En resumen
Para una empresa, la IA verde significa obtener de la IA los resultados que necesita con menos energía, dinero y carbono. La mayor parte del ahorro procede de unas pocas decisiones: usar la IA solo donde aporta valor, elegir el modelo más pequeño que haga bien el trabajo, escoger proveedores que publiquen sus datos de energía y medir antes de hacer cualquier afirmación.
Puntos clave
- En la mayoría de las empresas, la IA más barata, más rápida y más verde suele ser la misma: modelos más pequeños, menos tokens, menos repeticiones del trabajo.
- La Agencia Internacional de la Energía estima que los centros de datos consumieron unos 415 TWh de electricidad en 2024, alrededor del 1,5% del total mundial, y prevé unos 945 TWh para 2030.
- Los modelos específicos para una tarea pueden ser órdenes de magnitud más baratos de ejecutar que los modelos generativos de uso general para esa misma tarea.
- Pida a los proveedores la energía por solicitud, los centros de datos que utilizan y su método de medición, y recoja las respuestas en los contratos.
- No haga ninguna afirmación ecológica que no pueda respaldar con cifras medidas o de fuente claramente indicada.
¿Por qué debería importarle la IA verde a una empresa?
Porque lo que hace más verde a la IA es, en su mayor parte, lo que la hace más barata, más rápida y más fiable. Menos cálculo significa facturas más bajas, respuestas más rápidas y menos espera, y los mismos hábitos que desperdician energía, como los prompts largos, los intentos repetidos y los modelos sobredimensionados, también desperdician dinero y tiempo del personal.
Un sandpit británico de IA verde celebrado en 2026, con matemáticos, informáticos y representantes de la industria, llegó a una conclusión parecida: los compradores eligen por coste, velocidad y calidad, así que la IA verde tiene que venir acompañada de esas ventajas, no competir con ellas. Es una buena noticia para una empresa. Rara vez tendrá que sacrificar resultados para reducir su huella.
Hay otros cuatro motivos para prestarle atención:
- Escala. La Agencia Internacional de la Energía (AIE) estima que los centros de datos consumieron unos 415 TWh de electricidad en 2024, alrededor del 1,5% de la electricidad mundial, y prevé que esta cifra se duplique con creces hasta unos 945 TWh en 2030, con la IA como principal motor del crecimiento. Su uso de la IA forma parte de esa demanda.
- Informes. Si informa sobre energía y emisiones, la IA ya forma parte de la cifra, la contabilice o no.
- Regulación. Las normas empiezan a exigir datos de energía a los proveedores de IA y de centros de datos (véase más abajo), lo que pone a su disposición mejor información sobre los proveedores.
- Confianza. Clientes, empleados e inversores preguntan cada vez más cómo utiliza usted la IA. Las respuestas claras y honestas ayudan.
¿Adónde va la energía de la IA?
La mayor parte de la energía de IA de una empresa típica se destina a la inferencia, es decir, a ejecutar un modelo para responder solicitudes, y no a entrenarlo. Casi nunca entrenará usted mismo un modelo grande, pero cada prompt, cada flujo de trabajo automatizado y cada función de IA de su software ejecuta inferencia en el hardware de alguien.
Los principales puntos de consumo de energía:
| Etapa | Qué ocurre | Quién lo controla |
|---|---|---|
| Entrenamiento | Un modelo aprende a partir de datos, una vez o de vez en cuando | Sobre todo el proveedor del modelo |
| Ajuste fino | Un modelo existente se adapta a su tarea | Usted o su proveedor |
| Inferencia | El modelo responde a cada solicitud | Compartido: usted elige cuánto y qué modelo |
| Centro de datos | Refrigeración, conversión de energía, redes | El proveedor de alojamiento |
| Hardware | Fabricación de chips y servidores (carbono incorporado) | El proveedor, según cuánto tiempo conserva los equipos |
Para una empresa, la inferencia es la parte que más puede cambiar. La cantidad depende de:
- el tamaño y el tipo del modelo. Un estudio de Luccioni, Jernite y Strubell concluyó que los modelos generativos de uso general eran órdenes de magnitud más caros de ejecutar que los sistemas específicos para la misma tarea. En sus pruebas, generar imágenes consumía de media unos 2,9 kWh por cada 1.000 solicitudes, mientras que clasificar texto consumía unos 0,002 kWh;
- el número de tokens (los fragmentos de texto que un modelo lee y escribe). Los prompts largos, los documentos pegados y las respuestas extensas suman;
- cuántas llamadas hace un flujo de trabajo. Los agentes que planifican, comprueban y reintentan pueden hacer decenas de llamadas para una sola tarea; y
- dónde y cuándo se ejecuta, porque el carbono de un kilovatio hora depende de la red eléctrica local.
Para hacerse una idea de la escala por solicitud, Google informa de que un prompt de texto mediano en sus aplicaciones Gemini consumía 0,24 Wh de energía, y de que esta cifra se redujo 33 veces en un año. Cada proveedor mide de forma distinta, así que tome estas cifras como orientativas, y consulte medir la energía de la IA para entender por qué importan los detalles.
¿Cómo elegimos el modelo adecuado?
Use el modelo más pequeño que haga el trabajo de forma fiable, y compruébelo con su propio trabajo. Para muchas tareas empresariales, como ordenar correos, extraer campos de facturas, resumir o traducir, basta con un modelo pequeño o especializado.
La UNESCO y el University College London concluyeron que usar modelos más pequeños y específicos podía reducir el consumo de energía hasta un 90% sin perder rendimiento en tareas adecuadas, y que acortar prompts y respuestas podía reducirlo en más de la mitad.
Pasos prácticos:
- Haga una lista de sus tareas de IA y de lo que significa «suficientemente bueno» en cada una, por ejemplo, el 98% de los campos de las facturas correctos.
- Pruebe modelos de menor a mayor con una muestra de casos reales. Quédese con el primero que cumpla el criterio.
- Enrute las solicitudes. Envíe las solicitudes rutinarias a un modelo pequeño y solo las difíciles a uno grande. Esto suele llamarse enrutamiento de modelos.
- Cuidado con los falsos ahorros. Un modelo demasiado pequeño que falla y obliga a repetir en uno grande puede consumir más energía que ir directamente al grande. Mida el acierto a la primera, no el coste por llamada.
- Reutilice, no regenere. Cuando vuelva a necesitar la misma respuesta, plantilla o fragmento de código, guárdelo y reutilícelo en lugar de pedírselo al modelo cada vez. GreenCode, un proyecto de investigación de ITEA, describe cómo usa la recuperación de información, el enrutamiento hacia el componente capaz más barato y la planificación para mantener reducido su propio uso de la IA.
Las calificaciones independientes pueden ayudarle a comparar modelos abiertos. El AI Energy Score, lanzado por Hugging Face y sus socios, califica los modelos de una a cinco estrellas según su eficiencia energética en tareas comunes. Encontrará más información en elegir el modelo adecuado y en orquestación en lugar de generación.
¿Qué deberíamos preguntar a los proveedores de IA?
Pida cifras, métodos y ubicaciones, e incluya las respuestas en el contrato. Muchos proveedores todavía no pueden dar respuestas completas, pero preguntar indica que existe demanda y le muestra quién se lo toma en serio.
Preguntas para incluir en licitaciones y renovaciones:
- Energía por solicitud. ¿Cuál es la energía (Wh) por solicitud típica o por cada 1.000 tokens de los modelos que utilizaremos? ¿Es medida o estimada, y cómo?
- Límites del sistema. ¿Incluye la cifra la capacidad ociosa, la refrigeración y las redes, o solo los chips?
- Dónde se ejecuta. ¿Qué centros de datos y regiones alojan nuestra carga de trabajo? ¿Cuál es su eficacia en el uso de la energía (PUE, la relación entre la energía total de la instalación y la energía de cálculo) y su consumo de agua?
- Electricidad. ¿Qué proporción se casa hora a hora con energía limpia, en lugar de cubrirse con certificados anuales?
- Opciones de modelo. ¿Podemos elegir modelos más pequeños o enrutar solicitudes entre modelos? ¿Podemos ejecutarlos en nuestro propio hardware cuando los datos deban permanecer en local?
- Informes. ¿Nos facilitarán datos mensuales de energía y emisiones de nuestra cuenta, en un formato que podamos usar en nuestros propios informes?
- Vida del hardware. ¿Cuánto tiempo mantienen los servidores en servicio y qué ocurre con ellos después?
- Aviso de cambios. ¿Nos avisarán si cambian el modelo que hay detrás de nuestro servicio?
Conviene conocer dos normas de la UE, incluso fuera de la UE, porque los grandes proveedores las aplican ampliamente:
- La Ley de IA de la UE (AI Act) exige a los proveedores de modelos de IA de uso general documentar el consumo de energía conocido o estimado del modelo (anexo XI).
- La Directiva de Eficiencia Energética exige a los operadores de centros de datos con una demanda de potencia de TI de al menos 500 kW informar sobre su rendimiento energético, incluidos el consumo de energía y de agua, a una base de datos europea (Reglamento Delegado 2024/1364).
Nuestra guía de compra sostenible de IA incluye un conjunto de preguntas más completo, y alojamiento y centros de datos explica qué significan las respuestas. Puede encontrar proveedores en el directorio de productos y ayuda independiente en el directorio de consultores.
¿Cómo medimos la energía y las emisiones de la IA?
Mida lo que pueda, estime el resto de forma transparente y haga un seguimiento de lo que controla. Rara vez se dispone de cifras perfectas, pero un método coherente le permite ver si está mejorando.
- Su propio hardware o sus máquinas en la nube. Herramientas de código abierto como CodeCarbon estiman las emisiones a partir de la potencia que consumen los procesadores y la memoria y de la intensidad de carbono de la red local.
- Servicios de IA de terceros. Registre los tokens, las llamadas y los modelos utilizados. Multiplique por la cifra de energía por solicitud del proveedor, si la facilita. Si no, use una estimación publicada e indíquelo.
- Unidades. Exprese la energía en kWh y las emisiones en kg CO₂e (dióxido de carbono equivalente), e indique qué factor de red ha utilizado.
- Por resultado. Haga un seguimiento de la energía por resultado útil, por ejemplo, por factura procesada, y no solo del total. Así se ve el efecto de las repeticiones y los reintentos.
Consulte cómo medir la energía de la IA y por qué la medición es el cuello de botella.
¿Qué lugar ocupa la IA en los informes CSRD y ESG?
La electricidad de la IA forma parte de su consumo de energía, por lo que corresponde incluirla en sus informes de emisiones existentes, no en un informe aparte. En la mayoría de los marcos de información se sitúa en la electricidad adquirida (alcance 2) cuando usted gestiona el hardware, y en los servicios adquiridos (alcance 3) cuando utiliza servicios en la nube o de IA.
En la UE, la Directiva sobre información corporativa en materia de sostenibilidad (CSRD) se acotó en 2026. La aprobación definitiva del Consejo de la UE en febrero de 2026 la limita a las empresas con más de 1.000 empleados y más de 450 millones de euros de volumen de negocios neto anual. Si su empresa está por debajo, es posible que clientes más grandes incluidos en su ámbito le pidan datos, o que usted decida informar de forma voluntaria. Fuera de la UE, consulte la normativa nacional y los marcos voluntarios que siga.
Sea cual sea su obligación, trate la IA como cualquier otro consumo de energía significativo: indique el método, los límites y la incertidumbre.
¿Cómo fomentamos buenos hábitos entre el personal?
Dé a las personas unas pocas reglas sencillas y las herramientas adecuadas por defecto, en lugar de pedirles que piensen en la energía cada vez. Los hábitos importan sobre todo donde muchas personas usan la IA muchas veces al día.
- Elija la herramienta adecuada. Los buscadores, las plantillas, las hojas de cálculo y el software existente suelen bastar. Use la IA donde ahorre tiempo real o mejore la calidad.
- Sea conciso. Haga preguntas claras, pida respuestas breves y no pegue documentos enteros cuando baste con una sección.
- Evite el uso de «tragaperras». Regenerar una imagen o una respuesta muchas veces sale caro. Mejor afine la petición.
- Use por defecto modelos más pequeños en las herramientas de la empresa, con los más grandes disponibles cuando hagan falta.
- Apague lo que no se usa. Las funciones de IA activadas por defecto en el software y las máquinas de prueba inactivas consumen energía.
- Programe los trabajos pesados. El trabajo por lotes que puede esperar, como el procesamiento nocturno de documentos, puede ejecutarse cuando la red es más limpia.
Recoja estas pautas en una política breve; nuestra guía de política de IA verde incluye una plantilla, y usar la IA de forma eficiente ofrece más consejos para el día a día.
¿Cómo hablamos de ello con honestidad?
Haga afirmaciones solo sobre lo que ha medido, frente a una referencia declarada, e incluya los límites. Las afirmaciones vagas como «IA sostenible» o «IA neutra en carbono» atraen el escrutinio de reguladores y clientes.
Buenas prácticas:
- Indique la referencia («en comparación con nuestro modelo anterior») y el método de medición.
- Distinga la eficiencia (menos energía por tarea) del uso total (que puede seguir aumentando). Una IA más barata suele llevar a usar más IA, lo que se conoce como efecto rebote.
- No se base solo en compensaciones o en certificados renovables anuales para calificar un servicio de verde.
- Recuerde que la cifra que comunica un proveedor puede no ser comparable con la de otro.
Encontrará más información en afirmaciones ecológicas honestas y en eficiencia no es suficiencia.
Qué hacer a continuación
- Haga un mapa de su uso de la IA. Enumere las herramientas, los modelos y los flujos de trabajo automatizados en uso, y con qué frecuencia aproximada se ejecuta cada uno.
- Elija una tarea de gran volumen y compruebe si un modelo más pequeño cumple su criterio de calidad.
- Empiece a registrar tokens y llamadas de sus principales servicios de IA, y la energía allí donde gestione su propio hardware.
- Añada las preguntas para proveedores anteriores a su próxima licitación o renovación de contrato.
- Publique una breve política para el personal sobre cuándo y cómo usar la IA, con ayuda de nuestra guía de políticas.
- Revise las afirmaciones de su marketing y sus informes con la guía de afirmaciones honestas.
- Pida ayuda si la necesita en el directorio de consultores, y busque herramientas en el directorio de productos.
Preguntas frecuentes
¿Cuesta más la IA verde?
Normalmente no. Las principales palancas, como modelos más pequeños, prompts más cortos y menos ejecuciones repetidas, también reducen las facturas de API y los tiempos de respuesta. El coste adicional es sobre todo el tiempo del personal para medir y para configurar el enrutamiento entre modelos.
¿Tenemos que informar del consumo de energía de nuestra IA?
En la mayoría de los lugares, no como una partida aparte. Pero la electricidad de la IA forma parte de su consumo de energía y de sus emisiones, por lo que entra en informes más amplios, como la CSRD de la UE para las empresas incluidas en su ámbito, o los informes ESG voluntarios.
¿Es siempre más verde un modelo más pequeño?
No. Un modelo demasiado pequeño puede fallar y obligar a reintentos o a una segunda ejecución en un modelo más grande. Haga pruebas con su tarea real: el modelo más verde es el más pequeño que acierta a la primera.
¿Cómo podemos medir la energía de un servicio de IA en la nube que no gestionamos nosotros?
Pida al proveedor la energía por solicitud y el método que hay detrás. Si no lo facilita, use estimaciones publicadas por prompt con advertencias claras, y haga un seguimiento de lo que sí controla, como los tokens y el número de llamadas.
Fuentes
- Energy and AI, International Energy Agency (2025)
- Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
- Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation, UNESCO and University College London (2025)
- Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
- Council signs off simplification of sustainability reporting and due diligence requirements, Council of the European Union (2026)
- AI Act, Annex XI: technical documentation for providers of general-purpose AI models, European Commission AI Act Service Desk (2024)
- Commission Delegated Regulation (EU) 2024/1364 on the rating scheme for data centres, EUR-Lex (2024)
- CodeCarbon, CodeCarbon (2026)
- Announcing AI Energy Score ratings, Hugging Face (2025)
- Green AI and energy-aware computing, GreenCode (ITEA) (2026)
Relacionado
Compras sostenibles de IA
Qué preguntar a los proveedores de IA sobre energía, carbono y agua, qué pruebas pedir y qué cláusulas hacen exigibles los compromisos de sostenibilidad.
Elija el modelo adecuado para cada tarea
Cómo dimensionar bien la IA: cuándo usar modelos pequeños o especializados, cuándo compensa un modelo de frontera, cómo funciona el enrutamiento y cuándo no usar IA.
Cómo medir la energía y el carbono de la IA
Guía práctica para medir o estimar la energía y el carbono del trabajo con IA: herramientas, límites del sistema, métricas por tarea e incertidumbre honesta.
Afirmaciones ambientales honestas sobre la IA
Cómo evitar el ecoblanqueo con la IA: qué se puede afirmar y qué no, efectos rebote, informes honestos y las normas del Reino Unido, la UE y EE. UU.