Formular instrucciones precisas, agrupar consultas y priorizar texto frente a imágenes son algunas prácticas para reducir el procesamiento asociado a la IA.
Imagen creada con Inteligencia Artificial
Cada interacción con una herramienta de inteligencia artificial requiere procesamiento en centros de datos que utilizan energía y agua. Ante la expansión de estas tecnologías, una guía publicada por BBVA reúne recomendaciones de la lingüista computacional Carmen Torrijos, experta en IA aplicada al lenguaje de la Universidad Carlos III de Madrid, para reducir usos innecesarios.
La publicación de Diario Responsable, fechada el 24 de septiembre de 2026, plantea que una primera consideración antes de recurrir a estas herramientas es determinar si la tarea realmente necesita inteligencia artificial. Según Torrijos, la recomendación es reservarla para aquellas actividades que no puedan resolverse adecuadamente mediante alternativas más sostenibles.
Una de las recomendaciones consiste en preparar mejor cada petición. Definir desde el comienzo el objetivo, el contexto, el formato y los requisitos puede evitar correcciones sucesivas y nuevas interacciones para completar una tarea.
La guía también propone agrupar preguntas relacionadas dentro de una misma conversación, una práctica denominada batching. La explicación entregada es que los modelos de lenguaje vuelven a procesar la información de la conversación ante cada nueva petición, por lo que reducir interacciones duplicadas puede disminuir el procesamiento realizado por los servidores.
Otro de los consejos apunta a evitar mensajes que no aportan información necesaria para resolver una tarea. La publicación menciona como ejemplos expresiones como “hola”, “gracias por el trabajo” o solicitudes para confirmar que una tarea terminó, ya que estas interacciones vuelven a activar el procesamiento.
La guía plantea que generar texto también requiere energía, pero la creación de imágenes, audio y video necesita una capacidad computacional considerablemente superior. Por ello, recomienda evaluar si una explicación escrita puede cumplir la misma función antes de solicitar contenido visual o audiovisual.
También recomienda aprovechar información obtenida anteriormente. Si una respuesta, planificación o conjunto de datos ya fue generado en una conversación, revisar el historial antes de volver a solicitarlo puede evitar procesamiento adicional.
Carmen Torrijos plantea que es necesario diferenciar entre plataforma y modelo. Una misma plataforma puede ofrecer distintos modelos y, según la especialista citada por BBVA, los modelos más pequeños pueden tener un menor impacto que aquellos de mayores dimensiones.
En las cuentas de pago que permiten seleccionar el modelo, la recomendación recogida por BBVA es utilizar sistemas más pequeños para preguntas rápidas y reservar modelos de mayor capacidad para tareas complejas, como aquellas que requieren procesar archivos. En cuentas gratuitas, la propia plataforma suele asignar el modelo que considera apropiado para cada tarea.
Los tokens no permiten calcular directamente el consumo energético
Los tokens pueden servir como una aproximación del trabajo computacional realizado por un modelo, pero no constituyen una medida directa del consumo energético.
Según Torrijos, ese consumo depende también de factores como el hardware utilizado —por ejemplo, GPU o TPU—, la optimización del modelo, la manera en que se agrupan y procesan las solicitudes y la eficiencia energética del centro de datos. Por ello, no existe una equivalencia fija entre una determinada cantidad de tokens y un consumo concreto de energía.
La especialista añade que tampoco existe acceso público a información detallada sobre el gasto energético real de las grandes compañías tecnológicas.
La guía identifica actividades sencillas que pueden realizarse mediante herramientas convencionales. Entre ellas están ordenar alfabéticamente una lista, realizar operaciones matemáticas y corregir la ortografía de un texto breve, utilizando, por ejemplo, hojas de cálculo o procesadores de texto.
También recomienda recurrir directamente a buscadores o páginas web oficiales para consultar fechas históricas, horarios de establecimientos o previsiones meteorológicas, en lugar de utilizar un chatbot para acceder a información que puede encontrarse mediante esas herramientas.
Otra situación corresponde a la búsqueda de una palabra o cifra dentro de un documento extenso. Si el programa utilizado cuenta con una función específica para localizar texto, como ocurre con Word o Google Docs, recurrir a un modelo generativo para esa tarea puede evitarse.
La misma recomendación se extiende a decisiones simples y mecánicas, como organizar una lista diaria sencilla o redactar pequeños recordatorios internos.
La publicación también aborda los modelos de código abierto que pueden ejecutarse localmente, es decir, en el propio computador. Torrijos considera que esta modalidad presenta ventajas en sostenibilidad, consumo energético y privacidad, debido a que los datos no necesitan viajar hasta servidores de grandes compañías tecnológicas.
La alternativa, sin embargo, requiere mayores conocimientos, investigación previa y competencias digitales y técnicas para su instalación y utilización. Los servicios comerciales disponibles a través de internet están diseñados para simplificar ese acceso.
La guía plantea así que el uso sostenible de la inteligencia artificial también pasa por determinar cuándo realmente se necesita, formular instrucciones completas, concentrar consultas relacionadas, evitar interacciones innecesarias y escoger el formato adecuado para cada tarea.
