Creando un futuro mejor con IA sostenible
Athira Jayakumar, Enterprise Analyst en ManageEngine
Hoy en día, la inteligencia artificial (IA) se utiliza ampliamente en múltiples sectores, desde la planificación de entrenamientos hasta la atención al paciente y los vehículos autónomos. Si bien la IA ha demostrado ser muy beneficiosa en eficiencia e innovación, su impacto en la sostenibilidad y factores medioambientales, sociales y de gobernanza (ESG) ha sido un tema crítico que no siempre se aborda adecuadamente.
Consumo energético de IA
Según el Electric Power Research Institute (firma de investigación sin ánimo de lucro), las búsquedas con IA consumen hasta 10 veces más electricidad que las búsquedas tradicionales en Google. Esto se debe en parte a la necesidad de procesar grandes volúmenes de datos y la alta potencia computacional requerida, especialmente para modelos avanzados como GPT-4 de OpenAI, BERT y Gemini de Google, y Llama de Meta. Estos modelos de lenguaje natural (LLM) pueden necesitar miles de GPU, cuya fabricación y eliminación incrementan las emisiones de carbono. Un estudio de la Universidad de Massachusetts Amherst muestra que el entrenamiento de un modelo de IA puede producir tanto CO2 como cinco automóviles en su vida útil.
Además, la infraestructura de soporte de IA, como centros de datos y equipos de red, requiere enormes cantidades de energía. De hecho, las emisiones de gases de efecto invernadero de Google en 2023 fueron casi un 48% más altas que en 2019, en gran parte debido a la demanda de energía vinculada a los data center.
En Colombia, el crecimiento en el uso de la inteligencia artificial también empieza a generar preocupación por su impacto energético. Según el MINTIC, el país avanza en la adopción de tecnologías digitales como la IA, y esta nueva herramienta pretende ser un catalizador para el desarrollo sostenible y la optimización de los recursos energéticos.
Colombia genera una parte importante de su electricidad a través de fuentes hidroeléctricas, pero debido a fenómenos como El Niño, a los cuales el país se ha enfrentado recientemente por la falta de agua, este depende temporalmente de los combustibles fósiles, aumentando las emisiones de carbono.
Impacto de la IA en los factores ESG
Si bien la IA presenta desafíos medioambientales, también tiene un impacto positivo en los factores sociales y de gobernanza en el marco de los aspectos ESG, ayudando en atención médica, analizar patrones y anomalías para la detección de fraudes y acceso a servicios financieros. Sin embargo, es esencial que las organizaciones encuentren un balance, entre los retos medioambientales planteados y las oportunidades que ofrece la IA.
Debido al auge de la IA en Colombia, ya se han empezado a crear leyes relacionadas con la sostenibilidad ambiental y la tecnología. Este es el caso de la Ley 2232 de 2022, que busca promover el uso de tecnologías emergentes, como la inteligencia artificial (IA), para la protección y gestión del medioambiente. Esta ley establece incentivos para proyectos que implementen IA y otras tecnologías avanzadas para el monitoreo y conservación de los recursos naturales, la lucha contra el cambio climático y la mejora de la eficiencia energética.
Se necesitan prácticas de IA sostenibles
El 78% de los consejeros delegados consultados en la encuesta 2023 de Gartner afirmaron que los beneficios de la IA superan a los riesgos, pero el creciente número de organizaciones que utilizan la IA, incluida la IA generativa (GenAI), está provocando un aumento de la huella medioambiental de la IA.
Para mitigar el impacto ambiental de la IA, se recomienda utilizar modelos de IA eficientes y aplicar técnicas como el modelo depurado que utiliza menos parámetros para procesar los datos y, por tanto, requiere menos memoria, lo que indirectamente se traduce en un menor consumo de energía. La técnica de cuantificación reduce la precisión de los parámetros utilizados en un modelo de IA, lo que se traduce en un menor consumo de energía y un funcionamiento más rápido y la técnica de destilación de conocimientos, quepuede utilizarse para transferir los conocimientos de un modelo de IA grande y complejo a otro más pequeño.
El uso de hardware especializado en IA es otra vía a explorar. Los chips capaces de procesar modelos de IA con mayor eficiencia y velocidad, reduciendo al mismo tiempo de forma significativa la energía necesaria para los cálculos de IA, pueden ayudar a garantizar la sostenibilidad de las operaciones de IA. Algunos ejemplos son la nueva generación de GPU de NVIDIA, las unidades de procesamiento tensorial de Google y el recientemente anunciado Trainium2 de Amazon.
El siguiente paso sería pasar a fuentes de energía renovables, es decir, alimentar los modelos de IA con fuentes de energía renovables o intentar alojar las operaciones en un centro de datos que funcione con una fuente de energía renovable.
En general, las organizaciones deben tener en cuenta cómo afectará el uso de modelos de IA a sus objetivos ESG. Es necesario que tomen decisiones digitales informadas y participen en asociaciones que den prioridad a la IA sostenible. Además, deben educar a sus inversores y empleados y aumentar la concienciación sobre la necesidad de una IA sostenible.
