La compañía presentó un estudio inédito sobre el impacto ambiental de la IA. Cada interacción con Gemini genera 0,03 gramos de CO₂, utiliza 0,24 Wh de energía y 0,26 mililitros de agua. Además, Google afirma haber reducido el consumo energético 33 veces en solo un año.
Un análisis pionero del consumo de IA
Google publicó por primera vez una metodología integral para medir el impacto energético, las emisiones y el consumo de agua en sus sistemas de inteligencia artificial. Según el informe, el prompt promedio en Gemini Apps consume 0,24 Wh de energía, emite 0,03 gramos de CO₂ equivalente y utiliza 0,26 mililitros de agua —aproximadamente cinco gotas— por interacción.
“Estos valores son sustancialmente menores que muchas estimaciones públicas”, destacó la compañía. Para ponerlo en perspectiva, ese gasto equivale a mirar televisión durante menos de nueve segundos.
Eficiencia en tiempo récord
Google afirmó que, en los últimos 12 meses, logró avances significativos en sostenibilidad. “La huella energética y de carbono del prompt promedio en Gemini Apps se redujo 33 y 44 veces, respectivamente, mientras mejorábamos la calidad de las respuestas”, señaló la empresa.
Estos resultados se apoyan en mejoras en data centers más eficientes, avances hacia la energía libre de carbono y programas para reponer el agua consumida.
Cómo calcula Google la huella real de IA
La compañía desarrolló un enfoque integral que considera factores ignorados por otras estimaciones:
- Consumo dinámico total del sistema, incluyendo chips en reposo necesarios para garantizar disponibilidad.
- Uso de CPU y RAM, no solo TPUs y GPUs.
- Consumo del data center, que incorpora refrigeración y distribución eléctrica, medido con el índice PUE (Power Usage Effectiveness).
- Consumo de agua para enfriamiento, una variable crítica en la sostenibilidad de centros de datos.
Cuando se usa un cálculo parcial —solo TPUs y GPUs en uso—, el consumo baja a 0,10 Wh, 0,02 gCO₂e y 0,12 ml de agua, pero Google aclara que esto es “un escenario optimista que subestima la huella real”.
Innovación en hardware y software
Los avances de eficiencia provienen de un enfoque de optimización en toda la pila tecnológica:
- Modelos más eficientes: Gemini incorpora arquitecturas como Mixture-of-Experts (MoE), que activan solo partes del modelo necesarias para cada tarea, reduciendo el cómputo hasta 100 veces.
- Algoritmos optimizados: técnicas como Accurate Quantized Training (AQT) permiten reducir consumo sin sacrificar calidad.
- Inferencia inteligente: métodos como speculative decoding y distillation disminuyen la carga sobre modelos grandes.
- Hardware propio: los TPUs Ironwood son 30 veces más eficientes que la primera generación.
- Data centers líderes: Google mantiene un PUE promedio de 1,09, uno de los más bajos de la industria, e impulsa operaciones 24/7 libres de carbono.
¿Por qué importa esta transparencia?
El auge de la IA implica un consumo creciente de recursos. Google afirma que su meta es seguir reduciendo energía, emisiones y agua por prompt, y comparte su metodología para promover “coherencia en el cálculo de la huella de IA en toda la industria”.
“Reconocemos que la demanda de IA está creciendo, por eso invertimos fuertemente en reducir costos energéticos y consumo de agua por interacción”, subrayó la empresa.
Este debate no es menor: según estimaciones globales, la IA podría añadir billones de dólares a la economía, pero su impacto ambiental preocupa a gobiernos, empresas y usuarios. Con datos concretos, Google busca mostrar que es posible escalar IA de forma más eficiente.
