somosgreenia

Inicio › Blog › Huella de la IA

¿Cuánta agua y energía gasta la IA? Lo que dicen los datos

Seguro has leído que cada conversación con un chatbot se toma medio litro de agua. Revisamos de dónde sale esa cifra, qué dicen las mediciones más recientes y qué puedes hacer tú para usar la IA con menos huella.

Respuesta corta

¿Cuánta agua y energía gasta una consulta a la IA?

Poca, pero no cero. Las empresas que publicaron cifras para una consulta típica de texto hablan de 0,24 a 0,34 Wh de energía y de 0,26 a 0,32 mL de agua, unas cinco gotas (Google, 2025; OpenAI, 2025). Los estudios que miden alcances más amplios dan valores mayores. Todas son estimaciones: ninguna mide tu consulta concreta.

Para dimensionar: 1 Wh es la energía de un bombillo LED de 10 W encendido 6 minutos, y 1 mL es una milésima de litro.

El mito

¿De dónde salió lo del medio litro de agua por conversación?

De un estudio académico de 2023 (Li et al.). Calculaba el agua de conversaciones largas, con un modelo de esa época, y sumaba el agua que usan las plantas que generan la electricidad. Con el tiempo, la cifra se repitió como si fuera el gasto de cada pregunta.

Las mediciones publicadas en 2025 cuentan otra historia. Google reportó 0,26 mL de agua de refrigeración por consulta de texto mediana. Aun sumando el agua de la planta eléctrica, una consulta queda en alrededor de 1 mL.

Criterio: que una consulta gaste poco no es permiso para desperdiciar. Cada gota de agua y cada vatio cuentan, en cualquier lugar. El dato correcto sirve para medir bien y reducir de verdad.
Por qué no coinciden

¿Por qué cada fuente da una cifra distinta?

Porque cada una mide algo diferente. Antes de compartir un número, revisa de quién es, de qué año y qué incluye:

  • Google, 2025: 0,24 Wh y 0,26 mL por consulta de texto mediana en Gemini. No incluye redes, dispositivos del usuario ni entrenamiento.
  • OpenAI, 2025: 0,34 Wh y unos 0,32 mL por consulta promedio de ChatGPT. La publicación no explica qué incluye la medición.
  • Mistral, 2025: 45 mL de agua por una respuesta de 400 tokens, con un análisis del ciclo de vida del modelo que no cuenta el dispositivo del usuario.
  • Li et al., 2023: entre 10 y 50 mL por consulta, con el modelo GPT-3 en centros de datos de Microsoft en Estados Unidos.

Por eso no se pueden comparar directamente. La tabla completa está en Mitos y verdades de la IA y el planeta, con las 14 fuentes enlazadas.

Lo que más pesa

¿Qué usos de la IA gastan más energía?

La diferencia no está en cuántas veces preguntas, sino en qué le pides. Esta es la energía estimada por unidad; son valores centrales y cada tarea tiene un rango amplio:

TareaEnergíaEquivale a
Mensaje de chat0,3 WhLa unidad de referencia
Imagen1,2 Wh≈ 4 mensajes
Generar código2 Wh≈ 7 mensajes
Consulta con razonamiento4 Wh≈ 13 mensajes
Sesión de agente (30 min)40 Wh≈ 130 mensajes
Video de 5 segundos944 Wh≈ 3.000 mensajes

Si usas IA toda la jornada (chat, textos largos, algo de código, razonamiento e imágenes), gastas unos 35 Wh al día. En un año laboral son cerca de 8,7 kWh y unos 4 kg de CO₂: lo mismo que manejar unos 16 km en un carro a gasolina.

Tu parte es pequeña; la suma, no. Los centros de datos del mundo consumieron 415 TWh en 2024, cerca del 1,5 % de la electricidad del planeta. El escenario base de la Agencia Internacional de Energía proyecta 945 TWh para 2030, con la IA como principal motor de ese crecimiento.

Fuentes: Estándar somosgreenia v1.2 (250 días laborales al año; 458 g de CO₂ por kWh, Ember, 2026; carro de 250 g/km, EPA, ficha de junio de 2023); Agencia Internacional de Energía, Energy and AI, 2025 (945 TWh en 2030 es una proyección, no una medición). Son estimaciones educativas.

Qué puedes hacer

¿Cómo usar la IA con menos huella y mejores resultados?

  1. 1
    Pregúntate si necesitas IAPara un dato puntual, como un horario o una dirección, el buscador basta.
  2. 2
    Empieza por el modelo más livianoActiva el razonamiento, las imágenes o el video solo cuando la tarea lo pida.
  3. 3
    Pide bien a la primeraDi qué quieres, para quién, en qué formato y de qué largo. Una buena instrucción ahorra varios intentos.
  4. 4
    Verifica antes de usarLa IA puede inventar cifras, citas y nombres con total seguridad. Revísalos en la fuente original.
  5. 5
    Cuida lo que compartesNo pegues contraseñas, datos de clientes ni información confidencial.

Calcula tu huellaLee los 10 mitos

Con quién aprendemos

Nuestros mentores en IA

En somosgreenia también seguimos aprendiendo. Oscar aprende inteligencia artificial con Irremplazables, sus mentores en IA: una comunidad que enseña sobre IA y da sus clases en Skool. Una de sus ideas resume bien por qué existe este blog:

«La IA no viene por tu trabajo. Viene por la parte de tu trabajo que nunca te hizo irremplazable. Aquí nos apalancamos de la IA para ser más humanos».

— Irremplazables

Conoce la comunidad Irremplazables en Skool

Fuentes

De dónde salen los datos

  1. Li, Yang, Islam y Ren, “Making AI Less Thirsty”, 2023. arxiv.org/abs/2304.03271
  2. Elsworth et al. (Google), “Measuring the environmental impact of delivering AI at Google Scale”, 2025. arxiv.org/abs/2508.15734 · Google, “Measuring the environmental impact of AI inference”, blog de Google Cloud, 2025. cloud.google.com
  3. OpenAI, publicación de su director ejecutivo “The Gentle Singularity”, junio de 2025. blog.samaltman.com/the-gentle-singularity
  4. Mistral AI, “Our contribution to a global environmental standard for AI”, 22 de julio de 2025. mistral.ai
  5. Estándar somosgreenia v1.2, octubre de 2026: metodología propia con coeficientes y rangos (todavía no publicada en el sitio).
  6. Agencia Internacional de Energía, Energy and AI, 2025 · Ember, Global Electricity Review 2026 · EPA, emisiones de un vehículo de pasajeros típico (ficha de junio de 2023).