¿Cuánta agua usó la IA en 2025?
El agua de la IA no se mide por separado, así que no existe un total auditado de 2025. Nuestra estimación mejor anclada: los centros de datos de EE. UU., donde corre la mayor parte de la IA, consumieron directamente unos 23.000–33.000 millones de galones de agua en 2025 (límite Bajo, solo refrigeración; inferencia del sitio a partir de la medición 2023 y la proyección 2028 de LBNL). Una sola consulta de chat usó 0,3–45 mL, según qué se cuente.
Por qué la respuesta es un rango, no un número
Tres cosas impiden que 2025 tenga una cifra única.
Primero, nadie le factura el agua a «la IA». Las empresas de agua miden centros de datos, y los centros de datos corren de todo: streaming, correo, nóminas e IA. El informe 2024 del Lawrence Berkeley National Laboratory, todavía la contabilidad pública más rigurosa, midió los centros de datos de EE. UU. en 176 TWh de electricidad y unos 17.000 millones de galones de agua consumida directamente en 2023, y atribuyó la mayor parte del crecimiento desde 2017 a servidores acelerados para IA (LBNL 2024). Todo lo posterior a 2023 es proyección.
Segundo, el límite que traces cambia la respuesta en dos órdenes de magnitud. Cuenta solo el agua de refrigeración evaporada en el sitio (Bajo, solo refrigeración) y una consulta de chat cuesta bastante menos de un mililitro. Añade el agua consumida al generar la electricidad (Medio, + electricidad) y son unos pocos mililitros. Añade los entrenamientos y la fabricación de chips (Alto, ciclo de vida completo) y la estimación de ciclo de vida de Mistral llega a 45 mL por respuesta de 400 tokens (LCA de Mistral, 2025).
Tercero, 2025 fue, con cierta ironía, el primer año en que las empresas publicaron cifras oficiales por prompt, lo que acotó el debate por consulta mientras dejaba el total anual tan brumoso como siempre.
Cómo se vio tu propio 2025
Un hábito de chatbot diario durante todo 2025 (diez consultas de ChatGPT al día) da aproximadamente 26 litros en Medio (+ electricidad): cerca del 40% de una ducha. La distancia entre eso y «miles de millones de galones» es la historia de esta página: los totales son una pregunta de infraestructura, no personal.
Clase frontera · 2 Wh por 1.000 tokens (referencia media)
El mismo prompt puede ser «cinco gotas» o «una botella de agua» según qué se cuente: solo la refrigeración del centro de datos (Bajo), el agua detrás de la electricidad (Medio), o también el entrenamiento y el hardware (Alto).
Lee la metodología63,9litros
= 16,9 galones
ChatGPT (estándar), 25 prompts/día · por año, escenario Medio
Energía
12,8 kWh
Carbono
4,5 kg CO₂e
Lo que sí se divulgó en 2025
2025 fue el año en que las cifras por consulta dejaron de ser puramente académicas:
- Google publicó una divulgación técnica: un prompt mediano de Gemini Apps usa 0,24 Wh de energía y 0,26 mL de agua (Bajo, solo refrigeración; Google 2025).
- Sam Altman escribió en junio de 2025 que una consulta media de ChatGPT usa 0,34 Wh y alrededor de 0,32 mL de agua (Bajo, solo refrigeración; Altman 2025).
- Mistral publicó el primer análisis de ciclo de vida con revisión externa de un desarrollador de modelos: 45 mL de agua y 1,14 gCO₂e por respuesta de 400 tokens (Alto, ciclo de vida completo; LCA de Mistral 2025).
Fíjate en lo que pasó ahí: las dos divulgaciones de operadores y el estudio de ciclo de vida difieren en un factor de unas 150 veces, y ninguno está equivocado. Responden preguntas de tamaños distintos. Google y OpenAI contaron el agua que sus sistemas de refrigeración consumieron por consulta; Mistral contó además las centrales eléctricas, los entrenamientos y las fábricas que hicieron los chips. La cifra ampliamente citada de ~519 mL por correo de 100 palabras viene de un análisis del Washington Post de 2024 hecho con Shaolei Ren, de UC Riverside; cuenta la refrigeración más el agua de la electricidad con una estimación de energía alta de 2024 para GPT-4, no el ciclo de vida completo. La estimación propia del artículo de UC Riverside, ~500 mL por cada 10–50 respuestas de longitud media con infraestructura de la era GPT-3, usa el mismo límite de refrigeración más electricidad (Li y Ren, CACM 2025).
De abajo arriba: consultas × agua por consulta
Una forma de construir un total 2025 es desde las consultas hacia arriba. OpenAI declaró unos 2.500 millones de consultas diarias a ChatGPT en 2025; escalando por Gemini, Claude, Meta AI y el resto, estimamos ~5.000 millones de consultas de chat de IA al día en el mundo (estimado; supuesto del contador de este sitio). A unos ~0,8 Wh por consulta (supuesto combinado del sitio entre nuestros ~0,56 Wh de clase estándar y ~1,4 Wh de clase frontera por intercambio; las cifras de los operadores van de 0,24 a 0,34 Wh), eso da alrededor de 1,5 TWh anuales de inferencia de chat. Aplicando el factor de agua de cada escenario:
- Bajo, solo refrigeración: ~0,24 mL/consulta → aproximadamente 400 millones de litros (~100 millones de galones) al año
- Medio, + electricidad: ~4 mL/consulta → aproximadamente 7.300 millones de litros (~1.900 millones de galones) al año
- Alto, ciclo de vida completo: ~24 mL/consulta → aproximadamente 44.000 millones de litros (~11.600 millones de galones) al año
Los tres son inferencias del sitio a partir de coeficientes con fuente (Siddik 2021 para el factor Medio; LCA de Mistral 2025 para el Alto). Y los tres son pisos, no totales: cubren solo consultas de chat. Los entrenamientos, la generación de imagen y vídeo, los agentes de código y el tráfico de API empresarial (las cargas que de verdad llenan los centros de datos) no están en estos números.
De arriba abajo: la vista desde los centros de datos
La otra forma es desde los edificios hacia abajo. LBNL midió 176 TWh y ~17.000 millones de galones de consumo directo de agua para los centros de datos de EE. UU. en 2023, y proyectó 325–580 TWh para 2028 (LBNL 2024). Interpolando esa trayectoria, 2025 queda en aproximadamente 240–340 TWh. Si el agua escaló en proporción (una simplificación que asume que la eficiencia de refrigeración se mantuvo), el consumo directo en 2025 fue de unos 23.000–33.000 millones de galones (límite Bajo, solo refrigeración; inferencia del sitio, porque la base de LBNL cuenta el agua en el sitio).
Incluye el agua consumida al generar la electricidad (~4,5 L/kWh en la red de EE. UU., Siddik 2021) y la cifra total para los centros de datos de EE. UU. en 2025 (agua directa más la de la electricidad) queda en el orden de 310.000–440.000 millones de galones (Medio, + electricidad; inferencia del sitio), aunque, de nuevo, eso abarca todas las cargas de los centros de datos, de las que la IA es la porción que más crece, no el todo.
Para dimensionar: 23.000–33.000 millones de galones de consumo directo es más o menos lo que usan en casa 0,8–1,1 millones de estadounidenses en un año (82 gal/persona/día, EPA WaterSense). Significativo, y creciendo rápido. Pero la lección más útil de 2025 es dónde crece, porque un galón evaporado en un condado con estrés hídrico no es lo mismo que un galón en uno lluvioso.
Lo que las propias empresas reportaron del año anterior respalda la trayectoria: Google declaró unos 7.700 millones de galones consumidos en sus centros de datos en 2024 (Informe Ambiental de Google 2025; los 6.100 millones que tanto se citan eran de 2023), y Equinix 1.200 millones (Equinix 2025): dos empresas que ya superan la mitad de toda la cifra estadounidense de LBNL para 2023, aunque sus flotas están en parte fuera de EE. UU.
Lo que 2025 no nos dijo
Quedan tres vacíos. Nadie publicó un total específico de IA: las divulgaciones de operadores cubren flotas enteras, y LBNL cubre edificios enteros. Extracción y consumo se siguen confundiendo de forma rutinaria: una planta que toma prestada agua de un río y la devuelve hace algo distinto de una torre de refrigeración que la evapora, y los titulares rara vez distinguen. Y la ubicación lo es todo: los mililitros por consulta se agregan en estrés local, no global. Esos vacíos son la razón por la que este sitio reporta rangos con límites etiquetados en lugar de un único número confiado.
Esta página queda como registro histórico; la página de 2026 sigue el año en curso.