Riesgo ambiental
El entrenamiento de los modelos de Inteligencia Artificial (IA) exige un esfuerzo computacional gigantesco, lo que lo convierte en un proceso inherentemente intensivo en energía. Este consumo, dependiendo de la fuente energética utilizada, puede traducirse en emisiones significativas de gases de efecto invernadero. El consenso entre expertos es claro: una escalada drástica en las emisiones de carbono podría acelerar los efectos del cambio climático, un escenario que se clasifica como un riesgo potencialmente catastrófico.
ENTIDAD
3 - Otro
INTENCIÓN
2 - Involuntario
TIEMPO
1 - Pre-despliegue
ID del riesgo
mit1260
Linea de dominio
6. Socioeconómico y Ambiental
6.6 > Daño ambiental
Estrategia de mitigacion
1. Implementar la descarbonización integral de la infraestructura computacional, exigiendo que los centros de datos utilizados para el entrenamiento y despliegue de modelos de IA operen exclusivamente con fuentes de energía renovable (solar, eólica), y estableciendo mecanismos de compensación de emisiones de carbono para el impacto residual. 2. Priorizar la optimización algorítmica y del proceso de entrenamiento mediante la adopción sistemática de arquitecturas de IA energéticamente eficientes, técnicas de compresión de modelos (e.g., cuantización, *pruning*), y el uso de *transfer learning* (ajuste fino eficiente) para minimizar la demanda computacional y, consecuentemente, el consumo energético total. 3. Establecer e integrar marcos de transparencia y métricas de eficiencia ecológica, obligando a cuantificar de manera rigurosa y verificable el consumo energético (kWh) y las emisiones de gases de efecto invernadero (CO₂e) por cada modelo y ciclo de entrenamiento, con el fin de informar las decisiones de diseño y despliegue sostenible.