El consumo de agua en la refrigeración de servidores de IA para la generación de imágenes

El consumo de agua en la refrigeración de servidores de IA para la generación de imágenes: una realidad ineludible

Autor: Docente Oscar Javier Gonzalez Delgadillo

Introducción

La inteligencia artificial (IA) ha revolucionado diversos sectores, destacándose en la generación de imágenes mediante modelos avanzados como DALL·E, Midjourney y Stable Diffusion. Sin embargo, este avance tecnológico conlleva un impacto ambiental significativo, especialmente en el consumo de agua utilizado para la refrigeración de los servidores que procesan estas tareas. Este ensayo explora la veracidad y magnitud de este consumo, analizando datos recientes y proponiendo soluciones sostenibles.​

El auge de la IA y su demanda energética

La proliferación de modelos de IA ha incrementado la demanda de centros de datos capaces de manejar cargas computacionales intensivas. Estos centros requieren una cantidad considerable de energía eléctrica para operar, lo que genera calor que debe ser disipado para mantener la eficiencia y prolongar la vida útil del hardware. Tradicionalmente, se han empleado sistemas de refrigeración por aire; sin embargo, debido a las altas densidades de potencia actuales, muchos centros han adoptado sistemas de refrigeración líquida, que utilizan agua para absorber y disipar el calor generado por los servidores (Li et al., 2023).​

Consumo de agua en la refrigeración de centros de datos

El uso de agua en la refrigeración de centros de datos es significativo. Por ejemplo, se estima que un centro de datos promedio puede consumir entre 1.8 y 12 litros de agua por cada kilovatio-hora (kWh) de energía consumida (Lupa, 2025). Este consumo es comparable al uso diario de agua de una ciudad pequeña, lo que subraya la magnitud del recurso empleado.

Además, estudios indican que la generación de imágenes mediante IA contribuye notablemente a este consumo. Investigaciones revelan que cada imagen creada con IA puede consumir hasta 3.45 litros de agua, debido a la necesidad de refrigerar los servidores durante el proceso de generación (Ámbito, 2025). Este dato pone de manifiesto cómo el uso cotidiano de herramientas de IA tiene un impacto directo en el consumo de recursos hídricos.​

Impacto ambiental y sostenibilidad

El elevado consumo de agua por parte de los centros de datos plantea preocupaciones ambientales, especialmente en regiones donde el agua es un recurso escaso. Además, el proceso de enfriamiento no solo consume agua, sino que también puede afectar la temperatura y calidad del agua residual, impactando negativamente en los ecosistemas locales (ASCE, 2024).​

Proyecciones indican que, para 2027, el uso de agua por parte de la IA podría alcanzar entre 4.2 y 6.6 mil millones de metros cúbicos, lo que equivale al consumo anual de países como Dinamarca (Li et al., 2023). Este crecimiento exponencial subraya la necesidad de abordar la sostenibilidad en el desarrollo y despliegue de tecnologías de IA.​

Estrategias para mitigar el consumo de agua

Ante este panorama, diversas estrategias han sido propuestas y, en algunos casos, implementadas para reducir el consumo de agua en la refrigeración de centros de datos:​

1. Refrigeración por aire en climas fríos: Ubicar centros de datos en regiones con climas más fríos permite aprovechar las bajas temperaturas ambientales para la refrigeración, reduciendo o eliminando la necesidad de sistemas de enfriamiento por agua. Empresas como Facebook han establecido centros de datos en lugares como Luleå, Suecia, para beneficiarse de este enfoque (The Guardian, 2011).​

2. Uso de aguas residuales tratadas: Algunos centros de datos han comenzado a utilizar aguas residuales tratadas en lugar de agua potable para sus sistemas de enfriamiento, disminuyendo la presión sobre las fuentes de agua dulce (Seven Seas Water Group, 2024).​

3. Implementación de tecnologías de enfriamiento eficientes: La adopción de sistemas de enfriamiento más eficientes, como la refrigeración líquida directa y el enfriamiento por inmersión, puede reducir significativamente el consumo de agua y energía. Estas tecnologías permiten una disipación de calor más efectiva y pueden reutilizar el calor generado para otros fines (Equinix, 2024).​

4. Transparencia y monitoreo del consumo de recursos: Es esencial que las empresas tecnológicas sean transparentes respecto al consumo de agua y energía de sus operaciones. La implementación de métricas como la Eficiencia en el Uso del Agua (WUE) ayuda a cuantificar y gestionar el uso de este recurso en los centros de datos (Vertiv, 2024).​

Conclusión

El consumo de agua para la refrigeración de servidores de IA en la generación de imágenes es una realidad tangible y significativa. A medida que la demanda de servicios basados en IA continúa creciendo, es imperativo adoptar prácticas sostenibles y tecnologías eficientes para mitigar el impacto ambiental asociado. La colaboración entre la industria tecnológica, los responsables políticos y la sociedad en general será clave para garantizar que el avance de la IA no comprometa la disponibilidad y calidad de recursos naturales esenciales como el agua.​

Referencias

Ámbito. (2025). Revelan cuántos litros de agua se necesitan para generar imágenes con inteligencia artificial. Recuperado de https://www.ambito.com/tecnologia/revelan-cuantos-litros-agua-se-necesitan-generar-imagenes-inteligencia-artificial-n6129970

ASCE. (2024). Data Centers and Water Use: Understanding the Impact. Recuperado de https://www.asce.org/publications-and-news/civil-engineering-source/civil-engineering-magazine/article/2024/06/data-centers-and-water-use-understanding-the-impact

Equinix. (2024). What Is Water Usage Effectiveness (WUE) in Data Centers? Recuperado de https://blog.equinix.com/blog/2024/11/13/what-is-water-usage-effectiveness-wue-in-data-centers/

Li, P., Yang, J., Islam, M. A., & Ren, S. (2023). Making AI Less "Thirsty": Uncovering and Addressing the Secret Water Footprint of AI Models. Recuperado de https://arxiv.org/abs/2304