Hace tiempo que la inteligencia artificial (IA) ha dejado de ser un tema del futuro, ahora es una realidad en casi todos los sectores. Tanto en medicina, industria, finanzas o telecomunicaciones, los sistemas de IA analizan datos, toman decisiones, automatizan procesos y crean nuevos modelos de negocio. Sin embargo, esta revolución tecnológica también va acompañada de un reto ecológico: el creciente consumo de energía de las aplicaciones de IA.
Generar una imagen de IA requiere tanta energía como la mitad de la carga de un teléfono móvil. La potencia de cálculo que necesitan los modelos modernos de IA es enorme, sobre todo cuando se trata de entrenar modelos de gran tamaño. Según las estimaciones, el entrenamiento de GPT-3, por ejemplo, generó más de 550 toneladas de CO₂, una cantidad comparable a las emisiones anuales de CO₂ de más de 100 coches. Un estudio llevado a cabo por McKinsey en 2024 prevé que las necesidades energéticas de los centros de datos de Europa que ejecutan aplicaciones de IA aumentarán considerablemente de aquí a 2030 hasta alcanzar los 150 teravatios hora ese año. Esto supone alrededor del 5 % del consumo total de electricidad en Europa.
Al mismo tiempo, sin embargo, la IA también ofrece muchas oportunidades para encontrar soluciones sostenibles a los retos de nuestro tiempo. Puede utilizarse, por ejemplo, para mejorar significativamente las previsiones meteorológicas o reconocer catástrofes naturales como corrimientos de tierras en una fase temprana. «La IA puede reducir significativamente el consumo de energía de las fábricas, disminuir la huella de carbono de los edificios, reducir el desperdicio de alimentos o minimizar el uso de fertilizantes en la agricultura», subraya Bernhard Rohleder, director general de Bitkom.
Por tanto, la IA puede ser a la vez parte del problema y de la solución. El reto consiste en aprovechar las grandes oportunidades que ofrecen las aplicaciones de IA impactando lo menos posible en el medio ambiente.
En calidad de proveedores líderes de telecomunicaciones en Europa, Deutsche Telekom y T-Systems también son conscientes de este reto y por ello han introducido los «Green AI Principles». Estos principios sirven de guía para desarrollar y utilizar soluciones de IA de forma más ecológica y sostenible para el medio ambiente. Muestran cómo reconocer y abordar los riesgos potenciales en una fase temprana, como el rápido crecimiento de la huella de carbono, por ejemplo. El objetivo no es solo hacer más sostenible el desarrollo y el uso de la IA en el seno de Deutsche Telekom, sino también impulsar a otros agentes, como empresas, instituciones públicas, responsables políticos y la comunidad científica. El planteamiento pretende incluir la sostenibilidad como parte integrante de los sistemas de IA desde el principio.
El reto consiste en aprovechar las grandes oportunidades que ofrecen las aplicaciones de IA impactando lo menos posible en el medio ambiente.
Nils Henrik Muthmann, director del programa de sostenibilidad/ESG en T-Systems International
Todas las aplicaciones de IA de Telekom se basan en electricidad procedente de fuentes de energía renovables. Esto se aplica tanto a los centros de datos internos como a las infraestructuras de cloud externalizadas. Así se garantiza que el funcionamiento de los sistemas de IA no contribuya a aumentar las emisiones de CO₂.
Los modelos, datos, componentes de software y hardware se utilizan muchas veces. La reutilización de modelos ya entrenados o de canalizaciones de datos existentes no solo ahorra tiempo de desarrollo, sino que también reduce significativamente el consumo de energía.
Cada desarrollo de IA se analiza en función de su consumo de energía y sus emisiones de CO₂. Esta transparencia sienta las bases para tomar decisiones bien fundadas, por ejemplo, si un modelo debe seguir optimizándose o sustituirse por otro más eficiente.
Los recursos informáticos se escalonan en función de la demanda, es decir, solo se proporcionan en el momento y en la medida en que realmente se necesitan. Así se evita el consumo innecesario de energía por parte de sistemas sobredimensionados, por ejemplo durante los tiempos de inactividad.
Los modelos de IA se desarrollan de forma modular, eficiente y adaptada a la aplicación específica. En lugar de modelos universales de «talla única», se utilizan arquitecturas especializadas que ahorran recursos y solo proporcionan lo que realmente se necesita.
La transparencia en toda la empresa y la reutilización de códigos y modelos evitan la duplicación de desarrollos. Esto no solo ahorra energía, sino que fomenta la colaboración interna y la velocidad de innovación.
Se fomenta la programación eficiente desde el punto de vista energético, por ejemplo mediante el uso económico de la memoria, los ciclos de cálculo y el acceso a los datos. Se sensibiliza a los promotores y desarrolladores al respecto del impacto de sus códigos en el consumo de energía y la sostenibilidad.
Los algoritmos y las arquitecturas se mantienen lo más sencillos posible. La complejidad solo se acepta cuando aporta un valor añadido real, gracias a lo cual se reduce el consumo energético y aumenta la facilidad de mantenimiento y la robustez de los sistemas.
La sostenibilidad se tiene en cuenta a lo largo de todo el ciclo de vida de un proyecto de IA, desde la idea inicial hasta la formación, el funcionamiento y el desmantelamiento. Esto garantiza que los aspectos ecológicos no solo se consideren de forma selectiva, sino integral.
La aplicación de los Green AI Principles no es una cuestión puramente técnica, sino que requiere un replanteamiento integral de la organización, la cultura y los procesos. Porque los principios por sí solos no cambian el mundo. Para minimizar el impacto sobre el medio ambiente, Deutsche Telekom y T-Systems aplican un enfoque multidimensional:
La Green AI no es una contradicción, es una necesidad. Los Green AI Principles son un enfoque inteligente para combinar la innovación tecnológica y la responsabilidad ecológica. Las empresas que invierten hoy en IA sostenible no solo se aseguran la resiliencia normativa, sino también una ventaja competitiva decisiva.
