greenai.guide

Inicio › Artículos › Orquestar antes que generar

Artículo

Orquestar antes que generar

Actualizado · 6 min de lectura

En resumen

Generar desde cero cada respuesta, línea de código o imagen con un modelo grande es la forma más cara de usar la IA. La orquestación usa la IA para planificar y seleccionar, luego monta el resultado con componentes probados y dirige cada paso al modelo más barato que pueda hacerlo. El token más barato es el que nunca se genera.

Puntos clave

  • La generación es el paso costoso de la IA generativa; seleccionar y reutilizar componentes existentes y probados es mucho más barato.
  • El enrutamiento envía cada solicitud al modelo más pequeño que pueda resolverla, y los enrutadores publicados reducen mucho el coste con poca pérdida de calidad.
  • La recuperación aporta solo el fragmento pertinente de un documento o de una base de código, de modo que el modelo lee menos tokens.
  • Reutilizar componentes verificados también ayuda a la seguridad y al mantenimiento, ya que una sola corrección llega a todos los lugares donde se usa el componente.
  • El enrutamiento tiene una trampa, porque un modelo demasiado pequeño puede fallar y obligar a repetir la tarea, con un coste alto, en uno grande.

Casi todo el debate sobre la huella de la IA se pregunta cómo abaratar la generación: modelos más pequeños, chips más rápidos, electricidad más limpia. Otra pregunta es cuánta generación hace falta realmente. La orquestación responde tratando la generación como último recurso, no como opción por defecto.

¿Qué significa "orquestar antes que generar"?

Significa usar la IA para planificar una tarea y elegir las piezas, y después construir el resultado sobre todo con cosas que ya existen y ya se han comprobado. Solo se pide a un modelo grande que genere algo nuevo cuando no existe nada adecuado.

Gran parte de lo que se pide a la IA generativa no es nuevo. El software está lleno de los mismos patrones: pantallas de inicio de sesión, subida de archivos, gestión de fechas, validación de datos. Los contratos reutilizan cláusulas estándar. Los informes reutilizan secciones estándar. Generar cada uno de ellos de nuevo, cada vez, repite el coste energético y produce versiones ligeramente distintas que hay que revisar una por una.

Un sistema orquestado funciona más como un equipo de ingeniería bien organizado:

  1. Un planificador determina qué necesita la tarea.
  2. Un clasificador o una búsqueda de bajo coste encuentra un componente existente y probado que encaje.
  3. Solo se generan las partes realmente nuevas, con el modelo más pequeño que pueda hacerlas.
  4. Las partes recién generadas se prueban y se añaden a la biblioteca, para que la siguiente solicitud pueda reutilizarlas.

La biblioteca funciona como una caché. Un sandpit (taller de investigación) británico sobre IA verde celebrado en 2026, con matemáticos, informáticos y representantes de la industria, debatió este patrón bajo el lema "el token más barato es el que nunca se genera".

¿Por qué ahorraría energía la reutilización?

Porque recuperar y adaptar un componente cuesta una fracción mínima de lo que cuesta generarlo, y los componentes probados necesitan menos correcciones. La generación es donde se gastan los tokens y, por tanto, la mayor parte de la energía de inferencia.

El coste energético de lo que escribe la IA no es despreciable. Un estudio del King's College London (Cheung y colaboradores, 2025), artículo de un socio del proyecto GreenCode, comparó la resolución de tareas de programación a mano con su resolución con un asistente de IA. En promedio sobre las tareas, que eran problemas de concursos de programación, la generación de código asistida por IA tuvo 32,72 veces la huella de carbono del enfoque manual, y la diferencia aumentó a medida que las tareas se volvían más complejas. La reutilización ataca justamente ese coste.

Hay beneficios más allá de la energía:

  • Calidad. Un componente verificado se ha probado una vez y se puede confiar en él muchas veces.
  • Seguridad. Si un componente resulta tener un fallo, se sabe en qué lugares se usa, y una sola corrección llega a todos ellos.
  • Mantenimiento. Una base de código construida con piezas compartidas es más pequeña y más fácil de entender que una llena de casi duplicados.

¿Qué es el enrutamiento de modelos?

El enrutamiento envía cada solicitud al modelo más adecuado para ella, normalmente el más pequeño que probablemente responda bien. Las solicitudes sencillas van a modelos pequeños y baratos; las difíciles se escalan.

La investigación publicada muestra el potencial:

  • FrugalGPT (Chen, Zaharia y Zou, 2023) encadenó modelos del más barato al más caro y se detenía cuando una respuesta se consideraba suficientemente buena; afirmó igualar el rendimiento de GPT-4 con un coste hasta un 98 % menor.
  • RouteLLM (Ong y colaboradores, 2024) entrenó enrutadores con datos de preferencias humanas para decidir cuándo una solicitud necesita un modelo potente, y afirmó reducir los costes a menos de la mitad en algunos casos sin perder calidad.
  • Hybrid LLM (Ding y colaboradores, 2024) dirigió las consultas a un modelo pequeño o a uno grande según la dificultad prevista, con hasta un 40 % menos de llamadas al modelo grande y sin pérdida de calidad en las respuestas.

Estos estudios miden el coste, no directamente la energía, pero con el mismo proveedor y el mismo hardware, menos tokens en modelos grandes suele significar menos energía. Consulte cómo elegir el modelo adecuado.

¿Qué es la recuperación y por qué ayuda?

La recuperación busca la información pertinente y entrega al modelo solo eso, en lugar de obligarlo a leer o recordar todo. La generación aumentada por recuperación (RAG), presentada por Lewis y colaboradores en 2020, combina un paso de búsqueda con un generador.

Desde el punto de vista energético, lo que importa es el número de tokens. Introducir documentos o bases de código completos en la ventana de contexto de un modelo cuesta energía en cada solicitud. GreenCode, un proyecto europeo de investigación (ITEA) sobre software energéticamente eficiente, recupera información de un índice de la base de código para que "el número de tokens refleje la tarea y no el repositorio", y lo combina con modelos pequeños ajustados y con el enrutamiento al componente capaz más pequeño.

¿Qué muestra el trabajo de GreenCode?

Que hay que contabilizar el coste de usar la IA, y que la forma de trabajar de un agente importa tanto como el modelo que usa. Dos artículos de socios del proyecto lo ilustran:

  • EnergyBench (Ionescu, Jensen y Thomsen, 2025) puntúa el código generado por IA tanto por su corrección como por la energía que consume al ejecutarse. Descubrió que la redacción del prompt (instrucción) podía mejorar la eficiencia energética del código generado hasta en un 91,9 % en algunos casos, pero a menudo a costa de la precisión. Pedir código verde en el prompt no es, por sí solo, una solución fiable.
  • La GreenCode Constitution (Kapenekakis y colaboradores, 2026) dio a un agente de programación unos principios escritos (primero la corrección, después 37 antipatrones energéticos) y le hizo medir la energía antes y después de cada cambio. En llama.cpp, un motor de inferencia ya muy optimizado, redujo la energía de la GPU en un 4,7 %. El ahorro energético superó la ganancia de velocidad, lo que recuerda que más rápido no siempre es más verde, así que la energía debe medirse directamente.

El propio flujo de trabajo de GreenCode aplica el principio de orquestación: prefiere modelos pequeños específicos para cada tarea, la recuperación y el enrutamiento, y realiza una evaluación previa para no ejecutar un trabajo cuyo coste de inferencia no se vaya a compensar.

¿Qué puede salir mal?

El enrutamiento y la reutilización solo ahorran energía cuando eligen bien. Los principales riesgos:

  • Quedarse corto. Un modelo demasiado pequeño puede fallar, y repetir la tarea en un modelo más grande cuesta más que haber ido a él desde el principio. En los sistemas agénticos, donde un fallo puede desbaratar muchos pasos posteriores, esto importa todavía más. Fijar el umbral es un verdadero problema de diseño.
  • Bibliotecas obsoletas. Los componentes necesitan responsables, pruebas y actualizaciones; si no, la reutilización propaga errores antiguos.
  • Costes ocultos. El clasificador, el índice y el paso de recuperación consumen energía. Suelen ser mucho más baratos que la generación, pero también deben medirse.
  • Efecto rebote. Una IA más barata invita a usar más IA. Consulte la eficiencia no es suficiencia.

Qué hacer a continuación

  • Antes de generar, busque: ¿existe ya un componente probado, una plantilla o una respuesta anterior?
  • Dirija las solicitudes según su dificultad; use por defecto un modelo pequeño y escale cuando haga falta. Consulte cómo usar la IA de forma eficiente.
  • Use la recuperación para mantener los prompts cortos, en lugar de pegar documentos completos.
  • Mantenga una biblioteca de resultados verificados, con pruebas y un responsable, y vaya ampliándola.
  • Mida la energía o los tokens por tarea completada, incluidos los reintentos, no por solicitud.
  • Lea IA agéntica y desperdicio de tokens si utiliza agentes de varios pasos.

Preguntas frecuentes

¿Qué es la orquestación en IA?

Coordinar varios modelos, herramientas y componentes almacenados para completar una tarea, en lugar de pedir a un único modelo grande que genere toda la respuesta. Un planificador decide qué hace falta y las partes más baratas hacen la mayor parte del trabajo.

¿Qué es el enrutamiento de modelos?

Enviar cada solicitud al modelo más adecuado para ella, normalmente el más pequeño y barato que probablemente responda bien, y pasar a un modelo más grande solo cuando sea necesario.

¿El enrutamiento reduce la calidad?

Los sistemas de enrutamiento publicados registran grandes ahorros de coste y conservan la mayor parte de la calidad del modelo más potente, pero el resultado depende de la tarea y de lo bien que el enrutador juzgue la dificultad.

Fuentes

  1. FrugalGPT: how to use large language models while reducing cost and improving performance, Chen, Zaharia and Zou, Transactions on Machine Learning Research (2023)
  2. RouteLLM: learning to route LLMs with preference data, Ong et al., ICLR 2025 (2024)
  3. Hybrid LLM: cost-efficient and quality-aware query routing, Ding et al., ICLR (2024)
  4. Retrieval-augmented generation for knowledge-intensive NLP tasks, Lewis et al., NeurIPS (2020)
  5. Green optimised generative AI, GreenCode (2026)
  6. Green AI and energy-aware computing, GreenCode (2026)
  7. Comparative analysis of carbon footprint in manual vs. LLM-assisted code development, Cheung, Kaul, Jahangirova, Mousavi and Zie, ResponsibleSE 2025 (ACM) (2025)
  8. EnergyBench: holistic benchmark for correct and energy-efficient LLM-generated code, Ionescu, Jensen and Thomsen, FLTA 2025 (2025)
  9. GreenCode Constitution: agent principles for optimizing code and LLM inference energy use, Kapenekakis, Kim, Ionescu, Thomsen and Albano, GreenAI workshop, ECML PKDD 2026 (2026)

Únase a nosotros

Ayude a reducir el impacto de la IA en el planeta

Reciba por correo electrónico nuevas guías, convocatorias de financiación y fichas de los directorios, aproximadamente una vez al mes. O añada su producto, curso, doctorado o investigación a los directorios.

Sin seguimiento. Cancele la suscripción con un clic. Otras formas de unirse · Privacidad