Blog
El punto ciego medioambiental de la IA
La industria que construye el futuro funciona con energía, agua y silencio sobre ambas cosas.
Hay una pregunta que la industria de la IA prefiere no responder, y es muy sencilla: ¿cuánto le cuesta todo esto al planeta?
No en dólares. En kilovatios-hora. En litros de agua. En carbono. El coste que no aparece en un balance de resultados pero que se manifiesta en redes eléctricas saturadas, acuíferos agotados y una atmósfera que se calienta.
En Fabric creamos productos de IA. Utilizamos modelos de lenguaje grandes todos los días. Nuestro asistente de IA ayuda a las personas a pensar, escribir y organizar su trabajo. No escribimos esto desde fuera. Lo escribimos porque creemos que quienes desarrollan la IA tienen la responsabilidad de hablar sobre lo que cuesta mantenerla en funcionamiento.
Lo que cuesta entrenar un modelo
Una sola sesión de entrenamiento para un modelo de lenguaje grande puede consumir tanta electricidad como la que utilizan varios cientos de hogares en todo un año. Esa cifra no es una proyección ni el peor de los casos. Es un consenso aproximado extraído de los limitados datos que han publicado los laboratorios de IA y de investigadores independientes que han intentado rellenar los vacíos.
La palabra "limitados" tiene mucho peso en esa frase. La mayoría de las empresas de IA no publican desgloses detallados de la energía consumida durante el entrenamiento. Algunas publican cifras generales de carbono. Menos publican la metodología. Casi ninguna publica datos sobre el consumo de agua. El resultado es una industria que habla constantemente de parámetros de capacidad y casi nunca de parámetros medioambientales.
El entrenamiento es solo una parte del panorama. Una vez que se entrena un modelo, hay que ofrecerlo. Cada consulta, cada conversación, cada imagen generada se ejecuta en hardware de un centro de datos en algún lugar. La inferencia, el proceso de ejecutar un modelo entrenado para producir un resultado, consume menos energía por operación que el entrenamiento, pero ocurre miles de millones de veces al día en toda la industria. A gran escala, el uso de energía de inferencia empequeñece al uso de energía de entrenamiento.
El agua que nadie menciona
Los centros de datos se calientan. Los procesadores de su interior generan enormes cantidades de calor, y ese calor tiene que ir a alguna parte. En muchas instalaciones, la respuesta es el agua. Los sistemas de enfriamiento evaporativo absorben agua dulce, la utilizan para absorber calor y la liberan en forma de vapor. El agua desaparece.
Un solo centro de datos grande puede utilizar millones de litros de agua al día. En las regiones áridas, donde se construyen muchos centros de datos debido a la tierra barata y a las condiciones fiscales favorables, esto ejerce una presión directa sobre el suministro de agua local. Algunos municipios han expresado su preocupación. Unos pocos se han opuesto. La mayoría no.
El auge de la IA ha acelerado la construcción de centros de datos a un ritmo que las redes de energía no estaban diseñadas para soportar. En partes de los Estados Unidos, Irlanda y los Países Bajos, se han retrasado o bloqueado nuevos proyectos de centros de datos porque la red local no puede suministrar suficiente energía. Las empresas de servicios públicos están reiniciando plantas de gas retiradas y, en algunos casos, plantas de carbón para satisfacer la demanda. La ironía no es sutil: una industria que se posiciona como el futuro está, en algunos lugares, siendo alimentada por la infraestructura energética del pasado.
La brecha de transparencia
Varias de las principales empresas tecnológicas se comprometieron a lograr la neutralidad de carbono o emisiones netas cero en los años previos al actual auge de la IA. Esos compromisos se hicieron cuando sus principales cargas de trabajo eran las búsquedas, el correo electrónico y el almacenamiento en la nube. Desde entonces, la IA ha cambiado el cálculo. El entrenamiento y el servicio de modelos grandes requiere significativamente más energía por unidad de cálculo que las cargas de trabajo tradicionales. Algunas empresas que estaban en camino de alcanzar sus objetivos climáticos han reconocido públicamente que la IA ha alejado esos objetivos. Otras han dejado de informar discretamente sobre ellos.
Esta no es una discrepancia pequeña. Microsoft informó de un aumento del 29 % en las emisiones de carbono entre 2020 y 2024, atribuyendo gran parte del aumento a la expansión de los centros de datos para la IA. Google informó de un aumento del 48 % en las emisiones de gases de efecto invernadero durante un período similar, citando la demanda de energía relacionada con la IA. Estas son empresas con algunos de los programas de sostenibilidad más sofisticados del mundo. Si ellas están teniendo dificultades, es poco probable que a las empresas más pequeñas con menos recursos y menor escrutinio público les vaya mejor.
El problema no es que la IA consuma energía. Todo consume energía. El problema es que la industria, en general, ha optado por no hablar de ello con ninguna especificidad. Los comunicados de prensa anuncian nuevos modelos con puntuaciones de referencia y listas de capacidades. La energía y el agua consumidas para producir esos resultados casi nunca aparecen en el mismo anuncio. El coste medioambiental se trata como el problema de otra persona, o como un problema que se resolverá por sí solo a través de futuras ganancias de eficiencia.
La eficiencia no es una solución por sí sola
Es cierto que el hardware es cada vez más eficiente. Cada nueva generación de GPU y cada nueva arquitectura de chip hace más trabajo por vatio que la anterior. Pero, históricamente, las ganancias de eficiencia han sido consumidas por la escala. Cuando los procesadores se vuelven más eficientes, la respuesta es construir modelos más grandes, ejecutar más consultas y atender a más usuarios. Esta es la paradoja de Jevons, y se ha mantenido notablemente estable a lo largo de la historia de la informática.
Confiar en las ganancias de eficiencia para resolver el coste medioambiental de la IA es como confiar en los motores eficientes para resolver el coste medioambiental de conducir mientras que, al mismo tiempo, se construyen más carreteras y se venden más coches. La eficiencia es necesaria, pero no es suficiente. Debe combinarse con transparencia, medición y medidas deliberadas.
Lo que creemos que debería hacer la industria
No estamos en posición de decirles a otras empresas cómo deben gestionar sus operaciones. Pero podemos decir cómo creemos que es una práctica responsable.
En primer lugar, publicar las cifras. Energía consumida en el entrenamiento. Energía consumida en la inferencia. Agua utilizada para la refrigeración. Carbono emitido, con metodología. No como un informe de sostenibilidad brillante publicado una vez al año, sino como parte de la rutina con la que las empresas de IA hablan de su trabajo. Si la industria puede publicar puntuaciones de referencia con cuatro decimales, puede publicar datos sobre el consumo de energía.
En segundo lugar, compensar de forma significativa. Los créditos de carbono no son todos iguales. Algunos representan una eliminación de carbono verificada, medible y duradera. Otros están más cerca de ficciones contables. La diferencia importa, y las empresas deberían ser transparentes sobre qué tipo están comprando.
En tercer lugar, invertir en la reducción, no solo en las compensaciones. Utilizar energía renovable siempre que sea posible. Elegir ubicaciones de centros de datos con acceso a energía limpia. Diseñar sistemas que minimicen la computación innecesaria. Las compensaciones son un puente, no un destino.
En cuarto lugar, dar cuenta del agua. El carbono se lleva la mayor parte de la atención en los informes medioambientales, pero el uso del agua es una preocupación creciente, especialmente en las regiones que se enfrentan a la sequía o al estrés hídrico. Las empresas de IA deberían medir y notificar su consumo de agua junto con sus emisiones de carbono.
Qué está haciendo Fabric
Somos una empresa pequeña en comparación con las organizaciones que entrenan modelos de frontera. Nuestra huella medioambiental directa es correspondientemente menor. Pero "menor" no es lo mismo que "cero", y no creemos que la escala sea una excusa para la inacción.
Cada suscripción a Fabric planta manglares en las costas de Kenia y Brasil. Esto no es una promesa vaga. Los árboles están geolocalizados, fotografiados y auditados de forma independiente. Nuestras zonas de plantación se controlan durante tres años. Trabajamos con GoodAPI, que nos conecta con proyectos de plantación verificados, y con Veritree, que se encarga de la verificación sobre el terreno en Kenia. Puede ver los detalles en nuestra página de medio ambiente.
Elegimos los manglares por razones específicas. Almacenan carbono a tasas significativamente más altas que la mayoría de los bosques terrestres. Protegen las costas de la erosión y de los daños causados por las tormentas. Apoyan el sustento de la población local mediante la pesca y la recolección sostenible. Y apoyan la biodiversidad en algunos de los ecosistemas costeros ecológicamente más importantes de la Tierra. Plantar manglares no es un gesto simbólico. Es una contribución medible y verificable al secuestro de carbono y a la salud de los ecosistemas.
Estamos trabajando para que Fabric sea 100 % neutral en carbono y agua para 2030. Eso es un objetivo, no una afirmación. Aún no lo hemos logrado. Pero tenemos un plan, tenemos socios y estamos midiendo nuestro progreso. Los detalles de ese plan, incluido nuestro estado actual, se publican en nuestra página de medio ambiente.
Por qué esto importa para las herramientas que creamos
Existe una conexión entre la responsabilidad medioambiental y el tipo de producto que queremos crear. Fabric está diseñado para ayudar a las personas a organizar sus ideas, encontrar lo que necesitan y trabajar juntas sin fricciones innecesarias. Queremos crear herramientas que sean útiles sin ser derrochadoras. Ese principio se aplica al funcionamiento de nuestro producto y a la actividad de nuestra empresa.
No creemos que preocuparse por el medio ambiente y crear productos de IA estén reñidos. Creemos que son complementarios. En nuestra experiencia, las empresas que se toman en serio su impacto medioambiental son las mismas que piensan detenidamente qué construyen y por qué. El rigor en un área tiende a producir rigor en las demás.
La industria de la IA está creciendo rápidamente. Las decisiones que se están tomando ahora, sobre infraestructuras, fuentes de energía, transparencia y responsabilidad, darán forma al impacto medioambiental de esta tecnología durante décadas. Creemos que esas decisiones merecen más atención de la que están recibiendo.
Si está interesado en saber cómo abordamos esto en Fabric, nuestra página de medio ambiente le ofrece una visión completa: nuestros socios, nuestros proyectos de plantación, nuestros objetivos y nuestro progreso. También hemos publicado comparaciones sobre cómo se comportan diferentes categorías de software en materia de sostenibilidad, que abarcan aplicaciones de IA, almacenamiento en la nube, herramientas para tomar notas, aplicaciones de productividad y herramientas de IA respetuosas con el medio ambiente. Tanto si es un fundador que está creando una empresa, como si forma parte de un equipo de una startup, o si es alguien que quiere que sus herramientas reflejen sus valores, creemos que merece la pena leerlas.
Desarrollamos IA porque creemos que puede ayudar a la gente a hacer un trabajo mejor. También creemos que desarrollarla de forma responsable no es opcional. Es el mínimo exigible.
Preguntas frecuentes
¿Cuánta energía consume el entrenamiento de un modelo de IA grande?
Una sola sesión de entrenamiento para un modelo de lenguaje grande puede consumir tanta electricidad como la que consumen varios cientos de hogares en un año. La cifra exacta varía en función del tamaño del modelo, el hardware utilizado y la duración del entrenamiento, pero las demandas de energía son considerables en cualquier caso.
¿Por qué los centros de datos consumen tanta agua?
Los centros de datos albergan miles de procesadores que generan un calor considerable. Muchas instalaciones utilizan sistemas de refrigeración por evaporación, que consumen agua dulce para absorber y disipar ese calor. Un solo centro de datos grande puede utilizar millones de litros de agua al día, lo que plantea dudas en las regiones con escasez de agua.
¿Son las empresas de IA transparentes sobre su impacto medioambiental?
La mayoría de las empresas de IA publican datos medioambientales limitados. Algunas proporcionan cifras generales de carbono en informes anuales de sostenibilidad, pero los desgloses detallados del uso de energía, el consumo de agua y la metodología son poco habituales. La industria va a la zaga de otros sectores en lo que respecta a la divulgación de información medioambiental.
¿Qué está haciendo Fabric para reducir su huella medioambiental?
Cada suscripción a Fabric planta manglares en las costas de Kenia y Brasil a través de socios verificados. Los árboles están geolocalizados, fotografiados y auditados de forma independiente, y las zonas de plantación se controlan durante tres años. Fabric está trabajando para lograr una neutralidad del 100 % en carbono y agua para 2030. Todos los detalles están en nuestra página de medio ambiente.
¿Por qué planta Fabric específicamente manglares?
Los manglares almacenan carbono a tasas significativamente más altas que la mayoría de los bosques terrestres. También protegen las costas de la erosión, apoyan los medios de subsistencia locales y sostienen la biodiversidad en ecosistemas costeros críticos. Ofrecen beneficios medioambientales, sociales y ecológicos que los hacen especialmente eficaces para los proyectos de restauración.
¿Quién verifica la plantación de árboles de Fabric?
Fabric trabaja con GoodAPI, que conecta con proyectos de plantación verificados, y con Veritree, que proporciona verificación sobre el terreno en Kenia. Los árboles se geolocalizan y fotografían, y las zonas de plantación se someten a auditorías independientes y a tres años de seguimiento.
¿Seguirá creciendo el consumo de energía de la IA?
Las tendencias actuales sugieren que sí. Aunque la eficiencia del hardware mejora con cada generación, esas ganancias suelen ser consumidas por modelos más grandes, más usuarios y más consultas. Sin una acción deliberada sobre transparencia, energía renovable y responsabilidad, es probable que el coste medioambiental de la IA aumente.
¿Qué pueden hacer las personas ante el impacto medioambiental de la IA?
Elegir productos y servicios de empresas que sean transparentes sobre sus prácticas medioambientales es un paso. Apoyar a las organizaciones que miden, informan y compensan su impacto ayuda a crear incentivos para el resto de la industria. Puede obtener más información sobre cómo enfoca esto Fabric en nuestra página de medio ambiente.
¿Es la neutralidad de carbono lo mismo que las cero emisiones?
La neutralidad de carbono significa que una empresa compensa sus emisiones a través de proyectos verificados de eliminación o reducción de carbono, situando sus emisiones netas en cero. No significa que la empresa no produzca ninguna emisión en absoluto. La calidad y la verificabilidad de las compensaciones son muy importantes, por lo que Fabric trabaja con proyectos de plantación auditados y geolocalizados.
¿Afecta al medio ambiente el uso de las funciones de IA de Fabric?
Cualquier uso de la IA implica computación, lo que requiere energía. El asistente de IA y los agentes de Fabric se ejecutan en una infraestructura en la nube con una huella medioambiental asociada. Nuestro objetivo es compensar totalmente ese impacto a través de nuestro programa de plantación de árboles y nuestro camino hacia la neutralidad en carbono y agua para 2030.
Páginas relacionadas
Otras entradas de blog:
The Creative's Cold Start Problem
How to Stop Losing Momentum Between Study Sessions
Your Future Self Can't Read Your Mind
The Hemingway Bridge: Stop Working So You Can Start Again
Your ERP Has the Answers. Nobody Can Find Them.
The Usability Layer Your Business Systems Are Missing
Notas manuscritas vs. digitales: No deberías tener que elegir
Por qué tus notas a mano no se pueden buscar (y qué hacer al respecto)