Procesos intensivos en energía
El ciclo de vida de la IA, que incluye la recolección, el almacenamiento de datos y el entrenamiento de modelos, es intrínsecamente intensivo en energía, lo que se traduce en una contribución significativa al riesgo ambiental y a la huella de carbono.
ENTIDAD
3 - Otro
INTENCIÓN
2 - Involuntario
TIEMPO
1 - Pre-despliegue
ID del riesgo
mit945
Linea de dominio
6. Socioeconómico y Ambiental
6.6 > Daño ambiental
Estrategia de mitigacion
1. Priorizar la optimización algorítmica y del modelo mediante el desarrollo y despliegue de arquitecturas de IA intrínsecamente más eficientes. Esto incluye la aplicación rigurosa de técnicas de compresión, como la cuantización de baja precisión (por ejemplo, INT8/FP16) y la poda, así como la promoción de modelos pequeños y especializados para tareas específicas, lo que puede reducir el consumo energético hasta en un 90%. 2. Garantizar la sostenibilidad de la infraestructura de soporte a través de la transición total de los centros de datos a fuentes de energía 100% renovable. Adicionalmente, implementar sistemas de programación consciente del carbono para alinear las cargas de trabajo intensivas con los períodos de menor intensidad de carbono de la red eléctrica o fomentar el uso de la computación en el borde (*Edge AI*) para el procesamiento local. 3. Establecer un marco de transparencia y rendición de cuentas que exija la estandarización y publicación de métricas rigurosas sobre el consumo energético y la huella de carbono total de los modelos de *machine learning*, incluyendo las emisiones incorporadas del hardware, para impulsar la inversión en Investigación y Desarrollo (I+D) de "IA Verde".