Ruta de 30 días para usar la IA de forma más sostenible

1: Diagnóstico y compromiso

Objetivo: Conocer qué IA se usa en la organización, quién la usa y para qué, y acordar un punto de partida compartido y realista antes de cambiar nada.

1. 1. Reúne a un pequeño grupo de dirección y de trabajo y plantea el objetivo: usar IA con un impacto ambiental razonable. Acordad quién coordinará la iniciativa, cuánto tiempo semanal dedicará y qué decisiones podrá tomar sin consultar al resto.
2. 2. Haz un inventario de herramientas de IA en uso: asistentes, funciones integradas en programas, automatizaciones y servicios contratados. Anota departamento, número aproximado de personas usuarias, proveedor y para qué se emplean. Incluye también las que se usan sin autorización formal.
3. 3. Pregunta a cada equipo qué tareas hace con IA y cuántas veces por semana. Una encuesta de cinco preguntas basta. Pide ejemplos concretos y detecta usos repetitivos o de poco valor. No juzgues: el objetivo es entender, no señalar a nadie.
4. 4. Revisa los contratos y condiciones de cada proveedor y localiza qué información ofrece sobre región de la nube, energía, agua y hardware. Anota lo que falta. Prepara una lista de preguntas por escrito para enviarles durante la semana siguiente.
5. 5. Define la línea base: número de peticiones o licencias, modelos usados, tareas automatizadas y coste mensual. Registra también cómo se hacían esas tareas antes de usar IA. Sin este punto de partida, luego no podrás demostrar mejoras reales.
6. 6. Identifica los tres usos de IA con mayor volumen y los tres con mayor valor para la organización. Compáralos en una tabla simple. Los que tengan mucho volumen y poco valor serán candidatos a reducirse, y los de alto valor merecerán optimización cuidadosa.
7. 7. Redacta una página con el diagnóstico: herramientas, usos, datos que faltan y primeras dudas. Compártela con el grupo de trabajo y recoge correcciones. Señala expresamente qué es medido y qué es estimado, para no dar a nadie una falsa sensación de precisión.

2: Reglas de uso y elección de modelos

Objetivo: Convertir el diagnóstico en criterios prácticos: cuándo usar IA, con qué tamaño de modelo y con qué límites, y probar alternativas más ligeras.

1. 8. Escribe una guía breve de uso responsable con tres preguntas previas: ¿necesita esta tarea IA?, ¿qué modelo mínimo basta?, ¿quién revisa el resultado? Incluye también reglas de privacidad. Evita un documento largo que nadie lea; una página es suficiente.
2. 9. Elige dos tareas frecuentes, por ejemplo resumir correos y clasificar consultas. Prepara veinte ejemplos reales sin datos personales para cada una. Serán tu banco de pruebas para comparar modelos de distinto tamaño con criterios objetivos y repetibles.
3. 10. Prueba la primera tarea con un modelo grande y con uno pequeño. Puntúa cada resultado en una escala sencilla de calidad, errores y utilidad. Anota también el tiempo de respuesta. Guarda las puntuaciones en una hoja de cálculo para consultarlas más adelante.
4. 11. Repite la comparación con la segunda tarea. Después revisa los resultados con quien la hace habitualmente, porque notará fallos que una puntuación general oculta. Decide en qué casos el modelo pequeño es suficiente y en cuáles necesitas uno mayor.
5. 12. Establece límites razonables: longitud máxima de respuesta, número de regeneraciones permitidas y uso de plantillas para tareas repetidas. Explica el motivo a los equipos. Un límite entendido se respeta mejor que una norma impuesta sin explicación.
6. 13. Crea una pequeña biblioteca de peticiones y respuestas validadas para consultas frecuentes. Indica quién la mantiene y cada cuánto se revisa. Reutilizar contenido aprobado reduce peticiones repetidas y también mejora la coherencia de lo que se comunica.
7. 14. Haz una sesión de media hora con el grupo para presentar las reglas y los resultados de las pruebas. Recoge objeciones, ajusta lo que no funcione en la práctica y fija una fecha para revisar de nuevo los criterios al final del mes.

3: Proveedores, datos y medición

Objetivo: Exigir transparencia a los proveedores, empezar a medir de forma sencilla y comprobar con datos si los cambios reducen el uso sin perjudicar el trabajo.

1. 15. Envía a cada proveedor el cuestionario preparado: región y tipo de centro de datos, origen de la energía, política de agua, vida útil del hardware y verificaciones externas. Pide respuesta por escrito y fija un plazo razonable de dos semanas.
2. 16. Revisa si algún servicio permite elegir región de ejecución. Compara opciones según la disponibilidad de datos sobre energía y la normativa aplicable, sin dar por buena una cifra sin fuente. Documenta qué región usas y por qué la elegiste.
3. 17. Diseña un panel mínimo con cuatro indicadores: peticiones al mes, modelo usado, tareas automatizadas y coste. Puede ser una hoja compartida. Indica quién la actualiza y cuándo. Es preferible un indicador sencillo y fiable que uno sofisticado y abandonado.
4. 18. Aplica las reglas en un equipo piloto durante una semana. Pídele que anote los problemas: tareas donde el modelo pequeño no bastó, límites incómodos o dudas sobre cuándo usar IA. Estas notas serán más valiosas que cualquier opinión general.
5. 19. Revisa las automatizaciones que llaman a la IA sin intervención humana. Comprueba su frecuencia, su utilidad real y si alguien lee sus resultados. Pausa las que no aporten valor y añade límites de ejecución a las que se mantengan.
6. 20. Evalúa el equipo informático asociado: antigüedad, posibilidad de reparación y destino de los aparatos retirados. Alargar la vida útil y gestionar bien los residuos electrónicos forma parte de una política coherente con el uso de IA, aunque sea menos visible.
7. 21. Compara los indicadores de la semana piloto con la línea base del primer día. Escribe qué cambió, qué no y qué puede deberse al azar. Evita atribuir toda variación a las nuevas reglas; la honestidad en esta lectura protege la credibilidad del proyecto.

4: Consolidación y comunicación honesta

Objetivo: Extender lo que funciona, documentar lo aprendido, comunicar sin greenwashing y dejar establecida una rutina de revisión periódica que sobreviva al primer entusiasmo.

1. 22. Analiza las respuestas de los proveedores. Marca las claras, las vagas y las que faltan. Si alguno no responde o evita datos básicos, regístralo como criterio de decisión para la próxima renovación y comunícaselo con cortesía y por escrito.
2. 23. Decide qué reglas se extienden a toda la organización y cuáles necesitan más pruebas. Prioriza las que tuvieron buen resultado y poco coste de cambio. Acompaña cada decisión de un responsable y una fecha de revisión, para que no quede en una intención.
3. 24. Prepara una formación corta de cuarenta y cinco minutos con casos reales de la organización: cómo elegir modelo, cómo escribir peticiones claras y cuándo no usar IA. Usa ejemplos propios y evita cifras que no puedas respaldar con una fuente fiable.
4. 25. Revisa cualquier texto que la organización publique sobre su uso de IA y su sostenibilidad. Cada afirmación debe indicar qué se mide, en qué periodo y con qué límites. Elimina eslóganes absolutos como «neutral» o «verde» si no puedes demostrarlos.
5. 26. Comprueba la normativa que puede afectarte: protección de datos, obligaciones de transparencia con clientes y, si procede, requisitos de información de sostenibilidad. Anota dudas para consultarlas con una persona asesora. Este paso no sustituye el asesoramiento profesional.
6. 27. Haz balance del mes con el grupo: qué reglas funcionaron, qué usos se redujeron, qué proveedores respondieron y qué sigue sin medirse. Presenta resultados con sus incertidumbres. Reconocer lo que no se sabe refuerza la confianza en el resto.
7. 28. Fija una rutina trimestral: actualizar el inventario, repasar el panel, volver a probar modelos con el banco de pruebas y volver a consultar a proveedores. Calendariza las fechas ahora, asigna responsables y define qué señal activaría una revisión extraordinaria.

Apóyate en las acciones paso a paso, la biblioteca de prompts, las calculadoras y los datos verificados.