La revolución tecnológica de la actual generación es sin ninguna duda la Inteligencia Artificial. Hoy se encuentra todavía en pañales, existen muchos modelos de IA cada vez mejor entrenados, sin embargo, el verdadero salto tecnológico vendrá cuando explotemos al máximo cómo implementarla de forma eficiente en nuestro día a día y en el negocio. En el momento de rediseñar los procesos desde cero para incorporar la IA en ellos y construir entorno a ella.
Sin embargo, aunque estamos todavía en una etapa temprana, nos encontramos con un problema que es imposible de ignorar, el gran impacto en el medio ambiente que tiene el uso de la inteligencia artificial.
La explosión del uso de las tecnologías de IA y su infraestructura genera un impacto ambiental negativo a menudo invisible para las empresas y usuarios finales. La desconexión geográfica y operacional entre los lugares donde se entrenan los modelos de IA, los centros de datos donde se ejecutan, y el uso por las empresas y usuarios, ha generado una falta de conciencia sobre sus costes ambientales.
Entrenar y operar con modelos de IA y de lenguaje como ChatGPT requiere de un uso intensivo de recursos. Las fases tempranas de entrenamiento pueden consumir miles de MWh de energía, lo que supone las emisiones de cientos de toneladas de CO2 a la atmósfera. Y eso es sólo la punta del iceberg, ya que el uso de estos modelos es lo que genera el mayor impacto.
Una consulta realizada en una conversación con ChatGPT consume 10 veces la electricidad de una búsqueda de Google, informa la Agencia Internacional de la Energía (AIE) [1]. La mayoría de los sistemas de IA se ejecutan en centros de datos que funcionan las 24 horas del día, lo que conlleva un enorme gasto energético: unos 415 TWh en 2024 [1].
Aunque muchos centros de datos están migrando hacia su funcionamiento por fuentes de energías renovables, según la IEA representan actualmente solo el 27 – 30% de la electricidad consumida, generando un gran impacto las emisiones CO2 a la atmósfera por el uso de fuentes fósiles. Para el año 2030, se espera que se duplique este consumo energético hasta los 945 TWh por año, y sólo el 50% de esa energía sería de fuentes renovables [1][2].
El segundo problema reside en la gran cantidad de servidores y equipos electrónicos que albergan estos centros de datos, que requieren de minerales críticos para su fabricación y que a menudo se extraen de forma no sostenible. Detrás de cada chip y GPU hay extracción de tierras raras, litio y cobalto; materiales cuya producción genera contaminación. Además, estos centros renuevan hardware frecuentemente, lo que genera enormes cantidades de residuos de aparatos eléctricos y electrónicos (RAEEs), que a menudo contienen sustancias peligrosas.
Por último, el elevado consumo de agua que requieren estos centros de datos en su fabricación y una vez en funcionamiento para enfriar los componentes. Según estimaciones, la demanda global del uso de la IA para el año 2027 supondrá de entre 4,2 y 6,6 mil millones de metros cúbicos de agua. Este gran consumo de agua se da además en una situación actual de escasez y sequías, donde una cuarta parte de la población humana carece de acceso a agua potable y saneamiento (ONU) [3].
Sin embargo, a pesar de los riesgos antes enumerados para el medio ambiente, la IA también tiene un gran potencial para su protección.
La gran ventaja de la IA es su uso para detectar patrones en los datos, pudiendo utilizar los históricos para mejorar nuestros modelos predictivos y obtener resultados más precisos. Su uso para monitorizar el medio ambiente puede servir de gran ayuda a gobiernos, empresas y personas para que tomen mejores decisiones con el planeta.
Actualmente se está implementando la IA en modelos de optimización energéticos, la detección temprana de incendios forestales, predicción de patrones climáticos, y modelos de agricultura inteligente y de protección de la biodiversidad.
En esta fase tan temprana de la IA, ya se está integrando la sostenibilidad en todas las etapas de su desarrollo. A través de políticas de IA responsable desde la fase de diseño, modelos de reporting de consumos de energía y emisiones, la creación de centros de datos que funcionan completamente con fuentes de energía renovables y con mecanismos de recirculación de agua para refrigeración, y la optimización del hardware y algoritmos para desarrollar modelos más eficientes que disminuyan su demanda energética.
Todavía queda mucho margen de mejora para una tecnología que está empezando a caminar. La IA ha llegado a las empresas y nuestras vidas de forma muy repentina, y es importante conocer los impactos que supone su uso en la actualidad. No obstante, una IA bien dirigida y sostenible puede convertirse en la herramienta clave de acción climática para la protección del planeta.
Referencias:
[1] IEA, “Electricity 2024: Analysis and forecast to 2026” https://iea.blob.core.windows.net/assets/6b2fd954-2017-408e-bf08-952fdd62118a/Electricity2024-Analysisandforecastto2026.pdf
[2] IEA, “Energy and AI: Executive Summary” https://www.iea.org/reports/energy-and-ai/executive-summary#abstract
[3] ONU, “Global Issues: Water” https://www.un.org/en/global-issues/water
[4] RTVE, “La nube sin agua: el desembarco de centros de datos tensiona a España por las sequías” https://www.rtve.es/noticias/20240805/nube-sin-agua-desembarco-centros-datos-tensiona-espana-sequias/16173301.shtml
[5] El Español, “Radiografía de los centros de datos en España” https://www.elespanol.com/invertia/disruptores/grandes-actores/tecnologicas/20220530/radiografia-centros-datos-espana-hablan/675182709_0.html
Artículo redactado por: Raúl Poblador.
En SURUS, acompañamos a quienes nos rodean en la transición de modelos de negocio lineales a modelos más circulares y sostenibles. SURUS fue creada en el año 2010 para dar respuesta a una necesidad existente en el mercado nacional en cuanto a la venta especializada de activos en el mercado secundario maximizando el valor económico, social y medioambiental y así ofrecer los mejores resultados en nuestros proyectos que además certificamos mediante herramientas de medición y la emisión de informes.
