Green data center para IA: por qué el agua y la luz importan más que el algoritmo

Cuando una empresa mexicana decide invertir en IA generativa para su operación, la conversación suele girar alrededor del algoritmo: cuál modelo, cuántos parámetros, qué proveedor. Pero esa conversación omite dos restricciones físicas que importan más: el agua que consume el data center que entrena o sirve ese modelo, y la electricidad que requiere mantener GPUs operando 24/7. Un centro de datos para entrenamiento de IA consume entre 10 y 50 veces más energía por rack que un centro tradicional, y requiere sistemas de enfriamiento líquido que evaporan agua en volúmenes que ya están estresando cuencas hidrográficas enteras en zonas áridas de México.

La pregunta no es si tu empresa debe invertir en IA, sino dónde está operando físicamente ese cómputo. Si la IA que usas corre en un data center mexicano alimentado por CFE y enfriado por agua del acuífero local, los costos ocultos ambientales y operativos son tuyos aunque el algoritmo sea de Microsoft o Google. Si corre en un campus hyperscaler en Querétaro con contrato de renovables y water-positive, también lo son. Este artículo explica por qué el agua y la electricidad importan más que el algoritmo cuando evalúas un proyecto de IA, y qué métricas concretas revisar antes de firmar.

El dato que abre la conversación: según EESI y la cobertura de TechRepublic, los data centers de IA están consumiendo agua en zonas donde la escasez hídrica ya es estructural. Lei et al. publicaron en junio de 2025 una revisión sobre los determinantes del consumo de agua en cargas de trabajo de data center que confirma que los sistemas de enfriamiento líquido pueden consumir entre 1 y 5 millones de litros de agua por MW al año, dependiendo del clima y la arquitectura. Para una empresa mexicana que quiere operar IA en un data center nacional, esto significa que el costo ambiental y regulatorio del cómputo se está convirtiendo rápidamente en una variable de negocio, no solo de cumplimiento.

El agua que se evapora cuando entrenas un modelo

El enfriamiento líquido para servidores de IA funciona así: agua fría circula por placas atadas al chip, absorbe calor, se lleva a una torre de enfriamiento donde parte se evapora. La parte evaporada se pierde. En zonas áridas o semiáridas —que incluyen buena parte del norte y centro de México—, esa agua evaporada sale del ciclo hídrico local y debe reponerse con extracción de acuíferos o desalinización, que son costosas y regulatoriamente sensibles. Tres números para dimensionar:

• Un campus hyperscale de 100 MW con enfriamiento por evaporación en clima cálido consume entre 1.2 y 1.8 millones de litros de agua al día, según benchmarks publicados por operadores.
• El entrenamiento de un modelo grande de IA puede emitir entre 200 y 500 toneladas de CO2 equivalente, según datos citados en literatura revisada por pares; el agua consumida durante ese entrenamiento es del mismo orden de magnitud que la de una familia mexicana durante 50 años.
• La eficiencia de enfriamiento (medida en WUE, Water Usage Effectiveness) varía entre 0 y 2.0 litros por kWh de TI: un data center con WUE 0.2 consume diez veces menos agua que uno con WUE 2.0, pero ambos pueden operar en México sin consecuencias regulatorias distintas hoy.

Para tu empresa, esto significa que dos proveedores de IA idénticos pueden tener huellas de agua radicalmente distintas según dónde estén operando. Antes de firmar un contrato, pregunta al proveedor de IA cuál es el WUE del data center que sirve tu carga, en qué cuenca opera, y si tiene contrato de restitución hídrica verificable. Si no puede responder con números, asume lo peor.

La electricidad que se va en mantener GPUs encendidas

Un servidor tradicional consume entre 300 y 800 watts. Un servidor con GPU para entrenamiento de IA consume entre 2 y 10 kilowatts. Eso es entre 4 y 30 veces más por unidad. En un rack de 42U, la densidad pasa de 8 a 15 kW típicos a 40 a 80 kW con GPUs. Esto cambia tres cosas que tu CFO debería entender antes de aprobar un proyecto:

• Costo eléctrico por inferencia: cada llamada a un modelo grande consume entre 0.001 y 0.01 kWh según el tamaño del modelo. Una PyME que haga 100,000 llamadas al mes a un modelo mediano paga entre 200 y 1,500 MXN adicionales de electricidad al data center que la hospeda, que se trasladan en la factura de colocation.
• Capacidad eléctrica contratada: si tu empresa va a entrenar modelos o correr inferencia pesada, el kW contratado al data center sube 3 a 5 veces. Eso impacta directamente el contrato de capacidad y el costo fijo mensual, no solo el consumo variable.
• Restricción de red: en ciudades mexicanas con red eléctrica saturada (CDMX, Monterrey, Guadalajara), aumentar densidad por rack puede disparar requisitos de conexión a CFE que tardan entre 6 y 24 meses en aprobarse, según reportes de operadores locales.

La electricidad es la variable que más cuesta en una decisión de IA. Una inferencia barata en el paper puede ser cara en la factura si el data center no tiene renovables contratadas a precio fijo. Pregunta siempre: qué porcentaje del mix eléctrico de tu data center es renovable, cuál es el PUE real (Power Usage Effectiveness, que mide el sobrecoste eléctrico del enfriamiento), y si tiene contrato de cobertura de picos con la red local.

Cómo elegir un data center verde para IA con criterios verificables

Antes de comprometerte con un proveedor de IA o un data center para entrenar modelos, exige cinco datos verificables:

1. WUE publicado en los últimos 12 meses: el operador debe entregar un WUE auditado, no estimado. Si no lo tiene público, asume que es alto.
2. PUE anual promedio con desglose por estación: PUE en climas cálidos mexicanos puede variar entre 1.3 en invierno y 1.6 en verano. La diferencia es miles de pesos al mes en electricidad.
3. Mix eléctrico verificable con certificación I-REC o equivalente: el operador debe tener Certificados de Energía Renovable comprados y retirados, no solo un PPA firmado.
4. Cuenca hidrográfica del agua de enfriamiento y plan de restitución: si el data center opera en una cuenca sobreexplotada por CONAGUA, el riesgo regulatorio futuro es alto. Confirma si hay contrato de descarga cero o reposición.
5. Capacidad de densidad por rack hasta 80 kW: si tu proyecto de IA requiere GPUs densos, el data center debe poder entregar 40-80 kW por rack sin reingeniería. Si dice 15 kW máximo, no aplica para IA.

Las PyMEs mexicanas que firman contratos de IA sin verificar estos números suelen descubrir los costos ocultos 12-18 meses después, cuando la factura eléctrica llega con un sobrecosto de entre un 30% y un 50% sobre lo proyectado y la autoridad ambiental empieza a preguntar por el consumo de agua.

Veredicto para México

El algoritmo importa menos de lo que tu proveedor de IA quiere que creas. El costo real está en el agua y la electricidad que ese cómputo consume, y esos costos están determinados por decisiones de ingeniería y ubicación que el operador del data center ya tomó. Tu trabajo, antes de firmar, es auditar esos números con datos públicos y exigir certificaciones de tercero. Si el proveedor no los tiene, opera con la huella que tiene: probablemente más alta de lo que el brochure dice.

Fuentes

1. EESI — Environmental and Energy Study Institute: Data Centers and Water Consumption. Análisis cuantitativo del consumo hídrico en data centers de IA. — https://www.eesi.org/articles/data-centers-and-water-consumption
2. Uptime Institute — Estándar Tier Topology y certificaciones Tier I a Tier IV para evaluar redundancia y eficiencia en data centers. — https://uptimeinstitute.com/
3. ASHRAE — Thermal Guidelines for Data Processing Environments. Estándar de referencia para rangos de operación y eficiencia térmica. — https://www.ashrae.org/
4. TIA Online — Estándar TIA-942 para infraestructura de telecomunicaciones en centros de datos, base para Rated-1 a Rated-4. — https://tiaonline.org/