La intel·ligència artificial (IA) necessita enormes quantitats d’energia i genera molta calor, fet que obliga a refredar els servidors dels centres de dades sovint amb sistemes que utilitzen aigua, majoritàriament potable. Aquest consum d’aigua té dues vessants: la directa, per refredar els servidors, i la indirecta, derivada de l’aigua que requereix la generació d’electricitat per alimentar aquests centres.

Els centres de dades poden consumir entre 1 i 9 litres d’aigua per cada quilowatt hora d’energia per refredar-se, i fins a un 80% d’aquesta aigua s’evapora. La demanda indirecta encara és superior: la producció elèctrica pot arribar a consumir 7,6 litres per kWh, contribuint així a una petjada hídrica molt elevada. De fet, s’estima que fins al 80% del total d’aigua associada a la IA correspon a aquesta via indirecta. Per exemple, només entrenar el model GPT-3 va requerir 700.000 litres d’aigua dolça i va emetre 224 tones de CO₂.

Un sol ús d’una eina com ChatGPT pot consumir fins a mig litre d’aigua, sumant el refredament i l’electricitat necessària per generar la resposta. Si milions d’usuaris fan consultes diàries, l’impacte global és enorme: l’OCDE estima que el 2027 la IA pot arribar a consumir entre 4.200 i 6.600 milions de m³ d’aigua cada any, més que països sencers com Dinamarca.

La concentració de centres de dades en zones amb estrès hídric agreuja la pressió sobre l’abastiment local, especialment en èpoques de calor, quan la demanda coincideix amb la dels residents i les empreses. Això obliga a replantejar la ubicació de nous centres i a buscar tecnologies alternatives de refredament, com la refrigeració per aire o per immersió en líquids, o l’ús d’aigua reciclada, tot i que algunes d’aquestes opcions incrementen el consum elèctric i, per tant, la petjada d’aigua indirecta.

Reduir la petjada hídrica de la IA implica abordar tant el disseny dels sistemes de refrigeració dins dels centres de dades com l’origen de l’electricitat que utilitzen, apostant per fonts renovables i tecnologies més eficients per tal de minimitzar l’impacte ambiental global.