Se requieren criterios comunes, transparentes y estandarizados para evaluar el verdadero impacto ecológico de los sistemas de Inteligencia Artificial (IA) a lo largo de todo su ciclo de vida, más allá de las emisiones de carbono. Ese el el llamado de la Unión Internacional de Telecomunicaciones (UIT) en su más reciente informe Midiendo lo que importa, cómo evaluar el impacto ambiental de la IA.
De acuerdo con el reporte, el consumo eléctrico de los Centros de Datos aumentó un 12% anual entre 2017 y 2023, una velocidad cuatro veces superior al crecimiento de la demanda eléctrica mundial, y las emisiones operativas de cuatro grandes compañías tecnológicas centradas en IA crecieron, en promedio, un 150% entre 2020 y 2023.
Ante este panorama, la UIT advierte que “la falta de estándares y datos confiables está dificultando el control del impacto ambiental de la IA. Sin herramientas de medición homogéneas y transparentes, las emisiones, el uso del agua, la generación de residuos y otros efectos permanecen invisibles”.
Lee también: Chatbots emocionales de IA son un riesgo creciente para la salud mental
Para ello, la UIT propone un enfoque basado en el ciclo de vida de los sistemas de IA, dividido en tres fases: Entrenamiento, Inferencia (uso) y Cadena de suministro.
En la primera fase, Entrenamiento, se requieren grandes volúmenes de cómputo durante largos periodos. El consumo energético se estima comúnmente a partir del poder de procesamiento de la unidad de procesamiento gráfico (GPU), el tiempo de entrenamiento y el uso promedio. Las metodologías actuales se basan, en su mayoría, en aproximaciones indirectas. Además, el cálculo de las emisiones suele dejar por fuera fases previas como la experimentación y el desarrollo.
La Inferencia (uso) es una fase menos intensiva en cuanto a proceso, pero más larga respecto a los tiempos. El informe de la UIT señala que muchas estimaciones ignoran variables críticas como el comportamiento de los usuarios (longitud de las solicitudes, uso innecesario de modelos grandes, repeticiones) y las emisiones asociadas a los dispositivos. En esta fase, también alerta sobre la ausencia de estándares para reportar emisiones por token, por consulta o por sesión.
En la tercera fase, sobre la Cadena de suministro, se incluyen los impactos menos visibles pero cruciales, como las emisiones asociadas a la fabricación, transporte y disposición final del hardware, así como los procesos de extracción de minerales como litio o cobalto, el uso de agua en zonas de estrés hídrico y los desechos electrónicos que todavía están cuantificados en los reportes ambientales.
Teniendo en cuenta las fases descritas, la UIT destaca algunos hallazgos puntuales respecto a la crisis medio ambiental de la IA. El primero es sobre la excesiva dependencia de las estimaciones, debido a que los métodos actuales suelen depender de indicadores indirectos, especialmente durante la fase de entrenamiento. Rara vez se utilizan datos empíricos en tiempo real, lo que genera imprecisiones.
Además, las métricas clave relacionadas con el desarrollo de la IA, como el consumo de agua en los Centros de Datos, están poco monitoreadas.
De acuerdo con la UIT, cada empresa e institución reporta sus métricas de impacto medioambiental, pero lo hacen de manera fragmentada. Esta ausencia de consenso en las unidades de medición dificulta la integración de estas métricas en procesos como compras sostenibles o análisis de costos internos.
Mientras algunos estudios reportan emisiones por tarea completada, otros usan métricas como kgCO₂e por token o MJ por ciclo de entrenamiento. Esta dispersión limita la comparación entre modelos, empresas y regiones.
Además, la mayoría de los estudios priorizan las emisiones de carbono y dejan de lado otras dimensiones ambientales, como el uso de agua, la pérdida de biodiversidad o la producción de residuos.
Esta visión es calificada por la UIT como una “miopía del carbono” que al final está ocultando el verdadero alcance del daño real al medio ambiente.
Recomendaciones de la UIT para un futuro más verde
El informe de la UIT ofrece recomendaciones específicas para desarrolladores, consumidores y reguladores, todos los actores de la cadena de valor de la IA, para que el impacto de la tecnología sea mucho más amigable con el medio ambiente.
Para desarrolladores, la UIT sugiere incorporar herramientas de telemetría en tiempo real durante el entrenamiento y la inferencia, además de establecer metodologías estandarizadas para distribuir el impacto ambiental a lo largo del ciclo de vida de los modelos.
Para los consumidores sugiere exigir datos de sostenibilidad a los proveedores de modelos y utilizar herramientas que visibilicen el impacto ambiental de sus interacciones con sistemas de IA.
Y para los reguladores propone establecer lineamientos globales de reporte que incluyan desde las emisiones directas hasta las asociadas a la infraestructura, siguiendo marcos como el ISO 14040 o el estándar ITU-T L.1410.