sociedad
La inteligencia artificial (IA) se utiliza en múltiples sectores, si bien está en estudio si es beneficiosa se analiza su eficiencia y su impacto en la sostenibilidad y factores medioambientales, sociales y de gobernanza (ESG), tema crítico que no siempre se aborda adecuadamente.
Según el Electric Power Research Institute (firma de investigación sin ánimo de lucro), las búsquedas con IA consumen hasta 10 veces más electricidad que las búsquedas tradicionales en Google. Esto se debe en parte a la necesidad de procesar grandes volúmenes de datos y la alta potencia computacional requerida, especialmente para modelos avanzados como GPT-4 de OpenAI, BERT y Gemini de Google, y Llama de Meta. Estos modelos de lenguaje natural (LLM) pueden necesitar miles de GPU, cuya fabricación y eliminación incrementan las emisiones de carbono. Un estudio de la Universidad de Massachusetts Amherst muestra que el entrenamiento de un modelo de IA puede producir tanto CO2 como cinco automóviles en su vida útil.
La infraestructura de soporte de IA, como centros de datos y equipos de red, requiere enormes cantidades de energía. De hecho, las emisiones de gases de efecto invernadero de Google en 2023 fueron casi un 48% más altas que en 2019, en gran parte debido a la demanda de energía vinculada a los data center.
En Argentina, las implicaciones medioambientales de la demanda energética de la IA son especialmente significativas, dada la dependencia del país de los combustibles fósiles para la producción de energía. Según el Foro Económico Mundial, Argentina se encuentra entre los cuatro primeros países de LATAM en la producción de energías renovables como la eólica. Sin embargo, el creciente consumo de energía de la IA podría sobrecargar las redes energéticas locales y aumentar las emisiones de carbono, complicando los esfuerzos de Argentina para reducir su huella de carbono según los objetivos climáticos nacionales. El crecimiento de los centros de datos en la región pone de manifiesto la necesidad de centrarse más en las prácticas de IA energéticamente eficientes a nivel local.
Otro punto interesante a tener en cuenta es la energía consumida por la infraestructura, tanto de hardware como de software, la cual se utiliza para apoyar el procesamiento de la IA. Esto incluye la energía necesaria para mantener, operar y enfriar componentes de infraestructura como centros de datos, servidores y equipos de red. De hecho, las emisiones de gases de efecto invernadero de Google en 2023 fueron casi un 48% más altas que en 2019, en gran parte debido a la demanda de energía vinculada a los data center.
Impacto de la IA en los factores ESG
Si bien la IA ha tenido un impacto negativo en el medio ambiente, se ha dicho que beneficia a los factores sociales y de gobernanza en el marco de los aspectos ESG, aunque también en este caso existen preocupaciones en relación con los prejuicios raciales y de género. En cuanto a los factores sociales, la IA ha sido útil para mejorar la atención a los pacientes, facilitar el desarrollo de habilidades, proporcionar un mejor acceso a los servicios financieros y mejorar la seguridad mediante sistemas de detección de amenazas.
En Argentina, la IA se ha mostrado prometedora en campos como la salud y la agricultura, contribuyendo a avances en la atención al paciente y la precisión agrícola. Por ejemplo, la IA se utiliza para controlar la salud de los cultivos y optimizar el uso del agua, lo que ayuda a abordar los problemas relacionados con las sequías y el cambio climático en el sector agrario del país. Así mismo, el gobierno está considerando la IA para programas sociales destinados a reducir la pobreza y mejorar la educación, aunque la privacidad de los datos y la equidad algorítmica siguen siendo motivo de preocupación.
Se necesitan prácticas de IA sostenibles
El 78% de los consejeros delegados consultados en la encuesta 2023 de Gartner afirmaron que los beneficios de la IA superan a los riesgos, pero el creciente número de organizaciones que utilizan la IA, incluida la IA generativa (GenAI), está provocando un aumento de la huella medioambiental de la IA. Las organizaciones deben tener cuidado con el gasto energético de la IA y tomar medidas para mitigar su impacto negativo en el medio ambiente.
En Argentina, donde los costes y la disponibilidad de la energía pueden variar ampliamente, las organizaciones deben prestar especial atención a cómo afecta la IA a su sostenibilidad operativa. La transición a modelos de IA que utilicen menos energía no sólo reduciría los costes, sino que también se ajustaría a la evolución de la normativa medioambiental del país, que se ha vuelto más estricta a raíz de la crisis climática mundial. Por otra parte, el creciente sector de las energías renovables en Argentina, en particular la energía eólica en la Patagonia, ofrece oportunidades para que las empresas alimenten modelos de IA utilizando energías más limpias.
El uso de hardware especializado en IA es otra vía a explorar. Los chips capaces de procesar modelos de IA con mayor eficiencia y velocidad, reduciendo al mismo tiempo de forma significativa la energía necesaria para los cálculos de IA, pueden ayudar a garantizar la sostenibilidad de las operaciones de IA. Algunos ejemplos son la nueva generación de GPU de NVIDIA, las unidades de procesamiento tensorial de Google y el recientemente anunciado Trainium2 de Amazon.
El siguiente paso sería pasar a fuentes de energía renovables, es decir, alimentar los modelos de IA con fuentes de energía renovables o intentar alojar las operaciones en un centro de datos que funcione con una fuente de energía renovable.
En general, las organizaciones deben tener en cuenta cómo afectará el uso de modelos de IA a sus objetivos ESG. Es necesario que tomen decisiones digitales informadas y participen en asociaciones que den prioridad a la IA sostenible. Además, deben educar a sus inversores y empleados y aumentar la concienciación sobre la necesidad de una IA sostenible.