Nada más publicarse el ‘2024 Environmental Report’ de Google saltó a la vista lo lejos que la compañía se quedaba de sus objetivos. No solo por la ambición de los mismos sino por la tendencia que llevan sus emisiones. El gigante tecnológico, que cuenta con una de las agendas verdes con mayores afanes, se ha comprometido a utilizar solo energía limpia para el año 2030.
Desde hace años, Google y otras grandes tecnológicas —la sostenibilidad ha calado en el sector— han llevado a cabo enormes esfuerzos por enmendar su huella de carbono. Entre ellos destaca el creciente empleo de energías renovables, así como intentos constantes de ganar en eficiencia energética. El reto es tan mayúsculo que se buscan soluciones de todo tipo. Microsoft, por ejemplo, ha explorado el rendimiento de centros de datos submarinos, para favorecer la refrigeración de los servidores. Mientras que otras compañías han construido instalaciones en el círculo polar ártico o en sus inmediaciones. Todo con el fin de gastar menos energía para mantener frescas las hileras de racks.
En medio de estos esfuerzos, la irrupción de la IA generativa ha caído como una bomba de racimo. El enorme consumo de energía de esta tecnología ha hecho que compañías como Microsoft o Google hayan experimentado picos de crecimiento en sus emisiones. Desde 2020, la compañía de Satya Nadella ha aumentado los gases contaminantes en un 29%, según su informe de este año. El documento de Google arroja cifras que también invitan a la reflexión. En 2023 sus emisiones crecieron un 13% y desde 2019 lo han hecho un 48%.
La propia Google citaba la ascendente demanda de servicios de inteligencia artificial como uno de los factores ligado al incremento del gasto energético de sus centros de datos. Hay que tener en cuenta que los resultados que devuelven los modelos de IA, más aún cuando son complejos, necesitan ciertos recursos computacionales. Pero esto es más complejo de lo que parece a primera vista.
El papel de la IA
Hay un hecho claro: las consultas a un chatbot tipo ChatGPT tienen un gasto computacional considerablemente mayor que otras tareas a las que podrían sustituir, como una búsqueda en Google. Pero aquí entran en juego muchas variables, especialmente en un escenario donde el sector acaba de empezar a rodar.
Por ahora existen muchos servicios gratuitos que no se sabe si lo serán en el futuro. Y esto marcará su grado de adopción, así como el consumo de recursos de centros de datos que requieran. Tampoco se sabe a ciencia cierta cómo gestionará la industria las cargas de trabajo de IA en los servidores. Hasta el momento se ha volcado la ejecución de estas tareas en chips de Nvidia preparados para el procesamiento gráfico y de inteligencia artificial. Pero ya se han diseñado procesadores específicos para procesar este tipo de consultas de la forma más eficiente posible.
Las grandes tecnológicas han diseñado sus propios chips, ajustados a las necesidades de los servicios que ofrecen. Y en estos momentos se cocina una nueva generación de procesadores desarrollados ad-hoc para cargas de trabajo de IA generativa. Incluso la propia OpenAI baraja la creación de sus propios chips. Esto muestra la importancia de contar con el hardware más eficiente para crear una economía de escala en el sector.
Y esta eficiencia es precisamente lo que busca Google —también el resto— para combatir el aumento del consumo energético de la IA. Además, prevé incrementar el uso de energía renovable, con el fin de limitar las emisiones. Pero lo prioritario es controlar el incremento desmedido del gasto eléctrico.
Para dar una idea de lo que mueven los centros da datos bastan un par de cifras. En 2022, este tipo de instalaciones consumió alrededor de 460 TWh de electricidad. Esto es más de lo que consume Francia en todo un año. Pero para 2026, la Agencia Internacional de la Energía prevé que el gasto se duplique hasta más de 1.000 TWh, un consumo que superaría el de Japón, la cuarta economía mundial.
El consumo de agua en los centros de datos, con el fin de refrigerar los servidores, es otro de los retos que tienen por delante las grandes tecnológicas. Al necesitar una mayor cantidad de recursos de computación, la IA hace trabajar más a los servidores, con lo que estos alcanzan mayor temperatura y requieren una refrigeración más avanzada. Como en muchas ocasiones se utiliza agua para llevar a cabo esta tarea, su consumo aumenta. Y esto también tiene un impacto medioambiental.
De ahí que el desafío del sector de la IA pase por lograr sistemas más eficientes, por una parte. Si bien, a esto se debería sumar una maduración del mercado y la proliferación de iniciativas que busquen el pago por uso, de forma que se promueva en los usuarios una optimización de los recursos.