Desafío Energético
La industria hidrocarburífera ha debido gestionar de manera eficiente su consumo de agua, optimizando procesos para minimizar el impacto ambiental sin comprometer la producción. Sin embargo, un nuevo actor con una demanda hídrica considerable está entrando en escena: la inteligencia artificial (IA).
Si bien el consumo de energía de la IA ya es un tema ampliamente debatido, su impacto en el uso del agua sigue siendo un aspecto poco explorado. Según la Organización para la Cooperación y el Desarrollo Económico (OCDE), para 2027 la IA podría consumir entre 4.2 y 6.6 mil millones de metros cúbicos de agua al año, más de lo que extrae anualmente Dinamarca o la mitad del consumo total del Reino Unido.
Si la industria petrolera ha debido invertir en innovación y regulación para optimizar el uso del agua en sus operaciones, ¿qué medidas está tomando la IA para reducir su impacto?
Por qué la IA necesita tanta agua
Así como en el sector hidrocarburífero se requiere refrigeración para mantener en funcionamiento turbinas, refinerías y sistemas de fractura hidráulica, la IA enfrenta un desafío similar. Sus sistemas operan en centros de datos que generan un calor extremo debido al procesamiento de grandes volúmenes de información. Para evitar sobrecalentamientos y fallas, estos centros recurren a sistemas de enfriamiento que, en muchos casos, dependen del agua.
En 2021, Google reportó que sus centros de datos en Estados Unidos utilizaron 12.7 mil millones de litros de agua. Microsoft, por su parte, incrementó su consumo en un 34% en 2022, impulsado por el entrenamiento de modelos como ChatGPT.
Este nivel de consumo no es menor si consideramos que muchas plantas industriales en el sector de oil & gas han debido implementar rigurosos sistemas de reciclaje y reutilización de agua para cumplir con normativas ambientales.
El desafío: hacer la IA más eficiente sin comprometer recursos clave
La digitalización y la transición energética van de la mano. La industria hidrocarburífera ha incorporado IA en múltiples áreas, desde la optimización de perforaciones hasta el mantenimiento predictivo y el modelado geológico. Sin embargo, a medida que la IA crece, también lo hace su huella hídrica, lo que plantea la necesidad de desarrollar estrategias de mitigación.
Algunas soluciones que podrían aplicarse en los centros de datos para reducir su impacto en el consumo de agua incluyen:
Ubicación estratégica de centros de datos: Así como las operaciones en Vaca Muerta buscan optimizar el uso de la energía, los centros de datos pueden instalarse en regiones frías, aprovechando el clima para reducir la necesidad de enfriamiento artificial.
Uso de energía renovable y refrigeración evaporativa: Al igual que en las instalaciones industriales donde se implementan soluciones de eficiencia energética, los centros de datos pueden utilizar paneles solares y sistemas de enfriamiento evaporativo para minimizar su consumo de agua y electricidad.
Optimización de algoritmos: Modelos de IA más eficientes reducirían la necesidad de procesamiento intensivo y, por lo tanto, el uso de sistemas de refrigeración.
Reciclaje y reutilización de agua: Muchas plantas industriales han incorporado sistemas de circuito cerrado para reducir la cantidad de agua necesaria en sus procesos. Un enfoque similar podría aplicarse en los centros de datos, filtrando y reutilizando el agua en cada ciclo.
IA e industria: una convergencia inevitable con desafíos comunes
Tanto la IA como la industria hidrocarburífera requieren grandes infraestructuras y consumen recursos estratégicos como la energía y el agua. Ambos sectores han enfrentado presiones crecientes para mejorar su eficiencia y sostenibilidad, lo que ha llevado a la implementación de nuevas tecnologías y mejores prácticas.
Si la industria del petróleo y gas ha logrado adaptarse a normativas estrictas en torno al consumo de agua, es lógico pensar que el sector tecnológico deberá seguir un camino similar.
En un mundo donde la gestión de los recursos naturales es cada vez más crítica, la pregunta no es si la IA reducirá su huella hídrica, sino cuándo y cómo lo hará.
YPF y la IA
La inteligencia artificial no solo está transformando la industria tecnológica, sino que también juega un papel clave en la optimización de los procesos petroleros en Vaca Muerta.
Empresas como YPF, han incorporado herramientas de IA como Big Data, Machine Learning y la Internet de las Cosas para mejorar la eficiencia en cada etapa de la producción de hidrocarburos.
Un ejemplo concreto es la aplicación de modelos de IA en la perforación, que permite optimizar la velocidad de los pozos y anticipar posibles fallas mediante el análisis predictivo de millones de datos en tiempo real. Además, el monitoreo avanzado de pozos en yacimientos maduros está extendiendo su vida útil y reduciendo costos operativos.
En la perforación, YPF está llevando a cabo distintos pilotos a partir de modelos de inteligencia artificial para optimizar la velocidad de perforación. Asimismo, el monitoreo y análisis de millones de datos permiten anticipar cuándo un procedimiento puede salir del rango esperado, lo que posibilita predecir situaciones indeseadas para accionar preventivamente.
Además, la IA analiza grandes volúmenes de datos sísmicos y geológicos, permitiendo identificar yacimientos con mayor precisión y reduciendo costos en la exploración.
