En el interior de los centros de procesamiento de datos más modernos del mundo, se llevan a cabo cálculos que consumen mucha energía las 24 horas del día; mientras, los chatbots y otras herramientas de IA generativa abordan tareas que van desde las más frívolas hasta las más importantes, como recopilar imágenes para las redes sociales, ofrecer consejos sobre relaciones, analizar imágenes médicas para diagnosticar cáncer, crear código para desarrolladores o detectar estafas financieras para los bancos.
Al igual que la popularidad de las herramientas de IA se ha disparado en los últimos años, también lo han hecho los costos ambientales asociados. Los centros de procesamiento de datos consumen ahora 414 teravatios-hora al año, lo que supone aproximadamente el 1.5 % del consumo eléctrico mundial, según la Agencia Internacional de la Energía —una cantidad que creció un 12% anual durante cinco años antes de dispararse hasta el 17 % en 2025—. Para 2030, la agencia prevé que la demanda de electricidad de los centros de procesamiento de datos se duplicará con creces. Gran parte de esta creciente demanda de electricidad se está cubriendo con combustibles fósiles, mientras que a los expertos también les preocupa el uso de los recursos hídricos locales para refrigerar los centros de datos en regiones afectadas por la sequía.
El uso de la IA para generar texto o imágenes probablemente represente solo una mínima parte de la huella ambiental de cualquier persona. Los expertos subrayan que recae sobre las empresas tecnológicas la responsabilidad de reducir el consumo de recursos de la IA, desde la creación de algoritmos más inteligentes y que ahorren energía hasta el desarrollo de hardware más eficiente.
Patrocinado por TecnoArtesanos ¿Tu empresa ya está usando IA? Automatizamos procesos, integramos asistentes inteligentes y conectamos tus sistemas. Descubre cómo →Sin embargo, hay medidas sencillas que las personas pueden adoptar para garantizar que su uso de la IA tenga el menor impacto ambiental posible, desde considerar cuidadosamente dónde es necesaria la IA, hasta adaptar las instrucciones para minimizar la cantidad de cálculo requerida.
“Las decisiones individuales no carecen de sentido, y algunas tienen más impacto del que la gente cree”, afirma la informática Ivana Drobnjak, de la University College London.
Bots que consumen mucha energía
Es muy complicado estimar la energía que se gasta en procesar una consulta individual a un chatbot. Google, por ejemplo, calcula que Gemini consume alrededor de 0.24 vatios-hora para responder a una consulta de texto de longitud media —lo que equivale a la electricidad necesaria para ver la televisión durante menos de nueve segundos—. También consume unos 0.26 mililitros de agua y emite el equivalente a 0.03 gramos de dióxido de carbono (conducir un automóvil de gasolina durante una milla emitiría unos 400 gramos). Aunque pequeños individualmente, estos consumos se acumulan para aquellas personas y empresas que utilizan mucho las herramientas de IA.
La razón por la que los modelos de IA consumen tanta energía radica, en parte, en los procesadores que los alimentan, como las unidades de procesamiento gráfico (GPU), que consumen mucha más energía que las unidades centrales de procesamiento (CPU), las cuales se encargan de tareas más sencillas, como las búsquedas en la web y el correo electrónico. También tiene que ver con los modelos que subyacen a la mayoría de las herramientas de IA generativa más populares, incluidos los modelos de lenguaje a gran escala (LLM) que alimentan a los chatbots y asistentes de IA.
Estos se basan en un diseño concreto denominado arquitectura “transformer”. Esto permite a los LLM entrenarse con vastas cantidades de patrones lingüísticos en textos y, a partir de ahí, calcular cientos de miles de millones o billones de parámetros. Estos parámetros pueden utilizarse luego para generar nuevas cadenas de texto, prediciendo qué palabras es probable que sigan a otras.
