# ¿Cómo reduzco la huella hídrica de la IA?

> Reduzca el consumo de agua de la IA usando menos cómputo, eligiendo proveedores y regiones con poco estrés hídrico y buena WUE, y programando bien el trabajo pesado.

Source: https://greenai.guide/es/como/como-reduzco-la-huella-hidrica-de-la-ia/  
Updated: 2026-11-19

## En resumen

El consumo de agua sigue al de energía, así que el primer paso es el mismo: modelos más pequeños, respuestas más cortas y menos regeneraciones. Además, elija proveedores que publiquen su consumo de agua, evite las regiones con estrés hídrico para el trabajo pesado y pida a los proveedores cifras de agua por centro. Por prompt de texto, el agua es poca; lo que importa son los totales y los efectos locales.

## Steps

1. Reduzca primero el cómputo con modelos más pequeños, respuestas más cortas y menos regeneración.
2. Pida a los proveedores el consumo de agua y la WUE de cada centro, y de dónde procede el agua.
3. Evite las regiones con estrés hídrico para el trabajo pesado y flexible, como el entrenamiento.
4. Prefiera proveedores que informen de su consumo de agua públicamente o a un regulador.
5. Incluya el agua en las preguntas de compra de IA y en sus propios informes.

**Menos cómputo significa menos agua, y el lugar donde se hace el cómputo decide cuánto importa esa agua.** Los
centros de datos usan agua sobre todo para la refrigeración, y las centrales eléctricas la usan para producir la
electricidad.

## ¿De cuánta agua hablamos? {#how-much-water-are-we-talking-about}

Por prompt de texto, muy poca: Google informa de 0,26 mL por prompt de texto mediano de Gemini. En total, y en algunos
lugares, mucha: Li, Yang, Islam y Ren estimaron que entrenar GPT-3 en los centros de datos de Microsoft en EE. UU.
podría haber evaporado directamente unos 700.000 litros, y proyectaron que la demanda mundial de IA podría suponer
entre 4.200 y 6.600 millones de metros cúbicos de extracción de agua en 2027. Cómo estimar su propia parte se explica
en [estimar la huella hídrica de la IA](/es/como/como-estimo-la-huella-hidrica-de-la-ia/).

## ¿Qué la reduce realmente? {#what-actually-reduces-it}

- **Menos cómputo.** La UNESCO y el University College London hallaron que los modelos pequeños específicos pueden
  reducir la energía hasta en un 90%, y los prompts y respuestas más cortos, a menos de la mitad; el agua baja con la
  energía.
- **Ubicación.** Un litro extraído en una zona afectada por la sequía tiene más efecto que uno donde el agua abunda,
  así que traslade el trabajo pesado y flexible lejos de los lugares con estrés hídrico cuando pueda.
- **Pruebas de los proveedores.** En la UE, los operadores de centros de datos con una demanda de potencia informática
  de al menos 500 kW deben informar de su consumo de energía y agua en virtud del Reglamento Delegado 2024/1364. Pida
  esas cifras.

## Errores frecuentes {#common-mistakes}

- **Buscar solo la WUE más baja.** La refrigeración que ahorra agua puede consumir más electricidad; lea
  [PUE y WUE](/es/como/como-interpreto-las-cifras-de-pue-y-wue/) conjuntamente.
- **Preocuparse por las preguntas cortas** mientras se generan imágenes y vídeos sin medida.
- **Olvidar el agua de la central eléctrica,** que las cifras in situ dejan fuera.

Consulte [alojamiento y centros de datos](/es/buenas-practicas/alojamiento-y-centros-de-datos-para-una-ia-verde/).

## Fuentes

- [Making AI less 'thirsty': uncovering and addressing the secret water footprint of AI models](https://arxiv.org/abs/2304.03271), Li, Yang, Islam and Ren (2023)
- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- [Commission Delegated Regulation (EU) 2024/1364 on the first phase of the establishment of a common Union rating scheme for data centres](https://eur-lex.europa.eu/eli/reg_del/2024/1364/oj), European Commission (2024)
- [AI large language models: new report shows small changes can reduce energy use by 90%](https://www.unesco.org/en/articles/ai-large-language-models-new-report-shows-small-changes-can-reduce-energy-use-90), UNESCO (2025)
