En plena ola de destrucción de empleo tecnológico -nada menos que 200.000 puestos a lo largo de 2022-, las empresas parecen tentadas a cambiar su mano de obra humana por la IA. Algo que preocupa especialmente a Recursos Humanos, consciente de que la automatización es tan necesaria como potencialmente peligrosa. No hay más que recordar la reciente apertura del primer McDonalds completamente robótico en EEUU. Sin embargo, cambiar a humanos por IA no solo puede perjudicar al mercado laboral actual, sino que en términos financieros y de sostenibilidad puede suponer un lastre para la empresa.
A priori, cualquier proceso de digitalización puede parecer sostenible y en línea con el objetivo cero emisiones de la mayoría de las empresas. Pero lo cierto es que no siempre lo es. Por ejemplo, tal y como apunta un reciente estudio de Gartner, el consumo de energía por parte de la IA está creciendo a un ritmo incluso más vertiginoso como la propia automatización de procesos. Una de las causas es que los modelos de aprendizaje automático (machine learning) requieren cada vez más centros de datos en la nube para poder capacitarse y ejecutarse.
Un ejemplo de rabiosa actualidad: para entrenar a su famoso ChatGPT, OpenAI utilizó nada menos que 45 terabytes de datos. Para entrenar la versión final de MegatronLM, un modelo de lenguaje natural similar a GPT, pero más pequeño, Nvidia ejecutó una 512 unidades GPU V100 durante nueve días seguidos.
Una sola GPU V100 puede consumir entre 250 y 300 vatios. Si tiramos por lo bajo (250 vatios), entonces 512 GPUs V100 consumen 128 kilovatios (kW). Operar durante nueve días significa que el entrenamiento de MegatronLM consumió 27.648 kilovatios hora (kWh). En comparación, un hogar promedio gasta 10.649 kWh al año, según la Administración de Información de Energía de EEUU. Por lo tanto, entrenar la versión final de MegatronLM consumió casi la misma cantidad de energía que tres hogares en 365 días.
Ante este tipo de consumos desmedidos, muchas empresas se preguntan si merece la pena implementar IA o modelos de aprendizaje automático en sus negocios. Y, por eso mismo, están surgiendo prácticas para reducir significativamente el consumo de energía. Sin embargo, solo se puede conseguir que sea un proceso sostenible si la IA se aplica de manera proactiva y efectiva en tantos procesos, empresas y organizaciones como sea posible. Es decir, operando en red.
Un problema que nació con los servidores
En este contexto, la principal conclusión es que la nube ya no es un lugar etéreo y descomunal en el que almacenar una cantidad de información prácticamente sin límite, sino que empieza tener un coste energético inasumible en la situación de crisis actual. A esto hay que sumar los ya de por sí saturados servidores por el crecimiento exponencial de la información almacenada en internet. Para evitar el coste energético que supone enfriar los servidores, un ejemplo paradigmático es el de Microsoft, que desde 2015 ha adoptado una medida rompedora: lanzarlos al mar.
Y, por supuesto, a esto hay que añadir el coste medioambiental de los servidores. Por ejemplo, ¿sabías que cada email almacenado en tu bandeja de entrada equivale a 10 gramos de CO2? Según Cleanfox -una startup que te permite vaciar tu bandeja de entrada de forma sencilla-, una empresa puede llegar a generar hasta 1.000 millones de CO2 al año simplemente por no limpiar las bandejas de entrada una vez finalizado el año.
Si a todo lo anterior le sumamos el coste energético que supone la IA, la lógica impera: hay que apostar por los humanos, al menos en cuanto a mano de obra. Aunque sea por la factura de la luz.
