Glosario de IA y sostenibilidad

Acelerador: Chip especializado en cálculos de IA, como una unidad de procesamiento gráfico, capaz de realizar muchas operaciones en paralelo. Los servidores con aceleradores consumen más, y la Agencia Internacional de la Energía prevé que crezcan con rapidez.
Acuerdo de compra de energía: Contrato a largo plazo para comprar electricidad, a menudo de origen renovable, a un generador concreto. Puede financiar nueva generación, pero no garantiza por sí solo que cada consumo coincida en tiempo y lugar con esa energía.
Agricultura de precisión: Gestión de cultivos que ajusta riego, abonado o tratamientos a las necesidades de cada zona usando sensores, imágenes y modelos. Puede reducir insumos, siempre que el ahorro supere el coste de la tecnología.
Ahorro neto: Diferencia entre lo que se ahorra gracias a una solución y lo que gasta la propia solución. En proyectos de IA debe incluir el consumo del modelo, del hardware y de los sensores, no solo el beneficio operativo.
Alcance 1, 2 y 3: Clasificación de emisiones de una organización: el alcance 1 son las emisiones directas, el 2 las de la electricidad comprada y el 3 el resto de la cadena de valor, como proveedores y uso de productos.
Alcance 2: Categoría de emisiones indirectas asociadas a la electricidad que compra una organización. Para un centro de datos suele ser la más relevante, y se calcula con factores de emisión que dependen de cómo se contabilice la energía.
Alcance 3: Emisiones indirectas de la cadena de valor de una organización, como la fabricación de equipos o el uso de servicios contratados. Para quien usa IA en la nube, el consumo del proveedor puede entrar en esta categoría.
Caché: Memoria donde se guardan resultados ya calculados para reutilizarlos sin repetir el trabajo. En IA, almacenar respuestas validadas a preguntas frecuentes reduce peticiones y consumo, siempre que se revise su vigencia.
Caché de respuestas: Almacenamiento de resultados ya obtenidos para reutilizarlos cuando se repite la misma petición, evitando volver a calcularlos.
Carbono incorporado: Emisiones asociadas a fabricar, transportar y desechar un equipo, como un servidor o un chip, y no a su uso diario.
Centro de datos: Instalación que alberga servidores, almacenamiento y redes, con sistemas de alimentación eléctrica y refrigeración, donde se ejecutan los servicios en la nube.
Centro de datos: Instalación física con servidores, almacenamiento, redes, refrigeración y suministro eléctrico donde se ejecutan servicios digitales. Es la base material de la nube y concentra buena parte del consumo energético de la IA.
Ciclo de vida: Conjunto de etapas de un producto o servicio, desde la obtención de materias primas hasta su uso y retirada. Analizarlo evita quedarse solo con la fase más visible, como el entrenamiento de un modelo.
CO2 equivalente (CO2e): Unidad que expresa el efecto de distintos gases de efecto invernadero en términos del efecto del dióxido de carbono.
Código de conducta: Conjunto de compromisos voluntarios que una organización o sector adopta. El artículo 95 del Reglamento de IA fomenta códigos que incluyan la evaluación y minimización del impacto ambiental de los sistemas de IA.
Computación en el borde: Procesamiento de datos cerca de donde se generan, en el propio dispositivo o en equipos locales, en lugar de enviarlos a un centro de datos lejano. Puede reducir transferencias y latencia, aunque exige hardware propio cuyo impacto también cuenta.
CSRD: Directiva europea sobre información corporativa de sostenibilidad. Obliga a determinadas empresas a informar según las normas ESRS, aunque su alcance ha cambiado con el paquete Omnibus, por lo que conviene comprobar la versión vigente.
Cuantización: Técnica que reduce la precisión numérica de un modelo para que ocupe menos memoria y requiera menos cálculo, a costa de una posible pérdida de calidad.
Cuantización: Técnica que reduce la precisión numérica con la que un modelo guarda sus valores para que ocupe menos memoria y se ejecute más rápido. Suele ahorrar recursos con una pérdida de calidad pequeña, que conviene comprobar.
Destilación: Técnica en la que un modelo pequeño aprende a imitar a otro mayor para ofrecer resultados parecidos con menos recursos.
Destilación: Técnica en la que un modelo pequeño aprende a imitar a uno grande. Permite desplegar versiones más ligeras y baratas de ejecutar, con una pérdida de calidad que depende de la tarea y debe evaluarse.
Economía circular: Enfoque que busca alargar la vida de productos y materiales mediante reutilización, reparación y reciclaje. Aplicado a la IA incluye prolongar la vida de servidores y dispositivos y recuperar los materiales al final de su uso.
Efecto rebote: Fenómeno por el que una mejora de eficiencia reduce el coste de usar algo y, como consecuencia, aumenta su uso, anulando parte o todo el ahorro previsto.
Efecto rebote: Aumento del uso de un servicio que se produce porque es más barato o eficiente, y que reduce o anula el ahorro esperado. Es un riesgo habitual cuando se automatizan tareas sin fijar límites.
Eficiencia energética: Capacidad de obtener el mismo resultado con menos energía.
Eficiencia energética: Capacidad de lograr un mismo resultado con menos energía. En IA se consigue con mejor hardware, software optimizado o modelos más pequeños, aunque no garantiza un consumo total menor si el uso aumenta.
Entrenamiento: Fase en la que un modelo aprende a partir de grandes cantidades de datos ajustando sus parámetros. Suele requerir mucha potencia de cálculo concentrada en un periodo.
Entrenamiento: Proceso en el que un modelo ajusta sus parámetros a partir de grandes cantidades de datos. Requiere mucha computación concentrada en un periodo, normalmente en centros de datos con aceleradores especializados, y se hace una vez por versión.
ESRS: Normas europeas de información sobre sostenibilidad que desarrollan los contenidos de la CSRD. Se publicaron en el Diario Oficial el 22 de diciembre de 2023 y han sido objeto de modificaciones posteriores.
Estrés hídrico: Situación en la que la demanda de agua supera la disponible o su calidad es insuficiente. Es un criterio clave para decidir dónde ubicar un centro de datos y para valorar el impacto local de su refrigeración.
Factor de emisión: Cantidad de emisiones por unidad de actividad; para la electricidad se expresa como gramos de CO2e por kilovatio-hora y depende de cómo se genere.
Factor de emisión: Valor que convierte una unidad de actividad, como un kilovatio hora, en emisiones de gases de efecto invernadero. Debe citarse con su fuente y su periodo, porque varía cada año y según la red eléctrica.
Garantía de origen: Certificado que acredita que una cantidad de electricidad se ha generado a partir de fuentes renovables o de cogeneración de alta eficiencia.
Garantía de origen: Certificado que acredita que una cantidad de electricidad se ha generado con una fuente determinada, como la renovable. Su valor ambiental depende de las reglas del sistema y de si se corresponde con consumo real.
Gemelo digital: Réplica virtual de un objeto, edificio o sistema que se actualiza con datos reales y permite simular cambios. Se usa en ciudades, industria y redes, y su utilidad depende de la calidad de los datos y de su coste de operación.
Greenwashing: Presentación engañosa o infundada de una actividad, producto u organización como respetuosos con el medio ambiente.
Greenwashing: Práctica de presentar un producto o una empresa como más sostenible de lo que es mediante afirmaciones vagas, sin datos o engañosas. Se combate pidiendo método, perímetro, periodo y verificación de cada afirmación ambiental.
Huella de carbono: Cantidad de gases de efecto invernadero asociada a una actividad, producto u organización, expresada normalmente en CO2 equivalente.
Huella de carbono: Cantidad de gases de efecto invernadero asociada a una actividad, expresada normalmente en toneladas de CO2 equivalente. Su cálculo exige definir el perímetro, el periodo y el método, y cambia mucho según los supuestos.
Huella hídrica: Volumen de agua utilizado, directa o indirectamente, por una actividad, producto u organización.
IA frugal: Enfoque que busca resolver cada problema con los recursos mínimos necesarios, eligiendo modelos pequeños, menos datos y menos computación. Prioriza la suficiencia frente a la búsqueda automática del modelo más grande.
IA generativa: Sistemas que generan contenido nuevo, como texto, imágenes, audio o código, a partir de instrucciones.
Inferencia: Fase de uso del modelo ya entrenado: cada vez que se le hace una consulta y genera una respuesta. Aunque cada consulta es pequeña, la suma de millones de usos es relevante.
Inferencia: Fase en la que un modelo ya entrenado recibe una petición y produce una respuesta. Ocurre cada vez que se usa el sistema, por lo que su coste unitario pequeño se multiplica por el número total de usos.
Inteligencia artificial: Conjunto de técnicas que permiten a un sistema informático realizar tareas que normalmente requieren inteligencia humana, como entender lenguaje, reconocer imágenes o hacer predicciones.
Intensidad de carbono: Emisiones por unidad de energía producida o consumida. La electricidad de un sistema con más renovables tiene menor intensidad que la de uno con más combustibles fósiles.
Línea base: Medición de partida con la que se comparan los cambios posteriores. Sin una línea base del consumo o del proceso original, no se puede afirmar con rigor que una mejora con IA haya ahorrado recursos.
Mantenimiento predictivo: Uso de datos y modelos para anticipar averías de máquinas y programar intervenciones. Puede evitar paradas y desperdicio de piezas, aunque requiere sensores y cómputo cuyo coste debe contarse en el balance.
Mix eléctrico: Combinación de fuentes (renovables, nuclear, gas, carbón…) con las que se genera la electricidad de un país o región en un periodo dado.
Mix eléctrico: Composición de las fuentes con que se genera la electricidad de un territorio, como renovables, nuclear o gas. Determina cuántas emisiones produce una misma carga de computación según dónde y cuándo se ejecute.
Modelo de lenguaje: Sistema entrenado con grandes cantidades de texto que predice y genera lenguaje; es la base de los asistentes conversacionales.
Modelo de lenguaje: Sistema de IA entrenado para predecir y generar texto a partir de patrones aprendidos. Su tamaño, medido en parámetros, influye en la capacidad y también en la energía necesaria para ejecutarlo.
Modelo de uso general: Modelo de IA entrenado con grandes volúmenes de datos, capaz de realizar muy diversas tareas y de integrarse en muchos sistemas. El Reglamento de IA fija obligaciones específicas para sus proveedores, incluida la documentación del consumo energético.
Modelo pequeño o especializado: Modelo de menor tamaño, diseñado para una tarea concreta, que suele requerir menos cálculo que uno de propósito general.
Nube: Modelo de servicio en el que se usan recursos informáticos remotos a través de internet. Aunque se perciba como inmaterial, funciona sobre centros de datos reales con consumo eléctrico, agua, hardware y residuos.
Parámetros: Valores internos que un modelo ajusta durante el entrenamiento y que determinan su comportamiento. Un mayor número de parámetros suele exigir más memoria y computación, aunque más parámetros no siempre significan mejor resultado.
PUE: Eficiencia de uso de la energía (Power Usage Effectiveness): cociente entre la energía total que consume un centro de datos y la que llega a los equipos informáticos. Cuanto más cerca de 1, menos energía se destina a refrigeración y otros servicios auxiliares.
PUE: Indicador de eficiencia de un centro de datos que relaciona la energía total de la instalación con la que usan los equipos informáticos. Ayuda a comparar, pero no recoge por sí solo el agua ni la procedencia de la energía.
Refrigeración: Conjunto de sistemas que evacúan el calor generado por los servidores. Puede usar aire, agua u otros métodos, y supone una parte relevante de la energía y, en algunos diseños, del agua que gasta un centro de datos.
Reglamento de IA: Reglamento europeo que establece normas armonizadas sobre inteligencia artificial según el nivel de riesgo.
Reglamento de IA: Reglamento (UE) 2024/1689, que establece normas armonizadas sobre inteligencia artificial en la Unión Europea. Incluye obligaciones de documentación para modelos de uso general, entre ellas la relativa al consumo energético.
Residuo electrónico: Aparato eléctrico o electrónico desechado, incluidos servidores y dispositivos. Contiene materiales valiosos y sustancias peligrosas, y su recogida y reciclaje formal es todavía muy inferior a su generación a escala mundial.
Sobriedad digital: Principio de usar la tecnología solo cuando aporta valor suficiente, alargar la vida de los equipos y evitar consumos superfluos. Complementa la eficiencia, porque atiende al volumen total de uso y no solo al coste unitario.
Token: Fragmento de texto, a menudo una parte de una palabra, que el modelo procesa; la cantidad de tokens influye en el cálculo necesario para responder.
TWh: Teravatio hora, unidad de energía equivalente a mil millones de kilovatios hora. Se emplea para hablar del consumo eléctrico de países, sectores o del conjunto de centros de datos a escala mundial.
Vatio-hora (Wh) y kilovatio-hora (kWh): Unidades de energía. Un kilovatio-hora equivale a mil vatios-hora y es la unidad habitual de la factura eléctrica.
WUE: Eficiencia en el uso del agua (Water Usage Effectiveness): relaciona el agua consumida por un centro de datos con la energía de sus equipos informáticos.