Sasha Luccioni: un AI sostenible es imposible sin datos sobre emisiones y uso real

Sasha Luccioni, investigadora en IA sostenible, dice que la industria discute la huella ambiental de la tecnología casi a ciegas. Sin datos sobre consumo de energía, uso de agua y escenarios de uso real, las empresas no pueden entender dónde la IA realmente agrega valor y dónde simplemente aumenta la carga en la infraestructura.

La industria trabaja a ciegas

Según Luccioni, el principal fracaso del mercado no reside solo en el crecimiento de centros de datos, sino también en la falta de informes básicos. El negocio ya enfrenta presión de empleados, consejos de administración y equipos de ESG: si una empresa implementa Copilot, chatbots o generación de medios, debe entender cómo afecta esto a los objetivos climáticos. Pero muchos clientes de servicios de IA no saben dónde funcionan los modelos físicamente, a qué redes eléctricas se conectan los centros de datos y cuál es su huella de carbono indirecta.

El problema afecta no solo a empresas privadas. Los gobiernos y agencias de energía también carecen de cifras para planificar nuevas capacidades y evaluar las consecuencias de la próxima ola de construcción de centros de datos. En Europa, el tema ya está integrado en la agenda regulatoria en torno a la IA, y algunos países están observando más de cerca a los nuevos operadores de centros de datos.

Si la carga de IA no se puede separar del resto de la infraestructura en la nube, cualquier conversación sobre crecimiento "verde" rápidamente se convierte en especulación.

No toda IA es necesaria

Luccioni tiene una queja separada: el hábito del mercado de vender grandes modelos universales como solución a cualquier tarea. En la práctica, muchas empresas no necesitan un LLM pesado para cada solicitud. Para buscar documentos corporativos, clasificación, filtrado, conversión de voz a texto o tareas analíticas específicas, a menudo son suficientes modelos más simples.

Son más baratos, más rápidos y requieren menos computación, reduciendo así la carga energética sin pérdida notable de calidad en un escenario específico. Un buen punto de referencia aquí es la telemetría. Si un proveedor muestra cuántos tokens entran y salen, una empresa puede entender qué tipos de solicitudes dominan: texto simple, generación de imágenes o investigación profunda.

Entonces la elección de modelos se convierte en una decisión de ingeniería, no en la compra de "lo más grande, solo por si acaso".

Por esta lógica, la sostenibilidad no comienza con la prohibición de la IA, sino con una comparación honesta entre la tarea, el costo y la intensidad de recursos de cada herramienta.

"Aún necesitamos datos sobre energía y agua para tomar decisiones informadas", dice

Luccioni.

• modelos ligeros para búsqueda, clasificación y tareas rutinarias
• LLMs más potentes solo para análisis complejo
• contabilidad separada para generación de imágenes y vídeos
• elección de ubicaciones con energía más limpia

La transparencia como palanca

Luccioni dice que le falta una solución de interfaz muy simple: un medidor condicional en ChatGPT o Claude que mostrara consumo de energía, emisiones y la fuente de esa energía después de cada consulta. Tal indicador haría que el costo ambiental de la IA fuera visible para los usuarios y daría a las empresas una base clara para decisiones de compra. Hasta que esto suceda, la sostenibilidad sigue siendo un tema para diapositivas de relaciones públicas, no para la gestión cotidiana de productos e infraestructura.

En este contexto, junto con el ex líder de Sostenibilidad de Salesforce Boris Gamazaichikovv, está lanzando el Sustainable AI Group. Su tarea es ayudar a las empresas a entender qué palancas reducen realmente el daño: elección de modelo, región de implementación, proveedor de computación, tipo de tarea y fuente de electricidad. Si un gran jugador comienza primero a divulgar honestamente tales métricas y apuesta por energía renovable, esto podría convertirse no en una debilidad sino en una ventaja competitiva.

Qué significa esto

La discusión ambiental en torno a la IA se está desplazando gradualmente de miedos generales a preguntas medibles: cuánta energía se gasta, dónde exactamente funcionan los modelos, qué agua y qué red utilizan, y si tal clase de modelos es incluso necesaria para una tarea específica en la práctica. El siguiente paso para el mercado es hacer que estos datos sean visibles para clientes y reguladores. Sin esto, la IA sostenible seguirá siendo una promesa hermosa que no se puede verificar.