En los últimos años hemos aprendido a hablar de la huella de carbono de nuestras actividades. En mi artículo anterior, La huella invisible de lo digital, llevé esa conversación al terreno de la inteligencia artificial: cuánta electricidad consume un centro de datos, cuántos megawatts exige una nueva instalación y qué tan “limpia” — o no — es la red eléctrica que alimenta eso que todavía llamamos “la nube”.
Cuando empezamos a mirar la infraestructura real que sostiene a la IA, la conversación no se detiene en la energía. Al contrario: se abre.
Hacer visibles esos datos nos lleva a una pregunta igual de urgente y mucho menos discutida: ¿cuánta agua consume la infraestructura de inteligencia artificial?
Porque la IA no solo necesita electricidad. También necesita enfriamiento, territorio, redes, materiales y, en muchos casos, agua. Y si queremos hablar seriamente de sostenibilidad tecnológica, no basta con medir la huella energética. También tenemos que seguir el rastro hídrico que hace posible cada centro de datos, cada modelo y cada promesa de innovación digital.
La respuesta es más compleja de lo que parece, ¿no es así? Porque, no basta con mirar el agua que entra físicamente a un centro de datos para enfriar servidores. También hay que mirar el agua que se consume fuera de sus muros, en las plantas eléctricas que generan la energía que esos centros necesitan.
Esa diferencia — entre consumo directo e indirecto — puede cambiar por completo la conversación.
Christopher Mims, en un reporte reciente de The Wall Street Journal, advierte que gigantes tecnológicos como Microsoft, Google, Amazon y Meta están expandiendo infraestructura de IA a una velocidad histórica, con inversiones estimadas en alrededor de un billón de dólares entre este año y el anterior. Pero el punto más delicado no es solo el tamaño de la inversión, sino la forma en que se reporta su impacto hídrico: las empresas suelen informar sobre el agua que usan directamente en sus instalaciones, pero no siempre contabilizan el agua consumida para producir la electricidad que las alimenta. Según el reporte, dentro de ese grupo solo Meta incluye el consumo indirecto de agua asociado a las centrales eléctricas.
El matiz importa
Un informe de 2024 del Lawrence Berkeley National Laboratory explica que hay dos formas de medir la eficiencia hídrica de un centro de datos: la métrica de sitio, que solo observa el agua usada en la instalación, y la métrica de fuente, que incorpora el agua necesaria para generar la electricidad. El mismo reporte señala que incluir ambas dimensiones refleja mejor el costo hídrico real de los centros de datos, aunque su cálculo depende de la fuente eléctrica y del lugar donde se genera la energía.
Ahí está la parte incómoda: un centro de datos puede parecer “eficiente” si solo observamos sus muros, pero mucho menos eficiente si seguimos el rastro de la electricidad que lo sostiene.
En Estados Unidos, el Laboratorio Berkeley estimó que los centros de datos consumieron aproximadamente 176 TWh de electricidad en 2023 y que su huella hídrica indirecta fue de casi 800 mil millones de litros de agua, atribuida al consumo de agua en la generación eléctrica según la mezcla regional de la red. En promedio nacional, eso equivale a 4.52 litros de agua indirecta por cada kWh usado por centros de datos.
Este dato nos obliga a repensar qué significa “sostenibilidad” en IA.
Si una empresa reporta solo el agua de enfriamiento, pero no el agua embebida en la electricidad que usa, estamos viendo una parte de la fotografía. Y cuando se trata de infraestructura crítica, ver solo una parte puede llevar a decisiones públicas incompletas.
Google ofrece un ejemplo claro de la tensión. En su reporte ambiental 2025, la compañía informó avances en reducción de emisiones energéticas de centros de datos, reposición de agua y contratación de energía limpia. También reportó haber repuesto 4.5 mil millones de galones de agua en 2024 y haber incrementado la reposición de su consumo de agua dulce del 18% en 2023 al 64% en 2024. Además, Google afirma que sus decisiones de enfriamiento buscan equilibrar energía libre de carbono y uso responsable de agua, y que en zonas de alto riesgo hídrico considera alternativas como enfriamiento por aire o agua reciclada.
El impacto territorial
Todo esto es relevante. Pero no resuelve por completo nuestras dudas. Comprar energía renovable o compensar consumo eléctrico no necesariamente reduce el agua utilizada en una cuenca específica. Y los créditos de energía renovable no son, por sí mismos, una compensación hídrica local. Si el agua se consume en un lugar con estrés hídrico, el impacto lo vive esa comunidad, no el promedio global.
Meta, por su parte, plantea metas de restauración hídrica y declara que busca restaurar 200% del agua que consume en regiones de alto estrés hídrico y 100% en regiones de estrés medio. También reporta que en 2024 sus proyectos restauraron más de 1.6 mil millones de galones de agua en regiones de estrés hídrico alto y medio. Sin embargo, el reporte de Mims subraya que la gran pregunta sigue abierta: ¿cómo se atiende el consumo indirecto asociado a la electricidad, especialmente cuando las instalaciones crecen en regiones donde el agua ya es un recurso disputado?
El problema no es que las empresas no estén haciendo nada. Muchas están invirtiendo en eficiencia, energías renovables, agua reciclada, tecnologías de enfriamiento y proyectos de restauración. El problema es que el lenguaje de sostenibilidad todavía no siempre permite comparar, auditar y comprender el impacto completo. Y cuando no podemos comparar, tampoco podemos gobernar.
¡Error! Nombre de archivo no especificado.
El caso de Phoenix ayuda a entender por qué esto no es una discusión técnica aislada. Ceres publicó en 2025 un informe sobre el impacto acumulado de los centros de datos en el estrés hídrico regional. El documento señala que el uso de agua asociado al consumo eléctrico de los centros de datos en la región podría aumentar 400% en los próximos años, pasando de 2.9 mil millones a más de 14.5 mil millones de galones anuales; también advierte que el agua asociada a la operación de enfriamiento podría crecer 870%, de 385 millones a más de 3.7 mil millones de galones al año.
Estos números muestran algo esencial: el impacto no se distribuye de manera abstracta. Aterriza en regiones concretas. En lugares como Phoenix, donde el estrés hídrico ya forma parte de la realidad cotidiana, la llegada de nuevos centros de datos no es solo una promesa de innovación o empleo. También es una nueva presión sobre infraestructura, cuencas, permisos, tarifas y confianza pública.
Aquí aparece una pregunta que debería estar al centro del debate democrático:
¿quién decide dónde se instala la infraestructura de IA y bajo qué condiciones ambientales?
Porque la lógica empresarial suele buscar terrenos baratos, energía barata y conectividad. Pero la lógica pública debe preguntar algo más: ¿hay agua suficiente?, ¿qué tipo de energía alimentará la instalación?, ¿qué impacto tendrá en la cuenca?, ¿cómo se reportará el consumo directo e indirecto?, ¿qué información tendrá la comunidad?, ¿qué medidas de mitigación serán obligatorias?, ¿quién pagará los costos si las proyecciones fallan?
La IA nos obliga a mirar de nuevo la relación entre tecnología, territorio y bienes comunes. Durante mucho tiempo hablamos de “la nube” como si fuera un espacio etéreo, sin geografía, pero tiene dirección, tuberías, subestaciones, contratos eléctricos, agua, calor y vecinos.
La nube no flota: se instala.
Desde la perspectiva del Consejo Latinoamericano de Ética en Tecnología CLET, este tema debe leerse como un problema de ética operativa y gobernanza tecnológica. No basta con celebrar la innovación ni con rechazarla. Lo que necesitamos es hacer visibles sus condiciones materiales. La sostenibilidad de la IA no puede quedar reducida a promesas corporativas, métricas parciales o reportes difíciles de comparar. Debe traducirse en transparencia, trazabilidad, auditoría y rendición de cuentas.
Esto significa reportar el consumo directo de agua, pero también el indirecto. Significa distinguir si la energía proviene de carbón, gas, nuclear, hidroeléctrica, solar o eólica, porque cada fuente tiene una huella hídrica distinta. Significa evaluar el estrés hídrico de la cuenca, no solo el balance global de la empresa. Significa informar a las comunidades y permitir que participen en decisiones que pueden transformar su territorio.
También significa evitar una confusión frecuente: eficiencia no siempre equivale a suficiencia. Un centro de datos puede ser más eficiente que el promedio y, aun así, aumentar el consumo total si la demanda crece demasiado rápido. La eficiencia reduce el impacto por unidad, pero no necesariamente reduce el impacto agregado. En IA, como en energía, el volumen importa.
Las tecnologías de enfriamiento de circuito cerrado, como las anunciadas por Nvidia y consideradas por Microsoft, abren una ruta prometedora porque pueden reducir el consumo directo de agua una vez que el sistema está lleno. También pueden disminuir parte de la energía usada para enfriamiento. Pero incluso estas soluciones no eliminan la pregunta de fondo.
¿Qué energía alimenta el centro de datos y cuánta agua se consume para generarla?
La solución, entonces, no es buscar una métrica perfecta ni esperar a que la tecnología resuelva todo. La solución es construir mejores reglas de visibilidad. Si la IA se está convirtiendo en infraestructura crítica, sus impactos ambientales deben tratarse como información de interés público.
Necesitamos reportes que permitan comparar entre empresas y regiones y mediciones por sitio, no solo promedios globales. También, requerimos incluir agua directa e indirecta, evaluar proyectos antes de aprobarlos y después, monitorearlos (Human in the loop). Necesitamos criterios más estrictos en regiones con estrés hídrico y que las comunidades tengan información suficiente para deliberar.
La pregunta no es si debemos usar IA
La IA ya forma parte de la economía, la educación, la investigación, la salud, la industria y la vida cotidiana. La pregunta es si vamos a construir su infraestructura de manera responsable o si vamos a repetir un patrón conocido: privatizar beneficios y socializar costos.
El agua nos recuerda algo que la narrativa digital suele ocultar: toda tecnología vive en un mundo físico. Y en ese mundo físico, los recursos no son infinitos.
La IA puede ayudarnos a diseñar mejores redes, reducir desperdicios, optimizar energía, modelar sequías y mejorar la gestión hídrica. Pero para que sea parte de la solución, primero debemos reconocer su propia demanda de recursos.
No se trata de apagar la innovación. Se trata de iluminar sus costos.
La huella hídrica de la IA no debería ser un dato escondido entre reportes de sostenibilidad. Debería ser una conversación pública. Porque si la inteligencia artificial va a transformar nuestras sociedades, también debemos decidir, colectivamente, qué límites ambientales estamos dispuestos a aceptar y qué responsabilidades deben asumir quienes construyen el futuro digital.
La nube tiene sed.
Y la gobernanza empieza cuando dejamos de mirar solo la pantalla y empezamos a mirar la cuenca.