Un vaso de agua, el precio de ChatGPT

Por Ximena Docarmo¹

¿Cuántos vasos de agua bebes al día? Probablemente has oído la recomendación popular de tomar ocho vasos diarios. La inteligencia artificial también necesita hidratarse. ¿Sabías que ChatGPT, uno de los modelos de inteligencia artificial generativa (Gen-IA) más populares, también consume agua para funcionar?

La Gen-IA usa agua dulce para refrigerar los superordenadores encargados de procesar la información que genera calor durante su funcionamiento. Según el estudio de Shaolei Ren y otros colaboradores, Chat-GPT3 utiliza alrededor de 500 mililitros de agua entre 10 y 50 preguntas que responde, lo equivalente a dos vasos de agua.

Con la creciente popularidad de ChatGPT, esta inteligencia artificial que recibe más de 10 millones de consultas diarias según InvGate, usaría diariamente entre 800.000 y 4 millones de vasos de agua, es decir, el agua que consumirían entre 100 y 500 mil personas.

Este es solo el impacto de una tecnología: ChatGPT. Si añadimos a la ecuación otros modelos de Gen-IA, tanto de código abierto como los desarrollados por empresas privadas, la cifra escala exponencialmente. Este fenómeno representa nuevos riesgos ambientales y plantea una cuestión crítica para los políticos de América Latina. ¿Cómo se puede aprovechar las oportunidades que trae esta tecnología a la región y, al mismo tiempo, mitigar sus posibles efectos en los recursos naturales?

IA Generativa y riesgos

Según el informe Insights Compass 2023 – Unleashing Artificial Intelligence’s True Potential de Statista, la Gen-AI ofrece múltiples beneficios. Aunque también plantea riesgos significativos que no pueden ser ignorados. Statista propone una matriz de riesgo que evalúa desafíos desde dos perspectivas:

Por un lado, la gravedad del riesgo empresarial mide el impacto potencial de un riesgo en una organización si llegara a materializarse. Los riesgos de alta gravedad pueden afectar las operaciones, la viabilidad financiera o la reputación de una organización. Mientras que los riesgos de baja gravedad pueden ser gestionados con medidas de baja complejidad o costo.

Por otro lado, la facilidad de mitigación evalúa qué tan sencillo es controlar o reducir un riesgo. Algunos riesgos son fáciles de mitigar con regulaciones claras, herramientas de monitoreo o capacitación del personal. Otros pueden requerir esfuerzos significativos, inversiones costosas o incluso avances tecnológicos aún inexistentes.

En este marco, la Gen-AI enfrenta una serie de riesgos que Statista clasifica en siete categorías no exhaustivas:

1. La falta de una función de veracidad aumenta la propagación de información errónea.
2. Las capacidades de estos sistemas pueden ser aprovechadas para phishing y fraudes sofisticados.
3. El exceso de capacidad implica que los sistemas de IA pueden tener capacidades avanzadas que aún no comprendemos completamente o que no han sido reveladas.
4. Los resultados sesgados representan un riesgo para la equidad al reforzar estereotipos o discriminaciones existentes.
5. La infracción de derechos de autor plantea desafíos legales y éticos en el uso de contenido generado.
6. La fuga de datos confidenciales amenaza la privacidad y la seguridad empresarial.
7. Y, finalmente, el consumo de energía como uno de los riesgos más complejos de mitigar.

Como hemos visto, el proceso de entrenamiento y ejecución de modelos de IA demanda grandes cantidades de recursos, entre ellos hídricos. Esto puede resultar en un incremento de las emisiones de CO2.

Las grandes plataformas y su huella hídrica

Un hito ampliamente reconocido entre las grandes plataformas tecnológicas es el tiempo que les toma alcanzar el millón de usuarios. Según InvGate, ChatGPT-3.5 logró esta meta en menos de una semana en 2022 y acumuló 57 millones de usuarios activos mensuales en su primer mes. Este éxito impulsó a otras empresas a desarrollar sus propios modelos de IA, como Gemini, lanzado en febrero de 2024, y Q, el chatbot empresarial de Amazon, además de otras alternativas gratuitas y de pago.

Sin embargo, este crecimiento exponencial no está exento de desafíos ambientales. Aunque la huella de carbono es un indicador de sostenibilidad ampliamente considerado, Sustain señala que la huella hídrica de la IA —relacionada con el consumo de agua para energía y refrigeración— es poco atendida. Entrenar modelos como Chat-GPT3, como hemos visto, puede requerir millones de litros de agua dulce. El estudio de Ren también detalla que el uso de agua en los centros de datos de Google aumentó un 20% en 2022 frente a 2021. Mientras que el consumo total de Microsoft creció un 34% en el mismo período, cifras que reflejan cómo el auge de la IA intensifica el consumo de recursos hídricos.

Este Índice de Sostenibilidad de la IA subraya la urgencia de reducir este impacto. Propone que los desarrolladores publiquen datos detallados sobre la huella hídrica de sus modelos. Incorporar esta información en las fichas técnicas permitiría evaluar su impacto ambiental, tomar decisiones estratégicas —como entrenar modelos en regiones con menor estrés hídrico— y distribuir equitativamente la carga ambiental, especialmente en zonas vulnerables. Elementos que deben ser analizados por los tomadores de decisiones para ser incorporados en el desarrollo de políticas públicas sobre IA.

¿Un dilema hídrico para América Latina?

Según el Banco Mundial, América Latina posee aproximadamente un tercio de los recursos hídricos globales, lo que le otorga la mayor disponibilidad de agua per cápita, casi cuatro veces superior al promedio mundial. Esta abundancia de agua también le permite generar la electricidad más sostenible del mundo, con un 45% proveniente de fuentes hidroeléctricas. Sin embargo, cerca de 150 millones de personas, aproximadamente un cuarto de la población de América Latina y el Caribe, viven en áreas afectadas por la escasez de agua, y más de 400 millones carecen de acceso a saneamiento adecuado. Estas cifras seguirán aumentando a medida que el cambio climático modifique el ciclo del agua.

El avance de la Gen-AI plantea un desafío clave para los políticos de la región, quienes pueden aprovechar la abundancia hídrica para posicionar a América Latina como líder en el sector tecnológico mediante la instalación de centros de datos. Sin embargo, esta estrategia debe equilibrarse con la necesidad urgente de garantizar el acceso al agua y al saneamiento. Encontrar ese equilibrio podría ser un dilema a largo plazo, ya que las brechas de acceso hoy son significativas. Es crucial que las políticas tecnológicas no pongan en riesgo los derechos básicos de la población, protegiendo su bienestar mientras se fomenta el desarrollo económico y tecnológico.