¿Cuánta agua usa la IA? Las cifras reales de 2026

¿Cuánta agua usa la IA? Un solo mensaje de texto usa entre unos 0,26 mL, la cifra oficial de Google para un mensaje típico de Gemini, y unos pocos mililitros para una respuesta típica de chatbot. La alarmante cifra viral de ~500 mL «por correo» surge de contar también la cadena de suministro eléctrico, por lo que las estimaciones varían en más de 1000 veces. A gran escala, esto se acumula: los centros de datos de EE. UU. consumieron directamente unos 17.000 millones de galones de agua en 2023, cifra que se prevé que se duplique o incluso se cuadruplique para 2028.

Esta guía te da cifras verificadas para cada versión de la pregunta: por mensaje, por consulta, por día, por año y por centro de datos. Cada cifra está fechada y atribuida a su fuente. Verás por qué las estimaciones creíbles difieren tanto, qué afirmaciones virales fueron desmentidas y cómo se compara el uso de agua de la IA con el de una hamburguesa o una camiseta de algodón. Partimos de los datos, no del pánico, y te contamos lo que los datos todavía no muestran.

Las conclusiones clave

• Por mensaje: ~0,26 mL a unos pocos mL. La cifra oficial de Google de 2025 para un mensaje de texto típico de Gemini es de 0,26 mL (unas cinco gotas); las estimaciones independientes para modelos más pesados se sitúan en las decenas bajas de mililitros.
• La cifra de la «botella de agua por correo» es de ~500 mL, procedente de un estudio de 2023 de UC Riverside, pero incluye el agua usada para generar la electricidad, por lo que es más de 1000 veces mayor que las cifras que solo cuentan la refrigeración.
• Los centros de datos de EE. UU. usaron unos 17.000 millones de galones directamente en 2023, más otros 211.000 millones de galones estimados de forma indirecta a través de la generación eléctrica; se prevé que el uso directo se duplique o cuadruplique para 2028.
• El superordenador Grok de xAI en Memphis puede consumir alrededor de 1 millón de galones de agua potable al día, con una demanda proyectada cercana a los 5 millones, comparable a una ciudad de hasta 50.000 personas.
• La palanca más importante que controlas es la elección del modelo. Un modelo ligero en una tarea sencilla puede usar una fracción del agua de un modelo de vanguardia que responda al mismo mensaje.

¿Cuánta agua usa la IA por mensaje?

Las estimaciones van desde unos 0,26 mL por mensaje (la cifra oficial de Google de 2025 para un mensaje de texto típico de Gemini, unas cinco gotas) hasta cerca de 500 mL para una sesión de 10 a 50 preguntas (un estudio de 2023 de UC Riverside). La diferencia existe porque la cifra baja solo cuenta la refrigeración del centro de datos, mientras que la alta suma el agua usada para generar la electricidad que alimenta los chips. Una cifra realista para un mensaje único y corriente de chatbot se sitúa en unos pocos mililitros, y los modelos de razonamiento más pesados llegan hasta las decenas bajas.

Google Gemini: unos 0,26 mL por mensaje

En agosto de 2025 Google publicó la medición propia más detallada hasta la fecha, basada en datos de producción de mayo de 2025. Encontró que un mensaje de texto típico de Google Gemini usa 0,24 vatios-hora de energía, emite 0,03 gramos de CO2 equivalente y consume 0,26 mililitros de agua, lo que Google describe como unas cinco gotas. Y lo más importante: esa cifra no es un caso ideal escogido a propósito; el método de Google incluye la refrigeración, la capacidad de reserva inactiva, la CPU y la RAM, y los gastos generales del centro de datos, lo que la convierte en una de las cifras individuales más honestas disponibles. Puedes leer la metodología en el informe de impacto ambiental de Google.

ChatGPT: de unos mililitros a unas pocas decenas

OpenAI no ha publicado un desglose al estilo de Google, así que las cifras de ChatGPT son estimaciones independientes. Una respuesta típica de GPT-4o de 150 a 200 palabras equivale a unos 0,3 vatios-hora y aproximadamente 1,5 a 4 mL de agua de refrigeración. Una respuesta comparable de GPT-5 es mucho más pesada, con unos 18 vatios-hora (hasta 40) y una estimación de unos pocos a decenas de mL.

El CEO de OpenAI, Sam Altman, ha afirmado que la consulta media usa «aproximadamente un quinceavo de cucharadita», unos 0,32 mL. No definió qué entiende por «media» ni dijo si el entrenamiento estaba incluido, por lo que los investigadores independientes tratan esa cifra con cautela. Cubriremos ChatGPT en profundidad en un artículo complementario dedicado; en el panorama general, los modelos de razonamiento más nuevos consumen más agua por respuesta, no menos.

Mistral, Claude, DeepSeek y Llama: qué revela realmente cada laboratorio

Solo dos laboratorios publican una cifra de agua propia. Google indica 0,26 mL para un mensaje típico de Gemini, y Mistral publicó un análisis de ciclo de vida completo en julio de 2025, auditado con Carbone 4 y la agencia ADEME de Francia, que sitúa una respuesta de Le Chat de ~400 tokens en unos 45 mL de agua y 1,14 g de CO2e. Para Claude, DeepSeek y Meta Llama no existe ninguna cifra de agua propia; los únicos números disponibles son estimaciones de energía de terceros que después los investigadores convierten a agua usando factores de refrigeración regionales.

Esa laguna importa para un mito muy extendido. A DeepSeek a menudo se le llama «eficiente», pero esa reputación se refiere a su coste de entrenamiento; un análisis independiente de 2025 encontró que DeepSeek-R1 está entre los modelos que más agua consumen en inferencia, con unos 24 a 34 vatios-hora por respuesta de razonamiento, mientras que un modelo ligero sin razonamiento puede quedarse por debajo de 1 vatio-hora. «Ligero» describe cómo funciona un modelo en una tarea concreta, no una marca, y por eso tu elección de modelo y de modo mueve la cifra de agua más que cualquier otra cosa que hagas.

La afirmación de la «botella de agua por correo»: unos 500 mL

La cifra que se hizo viral proviene de «Making AI Less Thirsty», un estudio de 2023 de Pengfei Li y colegas en UC Riverside, popularizado después por el Washington Post como unos 519 mL para redactar un correo de 100 palabras con GPT-4. El Lincoln Institute lo reformuló en octubre de 2025 como que «una sesión de chat de unas 20 consultas usa hasta una botella de agua dulce». No es una cifra incorrecta, pero mide un sistema mucho más amplio que solo la refrigeración, y por eso empequeñece los 0,26 mL de Google.

El mismo estudio calculó que entrenar GPT-3 en los centros de datos de Microsoft en EE. UU. evaporó directamente unos 700.000 litros de agua dulce limpia. Puedes consultar las cifras en el estudio original de UC Riverside.

¿Por qué varían tanto las estimaciones de agua de la IA?

Si has visto «cinco gotas» y «una botella entera» para el mismo mensaje y has pensado que alguien miente, no es así por ningún lado. Las cifras difieren en más de 1000 veces porque miden cosas distintas, y en cuanto conoces el límite de cada una, dejan de contradecirse.

El agua directa es la que evapora un centro de datos para refrigerar sus chips. El agua indirecta es la que consumen las centrales eléctricas para generar la electricidad con la que funcionan esos chips, y a menudo es mayor que la propia refrigeración. Las estimaciones bajas solo cuentan la primera; las estimaciones virales altas cuentan ambas, y en algunos casos también la fabricación de chips. Jonathan Koomey, del Lawrence Berkeley National Laboratory, sostiene que el agua indirecta de la electricidad no debería formar parte de la huella de un centro de datos, ya que ninguna otra industria se mide así. Si todo esto suma un problema real es la pregunta que abordamos en si la IA es mala para el medioambiente.

La metodología importa lo suficiente como para cambiar titulares. En diciembre de 2025, un reportaje de investigación revisó una afirmación muy difundida según la cual un centro de datos de Google en Chile usaría más de mil veces el agua de una ciudad. Descubrió que la cifra estaba equivocada por un factor de 1000 debido a un error de unidades, aunque la instalación sí solicitaba más agua que el uso residencial de la población local. La lección no es que el uso de agua de la IA sea falso; es que siempre debes preguntar qué se está contando, dónde y cuándo antes de repetir una cifra.

¿Cuánta agua usan al día los centros de datos de IA?

Por mensaje, las cifras parecen triviales. Pero los centros de datos procesan miles de millones de mensajes, así que es en los totales diarios donde el impacto se vuelve concreto. Un centro de datos típico usa unos 300.000 galones de agua al día, aproximadamente lo mismo que 1000 hogares. Una instalación grande puede usar hasta 5 millones de galones al día, comparable a una ciudad de hasta 50.000 personas.

Los sitios concretos lo hacen tangible. El centro individual que más consume de Google, en Iowa, usó aproximadamente 2,7 millones de galones al día en 2024. Una instalación de Meta en el condado de Newton, Georgia, consume unos 500.000 galones al día, alrededor del 10 % del agua de ese condado.

En conjunto, la escala es nacional. Los centros de datos de EE. UU. consumieron directamente unos 17.000 millones de galones en 2023 y una cantidad estimada de 211.000 millones de galones de forma indirecta a través de la generación eléctrica, una cifra que el informe del LBNL proyecta que podría duplicarse o cuadruplicarse para 2028. Solo Google informó de un consumo de más de 5.000 millones de galones en sus centros de datos en 2023, con un 31 % procedente de cuencas hidrográficas con estrés hídrico. El uso de agua declarado por Microsoft pasó de 6,4 millones de metros cúbicos en 2022 a 7,8 millones en 2023, un salto de aproximadamente el 22 % en un solo año a medida que ampliaba su infraestructura de IA.

¿Cuánta agua usa la IA al día y al año?

No existe un total anual global oficial, y cualquiera que cite uno con precisión está especulando. Las estimaciones creíbles de 2025 sitúan el consumo de agua de los centros de datos relacionados con la IA en el rango de cientos de miles de millones de litros, y en rápido aumento. El equipo de UC Riverside proyecta una extracción global de agua por parte de la IA de 4,2 a 6,6 miles de millones de metros cúbicos para 2027, más que la extracción anual total de agua de varios países pequeños. La verdadera historia es la trayectoria, no la cifra de un año concreto.

¿Por qué necesita agua la IA?

Los servidores que ejecutan modelos de IA generan un calor intenso, y muchos centros de datos grandes los refrigeran evaporando agua, la misma física que hace que sudar refresque tu piel. Esa agua evaporada sale del sistema local, por lo que los investigadores la registran como consumo, no solo como extracción. Gran parte es agua tratada de calidad potable, aunque los operadores están migrando cada vez más hacia fuentes recicladas o no potables.

También hay un coste oculto anterior. Fabricar los propios chips es extraordinariamente intensivo en agua: una sola fábrica avanzada de semiconductores usa del orden de 10 millones de galones de agua ultrapura al día. Entrenar un modelo es un pico puntual, pero la inferencia, el trabajo diario de responder tus mensajes, es ahora la parte dominante y de más rápido crecimiento de la demanda de agua de la IA. Entender cómo funcionan realmente los sistemas de IA por dentro hace que la factura de refrigeración resulte mucho menos misteriosa.

Grok y la disputa por el agua en Memphis

El ejemplo más claro de que el agua de la IA se convierte en un problema local es el superordenador Colossus de xAI en Memphis, que entrena y ejecuta Grok. Memphis Light, Gas and Water ha confirmado que el sitio puede extraer del orden de 1 millón de galones de agua potable al día del acuífero Memphis Sand para refrigerar sus chips, con una demanda proyectada que se acerca a los 5 millones de galones al día a medida que el campus se expande. Ese acuífero es también la principal fuente de agua potable de la ciudad, por lo que las empresas de servicios públicos locales, la NAACP y el Southern Environmental Law Center se han opuesto.

xAI comenzó en octubre de 2025 la construcción de una planta de reciclaje de agua de $80 millones diseñada para suministrar en su lugar hasta 13 millones de galones al día de aguas residuales tratadas, lo que MLGW calcula que ahorraría unos 5.000 millones de galones de agua del acuífero al año. Desde abril de 2026, Elon Musk ha puesto esa planta en pausa, alegando que xAI necesita terminar antes su segundo sitio, Colossus 2, mientras que las autoridades de Memphis presionan públicamente para reanudarla. Es la mejor ilustración posible de la idea central de este artículo: la cuestión del agua rara vez tiene que ver con tu mensaje y casi siempre con dónde se ubica el centro de datos.

¿Es realmente un problema el uso de agua de la IA?

El contexto importa en ambos sentidos. Por mensaje, la IA es un error de redondeo frente al consumo cotidiano. Una sola hamburguesa de ternera necesita más de 600 galones de agua para producirse, una camiseta de algodón más de 700 galones, y un solo campo de golf de EE. UU. puede usar entre 100.000 y 2 millones de galones al día. Con esa vara de medir, hacerle una pregunta a un chatbot es insignificante.

La preocupación legítima no es el coste por mensaje, sino la concentración y el momento. Los centros de datos se agrupan en un puñado de regiones, muchas con estrés hídrico, y consumen mucho en momentos concretos. Una instalación que extrae millones de galones al día en Arizona o Texas es un problema local aunque sea un error de redondeo a escala global. Ambas cosas son ciertas a la vez, y una buena respuesta a «¿es esto un problema grave?» es «no por tu uso, sí por dónde se está construyendo».

Qué puedes hacer realmente al respecto

La palanca más eficaz que controla un individuo es la elección del modelo, porque la diferencia entre modelos es enorme. Enviar una pregunta sencilla a un modelo de razonamiento pesado puede usar aproximadamente diez veces la energía y el agua de un modelo ligero que da una respuesta igual de buena. Ajustar el modelo a la tarea influye más que cualquier cantidad de recorte de mensajes. Comparaciones como DeepSeek frente a ChatGPT y nuestra guía de los modelos de IA más capaces muestran cuánto varían esos perfiles, y por qué la reputación de «eficiente» de un modelo suele describir su coste de entrenamiento, no la energía que gasta al responderte. Nuestra guía de la IA más respetuosa con el medioambiente reúne las herramientas más ecológicas a las que merece la pena cambiarse. Los pequeños cambios cotidianos también suman, así que combinar esto con opciones más ecológicas como OceanHero hace que tus búsquedas habituales financien la limpieza de los océanos.

En la práctica, esto significa usar por defecto un modelo más ligero para las preguntas cotidianas y reservar los modelos de razonamiento de vanguardia para los problemas que realmente los necesitan. Agrupa las preguntas relacionadas en una sola sesión en lugar de muchos inicios en frío, y no regeneres respuestas por reflejo. Ejecutar varios modelos desde un mismo sitio hace que «elegir la herramienta adecuada» sea algo realista y no teórico, que es precisamente el sentido de una configuración multimodelo como la de nuestra guía de primeros pasos. Nada de esto exige sentirse culpable; solo exige usar la opción pesada de forma deliberada y no por defecto.

Conclusión

Entonces, ¿cuánta agua usa la IA? Por mensaje, en la práctica unos pocos mililitros; la cifra oficial de Google para Gemini es de 0,26 mL, y la afirmación viral de 500 mL es una medida de ciclo de vida mucho más amplia, no una contradicción. A gran escala las cifras son grandes y crecen rápido, con un uso directo de los centros de datos de EE. UU. de unos 17.000 millones de galones en 2023 y una proyección de duplicarse o cuadruplicarse para 2028, concentrado donde el agua es más escasa. El siguiente paso más útil no es dejar de usar la IA; es ser deliberado con el modelo al que recurres, empezando por mirar con claridad en qué se diferencian realmente los modelos líderes.

Preguntas frecuentes