IA sostenible: cómo los modelos de lenguaje

pueden ayudar al medio ambiente

Lejos de ser solo parte del problema, la inteligencia artificial puede convertirse en un aliado para el medio ambiente. A través de modelos más eficientes, y aplicando la IA en un sector clave, es posible optimizar recursos, reducir emisiones y mejorar la sostenibilidad de nuestras ciudades y hogares.

En este artículo, con la colaboración de Eddy Tovar veremos cómo los modelos de lenguaje pueden ser parte activa de la transición ecológica:

• ¿Qué es la inteligencia artificial sostenible?
• Cómo se puede mejorar la eficiencia energética en IA
• La paradoja: La IA como solución ambiental
• El papel de Gloval en la sostenibilidad tecnológica

Una IA sostenible es aquella que, además de cumplir su función tecnológica, minimiza su huella ecológica. Igual que ocurre con las viviendas eficientes —que consumen menos energía y emiten menos CO₂—, una IA sostenible implica modelos más ligeros, algoritmos optimizados y uso de infraestructura energéticamente responsable.

Así como se exige una certificación energética en inmuebles, podríamos avanzar hacia la evaluación del impacto ambiental de los modelos de IA, considerando tanto su fase de desarrollo como su ciclo de vida completo.

Tiene como objetivo impulsar una Inteligencia Artificial Verde por Diseño (Green by Design). El programa está centrado en reducir la huella ecológica de la IA, al promover soluciones prácticas y sostenibles, como el diseño de algoritmos más eficientes en términos energéticos, y la determinación de estándares de calidad que evalúen la huella ambiental.

Una de las formas más directas de reducir la huella de los LLMs es usar energía renovable en los centros de datos. Microsoft ya opera con un 100% de energía limpia en regiones como Suecia, y Google planea funcionar con energía libre de carbono 24/7 en todos sus centros para 2030. Además, ubican servidores en zonas frías, como Finlandia o Dinamarca, para aprovechar el clima natural y reducir el uso de aire acondicionado. Cada consulta a un LLM deja una huella mucho menor de la que dejaba hace solo unos años.

Otra solución ya en marcha es reducir el tamaño de los modelos para que trabajen con menos recursos. Meta, por ejemplo, lanzó LLaMA, una familia de modelos más ligeros que compiten con GPT en calidad, pero con un consumo mucho menor. Gracias a técnicas como la cuantización, se puede pasar de 32 a 4 bits por parámetro, reduciendo drásticamente el peso del modelo y su gasto energético. Además, chips como los TPU v4 de Google están diseñados para ejecutar estos modelos comprimidos de forma ultra eficiente. ¿La idea? Menos cálculos, menos consumo, mismos resultados.

Refrigerar los servidores que usan LLMs suele implicar un gasto enorme de agua y energía. Para cambiar esto, se está probando el enfriamiento por inmersión: sumergir los equipos en líquidos no conductivos que disipan el calor mucho mejor que el aire. Esta técnica emergente podría reducir el uso de agua hasta en un 91%, y empresas como Microsoft, Google o Meta ya están haciendo pruebas con prototipos. Además del ahorro hídrico, permite meter más servidores en menos espacio y reduce también el gasto energético. Si todo va bien, esto de tener datos “a remojo” daría resultados sorprendentes.

Más allá de mejorar lo existente, la comunidad tecnológica sigue explorando hardware innovador como: chips ópticos (basados en luz) y neuromórficos (inspirados en el cerebro humano), que prometen ejecutar redes neuronales con mínima energía. En algoritmos, se priorizan modelos “inteligentes” antes que grandes, mediante arquitecturas sparse o de expertos mezclados (MoE), que activan solo componentes necesarios, reduciendo cálculos redundantes. Además, surge una cultura de “IA Verde”, donde equipos miden y comparten públicamente la huella de carbono del entrenamiento, incentivando diseños responsables.

Según nuestra historia reciente, la tecnología, por su propio peso, tiende a volverse más eficiente. Ocurrió con los coches que han pasado a competir por ver quién emite menos. También sucedió con la iluminación, donde las bombillas LED acabaron por jubilar a las incandescentes derrochadoras. La competencia, la presión del mercado y una demanda cada vez más consciente obligan a las empresas a innovar (producir más con menos), no solo para rendir más, sino para hacerlo con menos impacto. No hay razón para pensar que los LLMs no seguirán ese mismo camino.

Los LLMs llegaron para revolucionarlo todo. Los avances que traen consigo muchas veces ayudan (directa o indirectamente) a una mayor sostenibilidad. Veamos estos ejemplos:

Tecnología aplicada a la economía circular para revolucionar el sector de la recuperación de dispositivos electrónicos. “El enfoque diferencial de Éxxita Be Circular es transformar el modelo de negocio tradicional de reparación hacia uno que prolongue la vida útil de los productos, minimice el desperdicio y maximice el impacto social.

Destacan por su enfoque innovador y tecnológico en la reparación sostenible.

La startup Pendulum emplea un LLM para transformar informes técnicos agrícolas en instrucciones útiles para maquinaria. Esto permite ajustar con precisión el uso de agua, fertilizantes y pesticidas, evitando excedentes. Sus clientes han logrado reducir hasta un 92% el inventario sobrante, disminuyendo significativamente el desperdicio y el uso innecesario de recursos.

Es una startup que viene a resolver el mayor problema al que se enfrenta hoy en día la distribución de energía –la congestión en las redes eléctricas– y a desarrollar soluciones que permitan escalar el uso de energías renovables a nivel global.

Utiliza nueva tecnología que permite aumentar la capacidad de las líneas de transmisión solo con datos y algoritmos. Su enfoque busca maximizar la capacidad utilizando la infraestructura física existente.

Está en la lista de startups de IA españolas más innovadoras de 2024.

BrainBox AI integra LLMs en su sistema de control de climatización para edificios comerciales. El modelo lee automáticamente manuales técnicos y configura los sistemas HVAC sin necesidad de intervención humana. Esto ha acelerado la instalación de su tecnología en nuevos edificios y permite reducir de forma automatizada el consumo energético de calefacción y aire acondicionado.

La empresa Nuance, adquirida por Microsoft, ha integrado LLMs en su sistema de dictado clínico automático, utilizado en hospitales para transcribir y organizar información médica en tiempo real. Esto reduce la necesidad de pruebas repetidas o documentación en papel, mejora la eficiencia del personal sanitario y evita desplazamientos innecesarios de pacientes. Todo ello contribuye a un uso más racional de recursos, con menor huella ambiental en procesos hospitalarios.

En el contexto inmobiliario, tecnologías como los modelos AVM permiten realizar tasaciones automáticas que incluyen parámetros de sostenibilidad, como la certificación energética o la demanda de consumo.

Además, la analítica avanzada —como la que ofrece GreenDataLens de Gloval Analytics — permite:

• Monitorizar el comportamiento energético de un edificio en tiempo real.
• Detectar anomalías o ineficiencias.
• Predecir el valor futuro de un activo en función de su desempeño energético.

Esto ayuda tanto a propietarios como a entidades financieras a tomar decisiones más responsables, reduciendo riesgos ambientales y mejorando el rendimiento del activo.

Gloval ha incorporado la sostenibilidad en el centro de sus soluciones. Desde servicios de valoración automatizada (AVM) hasta herramientas de análisis energético, cada modelo se basa en una premisa clara: eficiencia, precisión y compromiso con el entorno.

Nuestros servicios pueden extenderse a sectores tecnológicos que utilicen IA, aplicando metodologías similares a las del mercado inmobiliario, para evaluar, predecir y mejorar el comportamiento medioambiental de los activos digitales.

La inteligencia artificial puede ser tanto parte del problema como de la solución. Todo dependerá de cómo la usemos. Así como una vivienda con etiqueta A o B tiene más valor y menor impacto, una IA optimizada puede representar una herramienta poderosa para construir un futuro más sostenible.

En Gloval, trabajamos para que esa sostenibilidad se traduzca en valor, eficiencia y responsabilidad en todos los sectores.