Huella hídrica y energética de la IA: el costo ambiental que las empresas deben calcular
Detrás de cada respuesta generada por un sistema de inteligencia artificial existe un consumo de recursos que rara vez aparece en los análisis de adopción tecnológica corporativa. Investigadores de la Universidad de Guanajuato y del Centro Regional de Investigaciones Multidisciplinarias de la UNAM han cuantificado esa huella con cifras que obligan a replantear la ecuación costo-beneficio de la IA a escala empresarial y nacional. Según estas estimaciones, los centros de datos que sostienen la infraestructura de IA requieren alrededor de 21 mil millones de megavatios de energía, una demanda que ha llevado a grandes operadores tecnológicos a explorar fuentes como la energía nuclear para garantizar continuidad operativa.
El consumo hídrico representa otra dimensión crítica del problema. Cada respuesta generada por un modelo de lenguaje de gran escala requiere entre 10 y 25 mililitros de agua para refrigerar los sistemas computacionales involucrados, lo que equivale a una botella completa por cada veinte consultas. La transición entre versiones de modelos de IA de uso masivo ha implicado consumos puntuales del orden de 700 mil litros de agua dulce. Las proyecciones para 2027 indican que los centros de datos globales demandarán agua en volúmenes equivalentes al consumo de cinco países con poblaciones similares a la de Dinamarca —aproximadamente 6 millones de habitantes cada uno—. Para estrategas corporativos y responsables de sostenibilidad, estas cifras no son datos abstractos: representan riesgos regulatorios, reputacionales y operativos concretos en un contexto de creciente escasez hídrica.
Más allá del impacto ambiental, la cadena de suministro de la IA revela una concentración geopolítica que define quién controla realmente el ritmo de esta transformación tecnológica. El 90% de los chips y semiconductores necesarios para entrenar modelos de IA se fabrican en Taiwán, mientras que el 97% de las materias primas críticas —silicio y tierras raras— proviene de China. Esta dependencia estructural limita la autonomía tecnológica de economías como la mexicana y la mayoría de América Latina, que en la práctica operan como consumidoras netas de una infraestructura que no controlan ni producen. Para los líderes empresariales de la región, comprender estos cuellos de botella es tan relevante como evaluar las capacidades funcionales de los modelos que adoptan: la geopolítica de los semiconductores es, en última instancia, la geopolítica de la competitividad digital.
