Sí, generar imágenes mediante IA no solo consume energía eléctrica, sino también agua. Aunque suene extraño, el proceso de entrenar y ejecutar modelos de inteligencia artificial implica una infraestructura tecnológica intensiva que requiere de refrigeración constante.
Y ahí es donde entra el agua. ¿Qué papel juega este recurso natural en la creación digital moderna?
¿Por qué se necesita agua en la inteligencia artificial?
Los modelos de IA, especialmente aquellos de generación de imágenes, funcionan sobre grandes centros de datos. Estos centros están repletos de servidores que ejecutan cálculos matemáticos complejos y que, como consecuencia, se calientan. Para evitar el sobrecalentamiento y garantizar su correcto funcionamiento, estos servidores necesitan ser enfriados constantemente.
Una de las formas más comunes de refrigeración es a través de sistemas que emplean agua. Grandes cantidades de este recurso se utilizan para mantener a temperatura adecuada los sistemas que hacen posible que una IA, como DALL·E o Midjourney, pueda producir una imagen con apenas unas líneas de texto. Este proceso no es visible para el usuario final, pero ocurre en segundo plano cada vez que se genera contenido.
El agua virtual detrás de una imagen que creamos
Aunque el consumo específico varía según el modelo y la infraestructura, estudios recientes han estimado que la creación de una sola imagen por IA puede utilizar una cantidad de agua equivalente a la de llenar un vaso o incluso más, si se tiene en cuenta todo el proceso asociado.
Este fenómeno se conoce como "agua virtual", un término que se refiere al volumen de agua utilizada indirectamente en la producción de bienes o servicios.
Cada vez que solicitamos a un sistema generar una imagen, estamos activando procesos computacionales en servidores alojados en algún centro de datos, que podría estar en cualquier parte del mundo.
Esos servidores necesitan energía y, posteriormente, necesitan ser enfriados, y para ello se extrae y consume agua. En muchas ocasiones, esta agua proviene de fuentes locales, afectando el suministro de regiones que ya pueden estar enfrentando estrés hídrico.
El entrenamiento de modelos requiere millones de litros
Antes de que un modelo de IA esté disponible para crear imágenes, debe ser entrenado. Este proceso puede durar semanas o incluso meses, y consume grandes cantidades de recursos computacionales. Durante este tiempo, los servidores trabajan sin descanso, generando calor constante que debe ser gestionado eficientemente. Las estimaciones sugieren que el entrenamiento de grandes modelos visuales puede requerir millones de litros de agua, especialmente si se desarrolla en regiones donde el enfriamiento por agua es la solución más viable.
Ejecutar el modelo también implica consumo
Aunque el entrenamiento es intensivo, el uso cotidiano del modelo también tiene un impacto considerable. Cada vez que un usuario genera una imagen, por sencilla que parezca, se ponen en marcha procesos en segundo plano que activan decenas o incluso cientos de nodos de computación.
La demanda de generación masiva por parte de millones de usuarios hace que el consumo diario de agua en estos centros sea constante y elevado.
El papel de los centros de datos
Los centros de datos son el corazón físico de la IA. Empresas tecnológicas que ofrecen servicios de generación de imágenes suelen alquilar o mantener sus propios centros, y el diseño de estos espacios influye directamente en su eficiencia hídrica.
Algunos optan por usar sistemas de refrigeración por aire o técnicas más sostenibles, pero la mayoría sigue empleando agua debido a su alta eficacia para disipar el calor.
Además, muchos centros están ubicados en zonas donde el acceso al agua puede convertirse en una preocupación ambiental y social.
Cuando una empresa tecnológica instala sus servidores en regiones con recursos hídricos limitados, el impacto ecológico puede volverse aún más problemático.
¿Podemos reducir este impacto?
Aunque no es sencillo eliminar completamente el uso de agua en la IA, sí existen soluciones para reducir su impacto. La elección de centros de datos ubicados en regiones con abundancia de agua o donde se empleen sistemas de refrigeración más eficientes puede marcar una diferencia significativa.
En este sentido hay empresas especializadas en la puesta en marcha de centros de datos sostenibles, como es el caso de Ingenostrum, que más allá de la instalación de estos en grandes ciudades como Madrid o Barcelona, enclaves que no pueden ofrecer soluciones renovables, apuesta por otros puntos de nuestra geografía donde estas soluciones son más sencillas y viables de ejecutar. “La importancia de la sostenibilidad hace que tengamos que pensar en otras ubicaciones, separadas principalmente de los grandes núcleos urbanos, donde haya suelo barato, disponibilidad de potencia, y posibilidad de realizar proyectos renovables ad hoc, así como soluciones de eficiencia energética específicas para cada emplazamiento”, afirma a este respecto Gabriel Nebreda, CEO de esta compañía, que con una cartera de 400 MW de potencia distribuidos en Extremadura, Galicia, y País Vasco, busca captar 400 millones de euros en equity desde finales de 2025 hasta finales de 2028, tal y como publicamos en Escudo Digital.
Además de esta solución, el desarrollo de algoritmos más optimizados que requieran menos poder computacional para generar resultados similares también contribuiría a una menor demanda energética e hídrica.
La transparencia por parte de las empresas también juega un papel clave. Conocer cuánta agua se usa para generar nuestros contenidos digitales puede ayudarnos a tomar decisiones más informadas y exigir prácticas más responsables.
Un impacto silencioso que ya está ocurriendo
El crecimiento explosivo de la IA generativa ha sido aplaudido por sus beneficios creativos y económicos, pero poco se habla de su huella hídrica. A medida que más personas usan estas tecnologías, el consumo de agua seguirá aumentando, con efectos acumulativos en el medio ambiente.
Si bien una sola imagen generada por IA no supone un gran gasto de agua de forma aislada, la suma de millones de imágenes generadas diariamente sí tiene un impacto considerable. Y mientras el debate público se centra en la privacidad, el uso ético o el empleo, el coste ambiental sigue creciendo en silencio.