Compensación de carbono en el sector de la IA: buenas intenciones y críticas crecientes

La IA, un nuevo factor de presión para el clima

Los datos son elocuentes: los modelos generativos de IA consumen enormes cantidades de electricidad y recursos. Según un estudio de Carnegie Mellon y Hugging Face, el consumo energético de los centros de datos ha aumentado entre un 20 % y un 40 % en los últimos años, representando ya hasta un 1,3 % del consumo eléctrico global. El modelo Bloom, diseñado con criterios de eficiencia, generó 24,7 toneladas de CO₂ solo en su entrenamiento final. Es el equivalente a 25 vuelos de ida y vuelta entre París y Nueva York.

Y si nos fiamos de las proyecciones del científico de datos Alex de Vries, los servidores dedicados a IA podrían consumir, en 2027, tanta electricidad como un país entero del tamaño de Suecia.

Impact AI, en su informe de agosto de 2024, advierte sobre la creciente presión de la IA sobre las redes eléctricas, los centros de datos y los recursos naturales, especialmente el agua. Investigadores de la Universidad de Cornell estiman que el consumo de agua vinculado al crecimiento de la IA podría situarse entre los 4.200 y los 6.600 millones de metros cúbicos para 2027.

Compensar sí, pero ¿a qué precio?

Ante este escenario, muchas empresas optan por compensar su huella de carbono financiando proyectos medioambientales. La lógica es sencilla: equilibrar las emisiones generadas apoyando iniciativas como la reforestación, la protección de ecosistemas o la captura de carbono.

Iniciativas colectivas como Impact AI promueven un enfoque responsable basado en tres pilares: medición, reducción y, solo como última opción, compensación. Sin embargo, cada vez hay más voces críticas que advierten contra el uso excesivo (y a veces oportunista) de estos mecanismos. Como recuerda Deloitte, plantar árboles no debe servir de excusa para seguir contaminando.

Además, no todos los proyectos de compensación ofrecen las mismas garantías: hay dudas sobre su durabilidad, el riesgo de contabilizar dos veces los beneficios o la dificultad para medir con precisión el impacto real.

Un llamado a la reducción estructural y a la transparencia

Los expertos de Impact AI lo dejan claro: la compensación de carbono solo tiene sentido cuando ya se han agotado todas las opciones de reducción. Y esa reducción debe planificarse desde el inicio de los proyectos, no como un añadido posterior. Los Briefs de la IA Responsable recomiendan una estrategia integral que incorpore criterios medioambientales en la gobernanza, el diseño de los casos de uso y la formación de los equipos.

En su hoja de ruta publicada en agosto de 2024, destacan varias recomendaciones:

• Reutilizar modelos existentes en lugar de entrenar nuevos desde cero.
  
• Apostar por alternativas no basadas en IA cuando sea posible.
  
• Promover una cultura de IA frugal entre los equipos.
  
• Medir el impacto ambiental teniendo en cuenta los tres alcances de emisiones:
  
  • Alcance 1: emisiones directas
    
  • Alcance 2: emisiones indirectas por consumo energético
    
  • Alcance 3: otras emisiones indirectas, como la fabricación o el fin de vida de los equipos utilizados
    

También están empezando a surgir marcos de referencia, como la norma AFNOR SPEC 2314 sobre IA frugal, elaborada por ADEME, ARCEP, HUB France IA y miembros de Impact AI.

Empresas que marcan el camino

Algunas compañías ya están aplicando estos principios. Schneider Electric, por ejemplo, ha desarrollado una metodología rigurosa para medir el carbono ahorrado frente al consumido en sus despliegues de IA. El resultado: por cada 100 unidades de carbono evitadas, la IA consume solo 5.

Crédit Agricole, por su parte, ha obtenido la certificación LNE y el sello LabelIA Labs, integrando criterios de sostenibilidad desde la fase de diseño de sus proyectos. El equipo de IA filtra las iniciativas según su valor estratégico y su impacto ambiental. Además, trabaja con datasets más pequeños, optimiza las fases de inferencia y evita modelos sobredimensionados cuando hay soluciones más eficientes.

Hacia una IA frugal, más allá de la compensación

La verdadera transformación vendrá de una reducción directa del impacto y de un uso racional de la inteligencia artificial. En Diabolocom, esta visión ya forma parte de la forma de trabajar. La empresa desarrolla modelos frugales, diseñados para casos de uso concretos, sin entrenamientos innecesarios ni recursos desproporcionados. Colabora con socios cuya infraestructura funciona con energía renovable, evita tratamientos superfluos y optimiza todo el ciclo de vida de sus proyectos de IA.

No se trata de una estrategia de marketing verde, sino de una apuesta real por demostrar que rendimiento e impacto ambiental pueden ir de la mano.

Conclusión: ética, exigencia y compromiso

La compensación de carbono puede ser útil, pero no debe ocultar lo esencial: reducir la huella de la IA desde su origen. Esto implica medir, documentar, comparar… y a veces también renunciar a soluciones atractivas si son demasiado contaminantes.

La IA responsable no es aparentar sostenibilidad, es asumirla de verdad. Con ética, con transparencia y con compromiso colectivo. Ejemplos como los de Impact AI, Schneider Electric, Crédit Agricole o Diabolocom demuestran que avanzar hacia un uso más sostenible de la IA es posible. Y que no hace falta renunciar a la innovación para conseguirlo.