Mientras millones de personas en todo el mundo se maravillan con imágenes generadas por inteligencia artificial (IA) al estilo de Studio Ghibli o retratos imposibles creados con herramientas como DALL-E o Midjourney, pocos son conscientes del costo ambiental oculto detrás de estas impresionantes visuales: el agua.
Investigaciones de la Universidad de California, Riverside y la Universidad de Texas en Arlington, junto con estudios publicados por The Washington Post, han revelado un problema que apenas ha sido considerado hasta ahora: el enorme consumo de agua dulce necesario para entrenar y operar los modelos de IA detrás de estas creaciones.
La Huella Hídrica de la IA
Según estos estudios, entrenar un único modelo de lenguaje de gran tamaño como GPT-3 puede provocar la evaporación de hasta 5.4 millones de litros de agua. Esta cifra se debe tanto a la refrigeración de los servidores mediante sistemas de agua en los centros de datos como al uso indirecto del agua en la generación de electricidad.
Esta huella hídrica, hasta ahora invisible en los debates tecnológicos, aumenta aún más durante el proceso de inferencia, es decir, cuando los usuarios generan contenido a partir del modelo ya entrenado. Cada vez que alguien crea una imagen o recibe una respuesta textual de la IA, pequeñas cantidades de agua se evaporan indirectamente a través del funcionamiento de gigantescos centros de datos que operan sin descanso, muchos de ellos alimentados por plantas termoeléctricas con un alto consumo de agua.
El estudio advierte que, sin cambios significativos, el consumo global de agua atribuible a la IA alcanzará entre 4.2 y 6.6 mil millones de metros cúbicos para 2027, una cifra equivalente al consumo anual de agua de países como Dinamarca o la mitad del Reino Unido. Aún más preocupante, estas proyecciones podrían ser superadas solo por el consumo de agua de los centros de datos de IA en EE.UU. para 2028.
¿Por Qué la IA Consume Tanta Agua?
El consumo de agua en la IA se distribuye en tres niveles:
- En los centros de datos: Se usa agua para enfriar los servidores y se evapora en torres de refrigeración.
- En la generación de electricidad: Las plantas termoeléctricas utilizan agua para enfriar sus sistemas.
- En la fabricación de chips y servidores: Se requiere agua ultrapura en procesos altamente contaminantes.
Los centros de datos a gran escala concentran el poder computacional en unas pocas ubicaciones, creando cargas térmicas intensas. Aunque algunos proveedores han cambiado a tecnologías de enfriamiento “en seco”, la mayoría sigue dependiendo de sistemas que evaporan agua potable para enfriar los servidores, ya que este método reduce el riesgo de corrosión en tuberías y el crecimiento de bacterias.
Falta de Transparencia
Uno de los hallazgos más preocupantes del estudio es la falta de transparencia sobre estos impactos. A diferencia de las emisiones de carbono, que ya se incluyen en los informes de algunos modelos de IA, el uso de agua no se reporta ni siquiera en cifras mínimas. Esta omisión, según los investigadores, dificulta el desarrollo de soluciones más sostenibles.
Tampoco existen datos confiables sobre la huella hídrica del proceso de fabricación de hardware. Se sabe, por ejemplo, que las plantas de semiconductores en lugares como Singapur tienen tasas de reciclaje de agua inferiores al 50% y que el agua utilizada en estos procesos puede contener sustancias tóxicas. Apple ha admitido que el 99% de su huella hídrica total proviene de su cadena de suministro.
¿Es Posible una IA Sostenible?
Ante estas revelaciones, gigantes tecnológicos como Google y Microsoft han prometido alcanzar un objetivo de ‘agua positiva’ para 2030, lo que significa devolver al medio ambiente más agua de la que utilizan. Sin embargo, el estudio advierte que las compensaciones no son suficientes: es urgente rediseñar las prácticas de entrenamiento y despliegue de modelos para que estas decisiones también se basen en criterios de eficiencia hídrica.
Por ejemplo, entrenar un modelo en lugares con climas más templados, como Virginia o Texas, donde la eficiencia del uso del agua es mayor, puede reducir significativamente el consumo. También se podría programar el entrenamiento de modelos durante las horas más frescas del día, cuando la necesidad de agua para enfriar los servidores es menor. Esta estrategia, conocida como follow the shade (seguir la sombra), plantea un nuevo dilema: lo que es bueno para reducir las emisiones de carbono puede ser perjudicial para el consumo de agua, y viceversa.
El Paradoja de la Imagen Hermosa
La popularización de las imágenes generadas por IA —muchas de ellas usadas con fines recreativos o estéticos— plantea una paradoja incómoda: mientras admiramos un paisaje de ensueño creado por Midjourney, el equivalente a una botella de agua potable podría haberse evaporado en una región donde este recurso es escaso.
La inteligencia artificial enfrenta una contradicción fundamental: su promesa de resolver los grandes problemas del mundo, como el cambio climático, podría verse eclipsada por su propio impacto ambiental oculto. La ‘sed’ hasta ahora ignorada de la IA ya no puede pasarse por alto.