La preocupación no está relacionada con la adopción de la tecnología en sí, sino con la forma en que se está utilizando. Mientras un sistema de procesamiento de lenguaje natural convencional requiere 0.0000036 kilovatio-hora (kWh) por consulta, un modelo generativo de gran escala puede llegar a consumir hasta 17 vatios-hora (Wh) por interacción, equivalente al gasto energético de un tostador doméstico funcionando durante aproximadamente un minuto; es decir, una diferencia de hasta 4,600 veces en el gasto energético.
“No se trata de frenar el consumo de la IA, sino hacerlo de manera estratégica dentro de las organizaciones. Reemplazar modelos genéricos muy masivos por modelos más pequeños tradicionales, integrar criterios de energía y consumo en etapas tempranas de la planeación y de la proyección de la estrategia de tecnología de la organización”, dice Cordelia Bortoni, Head of Growth de Konfront, una firma de consultoría y diseño de productos digitales.
De acuerdo con la Agencia Internacional de Energía (IEA), los centros de datos consumieron alrededor de 415 teravatios-hora (TWh) de electricidad en 2024, equivalentes a 1.5% de la demanda eléctrica mundial. El organismo estima que este consumo podría alcanzar 945 TWh hacia 2030, una cantidad similar al consumo eléctrico actual de Japón.
El estudio de Capgemini Invent modeló un portafolio empresarial compuesto por 100 casos de uso de inteligencia artificial. Aunque los sistemas generativos representaban apenas 29% de las aplicaciones implementadas, concentraban 99.9% de la totalidad del consumo energético asociado a la IA. Además, se estima un impacto anual de 3.9 GWh de electricidad, 2.48 millones de kilogramos de dióxido de carbono equivalente y más de 160,000 metros cúbicos de agua consumida.
De acuerdo con las personas investigadoras, la huella ambiental no proviene únicamente de la operación de los centros de datos, sino también de la fabricación de servidores, chips y componentes especializados necesarios para ejecutar estos modelos.
Para disminuir el impacto ambiental, Bortoni señala que la adopción tecnológica debería comenzar por definir el objetivo de negocio y posteriormente seleccionar la herramienta adecuada, en lugar de implementar inteligencia artificial únicamente porque se encuentra en tendencia. “En lugar de pensar en dónde vamos a implementar el modelo, es para qué lo queremos implementar”, afirma.
