Google: 0,24 Wh y 5 gotas por pregunta a la IA

Una pregunta a la IA: las cifras que hay sobre la mesa

Según Google, la petición de texto mediana a la aplicación de Gemini consume 0,24 vatios hora, emite 0,03 gramos de CO₂ equivalente y evapora 0,26 mililitros de agua, unas cinco gotas. Según Sam Altman, la consulta media ronda los 0,34 vatios hora y unos 0,000085 galones de agua. Según Mistral, una respuesta de 400 tokens en Le Chat implica 1,14 gramos de CO₂ equivalente y 45 mililitros de agua.

Tres cifras, tres metodologías y ninguna comparabilidad directa. Para un founder esto no es un debate académico: el consumo de energía IA y agua ya es una línea de la factura de infraestructura, un punto del reporting ESG y, cada vez más frecuente, una pregunta de clientes corporativos en procesos de compra.

Vale la pena aclarar la unidad de medida: un vatio hora (Wh) es la energía que consume un aparato de un vatio funcionando durante una hora. Un teravatio hora (TWh) son mil millones de kilovatios hora. Con eso en mente, las cifras por consulta se leen distinto.

¿Qué mide cada empresa y qué deja fuera?

Google es la que más detalle ha dado. En un informe publicado el 21 de agosto de 2025, acompañado de un artículo técnico en arXiv, calculó la petición mediana de texto de Gemini medica en mayo de 2025, considerando solo la fase de uso y dejando el entrenamiento del modelo para trabajos futuros. También reportó que entre mayo de 2024 y mayo de 2025 la energía por petición mediana cayó 33 veces y la huella de carbono, 44 veces. La advertencia viene en el propio documento: ningún tercero independiente verificó esos datos.

OpenAI no ha publicado un informe equivalente a octubre de 2026. La referencia más cercana sigue siendo una entrada del blog personal de Sam Altman de junio de 2025, sin explicación de cómo se calculó ni qué incluye. El propio artículo técnico de Google lo señala: sin método publicado, la cifra no se puede comparar.

Mistral eligió otro camino. En julio de 2025 publicó, junto a la consultora Carbone 4 y la agencia francesa ADEME, y con revisión de dos consultoras externas, un análisis de ciclo de vida de Mistral Large 2. Es el único caso con método auditado por terceros, y la propia empresa lo describe como una primera aproximación.

Esa asimetría es la noticia de fondo: no falta una estimación más, falta un estándar. Mientras cada compañía elija qué incluir, qué excluir y cuándo publicar, las cifras seguirán sin ser comparables entre sí.

¿Por qué 0,26 ml y 45 ml no significan lo que parece?

La diferencia entre ambos números no implica que Le Chat consuma 170 veces más agua que Gemini. Implica que no están midiendo lo mismo. Estas son las cuatro variables que más pesan, todas documentadas en las fuentes originales.

• Dónde se pone el límite del sistema. El informe de Google lo demuestra con sus propios datos: si solo se cuenta lo que consumen los chips de IA mientras trabajan, la petición mediana gasta 0,10 Wh y 0,12 ml de agua. Si se añaden las máquinas en reserva, la CPU, la memoria y la refrigeración del edificio, se llega a 0,24 Wh y 0,26 ml. La misma pregunta, multiplicada por 2,4. El artículo técnico admite que la falta de consenso hace que las estimaciones para tareas similares varíen en un orden de magnitud.
• Qué agua se cuenta. Google mide el agua que se evapora para refrigerar sus centros de datos. El análisis de Mistral sigue normas de ciclo de vida (ISO 14040/44) e incluye impactos previos como la fabricación de servidores. El trabajo académico de Pengfei Li, Shaolei Ren y otros investigadores de la Universidad de California en Riverside y la Universidad de Texas en Arlington suma además el agua de las centrales que producen la electricidad, con una media para Estados Unidos de 3,14 litros por kWh generado.
• Qué modelo y qué tarea. Google mide la petición mediana de texto; Mistral, una respuesta de 400 tokens de un modelo concreto; el estudio de Li se refería a GPT-3 y estimaba que necesitaba beber una botella de 500 ml por cada 10 a 50 respuestas de longitud media. Un modelo de 2020 no es un modelo de 2025 corriendo en hardware de 2025. El propio artículo de Google recopila estimaciones previas que van desde unos 0,3 Wh hasta casi 7 Wh por petición.
• Dónde y cuándo. Li y sus coautores insisten en que la eficiencia hídrica varía tanto en el espacio como en el tiempo: depende del clima exterior y de la mezcla de fuentes de la red eléctrica en cada momento. La misma pregunta en verano en un desierto y en invierno en un país nórdico no cuesta lo mismo.

¿Gasta poco la IA? Depende de si miras la consulta o el sistema

Por pregunta, según los datos de las propias empresas, poco. En conjunto, mucho y cada vez más. Las dos cosas son ciertas a la vez.

La Agencia Internacional de la Energía (IEA) calculó en abril de 2025 que el consumo eléctrico de los centros de datos del mundo se duplicará con creces hasta unos 945 TWh en 2030, algo más que todo el consumo eléctrico de Japón hoy. La demanda de instalaciones optimizadas para IA se multiplicará por más de cuatro.

La cobertura que ScienceBlog hizo del informe Energy and AI de la IEA agrega el contexto que suele faltar: los centros de datos consumieron unos 415 TWh en 2024, cerca del 1,5% de la electricidad mundial, con Estados Unidos concentrando el 45%, China el 25% y Europa el 15%. Un centro de datos típico orientado a IA puede consumir la electricidad de 100.000 hogares, y los mayores en construcción, unas 20 veces esa cantidad. Los escenarios de la agencia para 2035 van de 700 a 1.700 TWh, una horquilla tan amplia que conviene leerla como incertidumbre, no como destino.

El mismo medio recoge que el Lawrence Berkeley National Laboratory estimó en un informe de 2024 que los centros de datos estadounidenses usaron 176 TWh en 2023, el 4,4% de la electricidad del país, y proyectó para 2028 un rango de 325 a 580 TWh, equivalente al 6,7%-12%. El extremo alto casi duplica al bajo, y esa distancia debería generar cautela en las dos direcciones.

En agua, el estudio de Li proyecta que la demanda mundial de IA supondrá entre 4.200 y 6.600 millones de metros cúbicos de agua extraída en 2027, y entre 380 y 600 millones consumidos. Y Mistral calculó que entrenar y usar su modelo durante 18 meses, hasta enero de 2025, supuso 20.400 toneladas de CO₂ equivalente y 281.000 m³ de agua.

El cuello de botella no es la energía por consulta, es la conexión a la red

Aquí está el dato que más debería importar a quien planifica infraestructura. Según la IEA recogida por ScienceBlog, alrededor del 20% de los proyectos de centros de datos planificados podría enfrentar retrasos si no se resuelven los riesgos de conexión. En economías avanzadas, una nueva línea de transmisión puede tardar entre cuatro y ocho años, y los tiempos de espera de transformadores y cables se duplicaron en tres años.

La electricidad no es un fondo común del que se saca en cualquier parte: un país puede tener generación suficiente y un condado no tener la subestación para conectar otro campus. The Motley Fool Canada reportó que Capital Power firmó un acuerdo de suministro energético de más de diez años con Meta por 250 MW para su centro de datos de Sturgeon County, Alberta, con carga a partir del segundo semestre de 2028. Ese es el formato de los contratos que se están firmando: capacidad garantizada por años, no acceso spot.

¿Qué significa esto para tu startup?

Si construyes producto sobre modelos de terceros, el consumo energía IA probablemente no sea tu mayor costo unitario hoy. Pero sí lo es tu exposición a tres cosas: precio de la inferencia, disponibilidad de capacidad y preguntas de sostenibilidad de tus clientes.

• Pide el alcance antes que el número. Cuando un proveedor te diga cuánto consume una consulta, pregunta qué incluye: solo el acelerador o también refrigeración, máquinas en reserva y red. La diferencia es de 2,4 veces solo en el caso de Google, y de un orden de magnitud entre metodologías según su propio artículo técnico. Un número sin alcance declarado no sirve para decidir nada.
• Mueve lo que se pueda mover en el tiempo. Investigadores de Google describieron en un paper de IEEE Transactions on Power Systems un sistema en producción que pronostica la intensidad de carbono de la electricidad y retrasa trabajo flexible a las horas más limpias. Traducción práctica para una startup: los trabajos por lotes, la evaluación de modelos y el fine-tuning no necesitan ejecutarse a las 15:00. La inferencia en tiempo real sí. Segmenta tus cargas por esa variable y podrás negociar tarifas horarias o diferir cómputo.
• Define tu método antes de que te lo pidan. Si vas a reportar huella, di explícitamente qué incluyes: uso o ciclo de vida completo, evaporación del centro de datos o también agua de generación eléctrica. Mistral demostró que se puede publicar con revisión externa y llamarlo primera aproximación, sin que eso sea una debilidad. Lo que no se sostiene ante un cliente corporativo es un número sin dueño ni método.

Lo que falta no es otra estimación, es un estándar

La cifra por pregunta se convirtió en arma retórica para los dos bandos. Las empresas la usan para decir que el impacto es irrelevante; sus críticos, con datos antiguos, para decir que cada consulta es una botella de agua. Ninguno de los dos discursos se sostiene con los datos sobre la mesa.

Lo que sí se sostiene es que la eficiencia por consulta mejora rápido mientras el número de consultas y de centros de datos crece todavía más rápido. Que un centro de datos orientado a IA pueda consumir como 100.000 hogares y que un quinto de los proyectos planificados enfrente retrasos de red son riesgos de ejecución, no de relaciones públicas. Para una startup, la consecuencia es concreta: la disponibilidad de cómputo barato y con energía disponible en el sitio y el momento correctos es una ventaja competitiva que se está negociando ahora, con contratos de una década.

Fuentes

• ¿Cuánta energía y agua gasta de verdad una pregunta a la IA? (fuente original)
• Data centers used 1.5 percent of global electricity in 2024, but AI is driving demand into concentrated clusters (ScienceBlog, sobre el informe Energy and AI de la IEA)
• AI Data Centers Push Power Planning Into Focus (Abacus News)
• Data Centres Need Power, but Higher Rates Change the Math (The Motley Fool Canada)