Poco podía imaginar Hayao Miyazaki, creador y fundador de Studio Ghibli, que su estilo —esos colores cálidos y esa atmósfera mágica tan característica— acabaría imitado por sistemas de IA para generar más de 216 millones de imágenes. ¿Impresionante? Sin duda.
Pero lo realmente sorprendente es el coste ambiental de estas “tendencias”. Investigaciones académicas lideradas por Shaolei Ren, profesor de Computer Science & Engineering en la University of California, Riverside (UCR), muestran que la generación de imágenes y textos mediante modelos de IA conlleva un consumo indirecto de agua no trivial, asociado tanto a la refrigeración de los centros de datos como a la producción de la electricidad necesaria para entrenar y ejecutar estos sistemas.
Estudios como “Making AI Less Thirsty: Uncovering and Addressing the Secret Water Footprint of AI Models” (2023) apuntan además a que este impacto puede traducirse en varios litros de consumo de agua indirecto en interacciones prolongadas o en la generación de múltiples imágenes, especialmente en regiones con estrés hídrico.
El avance de la IA —y especialmente de la IA generativa— no se detiene. Las empresas lo saben y están acelerando su adopción.
Según el Observatorio Nacional de Tecnología y Sociedad (ONTSI), en 2024 un 11,4% de las empresas españolas de 10 o más trabajadores utilizaron IA, un 1,8% más que el año anterior. En Europa esta cifra es incluso mayor, llegando al 13,5%. Y si miramos a las grandes compañías españolas, la penetración alcanza el 44%.
La IA ha dejado de ser una opción experimental para convertirse en una pieza estratégica del negocio.
Este desarrollo vuelve a poner sobre la mesa un debate fundamental: ¿estamos integrando la sostenibilidad en la ecuación de la IA?
Investigadoras como Sasha Luccioni han analizado el impacto ambiental de la IA generativa y señalan que su consumo energético puede ser hasta 30 veces superior al de los motores de búsqueda tradicionales.
Se estima que en 2023 la IA supuso ya el 1% del consumo energético total de España, el 2,5% del de Estados Unidos y un 0,5% del consumo mundial.
Optimizar para ser más sostenibles
Cada consulta a un modelo de IA implica un coste computacional. Interpretar una instrucción y generar una respuesta exige recorrer cantidades masivas de datos. Por eso, si queremos aprovechar la capacidad transformadora de la IA sin multiplicar su impacto ambiental, toca priorizar la eficiencia.
La sostenibilidad en IA no va de limitar su uso, sino de optimizarlo.
La primera línea de actuación es obvia: mejorar los modelos. Minimizar parámetros innecesarios, utilizar arquitecturas más ligeras, incorporar procesamiento local y filtrar datos en dispositivos Edge antes de enviarlos a la nube. También necesitamos hardware más eficiente: chips especializados y aceleradores de bajo consumo.
Otra vía es optimizar los propios datos. Entrenar con más no es entrenar mejor. Reducir redundancias, depurar errores, eliminar información irrelevante y aplicar técnicas avanzadas de compresión —como DeepCompression— permite reducir los requisitos computacionales sin sacrificar calidad. Optimizar almacenamiento y filtrar datos antes de trasladarlos es igual de crítico.
Otra palanca clave es adecuar la demanda energética. Programar cargas en horas de mayor disponibilidad de energía limpia, medir con precisión el consumo asociado a cada operación y establecer presupuestos de cómputo transparentes y responsables.
Convertir la sostenibilidad en una métrica más del proyecto.
Y, por supuesto, revisar la infraestructura. El uso del agua debe entrar en la ecuación de forma explícita. Los centros de datos tienen margen para avanzar: contratar energía limpia 24/7, ubicar cargas en zonas frías o libres de estrés hídrico, mejorar la eficiencia térmica y adoptar sistemas de refrigeración de bajo impacto. Incluso el calor residual puede convertirse en un recurso aprovechable.
La sostenibilidad no es exclusiva de los grandes, es cosa de todos
No es una tarea exclusiva de los gigantes tecnológicos. La responsabilidad es transversal. Desde quienes diseñamos y entrenamos modelos hasta quienes los utilizan para tareas cotidianas. Nuestro rol como profesionales es claro: crear soluciones que maximicen valor y optimicen costes energéticos.
En la práctica, esto se traduce, por ejemplo, en informar de manera sistemática del impacto ambiental asociado al uso de modelos avanzados —como LLMs o modelos de alta complejidad—, midiendo y comunicando el consumo energético y la huella de carbono (CO₂) de cada caso de uso. En Mática Partners es parte de nuestro propósito: la sostenibilidad y la ética no son un añadido, son dos principios clave.
En definitiva, el potencial real de la Inteligencia Artificial no está solo en su capacidad para innovar y transformar procesos, sino en nuestra capacidad para desplegarla de manera sostenible.
La IA puede ser una fuerza de progreso duradero, pero solo si la acompañamos de una ética ambiental activa y de una apuesta decidida por la optimización.
Construir una IA sostenible no es un desafío futurista. Es una obligación inmediata.
Y también una oportunidad: la de demostrar que la innovación y la responsabilidad pueden —y deben— avanzar juntas.
Marc Serra es CEO del Grupo Mática y Cofundador de Mática Partners.
Esta tribuna puede reproducirse libremente citando a sus autores y a EFEverde.
Otras tribunas de Creadores de Opinión Verde (#CDO)
Este blog de «influencers verdes» fue creado por Arturo Larena y ha sido finalista en los Premios Orange de Periodismo y Sostenibilidad 2023 en la categoría de «nuevos formatos».
La entrada Optimizar modelos y datos, clave para una IA más ética y sostenible. Por Marc Serra se publicó primero en EFEverde.
