El filósofo digital Bernard Stiegler habló de Internet como un Pharmakon, tanto de veneno como remedio. Un concepto que debe aplicarse hoy a la IA y su impacto en el medio ambiente, como lo demuestra un informe reciente de la firma de investigación de Forrester. Detrás de un título optimista "cómo la IA acelera la revolución del mercado verde", este último apunta tanto a la explosión de la imprenta ambiental de la IA con la llegada del Genai, el enfoque en los casos de uso empresarial, mientras que la tecnología también es una herramienta ideal para frenar el entorno del entorno y la necesidad de que las organizaciones se lleven conscientes a la situación e implementen los medios de remediar los medios para remedios.

Es la explotación de los centros de datos necesarios para la capacitación y explotación de los modelos que están involucrados. "Su estrategia en la nube ahora es también su estrategia de IA", recuerda el informe. El uso creciente por parte de los empleados o clientes de capacidades de AI y Genai basadas en la nube genera emisiones de CO2 en hiperscalers y proveedores de nubes. "Hemos visto los primeros efectos de esta situación con los alarmantes informes ambientales de Microsoft, Google y más recientemente Meta. Este último consumió casi 15 millones de MWh en 2023, un aumento anual del 34% y 3,881,000 metros cúbicos de agua, aumentando un 7% en un año. Según la Agencia Internacional de Energía, "la demanda global de electricidad de los centros de datos, dopada por el crecimiento de la IA, debería duplicarse entre 2022 y 2026 hasta el punto de casi igual a la de Alemania".

Emisiones de GEI, energía, agua, materias primas, un récord pesado

Pero la huella ambiental no se limita al consumo de energía y a la huella de carbono inducida. Los centros de datos cada vez más masivos, esenciales para la ejecución de soluciones de IA, cantidades gigantescas de agua para su enfriamiento y los materiales que usan utilizan recursos raros o complejos para reciclar como litio, cobre, cobalto o níquel. El informe de Forrester establece que "para 2027, el aumento de la demanda de IA podría conducir a la gravamen de 4.2 a 6.6 mil millones de m3 de agua, es decir, casi la mitad del consumo anual del Reino Unido".

Si siempre ha tenido un gran impacto en el medio ambiente, la explosión generativa de IA cambia la situación. Más bien para lo peor. Algunas ciudades del mundo ya han preferido priorizar el acceso de los residentes al agua y privar a sus centros de datos, en regiones en alto estrés hídrico como España, pero también en Londres durante el fuerte calor del verano 2023.

La Genai, Asistente de RSE Reporting and CSRD

El hecho es que, como este en general, como Internet, la IA es un activo importante para estudiar los fenómenos del cambio climático y desarrollar soluciones potenciales. Más bien, es más bien el aprendizaje automático y el aprendizaje profundo que tienen tal capacidad. El primero, en particular a través de las computadoras, ayuda a "predecir desastres ambientales (inundaciones, incendios, nota del editor) y asignar mejor recursos". El segundo "Optimiza las cadenas de suministro y mejora las predicciones meteorológicas".

El Genai está menos involucrado directamente. Pero puede ayudar a verificar las predicciones realizadas con el aprendizaje automático explorando el conocimiento disponible sobre el tema. Aquí es donde reside la ventaja más interesante del Genai en términos de temas ambientales: la recolección y la síntesis de documentos de investigación, o declaraciones, sobre ciertos fenómenos. También se puede utilizar para automatizar la recuperación de información para los informes de ESG, la taxonomía europea o la CSRD.

Un arma de doble filo

Sin embargo, hoy, no son estos usos los privilegiados. Para Stéphane Roder, la fundación del CEO de AI Builders, citado en el informe de Forrester, "la realidad económica, es que la IA se centra en optimizar los aspectos comerciales y financieros en el 99.9% de los casos, y en temas ambientales, en solo el 0.1% de los casos". Peor: como señala Forrester, "será una espada de doble filo en industrias como el petróleo y el gas. [...] La plataforma Corva AI encuentra los mejores puntos de perforación de petróleo en los Estados Unidos. Nabors Industries, Halliburton y Baker Hughes agregan IA a sus soluciones de software para aumentar la productividad y la eficiencia de toda la industria petrolera. "Las empresas usarán la IA para extraer combustibles fósiles de manera más efectiva, lo que podría" desalentar las inversiones en fuentes de energía alternativas ".

¿Cómo, entonces, resolver el dilema planteado por este nuevo Pharmakon? Forrester se preguntó sobre el camino a seguir y ofrece algunas respuestas. Para comenzar, es posible optar por tecnologías más selectivas y menos gourmet, como SLM (modelos de lenguaje pequeño) o la IA Edge, ejecutada en teléfonos inteligentes o PC con chips neuronales más económicos. Soluciones que las empresas tienen que ver más de cerca.

Pero, más allá de las únicas opciones tecnológicas, es esencial que las organizaciones “expliquen y capaciten en el impacto ambiental de la IA, especifican a Thomas Husson, vicepresidente y analista principal de Forrester Research. Y las empresas también deben priorizar los casos de uso y no tratar de resolver todo con ella. etc. En la agricultura, también puede ayudar a reducir los costos al tiempo que reduce la explotación de los recursos naturales.

Mida la impresión verde de la IA corporativa

"Pero para priorizar los casos de uso en general, debe medir", continúa Thomas Husson. Un enfoque que puede ser complejo con actores de IA rara vez seguidores de transparencia, aunque solo sea sobre el funcionamiento de sus modelos y sus algoritmos. "La medida ciertamente requiere recursos, pero las herramientas ya le permiten llegar están por estándar", agrega Thomas Husson. En ausencia de una medida contable, hay medios para estimar los volúmenes de los usuarios, por ejemplo. "Cuestionado en el informe de Forrester, Sylvain Duranton, director global de BCG X, la entidad de diseño de soluciones digitales de la firma de consultoría, recuerda que" solo el 10% de las empresas medirían con precisión sus ámbitos 1, 2 y 3, pero aquellos que usan AI tienen más probabilidades de medir sus emisiones de GHG con más detalles ". El bucle está (casi) curioso.