Categoría: Huella de Carbono de la IA
-
Método reproducible para estimar la huella de prompts y API de IA con factores de proveedor, EcoLogits o CodeCarbon, declarando perímetro e incertidumbre.
-
Evalúa si un sistema de IA es sostenible con una matriz de 12 preguntas sobre necesidad, ambiente, personas, gobernanza y resultados, más umbrales y condiciones de veto.
-
Cuadro de mando del impacto ambiental de la IA: energía, carbono, agua, chips, minerales, residuos y efectos locales, con métricas y fuentes verificables.
-
Mapa mundial de centros de datos e IA con datos verificables sobre energía, agua y principales regiones. Qué sabemos, qué no puede medirse y cómo cambia hasta 2030.
-
Guía técnica para diseñar o contratar infraestructura de IA generativa: potencia, refrigeración, agua, red, métricas, adaptación y obligaciones de reporte en la UE.
-
Tres escenarios y un cuadro anual de indicadores para seguir la sostenibilidad de la IA hacia 2030 sin confundir datos, proyecciones, objetivos, anuncios e hipótesis.
-
La IA genera emisiones y puede ayudar a evitarlas. Aprende a separar huella propia, reducción habilitada, causalidad y efecto rebote para medir su balance climático.
-
Los 7 impactos ambientales de la IA: electricidad, agua, residuos, minerales, emisiones, suelo, red eléctrica. Cifras y mitigación.
-
Cuatro razones por las que la IA daña el medio ambiente: energía, agua, residuos, minerales. Cifras IEA y contraargumento honesto.
-
Balance honesto: 7 impactos negativos y 7 aplicaciones positivas de la IA en el medio ambiente. Cifras IEA 2025 y casos en España.