¿Cuánta agua consume ChatGPT? La huella hídrica de la inteligencia artificial
Hacemos una pregunta a ChatGPT y, unos segundos después, aparece la respuesta. No vemos humo, motores ni tuberías. Ni siquiera tenemos la sensación de estar utilizando un recurso físico más allá de la electricidad de nuestro ordenador o móvil.
Pero esa conversación aparentemente inmaterial ocurre dentro de centros de datos llenos de servidores. Miles de procesadores trabajan, generan calor y necesitan sistemas capaces de mantenerlos a una temperatura adecuada. Y ahí aparece un recurso que rara vez asociamos con la inteligencia artificial: el agua.
La pregunta parece sencilla: ¿cuánta agua consume ChatGPT? La respuesta, sin embargo, necesita algún matiz. Existen estimaciones muy diferentes, desde unas pocas gotas por consulta hasta cálculos mucho mayores. Y no necesariamente porque alguien esté equivocado, sino porque no todos están midiendo lo mismo.
Para entender la huella hídrica de la inteligencia artificial hay que mirar más allá de una única conversación y entrar, aunque sea por unos minutos, en el lugar físico donde realmente sucede todo: los centros de datos.
Respuesta rápida: ¿cuánta agua consume ChatGPT?
No existe una cantidad universal de agua consumida por cada consulta. En 2025, Sam Altman, CEO de OpenAI, afirmó que una consulta media a ChatGPT utiliza unos 0,000085 galones de agua, aproximadamente 0,32 mililitros. Sin embargo, esa cifra no iba acompañada de una metodología pública detallada.
Otros estudios obtienen resultados mucho mayores porque incluyen no solo el agua utilizada directamente para refrigerar los servidores, sino también el agua necesaria para generar electricidad y otras partes de la infraestructura.
Por eso, decir que “cada pregunta a ChatGPT consume X litros” sin explicar qué se está midiendo puede resultar engañoso.
Por qué la inteligencia artificial consume agua
ChatGPT no utiliza agua directamente cada vez que escribimos una pregunta. El consumo se produce principalmente en la infraestructura física necesaria para ejecutar los modelos de inteligencia artificial.
Podemos dividir esa huella hídrica en tres grandes partes:
| Dónde se utiliza el agua | Por qué |
|---|---|
| En el propio centro de datos | Determinados sistemas utilizan agua o evaporación para expulsar el calor generado por los servidores. |
| En la producción de electricidad | Algunas tecnologías de generación eléctrica también necesitan agua para sus procesos y refrigeración. |
| En la fabricación del hardware | Fabricar chips, servidores y otros componentes electrónicos también tiene una huella hídrica asociada. |
Cuando utilizamos un modelo de inteligencia artificial, sus procesadores realizan enormes cantidades de operaciones. Prácticamente toda la energía eléctrica empleada por esos equipos acaba convirtiéndose en calor.
Ese calor debe eliminarse para evitar que los servidores reduzcan su rendimiento o sufran daños.
Algunos centros de datos utilizan torres de refrigeración o sistemas evaporativos. El agua absorbe parte del calor y una fracción acaba evaporándose. En otros casos se utilizan sistemas que necesitan mucha menos agua o prácticamente ninguna en la propia instalación.
Por eso, afirmar simplemente que “la inteligencia artificial consume agua” es correcto, pero incompleto. La pregunta realmente útil es cuánta consume, dónde se consume y mediante qué tecnología.
Cuánta agua consume una consulta de ChatGPT
Esta es la pregunta que más interés genera y también una de las más difíciles de responder con una única cifra.
En junio de 2025, Sam Altman publicó una estimación según la cual una consulta media de ChatGPT utiliza unos 0,34 Wh de electricidad y 0,000085 galones de agua. Convertido al sistema métrico, son aproximadamente 0,32 mililitros de agua por consulta.
Es una cantidad muy pequeña: bastante menos de un mililitro.
Sin embargo, hay una limitación importante. La publicación no explicaba con detalle qué modelo se había utilizado, qué tipo de consulta se consideraba «media», qué centros de datos estaban incluidos ni qué componentes de la huella hídrica formaban parte del cálculo.
La cifra de 0,32 ml no significa que todas las consultas a ChatGPT gasten exactamente esa cantidad. Es una estimación media proporcionada por el CEO de OpenAI y no una medición aplicable a cualquier modelo, consulta, centro de datos o ubicación.
Tenemos otro dato empresarial que ayuda a poner la cifra en contexto.
Google publicó en 2025 una metodología para calcular el impacto de las consultas de texto realizadas a Gemini. Según sus cálculos, una petición mediana utilizaba aproximadamente 0,24 Wh de electricidad y 0,26 mililitros de agua.
La cifra se parece bastante a la comunicada para ChatGPT, pero tampoco podemos trasladarla automáticamente de un servicio a otro. Google utiliza su propio hardware, centros de datos, modelos y metodología, y advierte de que los resultados corresponden a un momento concreto.
Entonces, ¿de dónde sale aquello de que la IA consume una botella de agua?
De investigaciones que utilizan un perímetro de cálculo diferente.
Un conocido estudio de investigadores de las universidades de California Riverside y Texas Arlington estimó la huella hídrica de GPT-3 teniendo en cuenta tanto el agua utilizada directamente en los centros de datos como la asociada a la electricidad.
Según ese trabajo, aproximadamente entre 10 y 50 respuestas de longitud media podían asociarse al consumo de unos 500 ml de agua, dependiendo del lugar y del momento en el que se ejecutara el modelo.
La diferencia respecto a los aproximadamente 0,32 ml comunicados posteriormente para una consulta media de ChatGPT es enorme.
Pero estamos comparando modelos, hardware, años y metodologías diferentes. El estudio académico analiza GPT-3 y contempla componentes de la huella hídrica que una cifra limitada al agua consumida directamente en la operación de un centro de datos puede dejar fuera.
Por qué las cifras sobre el consumo de agua de la IA son tan diferentes
Una respuesta de inteligencia artificial no tiene un consumo fijo del mismo modo que una bombilla tiene una potencia determinada.
Hay muchos factores que modifican su impacto:
| Factor | Por qué importa |
|---|---|
| Modelo de IA | Los modelos no necesitan la misma capacidad de cálculo para generar una respuesta. |
| Longitud y complejidad | No requiere los mismos recursos responder una frase que realizar un razonamiento complejo o generar un documento extenso. |
| Hardware | Las nuevas generaciones de chips pueden realizar más operaciones utilizando menos energía. |
| Sistema de refrigeración | Algunos sistemas emplean evaporación de agua y otros funcionan con un consumo hídrico directo muy reducido. |
| Clima | La temperatura exterior influye en las necesidades de refrigeración. |
| Ubicación | La disponibilidad de agua y el estrés hídrico son muy diferentes entre regiones. |
| Origen de la electricidad | Cada tecnología eléctrica tiene una huella energética e hídrica diferente. |
| Qué incluye el cálculo | No es lo mismo medir únicamente el agua evaporada en el centro que incluir electricidad y fabricación del hardware. |
Por eso debemos mirar con cierta cautela los titulares que convierten una consulta de IA en una cantidad exacta de botellas o vasos de agua.
Las comparaciones pueden ayudarnos a visualizar un impacto, pero pierden utilidad si ocultan las condiciones utilizadas para calcularlo.
Consumo de agua y extracción de agua tampoco son lo mismo
Hay otra diferencia que suele pasar desapercibida.
Extraer agua significa tomarla de una fuente superficial o subterránea para utilizarla. Parte de esa agua puede devolverse posteriormente.
Consumir agua se refiere a la parte que no regresa inmediatamente al mismo sistema porque, por ejemplo, se evapora.
Dos estudios pueden ofrecer cifras aparentemente incompatibles simplemente porque uno está midiendo extracción y otro consumo.
Cuando hablamos de zonas sometidas a sequías o estrés hídrico, esta distinción resulta especialmente importante.
Cuánta agua consume ChatGPT al día y al año
Las búsquedas sobre cuánta agua consume ChatGPT al día o cuánta agua consume ChatGPT al año tienen una respuesta menos satisfactoria: no existe actualmente una cifra pública suficientemente detallada que permita calcularlo con rigor.
Para hacerlo necesitaríamos conocer, como mínimo:
- el número total de consultas realizadas;
- los modelos utilizados en cada una;
- su complejidad y duración;
- los centros de datos que las procesan;
- sus tecnologías de refrigeración;
- el consumo hídrico directo;
- y el agua asociada a la electricidad utilizada.
Multiplicar simplemente 0,32 ml por una estimación del número de consultas diarias daría una cifra aparentemente precisa, pero científicamente mucho más débil de lo que parece.
Además, el impacto de la IA no depende únicamente de la fase en la que utilizamos ChatGPT. También existe agua asociada al entrenamiento de los modelos.
El estudio sobre GPT-3 estimó que su entrenamiento en centros de datos de Microsoft en Estados Unidos pudo consumir directamente unos 700.000 litros de agua dulce. Si se incorporaba además el agua vinculada a la generación eléctrica, la estimación total ascendía a varios millones de litros.
Eso tampoco significa que cada nuevo modelo consuma necesariamente más. La eficiencia del hardware, el software y los sistemas de refrigeración está mejorando rápidamente.
El reto aparece porque esas mejoras coinciden con un crecimiento extraordinario del número de usuarios, modelos y centros de datos.
Cuánta agua consume un centro de datos
Tampoco existe una respuesta única.
La Comisión Europea utiliza una métrica denominada WUE (Water Usage Effectiveness) para medir la eficiencia hídrica de los centros de datos.
Relaciona el agua utilizada por una instalación con la electricidad consumida por sus equipos informáticos. Cuanto menor es la WUE, menos agua se necesita para proporcionar la misma capacidad informática.
En su informe sobre centros de datos publicado en septiembre de 2026, la Comisión calculó una WUE media declarada de 0,58 m³/MWh, equivalente numéricamente a 0,58 litros por kWh, entre las instalaciones que notificaron un consumo de agua superior a cero.
Pero la media esconde enormes diferencias: los valores nacionales analizados oscilaron entre 0,07 y 1,28.
Un matiz importante
La propia Comisión señala que ese cálculo europeo excluye los centros de datos que declararon consumo cero porque utilizaban tecnologías de refrigeración seca. Por tanto, tampoco debemos interpretar el 0,58 como el consumo inevitable de cualquier centro de datos europeo.
El clima también cuenta. Una instalación situada en una región fresca puede necesitar menos refrigeración que otra situada en una zona donde las temperaturas son elevadas durante buena parte del año.
De ahí que, cuando hablamos de la huella hídrica de la inteligencia artificial, el lugar importe casi tanto como la cantidad.
¿Todos los centros de datos utilizan agua?
No todos utilizan grandes cantidades de agua para refrigerarse.
La Comisión Europea distingue entre diferentes tecnologías. Los sistemas basados en agua o refrigeración evaporativa pueden consumir cantidades significativas, mientras que determinadas soluciones de refrigeración por aire o refrigeración líquida directa pueden operar con un consumo directo de agua mínimo o incluso nulo.
Esto no significa que desaparezca toda la huella hídrica.
La electricidad que alimenta los servidores también puede haber necesitado agua durante su generación y fabricar semiconductores y equipamiento informático requiere recursos.
Por eso resulta útil diferenciar:
- agua directa: la utilizada en la operación y refrigeración del centro de datos;
- agua indirecta: la asociada, por ejemplo, a producir su electricidad;
- agua incorporada: la necesaria para fabricar chips, servidores y otros componentes.
Cuánta electricidad consumen los centros de datos
El agua es solo una parte del impacto ambiental de la inteligencia artificial.
En 2024, los centros de datos de la Unión Europea consumieron aproximadamente 68 TWh de electricidad. La Comisión Europea estima que podrían alcanzar los 114 TWh en 2030, alrededor del 3,2 % de toda la demanda eléctrica de la UE.
Y la propia Comisión advierte de que esta previsión podría revisarse al alza debido a la expansión de los servicios digitales y al rápido crecimiento de la inteligencia artificial.
Esto no significa que toda esa electricidad se destine a IA. Los centros de datos alojan innumerables servicios: webs, vídeos, correo electrónico, almacenamiento en la nube, aplicaciones empresariales y servicios públicos, entre muchos otros.
Pero los modelos generativos necesitan una gran capacidad informática y están impulsando una nueva fase de expansión del sector.
España: inteligencia artificial, centros de datos y estrés hídrico
La cuestión adquiere un matiz particular en España.
El país se ha convertido en uno de los territorios europeos con mayor interés para nuevos centros de datos gracias a factores como la disponibilidad de energías renovables, conectividad, suelo y situación geográfica.
Al mismo tiempo, buena parte del territorio español está sometido periódicamente a problemas de sequía y estrés hídrico.
Una investigación publicada en 2026 calculó que aproximadamente el 25 % de los centros de datos del mundo se encuentran en zonas que sufren estrés hídrico al menos un mes al año. Según los resultados difundidos para España, la proporción alcanzaría el 64 %, una de las cifras más elevadas de Europa.
Las proyecciones de ese estudio apuntan además a que el porcentaje podría aumentar a medida que cambien las condiciones climáticas.
Aquí está una de las claves del debate: consumir un litro de agua en una zona con abundancia hídrica no tiene necesariamente el mismo impacto que hacerlo en una cuenca donde el agua ya es un recurso escaso y disputado entre población, agricultura, industria y ecosistemas.
El debate ya ha llegado a proyectos concretos.
En Zamora, por ejemplo, el proyecto de un gran centro de datos de inteligencia artificial en Monfarracinos ha abierto una discusión sobre la inversión económica prevista, el consumo energético, las emisiones y el uso del agua.
Pero el asunto va mucho más allá de una instalación concreta.
El Gobierno español ha trabajado en 2026 en un proyecto de Real Decreto para regular los requisitos de sostenibilidad energética y ambiental de los centros de datos. Entre otras medidas, plantea criterios de eficiencia energética y de uso del agua, además de obligaciones de información sobre huella hídrica para determinadas instalaciones.
La regulación intenta responder a una cuestión que será cada vez más importante: cómo aumentar nuestra capacidad digital sin trasladar costes excesivos al sistema eléctrico, al territorio o al agua disponible.
Cómo se puede reducir el consumo de agua de la inteligencia artificial
Que la inteligencia artificial tenga una huella ambiental no significa que esa huella sea inmutable.
Hay distintas vías para reducirla:
| Medida | Qué puede aportar |
|---|---|
| Modelos más eficientes | Realizar la misma tarea con menos operaciones reduce electricidad y necesidades de refrigeración. |
| Hardware más eficiente | Los nuevos chips pueden ofrecer más capacidad de cálculo por unidad de energía. |
| Refrigeración con menor consumo hídrico | Determinadas tecnologías reducen o evitan la evaporación de agua. |
| Uso de agua regenerada | Puede reducir la presión sobre el agua potable cuando las condiciones locales lo permiten. |
| Elegir mejor la ubicación | Evitar zonas con estrés hídrico reduce el riesgo de competencia por un recurso escaso. |
| Transparencia | Publicar datos comparables permite identificar instalaciones y tecnologías más eficientes. |
La mejora tecnológica ya está reduciendo el impacto de algunas consultas individuales.
Google, por ejemplo, afirma que redujo de forma muy significativa la energía y las emisiones asociadas a una consulta mediana de Gemini en solo un año.
Pero aquí aparece lo que en sostenibilidad conocemos como efecto rebote: una tecnología puede ser mucho más eficiente por uso y, al mismo tiempo, aumentar su impacto total si el número de usos crece todavía más deprisa.
Ese es probablemente uno de los grandes interrogantes de la inteligencia artificial.
No se trata de dejar de preguntar a una IA
Saber que ChatGPT consume agua puede generar una reacción sencilla: sentir que cada pregunta supone un pequeño daño ambiental.
No creemos que esa sea la conclusión más útil.
Algo parecido ocurre con muchas decisiones de consumo consciente. Conocer el impacto de lo que utilizamos no debería servir únicamente para trasladar la responsabilidad al individuo ni para convertir cada gesto cotidiano en una fuente de culpa.
Los mayores cambios dependerán de cómo las empresas diseñen los modelos, dónde construyan los centros de datos, qué energía utilicen, qué sistemas de refrigeración instalen y qué información estén obligadas a publicar.
Como usuarios, disponer de datos fiables nos permite entender mejor una tecnología que a menudo percibimos como completamente inmaterial.
Porque la nube no está realmente en las nubes.
Tiene edificios, cables, procesadores, redes eléctricas y, en muchos casos, tuberías.
Y quizá esa sea la idea más importante: la inteligencia artificial puede ser digital, pero los recursos que necesita para funcionar son muy físicos.
Preguntas frecuentes sobre el consumo de agua de ChatGPT y la inteligencia artificial
¿Cuánta agua consume una pregunta a ChatGPT?
Sam Altman, CEO de OpenAI, afirmó en 2025 que una consulta media de ChatGPT utiliza aproximadamente 0,000085 galones de agua, unos 0,32 mililitros. La cifra debe interpretarse como una estimación media y no como un consumo fijo aplicable a cualquier consulta, ya que no se publicó una metodología detallada que permita conocer exactamente qué componentes de la huella hídrica incluye.
¿Por qué ChatGPT consume agua?
Principalmente porque los servidores que ejecutan los modelos de inteligencia artificial generan calor y algunos centros de datos utilizan agua en sus sistemas de refrigeración. También puede existir consumo indirecto de agua asociado a la generación de electricidad y a la fabricación del hardware.
¿Por qué consume agua la inteligencia artificial?
La inteligencia artificial necesita grandes cantidades de capacidad informática. Los procesadores consumen electricidad y generan calor. Dependiendo del centro de datos, eliminar ese calor puede requerir agua. La electricidad y la fabricación de chips también pueden tener una huella hídrica asociada.
¿Cuántos litros de agua consume la inteligencia artificial?
No existe una cifra universal. El consumo depende del modelo, el número y complejidad de las consultas, el hardware, la ubicación de los centros de datos, el sistema de refrigeración y de si el cálculo incluye solo el agua utilizada directamente o también la asociada a electricidad y fabricación.
¿Cuánta agua consume ChatGPT al día?
No existe actualmente un dato público suficientemente detallado que permita conocer con precisión el consumo diario total de ChatGPT. Calcularlo exigiría disponer del número y tipo de consultas, modelos utilizados, centros de datos implicados y consumo hídrico de cada instalación.
¿Cuánta agua consume ChatGPT al año?
Por la misma razón, tampoco puede establecerse con rigor una cifra anual simplemente multiplicando una estimación por consulta. OpenAI no publica un desglose completo que permita calcular la huella hídrica anual específica de ChatGPT.
¿Todos los centros de datos consumen mucha agua?
No. El consumo depende especialmente de la tecnología de refrigeración. Los sistemas basados en evaporación pueden utilizar cantidades importantes de agua, mientras que determinadas tecnologías de refrigeración por aire o líquida directa pueden tener un consumo directo mínimo o nulo.
¿Qué es la WUE de un centro de datos?
WUE significa Water Usage Effectiveness o eficacia en el uso del agua. Es una métrica que relaciona el agua utilizada por un centro de datos con la energía consumida por sus equipos informáticos. Un valor menor indica una mayor eficiencia hídrica.
¿La inteligencia artificial consume más agua que una búsqueda tradicional en Internet?
No existe una comparación universal válida para todos los servicios. Una consulta de IA generativa suele requerir más capacidad de cálculo que una búsqueda convencional, pero el consumo real depende del modelo, infraestructura y tipo de operación. Compararlas exige utilizar la misma metodología y el mismo perímetro de cálculo.
¿Se puede reducir el consumo de agua de la IA?
Sí. Entre las opciones están utilizar modelos y chips más eficientes, mejorar los sistemas de refrigeración, emplear agua regenerada cuando sea adecuado, ubicar las instalaciones teniendo en cuenta el estrés hídrico y aumentar la transparencia sobre el consumo real de los centros de datos.
Fuentes principales consultadas: Sam Altman, The Gentle Singularity; Li, Yang, Islam y Ren, Making AI Less “Thirsty”; Google, medición del consumo de Gemini; Comisión Europea, informe sobre la eficiencia energética de los centros de datos en la UE, 2026; MITECO, proyecto de regulación de sostenibilidad de centros de datos; y EFEverde para la información reciente sobre centros de datos y estrés hídrico en España. Información revisada en octubre de 2026.
