IA sostenible: cómo medir y mitigar el impacto ambiental de la inteligencia artificial
Profesionales de la sostenibilidad corporativa enfrentan una presión creciente para cuantificar y reducir el impacto ambiental de la inteligencia artificial, una tecnología que avanza más rápido que los marcos regulatorios y las metodologías de medición disponibles. Según datos recientes del sector, más del 60% de los administradores de activos y propietarios institucionales están incrementando su escrutinio sobre cómo las corporaciones gestionan sus aplicaciones e infraestructuras de IA. Cerca de dos tercios de los 900 encuestados en un estudio del sector consideran que la 'IA responsable' forma parte integral de su estrategia de inversión sostenible, mientras que aproximadamente una cuarta parte ya aplica este análisis a impactos ambientales concretos, como emisiones de gases de efecto invernadero y calidad del agua.
Más allá del consumo energético —que concentra la mayor parte del debate público—, emergen vectores de impacto menos visibles pero igualmente relevantes. Las proyecciones indican que la rotación acelerada de hardware asociada a la infraestructura de IA, combinada con el reemplazo masivo de dispositivos de usuario, podría generar entre 196 y 211 millones de toneladas de desechos electrónicos anuales hacia 2050, según estimaciones citadas por especialistas en economía circular. En paralelo, herramientas como PromptZero buscan reducir el impacto ambiental de las tareas cotidianas de IA disminuyendo la extensión de las respuestas generadas, logrando reducciones de emisiones de hasta un 56% en promedio mediante el uso de métricas de EcoLogits para calcular el ahorro en huella de carbono.
En el frente de la medición, persisten desafíos metodológicos significativos. Un estudio de la firma Watershed revela que los modelos de IA utilizados para automatizar la creación de huellas de carbono de productos alcanzan respuestas dentro de dos múltiplos de las estimaciones expertas solo el 77% del tiempo, lo que subraya la brecha entre la promesa de automatización y la precisión requerida para reportes corporativos rigurosos. Herramientas como CLEER (Closed-model Latent Energy Estimation Range), desarrollada por Sustainable AI Group, representan un avance al utilizar datos de modelos abiertos para estimar el impacto energético y de carbono de modelos propietarios, ofreciendo a las organizaciones una vía para evaluar tecnologías cuya arquitectura interna no es pública. Para los estrategas corporativos, el mensaje es claro: integrar la gobernanza ambiental de la IA en los marcos ESG ya no es opcional, sino una expectativa creciente de inversores, reguladores y mercados.
