Por Falcotitlan SOSTENIBLE, A.C. | ESFERA AMBIENTAL (Redacción de periodismo ambiental especializado)
Lunes 26 de octubre de 2026
La inteligencia artificial suele presentarse como una tecnología intangible, alojada en una supuesta nube. Pero detrás de cada servicio digital existe una infraestructura física que demanda electricidad, utiliza agua, requiere equipos electrónicos y puede contribuir, directa o indirectamente, a las emisiones de gases de efecto invernadero.
El crecimiento acelerado de la inteligencia artificial (IA) está transformando los centros de datos, que pasaron de ser instalaciones relativamente discretas a convertirse en complejos industriales de gran escala. Su expansión plantea interrogantes fundamentales para la política ambiental: ¿quién consume los recursos naturales que sostienen la economía digital?, ¿qué comunidades asumen los costos?, y ¿qué mecanismos garantizan que los beneficios tecnológicos no se traduzcan en una mayor presión sobre el clima?
La cuestión no consiste en afirmar que toda inteligencia artificial es perjudicial para el ambiente. El problema es más profundo: una tecnología capaz de optimizar procesos también puede aumentar la rentabilidad de actividades contaminantes cuando se utiliza dentro de un modelo económico dependiente de los combustibles fósiles.
1. La nube tiene una huella hídrica real
Uno de los impactos más importantes de los centros de datos es su relación con el agua. Los servidores generan calor durante su funcionamiento y necesitan sistemas de refrigeración para mantener condiciones adecuadas de operación. Dependiendo de la tecnología utilizada, el clima y la ubicación de las instalaciones, estos sistemas pueden consumir cantidades significativas de agua dulce.
Para evaluar esta presión ambiental es necesario distinguir entre extracción y consumo de agua. La extracción corresponde al volumen retirado de ríos, lagos o acuíferos; el consumo es la parte que no regresa a la misma fuente de manera inmediata, por ejemplo, porque se evapora durante la refrigeración. Esta diferencia es esencial para determinar los efectos sobre la disponibilidad hídrica de una cuenca.
El estudio “Making AI Less 'Thirsty': Uncovering and Addressing the Secret Water Footprint of AI Models”, publicado en 2023, propuso evaluar la huella hídrica de la IA mediante tres componentes: el agua utilizada directamente para enfriar los centros de datos, la requerida para generar la electricidad que consumen y la empleada en la fabricación de sus servidores y equipos.
Los investigadores estimaron que el entrenamiento de GPT-3 pudo implicar la evaporación de aproximadamente 700 mil litros de agua dulce para refrigeración en centros de datos estadounidenses de Microsoft. Al incorporar el agua utilizada en la generación eléctrica, la estimación ascendía a unos 5.4 millones de litros. Son estimaciones modeladas, no mediciones públicas de una instalación específica, y no deben interpretarse como el consumo de cada consulta realizada por una persona.
La magnitud del impacto depende de dónde y cómo opera cada instalación. Un centro de datos que utiliza refrigeración evaporativa en una región con escasez de agua puede ejercer una presión muy distinta de otra instalación que emplea sistemas cerrados, agua regenerada o refrigeración adaptada a las condiciones climáticas locales.
Una revisión publicada en 2025 por especialistas del Lawrence Berkeley National Laboratory concluyó que el uso de agua por unidad de trabajo digital puede variar ampliamente, debido a factores como la eficiencia de los servidores, el sistema de refrigeración, la utilización de los equipos y la combinación de fuentes eléctricas. No existe una cifra universal de litros consumidos por cada operación de IA.
2. Querétaro: el desafío mexicano de la expansión digital
México ofrece un ejemplo relevante de los desafíos que acompañan al crecimiento de esta infraestructura. Querétaro se ha consolidado como uno de los principales polos nacionales de centros de datos, aunque enfrenta importantes retos de disponibilidad de agua.
Un informe de Oxfam México y Oxfam Intermón, publicado en agosto de 2026, examinó la expansión de estas instalaciones en los municipios de Colón y El Marqués y sus posibles efectos sobre la distribución de los recursos hídricos, los beneficios económicos y los costos ambientales para las comunidades. La organización señaló, entre otros datos, que un centro de datos cuenta con permisos para extraer hasta 25 millones de litros de agua de pozo. La cifra corresponde a un permiso de extracción y no debe confundirse automáticamente con el volumen efectivamente consumido.
El 22 de octubre de 2026, El Economista informó que especialistas pidieron a las empresas tecnológicas transparentar sus consumos actuales y proyectados de agua en México. La publicación reportó 279 megawatts de capacidad operativa en centros de datos en abril de 2026, además de otros 205 megawatts en construcción, y señaló que Querétaro concentra alrededor del 72% de la capacidad instalada nacional, según los datos citados en su cobertura.
La medición pública de los consumos prevista para 2027, anunciada por autoridades estatales, representa un paso relevante, pero la transparencia deberá incluir más que cifras agregadas: será necesario conocer la fuente de abastecimiento, los volúmenes extraídos y consumidos, las descargas, los métodos de refrigeración y la situación hídrica de cada cuenca.
El reto es evitar que la infraestructura digital compita con el abastecimiento humano, la agricultura y los ecosistemas, especialmente en territorios donde la disponibilidad de agua ya constituye un problema estructural.
3. La factura eléctrica: más centros de datos, más presión sobre el sistema energético
Los modelos de IA requieren capacidad de cómputo intensiva, mientras que el entrenamiento y la operación de grandes modelos se suman a otras cargas digitales, como el almacenamiento de información, los servicios de internet y las plataformas de video.
La Agencia Internacional de Energía (AIE) estima que el consumo eléctrico mundial de los centros de datos aumentará de aproximadamente 485 terawatts-hora (TWh) en 2025 a 950 TWh en 2030, cerca del 3% de la demanda mundial de electricidad prevista para ese año. La organización también proyecta que el consumo de los centros de datos enfocados en IA crecerá más rápidamente que el promedio del sector.
PROYECCIÓN DE CONSUMO ELÉCTRICO MUNDIAL
2025
485 TWh
2030
950 TWh
El consumo proyectado prácticamente se duplica en cinco años. La cifra comprende todos los usos de los centros de datos, no exclusivamente la inteligencia artificial.
La cifra comprende todos los usos de los centros de datos, no exclusivamente la inteligencia artificial.
La electricidad no tiene la misma huella climática en todos los países. Su impacto depende de la combinación de fuentes que alimentan la red y de la infraestructura construida para responder a la demanda. Si el crecimiento se cubre con energía eólica, solar, hidroeléctrica o nuclear de bajas emisiones, los resultados serán distintos de los que se obtendrían mediante centrales de carbón o gas natural.
La AIE prevé que las energías renovables cubrirán cerca de la mitad del incremento de la generación eléctrica destinada a centros de datos hasta 2030, pero también anticipa una contribución importante del gas natural y del carbón. El aumento de capacidad informática no garantiza por sí mismo una transición energética.
A esta presión se suman los generadores de respaldo que algunas instalaciones utilizan para asegurar la continuidad del servicio. Su funcionamiento implica emisiones adicionales que deben contabilizarse por separado cuando no estén incluidas en las estimaciones generales.
Construir un centro de datos puede requerir nuevas subestaciones, líneas de transmisión y plantas de generación. La infraestructura energética puede tardar más en desarrollarse que las propias instalaciones digitales, creando tensiones entre la velocidad de expansión tecnológica y la capacidad de los sistemas eléctricos para abastecerla con fuentes limpias.
4. Cuando la inteligencia artificial ayuda a encontrar más petróleo
El tercer impacto es menos visible, pero tiene implicaciones climáticas profundas: la utilización de la IA para mejorar la exploración, el descubrimiento y la extracción de hidrocarburos.
Los algoritmos pueden procesar información sísmica, interpretar imágenes del subsuelo, identificar posibles yacimientos, reducir tiempos de análisis y optimizar operaciones. Estas aplicaciones pueden mejorar la productividad industrial, pero también hacer económicamente viables proyectos petroleros que anteriormente se consideraban demasiado costosos o riesgosos.
En 2020, Greenpeace documentó contratos y colaboraciones de grandes compañías tecnológicas con empresas petroleras para proporcionar servicios de computación y herramientas de análisis. Tras las críticas, Google anunció que dejaría de desarrollar soluciones personalizadas de IA dirigidas a determinadas actividades de extracción de hidrocarburos; Amazon y Microsoft no asumieron entonces el mismo compromiso general.
La tendencia continúa en América Latina:
• Brasil: Petrobras ha invertido en supercomputación para analizar información sísmica y desarrollar modelos tridimensionales del subsuelo, incluidos trabajos vinculados con la exploración petrolera.
• Argentina: YPF ha impulsado centros de inteligencia operativa y análisis de datos para mejorar sus operaciones en Vaca Muerta, una de las principales formaciones de hidrocarburos no convencionales de la región.
• Colombia: Ecopetrol ha anunciado iniciativas para incorporar inteligencia artificial a sus procesos de exploración y producción.
Estas aplicaciones no implican que todo proyecto apoyado por IA necesariamente produzca más emisiones. La cuestión es qué actividad se vuelve más eficiente, qué producción adicional permite y qué sucede con los combustibles extraídos cuando llegan al mercado.
El estudio “AI-driven productivity gains enable more CO₂ emissions than they avoid in a global energy–economy model”, publicado en agosto de 2026 en npj Climate Action, examinó esta contradicción. Sus autores modelaron la IA como un amplificador de productividad aplicado tanto a los combustibles fósiles como a las energías renovables.
En los escenarios analizados, las emisiones anuales habilitadas por mejoras de productividad en el sector fósil oscilaron entre 0.6 y 2.4 gigatoneladas de CO₂. El efecto neto modelado, al considerar también las mejoras en renovables, fue un aumento de entre 0.47 y 1.8 gigatoneladas anuales, equivalente a entre 1.2% y 4.8% de las emisiones energéticas mundiales de CO₂ de 2024.
Estas cifras son resultados de un modelo económico global, no mediciones directas de emisiones atribuibles a instalaciones específicas ni un pronóstico inevitable. Los autores concluyen que, bajo sus supuestos, las ganancias de productividad en actividades fósiles pueden superar los beneficios climáticos derivados de optimizar las renovables, salvo que las mejoras en estas últimas sean considerablemente mayores.
Reducir el costo de extraer petróleo no equivale a reducir las emisiones climáticas.
Una operación más eficiente puede disminuir algunos impactos por barril, pero también estimular una mayor producción y prolongar la dependencia de los combustibles fósiles.
5. América Latina ante el riesgo de una nueva presión extractiva
La expansión de la infraestructura digital plantea una pregunta de justicia ambiental: ¿quién obtiene los beneficios económicos de la IA y quién asume sus costos materiales?
En Brasil, el proyecto de centro de datos asociado con ByteDance, propietaria de TikTok, en Caucaia, estado de Ceará, se convirtió en un ejemplo de controversia por el agua. De acuerdo con una investigación de The Intercept Brasil, la autorización reportada para el uso de agua pasó de 19,700 a 144,000 litros diarios. La investigación cuestionó los procedimientos y la suficiencia de la justificación hídrica presentada para respaldar el cambio.
El caso ilustra la importancia de distinguir entre una autorización administrativa y el consumo real de una instalación. También demuestra por qué los permisos deben evaluarse con información independiente sobre la disponibilidad de agua, los usos existentes y los efectos acumulativos de varios proyectos en una misma región.
En Chile, las modificaciones regulatorias relacionadas con los umbrales de almacenamiento de combustibles han suscitado cuestionamientos sobre si determinadas instalaciones podrían quedar fuera de una evaluación ambiental que, de otro modo, permitiría examinar sus riesgos. En Brasil, el debate sobre incentivos fiscales para centros de datos también ha puesto sobre la mesa el alcance de los requisitos energéticos y la posibilidad de aceptar fuentes de bajas emisiones que no sean necesariamente renovables.
Estas decisiones requieren análisis específicos de la legislación vigente y de cada proyecto. No basta con asumir que toda instalación quedará exenta de evaluación ni que una fuente calificada como de bajas emisiones es equivalente a una renovable.
El riesgo general es que, si las políticas públicas privilegian la inversión tecnológica sin exigir información ambiental suficiente, pueden acelerar la construcción de infraestructura y trasladar una parte desproporcionada de sus costos a comunidades, usuarios de agua y contribuyentes.
6. El problema de fondo: opacidad y regulación insuficiente
Uno de los mayores obstáculos para evaluar el impacto ambiental de la IA es la falta de información comparable. Las empresas suelen publicar datos agregados sobre el consumo energético y las emisiones de sus operaciones, pero no siempre permiten distinguir entre las cargas de trabajo de IA y los demás servicios que funcionan en sus centros de datos.
Tampoco existe una metodología pública uniforme que permita comparar, instalación por instalación, el consumo de agua, la intensidad de carbono de la electricidad, el funcionamiento de los generadores de respaldo y las emisiones asociadas con la fabricación de los equipos.
Esta falta de transparencia dificulta que las autoridades, los investigadores y las comunidades determinen si los compromisos ambientales corporativos se corresponden con los impactos reales.
Entre las medidas que merecen consideración se encuentran:
• Transparencia obligatoria: publicar consumos de agua y electricidad, emisiones, fuentes de abastecimiento y proyecciones de demanda.
• Evaluación ambiental integral: considerar los efectos acumulativos de los centros de datos, las plantas eléctricas, los generadores y las obras de transmisión.
• Protección de las cuencas: priorizar el abastecimiento humano y los caudales ecológicos, e impulsar el uso de agua regenerada cuando sea técnica y ambientalmente adecuado.
• Electricidad de bajas emisiones verificable: promover energía limpia adicional, almacenamiento y eficiencia, evitando que la expansión digital prolongue innecesariamente la generación fósil.
• Responsabilidad sobre la cadena de suministro: considerar la fabricación de servidores, la extracción de minerales, la vida útil del hardware y la gestión de residuos electrónicos.
• Evaluación del uso de la IA: examinar no solamente cuánta energía consume una herramienta, sino también qué actividades económicas permite expandir y qué contribuciones climáticas demuestra realmente.
Estas medidas no buscan frenar indiscriminadamente la innovación. Pretenden asegurar que sus beneficios no dependan de una contabilidad ambiental incompleta.
Conclusión: la IA no decide qué mundo queremos construir
La inteligencia artificial puede contribuir a mejorar las redes eléctricas, optimizar el transporte, anticipar riesgos climáticos, desarrollar materiales más eficientes y facilitar la investigación científica. Su potencial ambiental es real, pero no está garantizado.
La misma tecnología que ayuda a integrar energías renovables puede utilizarse para encontrar nuevos yacimientos petroleros. La misma infraestructura que facilita la educación, la comunicación y la investigación puede incrementar la presión sobre acuíferos y redes eléctricas. La eficiencia técnica, por sí sola, no determina el resultado climático.
Por eso, el debate no debe reducirse a preguntar si la IA contamina o si es sostenible. Es necesario investigar qué infraestructura necesita, de dónde proceden sus recursos, quién controla esa infraestructura, qué actividades económicas impulsa y qué regulaciones limitan sus impactos.
En México, especialmente en regiones como Querétaro, donde coinciden el crecimiento de los centros de datos y los desafíos de disponibilidad hídrica, la planificación pública debe anticiparse a las necesidades futuras y garantizar información verificable para la sociedad.
En América Latina, donde los conflictos por el agua, la energía y la explotación de recursos naturales forman parte de una historia más amplia de desigualdad territorial, el crecimiento de la economía digital no debería reproducir los mismos problemas bajo una nueva apariencia tecnológica.
La nube no está fuera del mundo físico: forma parte de él.
Sus edificios ocupan territorio, sus equipos requieren materiales y sus operaciones demandan recursos. Reconocerlo es el primer paso para establecer responsabilidades claras.
La IA no es un agente moral independiente que decida contaminar o descarbonizar. Son las empresas, los gobiernos y las instituciones quienes determinan cómo se desarrolla, qué incentivos recibe y con qué objetivos se utiliza.
El verdadero reto ambiental de esta revolución tecnológica consiste en orientar sus capacidades hacia una transición energética justa, la protección del agua y la reducción efectiva de emisiones. Una innovación no puede considerarse sostenible únicamente por ser digital, moderna o eficiente: debe demostrar que contribuye a mejorar las condiciones de vida sin comprometer los recursos de las generaciones presentes y futuras.
Fuentes y referencias documentales
Las siguientes fuentes permiten consultar las investigaciones, estadísticas y reportajes utilizados para elaborar este artículo. Las estimaciones de modelos científicos, los datos empresariales y las investigaciones periodísticas se distinguen de las mediciones directas.
1. Agencia Internacional de Energía (AIE)
Key Questions on Energy and AI; Energy and AI: Energy Demand from AI. Proyecciones de consumo eléctrico, infraestructura energética y crecimiento de los centros de datos.
• Resumen ejecutivo: https://www.iea.org/reports/key-questions-on-energy-and-ai/executive-summary
• Demanda energética de la IA: https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai
2. Li, Yang y Yang (2023)
Making AI Less 'Thirsty': Uncovering and Addressing the Secret Water Footprint of AI Models. Investigación sobre la huella hídrica directa e indirecta de los modelos de IA.
• Artículo científico: https://arxiv.org/abs/2304.03271
3. Oxfam México y Oxfam Intermón (2026)
La huella que dejan las nubes: los centros de datos y las desigualdades. Análisis sobre la expansión de los centros de datos, el agua y las desigualdades ambientales en México.
• Informe y comunicado: https://oxfam.mx/boletin-la-huella-que-dejan-las-nubes/
4. El Economista (22 de octubre de 2026)
Reportaje sobre transparencia en el uso de agua de los centros de datos en México y concentración de infraestructura en Querétaro.
• Reportaje: https://www.eleconomista.com.mx/tecnologia/tecnologicas-deben-transparentar-agua-centros-datos-mexico-advierten-especialistas-20261022-839950.html
5. Alpine, Geldner y colaboradores (2026)
AI-driven productivity gains enable more CO₂ emissions than they avoid in a global energy–economy model. Estudio en npj Climate Action sobre productividad en los sectores fósil y renovable.
• Estudio científico: https://www.nature.com/articles/s44168-026-00411-0
6. Lawrence Berkeley National Laboratory (2025)
The water use of data center workloads: A review and assessment of key determinants. Revisión de los factores que explican las diferencias en el consumo de agua de los centros de datos.
Consultar la investigación
https://eta.lbl.gov/publications/water-use-data-center-workloads?utm_source=chatgpt.com
7. Greenpeace USA (2020)
Oil in the Cloud. Investigación sobre las relaciones comerciales entre grandes empresas tecnológicas y la industria petrolera.
Leer el informe
https://www.greenpeace.org/usa/oil-in-the-cloud/?utm_source=chatgpt.com
8. The Intercept Brasil
Investigación sobre el aumento autorizado del volumen de agua para el proyecto de centro de datos vinculado con ByteDance en Ceará, Brasil.
Leer la investigación
https://www.intercept.com.br/2025/11/27/ceara-autoriza-data-center-tiktok-sete-vezes-mais-agua-licenciamento/?utm_source=chatgpt.com
9. Reuters (5 de mayo de 2026)
Información sobre el uso de IA por ExxonMobil para acelerar el análisis de oportunidades de exploración petrolera.
Leer la nota de Reuters
https://www.reuters.com/business/energy/exxon-using-ai-faster-analysis-guyanas-oil-fields-vp-exploration-says-2026-05-05/?utm_source=chatgpt.com
10. Financial Times
Análisis de las emisiones potenciales asociadas con grandes centros de datos en construcción en Estados Unidos.
Consultar el análisis
https://www.ft.com/content/8158cb5a-4bbd-43fd-b329-15a54e8422c8?syn-25a6b1a6=1&utm_source=chatgpt.com
Fuentes complementarias del material de investigación
Expansión — Centros de datos en Querétaro y estrés hídrico
https://expansion.mx/tecnologia/2026/05/27/data-centers-en-queretaro-chocan-con-el-estres-hidrico?utm_source=chatgpt.com
Context — El auge de centros de datos y la energía en México
https://www.context.news/just-transition/ai-data-boom-in-mexico-fuels-rise-in-dirty-energy?utm_source=chatgpt.com
Petrobras y supercomputadoras Nvidia
https://www.baguete.com.br/noticias/petrobras-tera-mais-cinco-supercomputadores-com-nvidia?utm_source=chatgpt.com
Chile — Pincoyazo, evaluación ambiental de centros de datos
https://www.pincoyazo.cl/post/seis-centros-de-datos-podrian-no-evaluar-impactos-ambientales?utm_source=chatgpt.com
Brasil — JOTA, régimen de incentivos para centros de datos
https://www.jota.info/legislativo/senado-aprova-redata-com-margem-para-uso-de-gas-natural-texto-vai-a-sancao?utm_source=chatgpt.com
Nota editorial: las cifras y proyecciones corresponden a las publicaciones citadas y a sus respectivos supuestos metodológicos. Las estimaciones modeladas no equivalen a mediciones directas, y las cifras de extracción de agua no deben presentarse como consumo efectivo. Antes de publicar, conviene verificar la versión vigente de las disposiciones regulatorias mencionadas y contrastar los datos empresariales con sus documentos originales.
.jpg)
0 Comentarios