Sasha Luccioni: una IA sostenible es imposible sin datos sobre emisiones y uso real

Sasha Luccioni, investigadora en IA sostenible, afirma que la industria discute la huella ambiental de la tecnología casi a ciegas. Sin datos sobre consumo de energía y agua ni sobre escenarios reales de uso, las empresas no pueden saber dónde la IA aporta valor de verdad y dónde solo añade carga a la infraestructura.

La industria trabaja a ciegas

Según Luccioni, el principal fallo del mercado no es solo el crecimiento de los centros de datos, sino la falta de informes básicos. Las empresas ya sienten la presión de empleados, consejos de administración y equipos ESG: si una compañía implanta Copilot, chatbots o generación de medios, debe entender cómo afecta a sus objetivos climáticos. Pero muchos clientes de servicios de IA no saben dónde se ejecutan físicamente los modelos, a qué redes eléctricas están conectados los centros de datos ni cuál es su huella de carbono indirecta.

El problema no se limita a las empresas privadas. Los gobiernos y las agencias de energía también carecen de cifras para planificar nueva capacidad y evaluar las consecuencias de la próxima oleada de construcción. En Europa, el tema ya forma parte de la agenda regulatoria en torno a la IA, y algunos países empiezan a mirar con más atención 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 discurso sobre crecimiento «verde» se convierte rápidamente en conjeturas.

No toda tarea necesita IA

Otra de las críticas de Luccioni apunta a la costumbre del mercado de vender grandes modelos generalistas como respuesta a cualquier tarea. En la práctica, a muchas empresas no les hace falta un LLM pesado para cada consulta. Para buscar en documentos corporativos, clasificar, filtrar, transcribir voz a texto o resolver tareas analíticas acotadas, a menudo bastan modelos más simples. Son más baratos, más rápidos y requieren menos cómputo, de modo que también reducen la carga energética sin una pérdida notable de calidad en el caso concreto.

La telemetría es una buena referencia. Si el proveedor muestra cuántos tokens entran y salen, la empresa puede ver qué consultas predominan: texto simple, generación de imágenes o investigación profunda. Entonces elegir modelo pasa a ser una decisión de ingeniería y no la compra de «lo más grande, por si acaso». Con esta lógica, la sostenibilidad no empieza prohibiendo la IA, sino comparando con honestidad la tarea, el coste y la intensidad de recursos de cada herramienta.

«Todavía necesitamos datos sobre energía y agua para tomar decisiones informadas», dice

Luccioni.

• modelos ligeros para búsqueda, clasificación y tareas rutinarias
• LLM más potentes solo para análisis complejos
• contabilidad separada de la generación de imágenes y vídeo
• elección de emplazamientos con energía más limpia

La transparencia como palanca

Luccioni dice que echa en falta una solución de interfaz muy simple: un contador en ChatGPT o Claude que, tras cada consulta, mostrara el gasto de energía, las emisiones y el origen de esa energía. Un indicador así haría visible para el usuario el precio ambiental de la IA y daría a las empresas una base clara para sus decisiones de compra. Mientras no exista, la sostenibilidad seguirá siendo un tema de diapositivas de relaciones públicas y no de la gestión diaria de productos e infraestructura.

En este contexto, lanza Sustainable AI Group junto con Boris Gamazaychikov, antiguo responsable de sostenibilidad de Salesforce. Su objetivo es ayudar a las empresas a entender qué palancas reducen realmente el daño: la elección del modelo, la región de ejecución, el proveedor de cómputo, el tipo de tarea y la fuente de electricidad. Si un gran actor es el primero en revelar con honestidad estas métricas y apuesta por la energía renovable, podría convertirlo en una ventaja competitiva y no en una debilidad.

Qué significa

El debate ambiental en torno a la IA se desplaza poco a poco de los temores generales a preguntas medibles: cuánta energía se gasta, dónde se ejecutan exactamente los modelos, qué agua y qué red utilizan, y si en la práctica hace falta siquiera esta clase de modelos para una tarea concreta. El siguiente paso del mercado es hacer visibles estos datos para clientes y reguladores. Sin ello, la IA sostenible seguirá siendo una promesa atractiva imposible de verificar.