# ¿Cómo elijo una región de nube con bajas emisiones de carbono?

> Elija una región de nube con menos carbono para la IA: compare por región la intensidad de carbono y la energía libre de carbono, y sopese latencia, normas de datos y coste.

Source: https://greenai.guide/es/como/como-elijo-una-region-de-nube-con-bajas-emisiones-de-carbono/  
Updated: 2026-11-19

## En resumen

Compare las regiones según la intensidad de carbono de la red y la parte de energía libre de carbono, con los datos por región que publica su proveedor o una fuente como Electricity Maps, y luego sopese la latencia, las normas de residencia de datos y el coste. El trabajo por lotes, como el entrenamiento, el ajuste fino y el procesamiento nocturno, es el más fácil de trasladar; la inferencia de cara al usuario suele tener que quedarse cerca de los usuarios.

## Steps

1. Enumere qué cargas de trabajo pueden ejecutarse en cualquier lugar, empezando por el entrenamiento, el ajuste fino y los trabajos por lotes.
2. Compare las regiones candidatas según la intensidad de carbono de la red y la parte de energía libre de carbono.
3. Compruebe las restricciones de residencia de datos, latencia y coste de cada candidata.
4. Tenga en cuenta la energía y el coste de trasladar los datos a la nueva región.
5. Revise la elección cada año, porque las redes y los datos de los proveedores cambian.

**La elección de región puede multiplicar o dividir varias veces el carbono del mismo trabajo, sin cambiar el
código.** La electricidad que hay detrás de un kilovatio hora varía mucho de una red a otra.

## ¿Dónde encuentro datos por región? {#where-do-i-find-region-data}

- **Google Cloud** publica, para cada región, la parte media horaria de energía libre de carbono y la intensidad de
  carbono de la red en gCO₂e/kWh. Su consola marca las regiones como «Low CO2» cuando la energía libre de carbono es
  al menos del 75% o, cuando ese dato no está disponible, la intensidad de la red es como máximo de 200 gCO₂e/kWh.
- **Electricity Maps** ofrece la intensidad de carbono en tiempo real, prevista e histórica de más de 350 zonas, útil
  con cualquier proveedor.
- Las páginas de sostenibilidad y los paneles de carbono de otros proveedores; consulte [los datos de carbono de su proveedor de nube](/es/como/como-encuentro-los-datos-de-carbono-de-mi-proveedor-de-nube/).

## ¿Qué cargas de trabajo deberían trasladarse? {#which-workloads-should-move}

El patrón de la Green Software Foundation para cargas de trabajo de IA sugiere ejecutar el entrenamiento, el ajuste
fino y el trabajo por lotes en regiones con bajas emisiones cuando la latencia es menos crítica. La guía Azure
Well-Architected de Microsoft aconseja sopesar conjuntamente la intensidad de carbono, la latencia y la resiliencia al
elegir regiones.

## Errores frecuentes {#common-mistakes}

- **Alejar de los usuarios la inferencia sensible a la latencia,** lo que puede empeorar la experiencia y añadir
  tráfico de red.
- **Ignorar el traslado de datos.** Copiar grandes conjuntos de datos entre regiones tiene su propio coste.
- **Confiar en los certificados.** Que un proveedor compre certificados de energía renovable no convierte una red con
  muchas emisiones en una con pocas; consulte [comprobar si su IA funciona con energía renovable](/es/como/como-compruebo-si-mi-ia-funciona-con-energia-renovable/).
- **Tratar la elección de región como sustituto de la eficiencia.** Reduce el carbono, no la energía.

Más en [alojamiento y centros de datos](/es/buenas-practicas/alojamiento-y-centros-de-datos-para-una-ia-verde/).

## Fuentes

- [Carbon free energy for Google Cloud regions](https://cloud.google.com/sustainability/region-carbon), Google Cloud (2025)
- [Electricity Maps data](https://www.electricitymaps.com/data), Electricity Maps (2026)
- [Use carbon-aware scheduling and region selection for AI workloads](https://github.com/Green-Software-Foundation/patterns/blob/main/docs/operations/carbon-aware-ai-scheduling.md), Green Software Foundation, Green Software Patterns (2025)
- [Reliability recommendations for sustainable workloads on Azure](https://learn.microsoft.com/en-us/azure/well-architected/sustainability/sustainability-reliability-recommendations), Microsoft Azure Well-Architected Framework (2026)
