ChatGPT. Cada interacción con la IA tiene un costo ambiental invisible: millones de litros de agua evaporados para enfriar servidores.
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?, según publicó TN.
¿Qué es la huella hídrica de la IA?
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 TN Tecno 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 a través de ChatGPT, 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.
¿Cómo se puede medir el impacto?
Las empresas utilizan indicadores como el PUE (Power Usage Effectiveness) para medir la eficiencia energética y el WUE (Water Usage Effectiveness) para evaluar el consumo hídrico. Sin embargo, todavía hay poca transparencia.
“Las empresas responsables de la creación de los LLM (grandes modelos de lenguaje o IA generativa) pueden incorporar en sus estadísticas de producto datos estandarizados de consumo energético, uso de agua y emisiones de CO₂ por entrenamiento e inferencia, publicar dashboards o APIs en tiempo real con indicadores como PUE y WUE, y someterse a auditorías externas bajo estándares internacionales», afirmó David Soto a TN Tecno.
Por otra parte, el experto sugiere que las organizaciones que implementan esos sistemas podrían exigir informes como requisito de compra, reportar interna y públicamente el impacto de su uso, etiquetar versiones de modelos según su huella ambiental y optimizar su despliegue ajustando la carga y seleccionando infraestructuras con menor consumo hídrico y de carbono.
El Washington Post también destaca que, a pesar de las promesas de sostenibilidad, empresas como Google solo repusieron el 18% del agua que consumieron, lejos del objetivo del 120% establecido para 2030.
¿Qué se está haciendo?
Algunas compañías ya trabajan en reducir esta huella. Soto menciona un sistema desarrollado por Softtek que reutiliza respuestas ya generadas cuando las preguntas se repiten, lo que permitió un ahorro del 30% en consultas. Otras estrategias incluyen optimizar los prompts para evitar repreguntas y desplegar modelos más pequeños y eficientes, como los recientemente anunciados GPT-4.5 y Claude 3.
Además, hay un movimiento creciente para ubicar centros de datos en regiones más frías, donde el enfriamiento requiere menos recursos, o incluso usar agua reciclada en el proceso.
Es importante también destacar que en China ya está avanzado un proyecto de centro de datos submarino con más de 400 servidores de alto rendimiento que utiliza agua de mar a 40 metros de profundidad para refrigerar los servidores, lo que reduce significativamente el consumo energético y el uso de agua dulce en comparación con centros de datos tradicionales.
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.
Algunos datos sobre le consumo de agua de las IA
- La IA consume entre 1,8 y 12 litros de agua por cada kWh de consumo energético.
- Una respuesta de IA de aproximadamente 100 palabras consume unos 500 mililitros de agua, equivalente a una botella estándar.
- Modelos como Grok consumen entre 10 y 50 mililitros de agua por respuesta.
- Si se utiliza un servicio de IA una vez por semana durante un año, el consumo acumulado sería de aproximadamente 27 litros de agua.
- Cada conversación con IA que incluya entre 20 y 50 preguntas consume medio litro de agua.
- En Virginia, Estados Unidos, donde se encuentra la mayor concentración de centros de datos del mundo, el consumo de agua para enfriamiento aumentó un 65% en solo cuatro años.
- En 2023, los centros de datos de Estados Unidos consumieron más de 283.900 millones de litros de agua.
- La media diaria para cada centro de datos es de 1,7 millones de litros, equivalente al consumo diario de aproximadamente 1500 familias.
- Según la Alianza Global sobre Inteligencia Artificial, la demanda mundial de IA podría requerir entre 4,2 y 6,6 mil millones de metros cúbicos de extracción de agua en 2027.
- El uso de energía por la IA actualmente representa entre el 2-3% del total de emisiones mundiales, pero esta proporción aumentará significativamente con la expansión del sector.
- Los centros de datos suponen actualmente el 2% del consumo global de electricidad.
