El crecimiento acelerado de la inteligencia artificial dentro de las empresas está empezando a revelar un desafío poco discutido. El impacto energético de estas tecnologías.
De acuerdo con el reporte Sustainable AI Scaling de la empresa de desarrollo de software Konfront, si la adopción de inteligencia artificial generativa continúa al ritmo actual, la demanda energética asociada a estas tecnologías podría multiplicarse hasta 24.4 veces hacia 2030.
Actualmente, los centros de datos ya consumen alrededor del 1.5% de la electricidad global, equivalente a aproximadamente 415 TWh al año, según la Agencia Internacional de Energía (IEA). Esta demanda podría alcanzar cerca de 945 TWh hacia 2030, impulsada en gran medida por el crecimiento de la inteligencia artificial.
El costo energético oculto de la inteligencia artificial
Uno de los hallazgos más relevantes del reporte es que no todas las aplicaciones de inteligencia artificial necesitan el mismo tipo de modelo para funcionar.
Los modelos más grandes, conocidos como LLMs (Large Language Models) o modelos de lenguaje de gran escala, son los que utilizan herramientas capaces de generar textos complejos o responder preguntas abiertas. Estos modelos ofrecen capacidades avanzadas, pero requieren mucha más capacidad de cómputo para procesar cada consulta.
Sin embargo, muchas tareas empresariales cotidianas no necesitan ese nivel de potencia. Actividades como responder preguntas simples, procesar información interna o automatizar tareas repetitivas pueden resolverse con modelos mucho más pequeños conocidos como SLMs (Small Language Models) o modelos de lenguaje pequeños.
La diferencia en consumo energético es considerable. De acuerdo con el análisis del reporte, un modelo generativo de gran escala puede consumir hasta 4,600 veces más energía por consulta que modelos más simples.
Esta diferencia provoca una fuerte concentración del consumo energético. Según el análisis titulado “The Computational and Energy Footprint of Generative AI in Enterprise Workloads” realizado por investigadores de la Universidad de Cornell, al evaluar un portafolio típico de aplicaciones de inteligencia artificial dentro de una empresa se encontró que los proyectos generativos representan aproximadamente el 29% de los casos de uso, pero concentran hasta el 99.9 % del consumo energético asociado a IA.
Usar el modelo correcto para cada tarea
Ante este escenario, el reporte plantea que el reto no es frenar el uso de inteligencia artificial, sino utilizarla de manera más estratégica.
La propuesta consiste en utilizar distintos tipos de modelos dependiendo de la complejidad de cada tarea. Los modelos más grandes pueden emplearse para problemas que requieren razonamiento avanzado o generación de contenido complejo, mientras que los modelos más pequeños pueden encargarse de tareas operativas o repetitivas.
Este enfoque permite que las plataformas de inteligencia artificial dentro de las empresas dirijan cada solicitud al modelo más adecuado. De esta manera es posible mantener las capacidades avanzadas de la IA mientras se reduce significativamente el consumo energético y la carga sobre la infraestructura tecnológica.
“Durante los últimos años la conversación sobre inteligencia artificial se ha centrado en su capacidad y velocidad de adopción. Sin embargo, el siguiente paso para las empresas será aprender a escalar estas tecnologías de forma eficiente”, señaló Cordelia Bortoni, Directora de Growth de Konfront. “No todas las tareas necesitan el modelo más grande. Cuando las organizaciones utilizan el modelo correcto para cada problema, pueden obtener resultados similares con una fracción del consumo energético”.
El reporte Sustainable AI Scaling concluye que, a medida que la inteligencia artificial se integra en más procesos empresariales, la eficiencia energética empezará a convertirse en un nuevo criterio para diseñar arquitecturas tecnológicas más sostenibles y escalables.
