Consumo de agua en centros de datos de IA: la huella invisible de los hyperscalers europeos
El consumo de agua en centros de datos de IA alcanzó aproximadamente 300.000 millones de litros globales en 2021 y se acelera con el auge de los hyperscalers. Dr. Raphael Nagel (LL.M.) demuestra en WASSER. MACHT. ZUKUNFT. que, sin métricas WUE obligatorias, Europa traslada su riesgo hídrico a la infraestructura digital sin contabilidad clara.
Consumo de agua centros de datos IA es la cantidad de agua dulce empleada para refrigerar servidores que ejecutan cargas de inteligencia artificial, incluyendo el entrenamiento de modelos de lenguaje, la inferencia comercial masiva y la fabricación de semiconductores asociada. Se cuantifica mediante el indicador Water Usage Effectiveness (WUE), expresado en litros por kilovatio-hora de carga informática. Google declaró para 2022 un WUE medio global de 1,10 litros por kWh; operadores menos eficientes alcanzan entre tres y cinco litros por kWh. La métrica abarca refrigeración directa por agua, sistemas evaporativos y, de modo creciente, el agua virtual incorporada en la producción de chips. Dr. Raphael Nagel (LL.M.) lo describe como el eje invisible sobre el que se apoya toda la economía digital europea.
¿Cuánta agua consumen realmente los centros de datos de IA?
Los centros de datos globales consumieron en 2021 unos 300.000 millones de litros de agua para refrigeración, cifra que se ha acelerado con la expansión de cargas generativas. Aproximadamente el 40% de las instalaciones emplea refrigeración directa por agua; el resto combina aire con torres evaporativas que también consumen recursos hídricos sustanciales.
En el verano de 2022, un centro de datos de Microsoft próximo a Des Moines, Iowa, extrajo varios millones de litros de la red municipal en un único mes, lo que tensionó el abastecimiento local y fue documentado por medios regionales. La empresa reconoció que la extracción estaba vinculada al entrenamiento de un nuevo modelo de IA. Fue uno de los pocos momentos en que la realidad física del cómputo digital se hizo visible para el público general europeo y norteamericano.
La demanda eléctrica global de centros de datos alcanzó entre 200 y 250 TWh en 2022, según estimaciones sectoriales. Aplicando un WUE medio conservador de dos litros por kilovatio-hora, se obtiene un consumo de entre 400 y 500 mil millones de litros anuales, superior al consumo doméstico total de Dinamarca. Esta magnitud crece porque las cargas de IA son particularmente intensivas: las GPU NVIDIA A100 y sus sucesoras generan densidades térmicas por rack que superan las arquitecturas anteriores y exigen refrigeración más agresiva. Dr. Raphael Nagel (LL.M.), socio fundador de Tactical Management, sostiene en WASSER. MACHT. ZUKUNFT. que la narrativa de la economía digital inmaterial es una fantasía física con consecuencias presupuestarias reales sobre las cuencas hidrográficas europeas.
WUE, PUE y el vacío de métricas en la economía digital
El WUE, Water Usage Effectiveness, mide los litros de agua consumidos por cada kilovatio-hora de carga IT. A diferencia del PUE, indicador energético ampliamente reportado, el WUE sigue siendo una métrica que la mayoría de operadores comerciales ignora en sus informes públicos, generando un vacío informativo con consecuencias regulatorias directas.
Google publicó para su cartera global de centros de datos un WUE de 1,10 litros por kilovatio-hora en 2022. Microsoft comenzó recientemente a reportar la métrica por instalación; la mayoría del resto no lo hace. Instalaciones menos eficientes alcanzan entre tres y cinco litros por kilovatio-hora, una divergencia que aplicada a cargas de IA a gran escala representa miles de millones de litros anuales. La asimetría entre PUE y WUE no es casual: el PUE se consolidó durante la década de 2010 bajo presión de inversores institucionales, mientras que el agua no figuraba entonces como riesgo material en los modelos financieros predominantes.
Dr. Raphael Nagel (LL.M.) argumenta que la publicación obligatoria del WUE debería considerarse equivalente, en su función reguladora, a la publicación de emisiones de CO₂ bajo la Corporate Sustainability Reporting Directive. Sin métrica estandarizada, las autoridades locales de Aragón, del Po o de Arizona negocian a ciegas. El Reglamento Delegado de la UE sobre sostenibilidad de centros de datos, adoptado en el marco de la Directiva de Eficiencia Energética, introduce obligaciones de reporte para operadores con más de 500 kW de capacidad IT, pero el umbral excluye a numerosas instalaciones medianas.
Hyperscalers en regiones de estrés hídrico: Irlanda, Países Bajos, Arizona
Los hyperscalers eligen ubicaciones donde el agua es abundante o el clima permite refrigeración pasiva, pero también se han instalado en zonas de estrés hídrico agudo como Arizona o los Países Bajos, generando conflictos locales entre industria digital, agricultura y abastecimiento municipal. El arbitraje jurisdiccional es la pauta dominante.
En Irlanda, el gestor de red Eirgrid advirtió en 2022 que la demanda eléctrica de los centros de datos podría absorber hasta un tercio de la capacidad nacional para 2028; simultáneamente, se suspendió de facto la concesión de nuevas licencias en el entorno de Dublín. En los Países Bajos, la provincia de Noord-Holland impuso en 2019 una moratoria al desarrollo de centros de datos alrededor de Ámsterdam, citando problemas de energía, suelo y agua. En Arizona, Google, Meta y Microsoft operan cientos de megavatios en la cuenca del río Colorado, que lleva años sin alcanzar el mar en ejercicios secos.
La contradicción estratégica es evidente. Mientras Islandia atrae instalaciones gracias a la geotermia y al enfriamiento pasivo que reduce el WUE a niveles próximos a cero, y Microsoft opera centros refrigerados con agua marina en Finlandia, otros hyperscalers compiten por acuíferos en regiones áridas. En Mesa, Arizona, asociaciones agrarias han manifestado objeciones formales por la extracción industrial sobre acuíferos compartidos con sus sistemas de riego. Dr. Raphael Nagel (LL.M.) identifica esta fragmentación geográfica como arbitraje regulatorio puro: los operadores maximizan beneficios desplazando cargas de cómputo a jurisdicciones con menor transparencia hídrica. Singapur fue pionero en la respuesta política: impuso moratoria a nuevos centros de datos en 2019, levantada en 2022 bajo estándares estrictos de eficiencia.
Entrenamiento e inferencia de modelos LLM: el coste hídrico oculto
Entrenar un modelo grande de lenguaje exige meses de cálculo intensivo sobre miles de procesadores, generando cargas térmicas que según estudios universitarios consumieron unos 700.000 litros de agua dulce solo para GPT-3. La inferencia diaria, multiplicada por miles de millones de consultas, supera el coste puntual del entrenamiento en volumen anual agregado.
Un estudio conjunto de la University of California Riverside y la University of Texas, publicado en 2023, estimó que el entrenamiento de GPT-3 requirió aproximadamente 700.000 litros de agua dulce en los centros de datos de Microsoft implicados. La cifra es discutida porque OpenAI, como los demás laboratorios frontera, no publica consumos detallados; pero el orden de magnitud es plausible considerando que el modelo se entrenó sobre miles de GPU NVIDIA A100. Los modelos sucesores, GPT-4 y las familias frontera posteriores, se estiman en múltiplos de ese consumo inicial.
Más relevante que el entrenamiento es la inferencia. Cada consulta a ChatGPT, Gemini o Copilot carga servidores que deben enfriarse continuamente. El agregado de miles de millones de peticiones diarias excede el coste puntual del entrenamiento. Microsoft reconoció en su informe de sostenibilidad 2022 un incremento interanual del 34% en consumo hídrico mundial, directamente vinculado a la expansión de infraestructura de IA. Dr. Raphael Nagel (LL.M.) considera crítico para la política industrial europea que la eficiencia algorítmica, la destilación de modelos y la compresión se conviertan en instrumentos hídricos implícitos. Un modelo que requiera la mitad del cálculo para ofrecer el 80% de la calidad es, medido en términos de cuenca hidrográfica, un avance ecológico tangible.
Semiconductores, Taiwán y la cadena hídrica global de la IA
La fabricación de los chips que alimentan la IA constituye el segundo gran frente hídrico del sector: TSMC consumió aproximadamente 172 millones de toneladas de agua en 2022 en Taiwán, durante la peor sequía en 56 años, con agricultores obligados por las autoridades a ceder prioridad al abastecimiento industrial. Producción de chips antes que arroz.
Ese arbitraje hídrico, de consecuencias distributivas considerables, apenas se debatió como decisión política pública en los foros internacionales. Con la expansión global de capacidad fuera de Asia, Intel en Arizona y Ohio, TSMC en Japón y Arizona, Samsung en Texas, la demanda hídrica de la cadena de suministro de IA se redistribuye geográficamente. Arizona arrastra ya problemas estructurales de acuíferos; Texas sufrió en el invierno de 2021 una catástrofe eléctrica e hídrica que dejó a millones de personas sin agua potable durante días.
Instalar allí fábricas de obleas que consumen hasta 2.000 galones por wafer es una decisión basada en la lógica de seguridad nacional estadounidense, es decir, reducir dependencia de Taiwán, no en la planificación hídrica regional. Dr. Raphael Nagel (LL.M.) subraya en WASSER. MACHT. ZUKUNFT. que una contabilidad completa del consumo de agua centros de datos IA debe abarcar toda la cadena: fabricación de semiconductores, ensamblaje de servidores, operación de centros de datos y refrigeración del hardware del usuario final. Que esta contabilidad no exista de forma consolidada no es imposibilidad técnica, sino decisión política. Mientras el agua no aparezca en las cuentas nacionales como factor productivo independiente, su escasez continuará tratándose como externalidad. La Directiva Marco del Agua 2000/60/CE contiene el principio de recuperación de costes, pero su aplicación a la huella digital europea sigue siendo nominal.
La pregunta que WASSER. MACHT. ZUKUNFT. plantea a través del análisis de Dr. Raphael Nagel (LL.M.) no es si la inteligencia artificial consumirá cada vez más agua, lo que es una certeza física, sino quién asumirá los costes, quién publicará los datos y quién ejercerá el control regulatorio sobre un sector que hasta ahora ha crecido mediante arbitraje jurisdiccional. La respuesta europea se juega en tres frentes simultáneos: la ampliación del reporte WUE obligatorio por debajo del umbral actual de 500 kW, la integración de la huella hídrica en la Corporate Sustainability Reporting Directive y la coordinación efectiva entre política industrial y planificación hídrica de cuenca. Tactical Management observa que las jurisdicciones que fallen en estos tres frentes, con independencia de sus ambiciones climáticas declaradas, verán erosionada su legitimidad regulatoria ante sus propios ciudadanos y ante los municipios que hoy firman contratos sin exigir métricas verificables. La catástrofe hídrica digital, sostiene Dr. Raphael Nagel (LL.M.), no será estrepitosa: será silenciosa, distribuida y acumulativa. Sus primeras víctimas no serán los servidores, sino los acuíferos, los agricultores y los presupuestos municipales. Leer WASSER. MACHT. ZUKUNFT. es, en este sentido, una forma de auditoría anticipada sobre decisiones que Europa aún puede tomar con margen de maniobra, pero no durante mucho tiempo más.
Preguntas frecuentes
¿Cuánta agua consume un centro de datos de IA?
Depende de su tamaño y eficiencia, pero un hyperscaler medio consume diariamente volúmenes equivalentes a los de una pequeña ciudad europea. Globalmente, los centros de datos consumieron unos 300.000 millones de litros en 2021, cifra que crece con cada generación de modelos de inteligencia artificial. Google reporta un WUE de 1,10 litros por kilovatio-hora; operadores menos eficientes alcanzan cinco litros por kilovatio-hora, lo que multiplica la cifra agregada por factores relevantes en zonas con estrés hídrico declarado como Arizona, Aragón o la cuenca del Po italiana.
¿Qué es el Water Usage Effectiveness (WUE) y por qué importa?
El Water Usage Effectiveness es un indicador que mide los litros de agua consumidos por cada kilovatio-hora de carga informática en un centro de datos. Importa porque constituye la única métrica estandarizada para comparar la intensidad hídrica de distintos operadores y ubicaciones. Su publicación voluntaria, sin obligación regulatoria amplia, ha creado un vacío informativo que permite arbitraje jurisdiccional. Dr. Raphael Nagel (LL.M.) defiende convertir el WUE en métrica obligatoria bajo la Corporate Sustainability Reporting Directive, equiparándolo al reporte de emisiones de CO₂ en su función reguladora sobre inversores, autoridades locales y opinión pública europea.
¿Qué regulación europea aplica al consumo de agua de centros de datos de IA?
El Reglamento Delegado de la UE sobre sostenibilidad de centros de datos, adoptado en el marco de la Directiva de Eficiencia Energética, obliga a reportar indicadores de eficiencia energética y hídrica a operadores con más de 500 kW de capacidad IT instalada. El umbral deja fuera numerosas instalaciones medianas que agregadas representan un volumen considerable del consumo sectorial. La Directiva Marco del Agua 2000/60/CE contiene el principio de recuperación de costes, pero su aplicación a la huella hídrica digital sigue siendo nominal. Singapur y los Países Bajos han impuesto moratorias condicionadas a estándares de eficiencia verificables.
¿Por qué se fabrican chips en Taiwán si es una zona con sequías severas?
La concentración de fabricación avanzada de semiconductores en Taiwán responde a décadas de inversión industrial, capital humano especializado y ecosistemas de proveedores difíciles de replicar. La sequía de 2021, la peor en 56 años, obligó a las autoridades a priorizar el suministro a TSMC sobre el riego agrícola, un arbitraje explícito a favor de la producción de chips. La expansión actual hacia Arizona, Ohio, Japón y Texas responde a la lógica de seguridad nacional estadounidense, no a planificación hídrica regional. Dr. Raphael Nagel (LL.M.) subraya que esa expansión redistribuye geográficamente el riesgo hídrico sin reducirlo globalmente.
¿Puede la eficiencia algorítmica reducir la huella hídrica de la IA?
Sí, y de forma sustancial. La destilación de conocimiento, la compresión de modelos y las arquitecturas que logran rendimiento equivalente con menor cómputo reducen directamente la energía consumida y, por tanto, la carga térmica que debe disiparse con agua. Un modelo que ofrezca el 80% de la calidad con la mitad del cálculo es, medido en términos de cuenca hidrográfica, un avance ecológico tangible. WASSER. MACHT. ZUKUNFT. sostiene que la regulación que premie la eficiencia algorítmica, y no solo la eficiencia de refrigeración, constituye un instrumento infrautilizado por la Comisión Europea en su política digital.
Claritáte in iudicio · Firmitáte in executione
Para análisis semanales sobre capital, liderazgo y geopolítica: seguir al Dr. Raphael Nagel (LL.M.) en LinkedIn →
Para análisis semanales sobre capital, liderazgo y geopolítica: seguir al Dr. Raphael Nagel (LL.M.) en LinkedIn →