# ¿Cómo compruebo si un proyecto de IA compensa su coste ambiental?

> Una forma sencilla de sopesar la energía, el carbono y el hardware de un proyecto de IA frente al beneficio que aporta, antes de crearlo y una vez en marcha.

Source: https://greenai.guide/es/como/como-compruebo-si-un-proyecto-de-ia-compensa-su-coste-ambiental/  
Updated: 2026-11-19

## En resumen

Estime la huella propia de la IA (entrenamiento o ajuste fino, más su funcionamiento durante su vida prevista) y compárela con el beneficio, medido durante el mismo periodo. Compárela con la opción más sencilla sin IA, no con no hacer nada. Si el proyecto pretende ahorrar energía o emisiones, el ahorro tiene que superar claramente el coste propio de la IA; de lo contrario, el balance es negativo.

## Steps

1. Anote el beneficio que espera y cómo lo medirá.
2. Estime la huella de la IA durante su vida prevista, incluidos el entrenamiento, la inferencia y los reintentos.
3. Compárela con el método más sencillo sin IA que podría hacer el trabajo.
4. Decida de antemano qué resultado le haría detener o reducir el proyecto.
5. Vuelva a comprobarlo con cifras medidas cuando el sistema esté en marcha.

**Cuente la huella propia de la IA y compárela con el beneficio durante el mismo periodo.** Los proyectos que usan
IA para optimizar algo, incluidos los proyectos de «IA para lo verde», rara vez cuentan la energía de la propia IA,
y sin esa cifra un proyecto puede tener un balance negativo.

## ¿Cómo estimo la parte de la IA? {#how-do-i-estimate-the-ai-s-side}

- **Entrenamiento o ajuste fino**, si lo hace.
- **Inferencia**: solicitudes al día × energía por solicitud × días en servicio. La estimación de Epoch AI de unos
  0,3 Wh para una consulta típica a ChatGPT es un punto de partida para el texto, pero las entradas largas la elevan
  mucho, así que use sus propios recuentos de tokens; consulte
  [estimar la energía de las llamadas a API de IA](/es/como/como-estimo-la-energia-de-mis-llamadas-a-una-api-de-ia/).
- **Reintentos y ejecuciones fallidas**, que es fácil olvidar.

## ¿Con qué debo compararlo? {#what-should-i-compare-it-with}

Con la opción más sencilla sin IA, no con no hacer nada. La IA no es gratuita ni siquiera cuando ahorra tiempo: un
estudio de 2025 que comparó la programación manual y la asistida por IA en 12 tareas de programación halló que el
enfoque asistido por IA tenía de media unas 33 veces la huella de carbono del enfoque manual. Eso no significa no
usar nunca la IA; significa comprobar que compensa.

GreenCode, un proyecto de investigación de ITEA, publica un balance climático que compara la huella de su propia IA
con el ahorro de energía que pretende lograr, un modelo útil para copiar.

## Lo que más marca la diferencia {#what-makes-the-biggest-difference}

Decidir la condición de parada antes de empezar. Anote el resultado que le haría reducir el proyecto, para que la
decisión no la tome la inercia.

## Errores frecuentes {#common-mistakes}

- Contar el beneficio a diez años y el coste de la IA a un mes.
- Ignorar el crecimiento del uso cuando la herramienta se hace popular.
- Tratar la incertidumbre como cero. Dé un intervalo.

Lea [la eficiencia no es suficiencia](/es/articulos/la-eficiencia-no-es-suficiencia-el-efecto-rebote-en-la-ia/) para ver el panorama completo.

## Fuentes

- [Green AI and energy-aware computing](https://greencode.ai/benefit/green-ai-and-energy-aware-computing/), GreenCode (2026)
- [Comparative analysis of carbon footprint in manual vs. LLM-assisted code development](https://doi.org/10.1145/3711919.3728678), Cheung, Kaul, Jahangirova, Mousavi and Zie, ResponsibleSE 2025 (ACM) (2025)
- [How much energy does ChatGPT use?](https://epoch.ai/gradient-updates/how-much-energy-does-chatgpt-use), Epoch AI (2025)
