Desde hace un par de semanas circula en redes sociales una preocupación que hasta hace poco nadie tenía en cuenta: la inteligencia artificial consume demasiada agua. ¿Cómo es eso? ¿ChatGPT funciona con agua? ¿Estamos secando ríos y lagos para que un chatbot nos haga un resumen o nos convierta en personajes de Ghibli?

Cada vez que usás una herramienta de inteligencia artificial generativa, ya sea con una pregunta o cuando generás una imagen, tu pedido “viaja” hasta centros de datos, que son unos enormes almacenes donde están instalados los de servidores de las empresas.

Estos servidores, al procesar tu solicitud, realizan millones de cálculos por segundo y se calientan. Para que no se apaguen o dañen, o básicamente se quemen, necesitan sistemas de refrigeración intensivos.

Gran parte de esa refrigeración se realiza con agua que, al evaporarse por el calor, se pierde en el proceso. Es aquí donde aparece el concepto de huella hídrica: la cantidad de agua dulce que se utiliza y evapora para mantener en funcionamiento estas infraestructuras.

Según una investigación del Washington Post cada consulta a ChatGPT puede consumir una cantidad importante de agua y energía, dependiendo de la ubicación y el método de enfriamiento del centro de datos. Por ejemplo, en West Des Moines, Iowa, los centros de datos de Microsoft utilizaron alrededor del 6% de toda el agua del distrito. En The Dalles, Oregón, los centros de datos de Google consumieron casi una cuarta parte de toda el agua disponible en la ciudad.

“En el uso diario, la huella hídrica varía según la complejidad de la tarea y el modelo”, explicó a David Soto, autor y especialista en sistemas de IA y Director Global de Oferta en Softtek. “Se calcula que ChatGPT emplea unos 0,5 litros de agua cada 5 a 50 consultas (es decir, entre 10 y 100 mL por solicitud). Por ejemplo, redactar un correo de 120–200 palabras con GPT‑4 puede consumir hasta 3 litros y generar un informe de 10 páginas implica hasta 60 litros con GPT‑4. De todas formas, los modelos se optimizan a gran velocidad. De hecho, en este momento ya está liberado el modelo 4.5 de ChatGPT, y se sabe que es mucho más eficiente, ya que requiere menos refrigeración”.

En concreto, cada vez que le pedís a ChatGPT, u otra herramienta generativa, que convierta una foto a una imagen en estilo Simpson o Ghibli, se consumen entre 2 y 5 litros de agua que se evaporan para enfriar los servidores que ejecutan esa tarea.

Sin embargo, la creación de imágenes, ya sea por puro entretenimiento, para hacer memes o usarlas en presentaciones, y el pedido de respuestas, desde las consultas más simples hasta la confección de complejos reportes, es solo una parte del trabajo que realizan las computadoras, servidores y sistemas de las empresas de inteligencia artificial.

“Hay una parte muy importante de las IA, que muchas veces como usuario no se llega a percibir, que es el entrenamiento de los modelos”, agregó Soto. “Todos los modelos se entrenan con enormes volúmenes de datos. En cada ciclo, el modelo primero genera la salida, la predicción o respuesta basada en los datos de entrada, y luego ajusta sus parámetros, modifica internamente sus valores para mejorar su precisión, y es un proceso que puede tardar semanas”.

No existen tantos datos publicados al respecto, pero, según el especialista, para el modelo de GPT-3 se habló de 700.000 litros evaporados en la fase de entrenamiento. “Para desarrollos más recientes y modelos mayores, hay estudios que han estimado consumos de hasta 2,7 millones de litros en el ciclo completo de desarrollo y entrenamiento de una serie de modelos”, aseguró.

Hacia una IA más consciente

Hay que ser conscientes de que gran parte de las cosas que hacemos hoy en internet, no solo la IA, se ejecuta en servidores, desde ver películas de Netflix (una hora de reproducción consumiría 0,36 litros) hasta mandar un audio por WhatsApp (0,0036ml). Pero mientras el impacto de la IA crece, también crece la necesidad de medir su costo ambiental real.

Cada interacción con una IA tiene un gasto energético e hídrico. Entenderlo es clave para exigir mayor transparencia y mejores prácticas: “El futuro de la inteligencia artificial no solo se juega en los algoritmos, también en el uso responsable de los recursos del planeta”, finalizó David Soto.