técnica; otra cosa es que baste. La tabla resume quién aplica cada mitigación y cuándo.

La tabla completa: mecanismo, mitigación y quién lo está haciendo

Nada de esto sale gratis: la IEA prevé 15-27 GW de gas en los propios centros en 2030 —alivian la red, pero suman emisiones— y la refrigeración por aire ahorra agua a cambio de más consumo eléctrico. Las técnicas de eficiencia se explican en nuestra guía sobre qué es la IA verde.

Los límites: lo que la eficiencia todavía no resuelve

La mejora unitaria aún no compensa la escala: las emisiones de Google acumulan un +81% desde 2019 y las de Amazon subieron un 16% en 2025, pese a los récords de eficiencia. Influye el efecto rebote —abaratar cada tarea multiplica las tareas—, cuyo análisis dejamos para otro artículo de la serie.

Preguntas frecuentes sobre el impacto físico de la IA

En síntesis

Los siete mecanismos son procesos físicos, medibles con contadores, caudalímetros y sonómetros, y cada vez más regulados. La cifra que retener de cada uno:

• Electricidad: 485 TWh en 2025, camino de casi duplicarse en 2030.
• Agua: GPT-3 pudo evaporar 700.000 litros; la purga vuelve más caliente.
• Residuos: 1,2-5 millones de toneladas de e-waste de los grandes modelos de lenguaje hasta 2030.
• Minerales: déficits del 30% en cobre y del 40% en litio a 2035.
• Emisiones: Google, +81% desde 2019 pese a comprar energía limpia.
• Suelo y ruido: 191 hectáreas en Talavera y 65/55 dB en Dowagiac.
• Redes: el 41% de la potencia solicitada en España, denegada en 2024.

Ya sabes exactamente cómo ocurre cada uno.

Fuentes oficiales

Fuentes primarias, agrupadas por tipo.

• Organismos: IEA — Energy and AI (abr. 2025), Key Questions on Energy and AI (abr. 2026), Global Critical Minerals Outlook 2025 (may. 2025); ITU/UNITAR — Global E-waste Monitor 2024; Red Eléctrica (mar. 2026); MITECO (RD en tramitación); EUR-Lex — Directiva 2023/1791, Reglamento 2024/1364 y AI Act (2024/1689).
• Papers: «Making AI Less Thirsty» (UC Riverside/UT Arlington, CACM 2025); «E-waste challenges of generative artificial intelligence» (Nature Computational Science, oct. 2024); «Measuring the environmental impact of AI inference» (Google, ago. 2025).
• Informes corporativos: Google Environmental Report 2025 y 2026; Microsoft Sustainability Report 2025 y blog hídrico (jun. 2026); Amazon Sustainability Report 2024 y 2025; Meta Sustainability Report 2025; SpainDC, Informe Anual 2025.

Fechas de consulta: agosto de 2026; revisión anual.