Sector energético
El coste energético de la inteligencia artificial
¿Podríamos duplicar la producción de coches sin ampliar las carreteras? ¿O generar un volumen masivo de información confidencial sin fortalecer la ciberseguridad?
Algo similar sucede con el avance de la inteligencia artificial: ¿es sostenible alimentar esta revolución tecnológica sin transformar nuestras infraestructuras energéticas?
El impacto energético de la IA es mucho mayor de lo que percibimos a simple vista. Y es que, entrenar y hacer que funcionen enormes centros de datos con estos modelos, requiere una cantidad inmensa de energía.
Por ejemplo, entrenar un modelo avanzado de lenguaje como ChatGPT, genera una huella de carbono comparable a la emitida por 125 vuelos de ida y vuelta entre Nueva York y Pekín.
O la de cinco automóviles durante todo su ciclo de vida (incluyendo fabricación y uso), según un estudio pionero realizado para calcular la contaminación que genera la IA dirigido por Emma Strubell y su equipo de la Universidad de Massachusetts Amherst (Estados Unidos - 2019).
Hoy, el entrenamiento de GPT-3, la tercera generación de estos modelos de predicción de lenguaje, requiere hasta 78.437 kWh según el Instituto de la Ingeniería de España. ¡Una cifra comparable al consumo de energía de un hogar medio en España durante 23 años!
Además, el uso práctico de estos modelos, lo que se conoce como inferencia, representa entre el 70% y el 80% del consumo energético total asociado a la IA.
Este desafío se agrava a medida que la tecnología avanza, lo que hace imprescindible priorizar la eficiencia energética y la sostenibilidad.
Entrenar un modelo avanzado de lenguaje como ChatGPT, genera una huella de carbono comparable a la emitida por 125 vuelos de ida y vuelta entre Nueva York y Pekín.
Centros de datos: el núcleo energético de la IA
Los procesos más exigentes, como el entrenamiento de modelos complejos y su despliegue en tiempo real, demandan enormes cantidades de electricidad.
Los centros de datos se encargan de gran parte del consumo energético de la IA. Según el informe Global Data Usage de IDC, en 2023 procesaron más de 20 exabytes de datos diarios en todo el mundo. Solo en España, este sector consumió unos 5 TWh, un 2% del consumo eléctrico nacional.
Y aunque estas cifras puedan parecer elevadas, es importante ponerla en contexto: existen otros sectores industriales que tienen un consumo superior.
No obstante, en Europa, los operadores de centros de datos y las instituciones ligadas a su comercio están avanzando en eficiencia energética: han acordado que para el 2030 harán que sus instalaciones sean climáticamente neutrales.
Centro de datos.
Conscientes del impacto ambiental de este consumo, el Ministerio para la Transición Ecológica y el Reto Demográfico de España ha implementado un marco legal innovador para promover la sostenibilidad en este ámbito. Este marco establece obligaciones para que los centros de datos sean más transparentes respecto a su consumo energético y eficiencia operativa.
También fomenta la adopción de tecnologías más limpias, como el uso de energías renovables, y la optimización de los sistemas de refrigeración, que representan una gran parte del gasto energético.
Además de su papel clave en la electrificación, los centros de datos son impulsores de innovación, desarrollo tecnológico y digitalización. Su crecimiento fortalece la infraestructura digital del país, favoreciendo la competitividad y el avance de sectores estratégicos como la industria, la educación y la sanidad.
Gracias a estas medidas, España busca posicionarse como un referente en sostenibilidad tecnológica, demostrando que el progreso digital no tiene que ir en contra del medioambiente
España busca posicionarse como un referente en sostenibilidad tecnológica, demostrando que el progreso digital no tiene que ir en contra del medioambiente.
Innovaciones para una IA más sostenible
La tecnología está ofreciendo soluciones para reducir el gasto energético de la IA:
- Mejoras en el hardware: el desarrollo de nuevos materiales y arquitecturas permite optimizar el rendimiento de los chips, reduciendo su consumo energético.
- Chips especializados: los TPU (Tensor Processing Units) de Google son hasta cinco veces más eficientes que los procesadores tradicionales.
- Computación en el borde (edge computing): este enfoque descentralizado permite realizar procesamientos locales disminuyendo la transmisión de datos y, con ello, el consumo energético.
- Modelos más pequeños: en lugar de desarrollar modelos de IA cada vez más grandes, se están optimizando algoritmos sin perder precisión.
- Entrenamiento de modelos más inteligentes: nuevas técnicas permiten reducir el número de iteraciones y la cantidad de datos necesarios para entrenar modelos de IA.
- Uso de energías renovables: en España, el 56% de la electricidad generada en 2024 provino de fuentes limpias, según Red Eléctrica de España, lo que representa un aumento respecto al 46% alcanzado en 2023. En esta línea, desde Endesa estamos reforzando nuestra infraestructura eléctrica. ¿El objetivo? Optimizar el consumo energético y facilitar la incorporación de fuentes renovables intermitentes.
- Código abierto y colaboración: compartir avances y buenas prácticas en la comunidad tecnológica permite acelerar la optimización de la IA.
Hacia un futuro equilibrado
La colaboración entre gobiernos, empresas y ciudadanos es clave para equilibrar los beneficios de la IA con su impacto ambiental. En España, el Plan Nacional Integrado de Energía y Clima (PNIEC) 2021-2030 ya incluye objetivos para aumentar la eficiencia energética y reducir las emisiones de gases de efecto invernadero, fomentando un desarrollo tecnológico responsable.
Las nuevas tecnologías, como la computación neuromórfica y los chips fotónicos, prometen reducir el consumo energético de la IA, marcando el camino hacia un futuro más sostenible.
La inteligencia artificial es una herramienta que nos permite construir un mundo más eficiente y conectado, pero su desarrollo debe ir de la mano de una electrificación sostenible que minimice su impacto en el planeta.
De hecho, la IA también es parte de la solución. Un estudio de IBM reveló que el 74% de las empresas de energía y servicios públicos están adoptando IA para mejorar la eficiencia y reducir su impacto ambiental.
Desde la gestión inteligente de redes eléctricas hasta la optimización de centros de datos, su capacidad para analizar grandes volúmenes de datos en tiempo real permite predecir picos de demanda y ajustar el consumo energético de forma más eficiente.
Además, la IA generativa está cobrando protagonismo en las estrategias de IT sostenible: se estima que el 63% de las empresas planean implementarla antes de finales de 2024.
Contenido relacionado
Sector energético
Mujeres en el sector energético: perspectivas y retos futuros
Sector energético
Solo con las renovables, ¿tendremos suficiente energía para todos?
Sector energético
Comercializadoras, distribuidoras y mercados eléctricos
Sector energético
¿Cuál es la vida útil de una central nuclear?
Sector energético