¿Cuánto consume una pregunta a un chatbot? Según quién responda, entre una décima de vatio hora y varios vatios hora, y entre cinco gotas y unos 45 mililitros de agua. Ninguna de esas cifras es mentira. Miden cosas distintas, con modelos distintos y en centros de datos distintos.Esta guía reúne los datos publicados con método por Google, OpenAI, Mistral, la Agencia Internacional de la Energía y un equipo de la Universidad de California, y explica por qué no encajan entre sí. Si buscas un número único que zanje la discusión, no lo vas a encontrar aquí, porque hoy no existe.Lo que dicen las empresasGoogle 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 que la petición de texto mediana a la aplicación de Gemini consume:0,24 vatios hora de energía, «el equivalente a ver la televisión menos de nueve segundos».0,03 gramos de CO₂ equivalente.0,26 mililitros de agua, «unas cinco gotas».Google añade que, entre mayo de 2024 y mayo de 2025, la energía por petición mediana cayó 33 veces y la huella de carbono, 44 veces. Y advierte: los datos no los ha verificado ningún tercero independiente.OpenAI, a octubre de 2026, no ha publicado un informe equivalente. Lo más parecido es una frase de su consejero delegado, Sam Altman, en su blog personal en junio de 2025: la consulta media usa «unos 0,34 vatios hora», lo que gasta un horno en algo más de un segundo, y «unos 0,000085 galones de agua», alrededor de una quinceava parte de una cucharadita. No explica cómo lo calculó ni qué incluye. El propio artículo técnico de Google lo señala: sin método publicado, la cifra no se puede comparar.Mistral fue por otro camino. En julio de 2025 publicó, con la consultora Carbone 4 y la agencia francesa ADEME, y con revisión de dos consultoras externas, un análisis de ciclo de vida de su modelo Mistral Large 2. Para una respuesta de 400 tokens en su asistente Le Chat, el impacto marginal es de 1,14 gramos de CO₂ equivalente y 45 mililitros de agua. Mistral no da la energía en vatios hora, y llama a su estudio «una primera aproximación».¿Por qué las cifras no coinciden?Porque cada una cuenta cosas distintas. La diferencia entre 0,26 y 45 mililitros de agua no significa que Le Chat beba 170 veces más que Gemini; significa que Google y Mistral no están midiendo lo mismo.Estas son las cuatro variables que más pesan, todas documentadas en las propias fuentes:1. Dónde se pone el límite. El propio informe de Google lo demuestra con sus 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 según el criterio. El artículo técnico de Google admite que la falta de consenso sobre qué incluir hace que las estimaciones para tareas similares varíen «en un orden de magnitud».2. 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. Y 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 (arXiv), suma también el agua que se gasta en las centrales que producen la electricidad. Esa partida puede ser grande: el estudio usa una media para Estados Unidos de 3,14 litros por kWh generado.3. Qué modelo y qué tarea. Google mide la petición mediana de texto en mayo de 2025, solo la fase de uso; deja el entrenamiento del modelo para trabajos futuros. Mistral mide una respuesta de 400 tokens de un modelo concreto. El estudio de Li y su equipo 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 en hardware de 2025.4. Dónde y cuándo. Li y sus coautores insisten en que la eficiencia del agua «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 respondida en verano en un desierto o en invierno en un país nórdico no cuesta lo mismo.El artículo técnico de Google recopila además estimaciones previas de otros autores para una petición: van desde unos 0,3 Wh hasta casi 7 Wh según el modelo y el método. En 2024 publicamos aquí que usar ChatGPT consume agua y cuánta con las cifras disponibles entonces; leerlo hoy junto a estos datos es un buen recordatorio de lo deprisa que se mueven las estimaciones.¿Entonces la IA gasta poco?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 los centros optimizados para IA, según la misma agencia, se multiplicará por más de cuatro.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 de metros cúbicos consumidos (la diferencia es el agua que se devuelve al entorno). Y el coste no está solo en las preguntas: Mistral calcula 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.Para quien quiera entender la parte física de esta factura, explicamos aquí cómo funcionan los centros de datos hiperescalados para IA y su factura energética.Mi lectura de todo esto: la cifra por pregunta se ha convertido en un arma retórica para ambos bandos. Las empresas la usan para decir que el impacto es irrelevante; sus críticos, con cifras antiguas, 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 deprisa mientras el número de consultas, y de centros de datos, crece todavía más deprisa.Lo que falta no es otra estimación, sino un estándar. Mientras cada empresa elija qué incluir, qué excluir y cuándo publicar, y mientras ninguna cifra la verifique un tercero, seguiremos comparando gotas con vasos. Mistral ha mostrado que se puede publicar un análisis con método auditado por externos; que OpenAI siga sin hacerlo y Google sin verificación independiente dice bastante sobre quién tiene interés en que la discusión siga siendo confusa.La noticia Cuánta energía y agua gasta de verdad una pregunta a la IA (y por qué nadie da la misma cifra) fue publicada originalmente en Wwwhatsnew.com por Natalia Polo.