La IA no es sostenible o insostenible por naturaleza. Un sistema concreto puede ser aceptable si resuelve una necesidad legítima con recursos proporcionados, reduce sus impactos durante todo el ciclo de vida, protege a las personas y demuestra un beneficio que compensa sus costes. El mismo modelo puede ser razonable en un contexto y desproporcionado en otro.

Para responder sin caer en un «sí» o «no» vacío, esta guía propone una matriz de evaluación con doce preguntas, umbrales y condiciones de veto. Sirve para comparar una solución de IA con alternativas sin IA y para documentar una decisión interna.

1. Qué significa «IA sostenible»

Sostenibilidad combina dimensiones ambientales, sociales, económicas y de gobernanza a lo largo del tiempo. No basta con ejecutar un modelo con electricidad renovable ni con aplicar IA a un problema ambiental.

La Recomendación de la UNESCO sobre la ética de la IA pide evaluar impactos directos e indirectos durante todo el ciclo de vida, incluidos carbono, energía, materias primas, derechos, inclusión y ecosistemas. También establece proporcionalidad: elegir IA y el método concreto debe estar justificado por un objetivo legítimo y ser adecuado al contexto.

Los Principios de IA de la OCDE relacionan la administración responsable de IA confiable con bienestar, inclusión, desarrollo sostenible y protección del medio natural. Ambos marcos evitan reducir «sostenible» a una etiqueta energética.

El objeto de evaluación es el sistema, no el nombre del modelo

Un sistema incluye datos, modelo, interfaz, personas, infraestructura, reglas, proveedores y decisiones posteriores. Evaluar solo parámetros o consumo de una API omite la mayor parte del contexto.

La comparación necesita una alternativa

La pregunta útil no es «¿usa pocos recursos?», sino «¿es mejor que resolverlo con una regla, software convencional, trabajo humano mejor apoyado o no hacer la actividad?». La alternativa debe prestar una función equivalente con límites aceptables de calidad, seguridad y derechos.

2. Seis requisitos que deben coexistir

Requisito	Pregunta central	Evidencia mínima
Necesidad	¿Existe un problema legítimo que merece intervención?	Objetivo, personas afectadas y alternativa sin proyecto
Proporcionalidad	¿IA es el método menos complejo suficiente?	Comparación con regla, proceso o modelo menor
Ambiente	¿Se conocen y reducen impactos de ciclo de vida?	Energía, carbono, agua, hardware, volumen y límites
Personas	¿Protege derechos, equidad, trabajo y accesibilidad?	Evaluación de impacto, participación y medidas
Gobernanza	¿Hay responsables, control, seguridad y salida?	Registro, supervisión, incidentes y proveedor
Resultado	¿El beneficio real supera costes y daños?	KPI funcional y seguimiento posterior

Estos requisitos se complementan, pero no se sustituyen. Por ejemplo, un sistema muy eficiente que discrimina no se vuelve sostenible porque consuma poco.

3. Matriz de evaluación en doce preguntas

Puntúa cada pregunta con 0 si no existe evidencia, 1 si la evidencia es parcial o depende de supuestos, y 2 si está documentada y verificada. La puntuación orienta; no elimina las condiciones de veto de la sección siguiente.

#	Pregunta	0 puntos	2 puntos
1	¿El problema y el resultado útil están definidos?	Objetivo genérico	Función, población y KPI concretos
2	¿Se comparó una opción sin IA?	No	Alternativas equivalentes medidas
3	¿El modelo es el mínimo suficiente?	Se eligió por moda	Pruebas de calidad y coste
4	¿Se mide energía y carbono absoluto y por función?	Sin datos	Telemetría, región, periodo y volumen
5	¿Se consideran agua, materiales y hardware?	Solo CO₂e	Ciclo de vida y riesgos locales
6	¿Se vigilan rebote y crecimiento?	Solo eficiencia por unidad	Presupuesto absoluto y alertas
7	¿Se evaluaron derechos y grupos afectados?	No	Impacto, consulta y mitigación
8	¿Hay accesibilidad, equidad y recurso?	Sin mecanismo	Pruebas, canal y reparación
9	¿Las condiciones laborales son aceptables?	Trabajo oculto o sin control	Trazabilidad y protección
10	¿Existe responsabilidad y supervisión humana?	Nadie decide	Propietario, límites y escalado
11	¿Seguridad, privacidad y proveedor están controlados?	Dependencia opaca	Pruebas, contrato, exportación y salida
12	¿El beneficio persiste en producción?	Solo demo	Seguimiento, auditoría y parada

Interpretación del total

• 0–8: no desplegar; el caso carece de fundamento o control.
• 9–15: rediseñar y cubrir vacíos antes de un piloto.
• 16–20: piloto condicionado con métricas y límites.
• 21–24: candidato sólido para despliegue gradual y seguimiento.

El total no es una certificación. Adjunta fuentes, responsables, fecha y discrepancias. Una puntuación antigua caduca cuando cambia el modelo, la finalidad, el proveedor o el volumen.

Cómo puntuar sin autoengaño

Exige un enlace o documento por cada 2. Si el dato procede únicamente del proveedor, puntúa 1 hasta verificar. Si dos equipos discrepan, registra ambos criterios. No cambies pesos después de conocer el resultado.

4. Condiciones que no se compensan con puntos

Detén o rediseña el proyecto si aparece alguna de estas situaciones:

• finalidad ilegal, incompatible con derechos o no legítima;
• riesgo grave no mitigado para seguridad, salud o medio ambiente;
• ausencia de base jurídica o uso incompatible de datos personales;
• discriminación material sin recurso efectivo;
• decisión irreversible de alto impacto sin supervisión adecuada;
• imposibilidad de auditar, desconectar o recuperar datos;
• beneficio funcional nulo frente a una alternativa más simple;
• daño ambiental local crítico, aunque el CO₂e de mercado parezca bajo.

La UNESCO señala que la elección de IA debe ser apropiada, proporcional y basada en fundamentos científicos. «Innovación» no es una excepción a la prevención del daño.

5. Cómo evaluar la dimensión ambiental

Define el ciclo de vida

Incluye fabricación de hardware, preparación de datos, experimentación, entrenamiento, ajuste, inferencia, almacenamiento, red y fin de vida según el objetivo. Nuestra guía de huella de la IA explica cómo evitar perímetros incompatibles.

Mide intensidad y total

Conserva dos indicadores:

• intensidad: Wh o gCO₂e por resultado válido;
• absoluto: kWh, kgCO₂e, litros y equipos del periodo.

Una mejora por consulta no demuestra sostenibilidad si el volumen crece más deprisa. La AIE observa simultáneamente una caída rápida del consumo por tarea y un crecimiento de usos intensivos y demanda total.

Compara con la misma función

No compares un modelo pequeño que falla con uno mayor que cumple el objetivo. Fija primero calidad, seguridad, latencia y accesibilidad mínimas; después compara recursos. También mide repeticiones y revisión humana necesarias.

No optimices carbono a costa del agua

Mover trabajo a una región con electricidad baja en carbono puede aumentar estrés hídrico o presión local. Evalúa localización, refrigeración, estación y cuenca. Consulta la guía sobre consumo de agua de la IA.

Compra y renovación de hardware

Un equipo nuevo puede usar menos energía y aun aumentar la huella total por fabricación. Compara mantener, reutilizar, alquilar, compartir y renovar con vida útil y utilización realistas.

6. Cómo evaluar personas y sociedad

Participación de personas afectadas

Involucra a quienes recibirán decisiones, operadores, representación laboral, accesibilidad, privacidad y expertos del dominio. La consulta no debe llegar después de seleccionar la solución.

Distribución de beneficios y daños

Un promedio puede ocultar que un grupo soporta errores, vigilancia, extracción de recursos o pérdida de acceso mientras otro recibe el beneficio. Segmenta resultados y evita proxies que reproduzcan desigualdad.

Trabajo visible e invisible

Documenta quién etiqueta, modera, revisa y corrige. Evalúa condiciones, carga psicológica, remuneración, desplazamiento de tareas y formación. Automatizar una función puede crear trabajo precario en otra parte de la cadena.

Accesibilidad y alternativa humana

Prueba lengua, discapacidad, alfabetización y conectividad. Define un canal alternativo y un recurso con plazos. La eficiencia no justifica excluir a quien no puede usar la interfaz.

7. Gobernanza, seguridad y control

La norma ISO/IEC 42001 propone un sistema de gestión de IA con mejora continua. No certifica por sí sola que un producto sea sostenible, pero su ciclo planificar–hacer–verificar–actuar ayuda a mantener responsables y controles.

Expediente mínimo

1. finalidad, alcance y propietario;
2. alternativas consideradas y justificación de IA;
3. datos, procedencia, permisos y límites;
4. modelo, versión, proveedor e infraestructura;
5. evaluaciones de ambiente, derechos y seguridad;
6. métricas de calidad, energía y volumen;
7. supervisión, recurso e incidentes;
8. contrato, exportación, continuidad y salida;
9. cambios, revisiones y decisión de retirada.

Controles de cambio

Reevalúa cuando cambie la finalidad, población, modalidad, modelo, datos, región, proveedor, automatización o escala. Una actualización silenciosa puede invalidar rendimiento y huella.

Presupuesto de sostenibilidad

Define límites absolutos de energía, carbono, agua y coste junto a calidad y riesgo. Una alerta debe poder detener una versión, no limitarse a un panel informativo. El playbook de Green AI detalla cómo integrar estos controles en desarrollo y MLOps.

8. Tres ejemplos de aplicación

Chatbot interno de preguntas frecuentes

Una empresa propone un modelo grande para responder políticas internas. La alternativa es búsqueda mejorada y contenido estructurado. Si esta resuelve la mayoría de consultas con menos coste y riesgo, el modelo generativo no supera proporcionalidad. Una arquitectura híbrida que escala solo preguntas complejas puede mejorar la matriz.

Optimización de rutas

El modelo reduce kilómetros por pedido, pero aumenta entregas urgentes. La puntuación ambiental debe usar combustible total, carga, entregas fallidas y volumen; la social debe incluir ritmos y seguridad laboral. Si el total crece, la intensidad favorable no basta.

Detección de fugas

El sistema identifica posibles fugas de metano. El beneficio requiere confirmación, reparación y medición del flujo evitado. Alertas sin acción son capacidad técnica, no mitigación. El proyecto puede puntuar alto si conserva cobertura, falsos negativos, trazabilidad y huella de sensores.

9. Implantación en una organización

Semana 1: inventario y selección

Registra sistemas existentes y propuestos, finalidad, propietario, población, proveedor y gasto. Prioriza alto impacto y alto volumen, no solo proyectos visibles.

Semanas 2–3: evaluación cruzada

Reúne dominio, sostenibilidad, datos, seguridad, legal, compras y personas afectadas. Cada área puntúa con evidencia. Las diferencias indican trabajo pendiente.

Semanas 4–8: piloto

Fija referencia, criterios de éxito y veto antes de ejecutar. Mide calidad, energía, volumen, adopción, incidentes y resultado funcional. Compara una alternativa sin IA.

Semana 9: decisión

Aprobar, rediseñar, limitar o retirar. Documenta quién decide y por qué. El despliegue debe ser gradual, reversible y sujeto a presupuesto.

Revisión continua

Revisa trimestralmente sistemas materiales y tras cada cambio. Publica internamente totales, no solo porcentajes de eficiencia. Conserva una fecha de caducidad de la evaluación.

10. Cómo comunicar el resultado

Evita «nuestra IA es sostenible» como afirmación absoluta. Especifica:

• sistema, versión, finalidad y periodo;
• alternativa comparada y unidad funcional;
• perímetro ambiental y factores;
• indicadores sociales y de gobernanza;
• puntuación por dimensión, vetos y vacíos;
• resultado observado, incertidumbre y siguiente revisión.

Una formulación más honesta sería: «En el piloto de enero a marzo, el sistema A mantuvo el nivel de servicio y redujo un 12–18 % la electricidad frente al control B; la cifra incluye inferencia, no fabricación, y será revisada al duplicar volumen».

Las compensaciones o contratos eléctricos no convierten automáticamente un sistema en «cero». Comunica inventario bruto, instrumentos y reducciones por separado.

11. Preguntas frecuentes

¿Un modelo pequeño siempre es más sostenible?

No. Puede necesitar más repeticiones o no cumplir calidad. Compara energía por resultado válido, volumen, hardware y efectos sociales.

¿La nube es mejor que ejecutar localmente?

Depende de utilización, equipo, región, disponibilidad, datos y vida útil. La nube puede compartir capacidad; local puede reutilizar hardware y evitar transferencias. Mide escenarios equivalentes.

¿Usar renovables basta?

No. Quedan fabricación, agua, volumen, impactos sociales y diferencia entre contabilidad contractual y red física.

¿Una IA para el clima es sostenible?

La finalidad no garantiza el resultado. Debe demostrar cambio físico neto, descontar su huella y evitar rebote y doble conteo. Consulta la guía para evaluar proyectos de reducción.

¿Puedo sumar las doce preguntas y decidir automáticamente?

No. La matriz estructura deliberación. Los vetos, obligaciones legales y contexto pueden impedir un despliegue con puntuación alta.

¿ISO/IEC 42001 certifica sostenibilidad ambiental?

No. Es un estándar de sistema de gestión de IA. Puede ordenar responsabilidades y mejora continua, pero la evidencia ambiental requiere métricas y métodos específicos.

¿El AI Act define qué IA es sostenible?

No ofrece una etiqueta general de sostenibilidad. Establece obligaciones por roles y riesgos y, para proveedores de modelos de propósito general, documentación técnica que puede incluir cómputo o energía de entrenamiento. No sustituye un análisis ambiental o social completo.

¿Cada cuánto debe repetirse la evaluación?

Como mínimo en el ciclo interno definido y siempre que cambien finalidad, modelo, datos, proveedor, región, automatización o escala.

Fuentes y criterio editorial

Matriz revisada el 28 de julio de 2026. Integra la Recomendación de la UNESCO sobre ética de la IA, los Principios de IA de la OCDE, ISO/IEC 42001, la AIE y nuestras metodologías especializadas de ciclo de vida, Green AI y evaluación de emisiones. La puntuación es una herramienta editorial de decisión, no una certificación ni un sustituto de obligaciones legales.