La inteligencia artificial (IA) se ha vuelto una realidad en casi todo, pero no hay ‘ñeñé’ que valga: su consumo de energía es una ‘vaina’ brutal. Mientras muchos se enfocan en mejorar el hardware, la verdad del asunto es que el Software verde es la clave para manejar este ‘coro’. Según la noticia, el software es lo que realmente ‘tira’ de la máquina, y ahí está el chance de ahorro energético y económico.
Coral Calero, catedrática de Lenguajes y Sistemas Informáticos de la Universidad de Castilla-La Mancha, lo dejó claro: ‘El hardware consume porque tiene un software que se está ejecutando’. O sea, si el software está ‘chévere’ y optimizado, la máquina no tiene que ‘bregar’ tanto, y el consumo de energía baja, salvando el ‘cuartos’ y el planeta. Es una situación ‘ganar-ganar’, ¿me entiendes?
Este gasto desmedido no es solo un problema global que agrava la escasez de energía y las emisiones, sino también un dolor de cabeza para las empresas. Según el informe ‘The State of AI in 2026: On the road to ROI’ de McKinsey, el 89% de las compañías ya usa IA, y un 44% la está escalando. Sin embargo, el mismo reporte señala que un 20% frena su uso por los altos costos operativos, recordando la época del ‘tokenmaxxing’.
La ‘chercha’ de reducir el consumo llevó a empresas y universidades a ‘inventar’. Verónica Bolón Canedo, investigadora de IA en la Universidade da Coruña y directora de la Cátedra UDC-INDITEX de IA en Algoritmos Verdes, y su equipo, están ‘guayando la yuca’ para que los algoritmos consuman menos energía al entrenarse. Su estrategia implica diseñar o adaptar algoritmos, como usar menos bits en los cálculos.
Bolón explica que, en vez de usar los tradicionales 64 bits para la aritmética de un ordenador, se pueden usar 16 u 8 bits. Esto es como perder decimales y simplificar, reduciendo el consumo. Aunque esto implica una menor precisión, el ‘tigueraje’ está en modificar el software para que el algoritmo siga funcionando ‘de lo más bien’ a pesar del ‘redondeo’ y la información perdida.
Es una ‘verdad’ que la imprecisión de los cálculos de pocos bits se acumula. Sin embargo, los investigadores son conscientes de ello. Bolón comenta que se pueden ‘congelar’ partes de la red neuronal o usar modelos más simples al final. La clave está en para qué se usará el algoritmo: no es lo mismo buscar la cura del cáncer, donde la precisión es vital, que recomendar una película, donde un pequeño error no es una ‘vaina’ tan grave.
El consumo energético de la IA se divide en dos fases: el entrenamiento y la inferencia. El entrenamiento es una ‘maquinaria’ de recursos, consumiendo muchísima energía para los servidores y la refrigeración. La inferencia, por otro lado, es el consumo que ocurre cada vez que se usa la IA. La Agencia McKinsey estima que para 2027, la demanda energética de la inferencia superará la del entrenamiento por primera vez.
Para mejorar la eficiencia en el entrenamiento, se busca ‘agilizar la vaina’ adaptando el software. Por ejemplo, si un modelo necesita reconocer imágenes, se pueden aprovechar arquitecturas que ya saben buscar bordes, un conocimiento ‘universal’ que ahorra un viaje de cómputo. Calero también destaca la diferencia entre entrenamientos supervisados y no supervisados, siendo estos últimos, aunque cargan más al modelo en su proceso, en principio menos consumidores de energía.
El ‘ingenio dominicano’ se refleja en la industria, especialmente en China, donde las sanciones de Estados Unidos desde 2022 les forzaron a ser más eficientes. Esto se vio ‘de una vez’ en el modelo DeepSeek V3 en enero de 2025, que logró un rendimiento similar a los grandes de OpenAI con mucho menos gasto. DeepSeek revivió el paradigma de ‘mezcla de expertos’ (MoE), donde solo se activan las redes neuronales necesarias, técnica que ahora, según la noticia, usan OpenAI (GPT-4, 5.6, 6 Astra) y Google (Gemini 3.1 Pro y Flash).
Gracias a esta eficiencia, compañías chinas como Alibaba y DeepSeek ofrecen modelos mucho más baratos, captando una cuota de mercado ‘bacana’. Según OpenRouter, en agosto, las empresas chinas tuvieron un 45.5% de cuota, superando la suma de Google, OpenAI, Anthropic y Meta. Los usuarios, incluso los estadounidenses, están ‘poniendo los pies en la tierra’ y diversificando, usando modelos más caros solo para tareas específicas.
La sostenibilidad de la industria y la necesidad de ahorrar van ‘de la mano’. La Agencia Internacional de la Energía proyecta que el consumo de los centros de datos pasará de 415 TWh en 2024 a 945 TWh para 2030, ¡el 3% de la electricidad mundial! Esto equivale al consumo anual de todo Japón. Calero apunta que las tecnológicas tendrán que ‘echar el freno’, porque no es posible que los centros de datos consuman más que países enteros. El software verde es, sin duda, la ‘salida’.
Si te ha gustado este artículo, ¡compártelo con tus amigos, o déjanos un comentario!
Ingeniero de Sistemas especializado en Inteligencia Artificial y Automatización de Procesos. Con una trayectoria enfocada en la convergencia entre tecnología de vanguardia y comunicación digital, Ramón lidera la implementación de modelos generativos aplicados al periodismo dominicano. Su trabajo garantiza que la información que llega a la diáspora no solo mantenga nuestra identidad “del patio”, sino que cumpla con los más altos estándares de veracidad y optimización técnica de la web moderna (2026).
