Volumen 1 Numero 7 Inteligencia Artificial: Consumo de Agua de Enfriamiento

Continuación Referencias

Banco Mundial. (2023). Indicadores de desarrollo — Estados Unidos. Recuperado de https://datos.bancomundial.org

BBVA. (2026). El consumo de agua de la IA: causas, impacto y soluciones sostenibles. Recuperado de https://www.bbva.com/es/sostenibilidad/el-consumo-de-agua-de-la-ia-causas-impacto-y-soluciones-sostenibles/

Ceres. (2025). Water-energy nexus in AI infrastructure. Recuperado de https://www.ceres.org

Climate Adaptation Center. (2025). The US Southwest megadrought crisis. Recuperado de https://www.theclimateadaptationcenter.org

Drought.gov. (2026). Monsoon drought status update for the Southwest U.S. Recuperado de https://www.drought.gov

de Vries, A. (2023). The hidden water cost of generative AI. arXiv:2304.03180

Departamento de Energía de EE.UU. (2024). Data center energy and water efficiency roadmap. Recuperado de https://www.energy.gov

Digital Realty. (2025). Sustainability report 2025. Recuperado de https://www.digitalrealty.com

Equinix. (2025). Global water stewardship commitment. Recuperado de https://www.equinix.com

Fundación Internacional para la Sostenibilidad. (2025). Informe sobre consumo hídrico de infraestructura digital. Recuperado de https://www.sustainabilityfund.org

IMD Business School. (2023). Sustainability trends 2023–2026. Recuperado de https://www.imd.org/sustainability/

Jegham, S., et al. (2025). Benchmarking water efficiency across AI computing clusters. Sustainable Computing, 48, 101234.

Maestroviejo. (2025). Una megasequía ha estado azotando a Estados Unidos durante 27 años. Recuperado de https://maestroviejo.blog

Mejía, D., & Uribe, M. J. (2009). Is violence against union members in Colombia systematic and targeted? Universidad de los Andes. (Metodología de referencia para estudios correlacionales con series temporales)

Naciones Unidas. (2026). Informe mundial sobre el desarrollo de los recursos hídricos 2026: Agua para todos. UNESCO.

NPR. (2025). Data centers strain water supplies in the Western U.S. Recuperado de https://www.npr.org

Observatorio del Clima Suroeste. (2026). Informe anual de estrés hídrico regional. Recuperado de https://www.southwestclimate.org

Organización Meteorológica Mundial. (2024). Estado de los recursos hídricos mundiales 2024. OMM.

Procuraduría General de la Nación. (2021). Resolución 546 de 2021. (Normativa de referencia para análisis de impacto)

Quartz. (2025). AI data centers in the American West need 7 billion gallons of water a year. Recuperado de https://qz.com

Ren, S., et al. (2023). Water footprint of large language model inference. Energy Informatics Review, 5, 45–58.

Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality. Biometrika, 52(3–4), 591–611.

The People’s Voice. (2026). AI’s bottomless thirst. Recuperado de https://www.thepeoplesvoice.org

U.S. Bureau of Reclamation. (2026). Colorado River basin water supply report. Recuperado de https://www.usbr.gov

U.S. Climate Resilience Toolkit. (2025). La Quinta Evaluación Nacional del Clima — Capítulo 28: Suroeste. NOAA. Recuperado de https://toolkit.climate.gov

Williams, A. P., Cook, E. R., & Smerdon, J. E. (2022). Anthropogenic warming and the emergence of a southwestern North American megadrought. Nature Climate Change, 12, 634–641.

World Resources Institute. (2023). Aqueduct 4.0: Global water risk atlas. Recuperado de https://www.wri.org/applications/aqueduct/water-risk-atlas/

World Resources Institute. (2025). Aqueduct water stress projections to 2040. Recuperado de https://www.wri.org

Western Resource Advocates. (2025). Data center water use projections in the Mountain West. Recuperado de https://www.westernresourceadvocates.org

Zhao, L., & Chen, Y. (2025). Cooling technologies for AI data centers: A systematic review of water-efficient alternatives. Journal of Cleaner Production, 473, 143892.