IA generativa: ¿cómo hacer que su herramienta sea frugal?

Autor: Lefebvre 15-10-2025

«El primer paso consiste en reflexionar detenidamente sobre el servicio que va a prestar la IA. No siempre es necesario recurrir a ella. Si un tren hace el trayecto París-Toulouse y no se desea ir a Toulouse, no vale la pena subir a él. No es el tren adecuado, aunque todo el mundo en el andén lo coja. Si, por el contrario, el desarrollo de una IA permite realizar una tarea repetitiva, sin ningún valor añadido en el sentido económico o social, y facilita la vida de sus usuarios, tanto para su bienestar como para un rendimiento financiero o social, entonces hay que lanzarse», precisa Florian Pothin, científico de datos en Toovalu y doctorando. Es imprescindible plantearse el uso de la herramienta durante su desarrollo.

El impacto medioambiental de la IA también depende del efecto rebote

Hay que tener cuidado con los efectos rebote: «Se tiende a creer que con la IA se va a ser más eficaz o se va a sustituir un uso obsoleto. Pero a menudo los usos se suman. No siempre se sustituyen las soluciones existentes, a veces se crean otras nuevas con IA y se mantienen las antiguas», advierte Thomas Gilormini, jefe de proyectos climáticos en Toovalu e investigador en descarbonización. Sin embargo, cuantas más soluciones hay en el mercado, mayor es el impacto medioambiental.

Recurrir a herramientas para medir el impacto medioambiental

Después de reflexionar sobre el uso y los posibles efectos rebote, llega el momento de medir concretamente el impacto medioambiental del servicio que se va a implementar. Antes de lanzar una IA, conviene dimensionarla desde el principio, es decir, adaptarla a usos específicos. Para medir su coste medioambiental, «existen numerosas herramientas (code carbon o Ecolab), métodos y servicios gratuitos que pueden ayudar en este sentido», señala Florian Pothin. Y atención, «es más fácil concebir una IA responsable que transformar una IA existente», advierte Florian Pothin.

Utilizar el ACV para determinar el impacto de la IA

Otra posibilidad es utilizar la metodología del análisis del ciclo de vida (ACV) con sus referencias muy precisas. Permite medir el impacto medioambiental de los productos y servicios teniendo en cuenta todas las etapas de su «ciclo de vida». En el caso de la IA, «se trata de medir su impacto desde el diseño del modelo hasta su uso por parte del internauta», describe Thomas Gilormini. Sin olvidar «todo lo que ello implica, es decir, el uso de material relacionado con cada una de las diferentes etapas», añade Florian Pothin. Por lo tanto, se tienen en cuenta la extracción de los recursos necesarios para la construcción de los centros de datos, su fabricación, la electricidad utilizada para alimentarlos y el impacto relacionado con los terminales de los usuarios (teléfonos inteligentes, ordenadores, etc.), sin olvidar el fin de la vida útil de todos estos eslabones de la cadena. «Para llevar a cabo el análisis, se recomienda tener en cuenta varios criterios, como las emisiones de gases de efecto invernadero, la energía primaria, el agua consumida y los recursos utilizados. Y para realizar un ACV completo, se añadirán otros criterios medioambientales», señala Thomas Gilormini.

Recurrir a referencias científicas

¿Qué fuentes utilizar para obtener mediciones fiables? «Aún no existe una base de referencia específica para el impacto del uso de la IA, pero conviene basarse en referencias clásicas o científicas. La herramienta Ecologits, por ejemplo, estima el impacto de una consulta OpenAI», indica Thomas Gilormini.

Por último, ¿con qué periodicidad se debe revisar el análisis? «Se puede adoptar el mismo reflejo que en materia de balance de carbono. Hay que hacerlo con regularidad, al menos cada tres años, ya que las herramientas digitales evolucionan muy rápidamente. Sobre todo si se quieren seguir las medidas adoptadas para reducir los impactos identificados. En caso de que se produzcan cambios importantes en la arquitectura de la IA (por ejemplo, cuando se duplica la capacidad de almacenamiento para aumentar la potencia del modelo)», también hay que volver a realizar el ejercicio, aconseja Thomas Gilormini. También hay que prestar atención a los factores exógenos: «Cuando recurrimos a los gigantes tecnológicos en nuestros propios modelos, hay que tener en cuenta que estos evolucionan rápidamente. Si se opta por GPT 5.0 en lugar de GPT 4.0, esto tendrá consecuencias» en el impacto medioambiental de la solución, añade Florian Pothin. Y habrá que volver a realizar el análisis…