Un reciente estudio revela que los modelos de inteligencia artificial (IA) más grandes y complejos, aunque más precisos, contaminan hasta 50 veces más que los modelos más pequeños. La investigación destaca la necesidad de elegir el modelo adecuado para cada tarea, buscando un equilibrio entre precisión y eficiencia energética para reducir la huella ambiental de la IA.
El auge de la inteligencia artificial (IA) no es novedad para nadie, pero lo que sí empieza a generar debate es el costo oculto detrás de esta revolución tecnológica: el consumo energético y las emisiones de carbono. Si bien la IA promete transformar nuestras vidas, ¿lo hará a costa del planeta? Un reciente estudio pone el foco en esta cuestión, comparando la eficiencia energética de distintos modelos de IA generativa y revelando datos que invitan a la reflexión.
El tamaño importa, y mucho: ¿cuánto contamina tu IA?
La investigación, publicada en la revista Frontiers, analizó 14 modelos de IA generativa de código abierto, abarcando desde los más modestos hasta los verdaderos pesos pesados. La conclusión es contundente: los modelos más pequeños, entrenados con menos parámetros, pueden llegar a contaminar ¡hasta 50 veces menos! que sus contrapartes gigantes. Pero claro, como en casi todo en la vida, hay un «pero»: la precisión de las respuestas se ve afectada.
¿Estamos ante un dilema entonces? ¿Privilegiamos la exactitud a costa del medio ambiente, o apostamos por la sostenibilidad sacrificando un poco de rendimiento? El estudio plantea un escenario más matizado: para tareas sencillas, un modelo pequeño puede ser suficiente, arrojando resultados similares a los de un modelo grande pero con una huella de carbono significativamente menor.
¿Cómo elegir el modelo de IA «verde»?
La pregunta del millón es, ¿cómo saber qué modelo es el adecuado para cada tarea? Los investigadores proponen una analogía interesante: para un viaje corto, caminamos o usamos la bicicleta; para distancias más largas, recurrimos al transporte público o al auto. De la misma manera, los modelos de IA más potentes deberían reservarse para tareas complejas, como programación avanzada, mientras que los más pequeños podrían ser ideales para traducciones simples.
Pero claro, en la práctica, esta elección no es tan sencilla. Por eso, el equipo liderado por Maximilian Dauner está desarrollando una herramienta automática que ayude a los usuarios a seleccionar el modelo más eficiente en función de sus necesidades. «Estamos trabajando en un planificador que seleccione el modelo adecuado en función de la solicitud del usuario, de manera que se minimicen las emisiones de CO₂ equivalente», explica Dauner. Una iniciativa que podría marcar la diferencia en el futuro.
Un ejemplo concreto: hacer que el modelo chino DeepSeek R1 responda a 600.000 preguntas generaría unas emisiones de CO₂ equivalentes a un vuelo de ida y vuelta de Londres a Nueva York. En cambio, Qwen 2.5, del mismo tamaño, puede responder a más del triple de preguntas (alrededor de 1,9 millones) con tasas de precisión similares y generando las mismas emisiones. La eficiencia, al parecer, es una variable clave en este juego.
La huella ambiental de la IA: un problema que crece
Si bien la investigación se centra en los modelos de IA generativa, el problema de la huella ambiental de la IA es mucho más amplio. El último informe de la Unión Internacional de Telecomunicaciones revela que el consumo eléctrico de los centros de datos, que son el corazón de la IA, ha crecido un 12% anual entre 2017 y 2023, cuatro veces más rápido que el promedio mundial. Y las cuatro grandes tecnológicas (Amazon, Microsoft, Alphabet y Meta) han visto aumentar sus emisiones en un 150% de media desde 2020.
Cosmas Luckyson Zavazava, uno de los responsables del informe, lo deja claro: «A pesar de los avances logrados, las emisiones de gases de efecto invernadero siguen aumentando, lo que confirma que es más urgente que nunca que las empresas digitales adopten estrategias climáticas alineadas con la ciencia, transparentes y responsables».
¿Estamos a tiempo de revertir esta tendencia? La respuesta no es sencilla, pero lo que sí parece claro es que la sostenibilidad de la IA es un debate que recién empieza. Y que la elección del modelo adecuado para cada tarea, como plantea este estudio, es un paso en la dirección correcta.
¿Es posible una IA sostenible?
Para los investigadores, es fundamental considerar todo el ciclo de vida de la IA al medir su huella ambiental, desde la extracción de minerales para construir las GPU hasta el consumo energético durante el entrenamiento y el uso de los modelos. «Debido a la limitada transparencia que hay en estas fases, los estudios suelen recurrir a estimaciones (…) o enfocarse en cantidades medibles, como el consumo de energía durante las fases de entrenamiento e inferencia», explican los autores.
Shaolei Ren, profesor de la Universidad de California, Riverside, coincide en la importancia de este enfoque: «El estudio es muy interesante para entender mejor la huella de carbono de los LLM». Sin embargo, plantea una pregunta clave: «¿Hubiera sido más todavía si los autores hubieran usado intensidades de carbono específicas por país o región, ya que hay diferencias importantes?». Un debate abierto que seguramente seguirá generando controversia.
