Las afirmaciones sobre IA y agua suelen oscilar entre dos extremos: “una pregunta vacía una botella” y “son solo unas gotas, por tanto no importa”. Ambas simplifican una infraestructura compartida, distribuida y cambiante.

Este artículo comprueba doce afirmaciones frecuentes con fuentes primarias. Para entender el cálculo por consulta con todas sus fórmulas, consulte nuestra guía sobre cuánta agua consume ChatGPT por pregunta. Aquí nos centramos en identificar exactamente qué parte de cada frase es verdadera, falsa o todavía no puede demostrarse.

Última revisión documental: 28 de julio de 2026.

Doce afirmaciones sobre IA y agua: tabla de veredictos

Mito 1: “Una pregunta a ChatGPT consume una botella de 500 ml”

Veredicto: falso. La comparación procede de Making AI Less “Thirsty”, un trabajo de Pengfei Li, Jianyi Yang, Mohammad A. Islam y Shaolei Ren. Los autores modelaron entrenamiento e inferencia de GPT-3 combinando energía, refrigeración y factores hídricos eléctricos.

La quinta revisión, de marzo de 2025, considera una respuesta media con hasta 800 palabras de entrada y unas 150–300 de salida. En sus escenarios, una botella de 500 ml corresponde aproximadamente a 10–50 respuestas, dependiendo del momento y la ubicación. El promedio estadounidense equivale a unos 16,9 ml por respuesta, de los cuales 2,2 ml son directos y 14,704 ml se atribuyen a la electricidad.

Por tanto, el titular correcto necesitaría cuatro matices:

• no es una pregunta, sino varias respuestas de tamaño definido;
• es un modelo académico, no un contador instalado en ChatGPT;
• se refiere a GPT-3 y a supuestos concretos;
• incluye agua directa e indirecta, algo que muchas métricas de producto no hacen.

Las noticias que aún citan “20–50 preguntas” suelen utilizar una versión anterior del estudio. La revisión de 2025 amplió el rango.

¿Significa que el estudio está equivocado?

No. Su valor consiste precisamente en demostrar que ubicación y electricidad cambian el resultado. El error aparece al transformar un rango condicionado en una constante actual de ChatGPT.

Mito 2: “Ya conocemos el consumo exacto de ChatGPT”

Veredicto: no demostrado. En junio de 2025, Sam Altman escribió que una consulta media a ChatGPT utiliza 0,000085 galones estadounidenses de agua. La conversión da aproximadamente 0,32 ml.

La fuente es relevante porque procede del consejero delegado de OpenAI, pero no contiene el método necesario para considerarla una medición auditada. No identifica:

• qué modelos y versiones componen el promedio;
• la distribución de tokens, tareas y modalidades;
• si cuenta solo agua del centro o también electricidad;
• qué centros, regiones y periodo representa;
• cómo reparte entrenamiento, capacidad inactiva y hardware;
• ni la incertidumbre o verificación externa.

La formulación responsable es “Sam Altman estima una media de 0,32 ml”, no “cada consulta consume exactamente 0,32 ml”.

Gemini tampoco convierte 0,26 ml en una constante universal

Google publicó una metodología técnica para Gemini Apps. Su consulta de texto mediana de mayo de 2025 utilizó 0,24 Wh y 0,26 ml de agua directa del centro de datos. El cálculo incluye acelerador, CPU, memoria, equipos provisionados inactivos y sobrecarga del edificio.

Es una divulgación metodológica más completa, pero sigue siendo una mediana de un producto y periodo. No incluye el agua de la electricidad ni una huella completa de la cadena de suministro. Google indica además que el resultado no ha sido verificado por un tercero.

Mito 3: “Todas las consultas de IA consumen prácticamente lo mismo”

Veredicto: falso. “Una consulta” es una unidad de interfaz, no de trabajo computacional. Puede ser una respuesta de una palabra, el análisis de un documento extenso, una imagen o un agente que utiliza varias herramientas.

La investigación de Lawrence Berkeley National Laboratory encontró variaciones superiores a 10.000 veces entre escenarios de carga. Sus determinantes principales son eficiencia del servidor, factor hídrico de la red, utilización, refrigeración, eficiencia de infraestructura, clima, equipos inactivos y ciclo de renovación.

Ese rango no describe la diferencia habitual entre dos mensajes de ChatGPT. Demuestra que no puede establecerse una constante cuando cambian al mismo tiempo tantas variables.

Factores que el usuario no ve

• modelo y posible enrutamiento automático;
• tokens leídos y generados;
• razonamiento interno y herramientas;
• agrupación de peticiones y utilización del hardware;
• centro de datos y hora de ejecución;
• refrigeración y fuente de agua;
• mezcla eléctrica y pérdidas;
• reparto de infraestructura compartida.

Sin esos datos, una calculadora para consumidores solo puede ofrecer escenarios, no una factura real de agua.

Mitos 4–7: lo que la refrigeración líquida sí y no resuelve

Mito 4: “El agua solo enfría los servidores”

Falso. La refrigeración es la ruta más visible, pero el estudio de GPT-3 muestra que el agua de la electricidad puede superar ampliamente la directa. Además, fabricar semiconductores necesita agua ultrapura y la construcción incorpora otras cadenas materiales.

Una cifra limitada al centro de datos puede ser útil si se etiqueta como agua directa. Presentarla como huella total sería incorrecto.

Mito 5: “Refrigeración líquida significa gastar mucha agua”

Engañoso. Un circuito directo al chip puede permanecer cerrado y recircular el mismo fluido. Su función es transportar calor hasta un intercambiador. Después, el edificio debe expulsarlo mediante aire, evaporación o un sistema híbrido.

Dos centros con placas frías pueden tener resultados hídricos opuestos si uno utiliza torres y otro enfriadores secos. La palabra “líquida” no revela el sistema completo.

Mito 6: “Cero agua para refrigeración significa huella cero”

Falso. Microsoft presentó en 2024 un diseño de circuito cerrado sin evaporación de agua para refrigeración. Es una mejora real, pero la empresa explicó que los primeros pilotos se incorporarían en 2026 y los nuevos centros basados en él empezarían a operar desde finales de 2027.

La afirmación no abarca automáticamente toda la flota ni el agua de la electricidad, chips y construcción. Microsoft también señaló una posible penalización energética nominal frente a sistemas evaporativos, que espera compensar con otras eficiencias.

Mito 7: “El aire exterior solo sirve en países nórdicos”

Falso. Los economizadores pueden aprovechar aire o agua exterior siempre que temperatura y humedad estén dentro de los límites del diseño. Un clima frío aumenta las horas disponibles, pero las consignas y la arquitectura permiten utilizarlos en muchas regiones durante parte del año.

La explicación detallada de cada tecnología está en nuestra guía sobre refrigeración, energía y chips.

Mito 8: “Con energía renovable se resuelve el consumo de agua”

Veredicto: falso. La instalación puede continuar evaporando agua aunque compre electricidad renovable. Además, las tecnologías eléctricas presentan perfiles distintos de consumo, extracción, carbono, suelo y materiales.

La Agencia Internacional de la Energía estimó en Energy and AI que los centros de datos consumieron unos 415 TWh en 2024 y podrían alcanzar 945 TWh en 2030 en su escenario central. La IA impulsa gran parte del crecimiento, pero las cifras comprenden todo el sector.

Una compra anual de certificados renovables tampoco demuestra que el centro funcionara con esa generación en la misma hora y red. Para evaluar el agua indirecta hacen falta factores geográficos y temporales, además del contrato.

Principio de doble comprobación: una decisión puede reducir carbono y aumentar agua, o al revés. Ningún indicador debe utilizarse como sustituto automático del otro.

Mitos 9 y 10: agua potable, promedios y riesgo de cuenca

Mito 9: “Todos los centros de datos utilizan agua potable”

Falso como regla general. La fuente depende del proyecto y la infraestructura local. Puede ser potable, dulce no potable, regenerada, recogida o inexistente en la refrigeración operativa de un sistema seco.

Utilizar agua regenerada puede reducir competencia con el abastecimiento humano, pero no hace desaparecer la evaporación. También deben evaluarse tratamiento, bombeo, estacionalidad y usos alternativos.

Mito 10: “Un promedio nacional permite saber si el impacto es pequeño”

Falso. Una media reparte el volumen entre regiones y meses. Puede ocultar un clúster de instalaciones en la misma cuenca, una sequía o una red municipal limitada.

El impacto local requiere al menos:

• volumen de extracción y consumo por emplazamiento;
• fuente y calidad del agua;
• variación mensual y operación durante sequía;
• estado de la cuenca y usos competidores;
• capacidad de abastecimiento y depuración;
• agua indirecta de la red eléctrica;
• planes de ampliación y demanda acumulada del clúster.

El Reglamento Delegado (UE) 2024/1364 exige a operadores con al menos 500 kW de potencia TI instalada comunicar indicadores de energía y agua. Es un avance, aunque la información pública agregada no sustituye el dato de cuenca ni una métrica por producto.

Mitos 11 y 12: responsabilidad individual y “water positive”

Mito 11: “El usuario es quien debe resolver el problema”

Engañoso. Una persona puede evitar regeneraciones inútiles, describir mejor la tarea y limitar automatizaciones. Sin embargo, no elige el centro, el sistema térmico, la red eléctrica, el agua ni la transparencia.

Las decisiones de mayor escala corresponden a proveedores, operadores, clientes empresariales y administraciones:

• diseñar modelos y sistemas de servicio eficientes;
• evitar capacidad inactiva y bucles de agentes;
• seleccionar ubicaciones con capacidad real de red y cuenca;
• utilizar refrigeración apropiada al clima;
• publicar agua directa, indirecta e incorporada por separado;
• condicionar permisos a datos verificables y límites locales.

Mito 12: “Water positive compensa cualquier impacto local”

No necesariamente. Los compromisos de reponer más agua de la consumida pueden financiar restauración de cuencas, eficiencia agrícola o recarga. Su utilidad depende de adicionalidad, permanencia, medición, ubicación y momento.

Ahorrar agua en otra región o varios años después no garantiza disponibilidad para la comunidad afectada hoy. Un informe responsable debería separar balance corporativo global, consumo del centro y beneficio de los proyectos de reposición.

Cómo comprobar una cifra de IA y agua antes de compartirla

Utilice esta secuencia breve:

1. Abra la fuente original. Una noticia puede haber citado una versión antigua o eliminado condiciones.
2. Identifique el producto. GPT-3, ChatGPT, Gemini Apps y todo el sector no son intercambiables.
3. Defina la unidad. Pregunta, respuesta, conversación, token, entrenamiento, kWh o año.
4. Revise el perímetro. Centro de datos, electricidad, hardware, extracción o consumo.
5. Busque fecha y ubicación. La infraestructura cambia y la geografía determina parte del resultado.
6. Distinga medición de modelo. Ambos pueden ser útiles, pero responden a preguntas diferentes.
7. Compruebe la incertidumbre. Un único decimal no sustituye un rango ni una distribución.

Preguntas frecuentes

¿Es verdad que la IA gasta agua?

Sí. Puede consumirla directamente en refrigeración, indirectamente mediante electricidad y en la cadena de suministro de hardware. La cantidad depende del sistema y no es constante por mensaje.

¿ChatGPT consume 500 ml por pregunta?

No. El estudio citado estimó 500 ml por aproximadamente 10–50 respuestas medias de GPT-3 según escenario, no por una pregunta actual de ChatGPT.

¿Son correctos los 0,32 ml publicados por Sam Altman?

Son una estimación pública atribuible a la dirección de OpenAI, pero no hay metodología que permita conocer su perímetro, modelos, tareas o distribución. No debe presentarse como valor exacto universal.

¿Por qué Google publica 0,26 ml para Gemini?

Su documento calcula agua directa para la consulta de texto mediana de Gemini Apps en mayo de 2025 utilizando un método de servicio completo y el WUE de flota. No incluye el agua de generar electricidad.

¿Qué modelo consume menos agua?

No puede determinarse públicamente con una comparación homogénea. ChatGPT, Gemini y Claude no ofrecen métricas equivalentes de producto, perímetro y verificación.

¿La refrigeración por aire no usa agua?

Puede evitar evaporación en el centro, pero necesita electricidad. Si esa electricidad consume agua al generarse, permanece una huella indirecta.

¿La nuclear ayuda o empeora el problema?

Depende del tipo de central y refrigeración, la fuente de agua y la alternativa eléctrica. Puede aportar electricidad baja en carbono, pero algunas instalaciones térmicas extraen o consumen agua. Deben evaluarse agua y carbono por separado.

¿Comparar la IA con agricultura demuestra que es irrelevante?

No. Las huellas agrícolas suelen incluir categorías de agua distintas y operan a otra escala. El problema de un centro de datos puede ser local aunque el sector sea pequeño globalmente.

¿Borrar conversaciones ahorra agua?

No recupera el agua ya consumida y no existe evidencia pública de un ahorro operativo directo por borrar el historial. Evitar una nueva generación innecesaria sí evita ese trabajo adicional.

¿Qué dato falta más?

Una métrica por producto con distribución de tareas, modelo, energía completa, agua directa e indirecta, ubicación agregada, periodo, incertidumbre y verificación independiente.

Fuentes y criterio editorial

Los veredictos se basan en la definición exacta de cada afirmación. “Falsa” significa que contradice el alcance de la fuente; “engañosa”, que contiene una parte cierta pero omite una condición decisiva; y “no demostrado”, que no dispone de evidencia pública suficiente.

• Li, Yang, Islam y Ren — Making AI Less “Thirsty”.
• Sam Altman — estimación media de ChatGPT.
• Google — metodología ambiental de Gemini Apps.
• Berkeley Lab — variación del agua por carga de trabajo.
• AIE — Energy and AI.
• Microsoft — diseño sin evaporación para refrigeración.
• Reglamento Delegado (UE) 2024/1364.

La evaluación forma parte de nuestra guía práctica de IA sostenible, que sitúa el agua junto con energía, carbono, materiales y utilidad.