Estudio de Google Gemini: líquido y energía por prompt sorprendentemente bajo, pero incompleto según expertos

TL;DR

• El estudio de Gemini de Google afirma que un prompt de texto medio usa unas cinco gotas de agua, unos 0,26 ml, y alrededor de 0,24 Wh de electricidad, con aproximadamente 0,03 g de CO2 por prompt. Cobertura de The Verge AI.
• La empresa sostiene haber logrado mejoras sustanciales de eficiencia, incluyendo una reducción de 33× en la energía por prompt entre mayo de 2024 y mayo de 2025, y una caída de 44× en la huella de carbono mediana en el mismo periodo. Cobertura de The Verge AI.
• Expertos críticos señalan que el estudio omite el uso indirecto de agua (refrigeración de centros de datos) y utiliza una métrica de carbono basada en el mercado, que podría subestimar impactos locales. Exigen métricas por ubicación y revisión por pares.
• Investigadores advierten que las mejoras de eficiencia pueden enmascarar un mayor uso total de recursos (paradojo de Jevons) y que el informe de sostenibilidad de Google muestra emisiones por ambición en aumento a pesar de mejoras por prompt. Cobertura de The Verge AI.
• El estudio aún no ha sido sometido a revisión por pares; Google dice estar abierto a ello en el futuro y señala que se consideró la energía de máquinas inactivas y la infraestructura de soporte. Cobertura de The Verge AI.

Contexto y antecedentes

El debate sobre el impacto ambiental de la inteligencia artificial se ha intensificado a medida que los modelos crecen y se despliegan en servicios. Los centros de datos que soportan IA consumen mucha electricidad y requieren sistemas de enfriamiento, lo que implica consumo de agua. Investigaciones académicas han destacado tanto el agua directa como la indirecta asociada a la generación de energía para IA. The Verge cubrió el estudio de Gemini en este marco, subrayando tanto los avances de eficiencia como las omisiones metodológicas señaladas por investigadores independientes. Cobertura de The Verge AI. Investigadores como Shaolei Ren y Alex de Vries-Gao argumentan que una evaluación completa debe incluir uso indirecto de agua por enfriamiento y emisiones por ubicación conforme a estándares como el Greenhouse Gas Protocol. También señalan que comparar una mediana con trabajos previos basados en promedios puede dificultar la comparación. The Verge detalla estos puntos dentro del debate sobre contabilidad ambiental para infraestructuras tecnológicas. Cobertura de The Verge AI. Google publicó su documento y blogs para promover la transparencia en el consumo de agua, energía y emisiones de su chatbot Gemini y para proponer parámetros estandarizados de medición. La empresa afirma haber incluido la energía de máquinas ociosas y de la infraestructura de soporte, en un intento de dar una imagen más completa. Cobertura de The Verge AI.

Qué hay de nuevo

Las cifras publicadas se refieren a un prompt “mediano” de Gemini:

• Agua por prompt: 0,26 ml (aproximadamente cinco gotas).
• Energía por prompt: 0,24 Wh, aproximadamente equivalente a ver un breve programa de TV.
• CO2 por prompt: ~0,03 g.
• Ganancias de eficiencia: entre mayo de 2024 y mayo de 2025, reducción de 33× en la energía por prompt y 44× en la huella de carbono mediana. The Verge señala que Google afirma que los cálculos incluyen energía de máquinas en reposo y la infraestructura de los centros de datos, lo que ofrece una visión más completa que los modelos que solo calculan la capacidad de cómputo activa. La métrica de carbono es de base de mercado, considerando compromisos de la empresa con energía renovable, y no una evaluación localizada completa de cada centro. Cobertura de The Verge AI. Los críticos destacan limitaciones:
• Uso indirecto de agua: la omisión de parte del consumo de agua asociado al enfriamiento podría subestimar la huella hídrica total de IA. Cobertura de The Verge AI.
• Comparabilidad: centrarse en la mediana sin datos de tokens o longitud de prompt dificulta la replicación y la comparación con trabajos anteriores. Cobertura de The Verge AI.
• Revisión por pares: el documento aún no ha sido sometido a revisión por pares. Cobertura de The Verge AI.

¿Por qué importa para desarrolladores/empresas?

Para quienes desarrollan o adquieren servicios de IA, estas métricas impactan directamente:

• Transparencia de métricas: una cifra por prompt es útil, pero puede ser insuficiente si no se incluyen agua indirecta y emisiones por ubicación.
• Planificación de data centers: omitir agua indirecta puede subestimar necesidades de enfriamiento y efectos locales en regiones con restricciones hídricas.
• Política y adquisiciones: las empresas pueden exigir métricas estandarizadas por ubicación para comparar proveedores de IA.
• Riesgo de Jevons: mejoras de eficiencia pueden inducir mayor uso de infraestructura, aumentando el uso total de recursos a largo plazo. Esta posibilidad debe guiar decisiones estratégicas. Estas consideraciones importan para organizaciones que construyen o contratan capacidades de IA y se conectan con debates sobre cómo medir y comunicar el desempeño ambiental de forma comparable. The Verge señala que Google busca avanzar hacia métricas más estandarizadas, al tiempo que se reconoce la necesidad de revisión y datos adicionales. Cobertura de The Verge AI.

Detalles técnicos o Implementación

Los números se presentan para un prompt mediano:

• Agua por prompt: 0,26 ml.
• Energía por prompt: 0,24 Wh.
• CO2 por prompt: ~0,03 g.
• Ganancias entre mayo 2024 y mayo 2025: 33× menos energía por prompt y 44× menos emisiones medias. Google afirma que sus cálculos incluyen energía de máquinas en reposo y la infraestructura de soporte, buscando una visión más amplia que modelos que se limitan al cómputo activo. La métrica de carbono se enmarca en base de mercado, con los compromisos de energía limpia de la compañía; no obstante, no representa una evaluación localizada completa de cada centro. Cobertura de The Verge AI. Entre las limitaciones señaladas por expertos externos están:
• Agua indirecta: la omisión de parte del consumo de agua asociado al enfriamiento puede distorsionar la huella hídrica total.
• Comparabilidad: la elección de la mediana sin información de tokens o tamaño del prompt dificulta la comparación directa con trabajos anteriores.
• Revisión por pares: aún no se ha sometido a revisión por pares. Cobertura de The Verge AI.

Conclusiones clave

• Los datos por prompt ofrecen una instantánea de eficiencia, pero deben interpretarse junto con métricas de agua indirecta y localización para una evaluación completa.
• Incluir energía de máquinas ociosas y de infraestructura aporta una visión amplia, aunque no resuelve por completo las cuestiones de agua indirecta y localización.
• El debate sobre métricas de mercado vs localización subraya la necesidad de estándares de reporte y revisión por pares para comparación entre proveedores.
• La relación entre eficiencia y demanda futura significa que un descenso por prompt no garantiza menor uso total de recursos. Cobertura de The Verge AI.

Referencias

• The Verge AI coverage