Las organizaciones deben evaluar si la inteligencia artificial (IA) es la herramienta más eficiente para la tarea, asegurando que sea ética, respetuosa con la privacidad y consciente con el medio ambiente para minimizar los riesgos y el consumo de energía.
Mejorar la eficiencia en cada etapa de la IA –desde la selección de datos hasta el entrenamiento y el despliegue– puede reducir drásticamente el impacto ambiental.
Los gobiernos, las industrias y los innovadores deben colaborar para promover soluciones energéticas sostenibles, el acceso equitativo a la energía limpia y normativas armonizadas que den prioridad a la innovación y al medio ambiente.
La inteligencia artificial (IA) es la oportunidad de una vida para aprovechar la tecnología en beneficio de la humanidad. Sin embargo, presenta una paradoja.
Ofrece capacidades asombrosas que podrían desbloquear un futuro energético más fiable y con bajas emisiones, mediante tecnologías como la fusión nuclear y las redes eléctricas inteligentes. No obstante, el consumo energético a corto plazo necesario para los ciclos computacionales que requiere el desarrollo de estas tecnologías podría agravar el mismo problema que intentamos resolver.
Mejorar la sostenibilidad de la IA es tanto una obligación moral como un imperativo práctico que debe impulsar a la industria, a los responsables políticos y a los usuarios finales a actuar con rapidez. Mejorar la eficiencia de la IA también redunda en interés de todos, ya que consumir menos energía y agua reduce los costes operativos y el impacto en el medio ambiente.
Para tener éxito, debemos trabajar juntos, pensar de forma holística y actuar con urgencia para trazar un camino sostenible hacia el futuro. Estas son cuatro prioridades que debemos adoptar para escalar la IA de forma responsable.
1. Asegurar que la IA sea la herramienta adecuada para el trabajo
La IA revolucionará las industrias y los descubrimientos científicos a escala mundial, pero las organizaciones y los líderes tecnológicos deben utilizar la IA de forma intencionada, teniendo en cuenta lo que requiere su funcionamiento. Debemos evaluar cuidadosamente la IA, junto con otras herramientas disponibles, que podrían estar mejor adaptadas y optimizadas para cumplir los requisitos empresariales con una huella ambiental menor.
Una rápida comparación entre una herramienta predictiva generativa (GPT) y una consulta en un motor de búsqueda estándar ilustra este punto: Una sola consulta de IA generativa (GenAI) consume unas 15 veces más energía que una consulta en un motor de búsqueda, pero el interés que despiertan los GPT podría llevar a los usuarios a preferirlos. Por esta razón, debemos evaluar si la IA generativa es la herramienta adecuada para el trabajo.
La IA no es necesaria para aplicaciones sencillas, del mismo modo que no se necesita un coche de carreras para ir al mercado. Al emprender un nuevo proyecto de IA, las organizaciones deben desarrollar un plan de negocio de IA que detalle con claridad aspectos como los resultados empresariales esperados, las necesidades de datos, los requisitos del modelo de IA y las demandas energéticas y de refrigeración.
Además, si la IA no incorpora la responsabilidad desde el diseño, puede presentar riesgos éticos únicos y graves.
Para obtener valor mitigando estos riesgos para su organización, la IA debe diseñarse para respetar la privacidad y ser segura, proteger los derechos humanos, ser inclusiva e imparcial, minimizar las oportunidades de uso indebido y abuso, y ser explicable para garantizar la rendición de cuentas.
¿Puede su caso de uso tener en cuenta estos riesgos de forma eficaz y eficiente y mitigarlos para fomentar la confianza? Analizar con diligencia estas consideraciones puede ayudar a identificar en qué casos las alternativas a la IA podrían ser más apropiadas.
2. Optimizar a lo largo de todo el ciclo de vida de la IA
Escalar la IA de forma sostenible exige que utilicemos todas las palancas disponibles para optimizar el rendimiento en beneficio de la sostenibilidad. Es importante destacar que esto no es un paso único dentro de un ejercicio de sostenibilidad de TI. Debe producirse en cada etapa del ciclo de vida de la IA, desde la selección de datos hasta el diseño, el entrenamiento, el ajuste y la inferencia de modelos, hasta el fin de vida útil de los equipos.
Aunque se ha prestado comprensiblemente mucha atención a los avances en la infraestructura y la eficiencia de los equipos de IA, como los chips avanzados o una arquitectura de sistema de refrigeración líquida directa al 100% que puede reducir el consumo de energía en un 90 %, debemos pensar más allá del equipo.
El ciclo de vida de la IA debe estudiarse para mejorar la eficiencia del software, los datos, la energía y los recursos. Por ejemplo, centrarse en la eficiencia de los datos podría implicar evaluar de forma crítica un conjunto de datos antes de introducirlo en un modelo para su entrenamiento, con el fin de no desperdiciar capacidad de procesamiento en el tratamiento de datos superfluos o irrelevantes.
Del mismo modo, utilizar modelos preentrenados siempre que sea posible puede eliminar el consumo de energía necesario para reentrenar un nuevo modelo cuando ya existe uno adecuado.
Las organizaciones también deben implementar las herramientas de medición y seguimiento necesarias para registrar métricas de rendimiento detalladas. Las encuestas revelan que solo el 44 % de las empresas supervisa realmente el consumo energético relacionado con la IA, lo que deja sin aprovechar ahorros ambientales.
La combinación de una supervisión granular con un pensamiento holístico ya ha permitido a los investigadores identificar oportunidades para reducir las emisiones hasta en un 80 %, simplemente ajustando el momento en que se entrenan los modelos para que coincida con las ventanas en las que la energía renovable es más abundante.
3. Avanzar hacia un futuro energético más limpio, en todas partes
La realidad de las demandas energéticas de todo el planeta, las 24 horas del día, los 7 días de la semana, exige que los innovadores tecnológicos y los responsables políticos formen alianzas productivas y destinen recursos a iniciativas que estimulen la innovación y nos ayuden a replantear nuestra hoja de ruta hacia un futuro energético bajo en carbono.
Esto puede requerir revisar nociones preconcebidas sobre fuentes energéticas bajas en carbono, como la energía nuclear, como parte de una combinación energética más amplia y fiable.
El mundo desarrollado también tiene la responsabilidad de ayudar a las economías en desarrollo a descarbonizar sus redes eléctricas. Muchas naciones carecen de acceso a infraestructuras para fuentes energéticas con menos emisiones debido a la falta de financiación, a limitaciones en el suministro e incluso a la falta de voluntad política.
Es más importante que nunca consolidar los avances que muchas regiones del mundo han logrado en la descarbonización de la producción energética, para que todas las personas puedan acceder de forma sostenible a los beneficios de la IA.
4. Implementar políticas regulatorias inteligentes para una IA responsable
Los responsables políticos y el sector privado deben colaborar para desarrollar políticas regulatorias inteligentes, eficaces y prácticas. Estas políticas deben fomentar la innovación en la TI sostenible, supervisar y contabilizar el consumo de energía y las emisiones relacionadas con la IA, y armonizarse entre fronteras para facilitar la rápida adopción de las mejores prácticas.
Debe fomentarse la adopción de metodologías desarrolladas por organismos internacionales, como el Instituto de Ingenieros Eléctricos y Electrónicos. Aunque han surgido varias normativas sobre la IA, la mayoría no tiene en cuenta la sostenibilidad ambiental.
Además, la medida provisional de imponer moratorias temporales a los centros de datos no es una solución realista a largo plazo. Lo que se necesita es un enfoque holístico e integral que dé prioridad a la sostenibilidad ambiental, además de consideraciones más amplias como el uso ético.
Las alianzas público-privadas sólidas que dan prioridad a la innovación radical son imprescindibles para aprovechar todo el potencial de la IA y, al mismo tiempo, salvaguardar nuestros recursos naturales. Los líderes de los gobiernos, la industria y la sociedad civil deben colaborar para desarrollar e implementar prácticas de IA responsables y sostenibles.
Debemos pensar de forma holística, colaborar estrechamente, compartir abiertamente y actuar con rapidez para garantizar que la IA contribuya positivamente a la prosperidad a largo plazo y al bienestar de nuestra comunidad global.
