En resumen
Mida la energía total de la IA además de la energía por tarea, para que el crecimiento sea visible, y decida de antemano qué pasará con los ahorros: retirar la capacidad liberada, mantener un presupuesto o un tope, o reinvertir de forma deliberada. Combine la eficiencia con la suficiencia preguntándose si cada nuevo uso merece la pena. Sin esto, una IA más barata tiende simplemente a usarse más.
Pasos
- Informe de la energía o las emisiones totales de la IA junto con la energía por tarea en cada revisión.
- Decida antes de un proyecto de eficiencia qué pasará con la capacidad o el presupuesto que libere.
- Fije un presupuesto o un tope de cómputo, tokens o gasto totales para cada equipo o servicio.
- Retire los servidores, las licencias o la capacidad reservada que la eficiencia ha hecho innecesarios.
- Pregúntese si cada nuevo uso de la IA es necesario antes de aprobarlo.
La eficiencia solo se convierte en ahorro cuando alguien decide qué pasa con la capacidad que libera. De lo contrario, una IA más barata se usa para más cosas, más a menudo, y el total sigue subiendo.
¿Por qué ocurre?
El economista William Stanley Jevons observó en 1865 que las máquinas de vapor más eficientes llevaron a quemar más carbón, no menos. Luccioni, Strubell y Crawford sostienen que la misma dinámica de rebote se aplica a la IA: las mejoras de eficiencia bajan los costes, lo que puede impulsar un mayor uso. La Agencia Internacional de la Energía prevé que el consumo eléctrico de los centros de datos se duplique con creces entre 2024 y 2030, con la IA como principal impulsor, aunque cada solicitud se abarate.
¿Qué puede hacer una organización?
- Hacer visibles los totales. Las cifras por tarea, por sí solas, parecerán un progreso constante.
- Presupuestar. Dé a los equipos un presupuesto de cómputo, tokens o gasto, como con cualquier otro recurso.
- Consolidar el ahorro. Cuando un modelo o un flujo de trabajo se vuelva más eficiente, apague o devuelva la capacidad que ya no necesita.
- Reinvertir a propósito. Gastar los ahorros en nuevos usos puede ser la decisión correcta, pero que sea una decisión y no una inercia.
- Practicar la suficiencia. Pregúntese si una tarea necesita IA, o un modelo tan grande, en absoluto; consulte decidir si necesita IA.
Errores frecuentes
- Anunciar una mejora porcentual de eficiencia como un recorte de emisiones.
- Dejar en marcha los servidores liberados «por si acaso».
- Aprobar cada nueva función de IA porque cada una es barata.
Un sandpit británico de IA verde celebrado en 2026, con matemáticos, informáticos y representantes de la industria, incluyó evitar el efecto rebote entre las principales cuestiones abiertas de la IA verde. Lea más en la eficiencia no es suficiencia.
Fuentes
- The Coal Question, W. Stanley Jevons, Macmillan (1865)
- From efficiency gains to rebound effects: the problem of Jevons' paradox in AI's polarized environmental debate, Luccioni, Strubell and Crawford, ACM FAccT (2025)
- Energy and AI, International Energy Agency (2025)
Relacionado
La eficiencia no es suficiencia: el efecto rebote en la IA
Por qué hacer la IA más eficiente no garantiza que use menos energía en total, qué es el efecto rebote o de Jevons y qué ayuda a que el ahorro sea real.
¿Cómo fijo objetivos de energía y emisiones para la IA?
Cómo fijar objetivos de energía y emisiones de la IA que signifiquen algo: una referencia medida, objetivos de intensidad y absolutos juntos, y una revisión periódica.
¿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.
Cómo redactar una política de IA verde
Guía paso a paso para redactar la política de IA verde de una organización, con un esquema que abarca uso, modelos, medición, compras, afirmaciones y revisión.