La inteligencia artificial también consume agua: la norma que empieza a medirlo
Mientras el debate sobre el impacto ambiental de la IA se centra en la energía y el carbono, una nueva especificación española incorpora por primera vez el consumo hídrico como indicador clave. Una señal que las organizaciones con sistemas de gestión ambiental no deberían ignorar.
Cada vez que una persona le pide a un modelo de lenguaje que redacte un informe, genere una imagen o analice un conjunto de datos, sucede algo que casi nadie visualiza: en algún centro de datos del mundo, toneladas de agua están enfriando los servidores que hacen posible esa respuesta. El agua no aparece en la pantalla. No hay ningún contador que la muestre. Hasta ahora, tampoco había ninguna norma que exigiera medirla.
Eso empieza a cambiar. La Asociación Española de Normalización (UNE/AENOR) publicó a finales de 2025 la Especificación UNE 0086:2025, un documento técnico que establece por primera vez una metodología común para cuantificar el impacto ambiental de los sistemas de inteligencia artificial. Y entre sus indicadores obligatorios figura, junto al consumo energético y la huella de carbono, el consumo de agua.
Desarrollada por el CTN-UNE 71 en el marco del Programa Nacional de Algoritmos Verdes (PNAV), Ministerio para la Transformación Digital y de la Función Pública de España.
La norma se aplica especialmente a los sistemas basados en aprendizaje automático y aprendizaje profundo —incluyendo los grandes modelos de lenguaje y los modelos generativos de imágenes y video— por ser las tecnologías que mayor demanda computacional concentran. Y es precisamente ahí donde la cuestión hídrica se vuelve urgente.
— Síntesis editorial, MundoCalidad.com
Por qué la IA consume agua (y cuánta)
La conexión entre inteligencia artificial y consumo de agua no es metafórica: es física e ingenieril. Los grandes modelos de IA se entrenan y ejecutan en centros de datos que generan cantidades masivas de calor. Para evitar que los servidores se sobrecalienten, la industria recurre mayoritariamente a sistemas de refrigeración por agua, ya sea en torres de enfriamiento evaporativo o en sistemas de intercambio de calor líquido.
El resultado es un consumo hídrico que escala directamente con la intensidad computacional. Investigadores de la Universidad de California han estimado que los modelos de lenguaje más avanzados pueden requerir varios cientos de mililitros de agua por cada conversación sostenida, aunque las cifras varían enormemente según la infraestructura del proveedor y la región geográfica donde se ubican los servidores. A escala global, y con el crecimiento exponencial del uso de herramientas de IA generativa, el volumen acumulado es considerable.
Qué mide y cómo lo mide la UNE 0086:2025
La especificación española define directrices técnicas para evaluar cuatro dimensiones del impacto ambiental de los sistemas de IA a lo largo de todo su ciclo de vida: desde el entrenamiento inicial del modelo hasta su inferencia en producción.
Los cuatro pilares de medición de la UNE 0086:2025
Para el componente hídrico, la norma toma como referencia la serie de estándares sobre eficiencia de centros de datos —específicamente los indicadores de Water Usage Effectiveness (WUE)— y los alinea con el marco de ciclo de vida de sistemas de IA definido por la ISO/IEC 5338:2023. De este modo, no se mide solo el agua consumida durante el uso del sistema, sino también la asociada a la fabricación del hardware y a la construcción de las instalaciones donde opera.
La norma se inscribe además en una corriente internacional más amplia: el organismo europeo CEN-CENELEC trabaja en desarrollos normativos similares, y Francia ya cuenta con la especificación AFNOR SPEC 2314 sobre «IA frugal», orientada a minimizar el consumo de recursos en sistemas de inteligencia artificial. España, con la UNE 0086, se posiciona como uno de los referentes de este movimiento.
La lectura desde los sistemas de gestión: ISO 14001 e ISO 50001
Para las organizaciones que operan bajo sistemas de gestión ambiental o energética certificados, esta norma no es solo una novedad tecnológica: es una señal regulatoria que interpela directamente a sus marcos de gestión. Dos normas ISO resultan especialmente relevantes en este contexto.
Implicancias para los sistemas de gestión en organizaciones que usan IA
Cinco dimensiones a revisar a la luz de la UNE 0086:2025:
- Identificación de aspectos ambientales (ISO 14001, cláusula 6.1): El uso de sistemas de IA —ya sea en producción, en análisis de datos o en herramientas de gestión interna— debe evaluarse como un aspecto ambiental con potencial impacto hídrico. Hasta ahora, pocas organizaciones lo incluían en sus matrices de aspectos e impactos.
- Evaluación de cumplimiento y obligaciones (ISO 14001, cláusula 9.1): La UNE 0086:2025, aunque no es de aplicación obligatoria en esta etapa, anticipa el camino que tomará la regulación. Las organizaciones certificadas deben incorporar su seguimiento a la vigilancia del contexto normativo.
- Gestión del consumo de recursos (ISO 50001): Las empresas con sistemas de gestión energética deben considerar que la eficiencia de sus herramientas de IA tiene una dimensión hídrica que ahora puede —y debe— ser cuantificada con la metodología de la nueva especificación.
- Criterios ambientales en compras y contratación: Al momento de seleccionar proveedores de servicios en la nube o plataformas de IA, las organizaciones pueden —y deberían— exigir métricas de consumo hídrico conforme a estándares como la UNE 0086. Esto convierte a la norma en un instrumento de gobernanza de la cadena de suministro digital.
- Comunicación ambiental y transparencia: Las memorias de sostenibilidad y los reportes ESG (ambientales, sociales y de gobernanza) empiezan a incorporar el impacto hídrico de la infraestructura digital. Tener una metodología de medición validada es un paso ineludible para esa transparencia.
Hay un punto que merece énfasis particular: la UNE 0086:2025 no exige que las organizaciones reduzcan su uso de inteligencia artificial. Lo que establece es la obligación de medir —con rigor y criterio técnico— los recursos que ese uso consume. Y en el lenguaje de los sistemas de gestión, lo que no se mide no se gestiona.
La paradoja que señala esta norma es potente: las mismas tecnologías de inteligencia artificial que hoy se utilizan para optimizar redes de distribución de agua, predecir la demanda hídrica o detectar fugas en infraestructuras urbanas, consumen a su vez agua para funcionar. Gestionar esa doble relación con inteligencia —valga la redundancia— es el desafío que plantea el nuevo marco normativo.
