EL IMPACTO AMBIENTAL DE LOS LLM

 

EL IMPACTO AMBIENTAL DE LOS LLM

Es noticia de actualidad el impacto ambiental que el uso de los LLM está teniendo, sobre todo en lo que respecta a la huella hídrica. Este entre muchos otros factores permite la proliferación de una nueva cuestión que poner encima de la mesa: ¿Cuál es el impacto ambiental real del uso de la Inteligencia Artificial? ¿Qué se puede hacer para reducirlo? Si bien a estos problemas no se les puede dar aun una respuesta concisa, en esta entrada se tratará de sacar a relucir datos relativos a este tema provenientes de trabajos académicos que probablemente desconocíamos y que no dejarán a nadie indiferente.

La Inteligencia Artificial generativa no consume agua directamente, sin embargo, su existencia depende y está directamente relacionada con este recurso ya que se necesita del mismo para diversas objetivos: enfriar los sistemas en los centros de datos, generar electricidad para los mismos y fabricar los chips o GPU de los que hacen uso los LLM. En ese caso, digamos que es la infraestructura que sostiene a la IA la que necesita recursos hídricos.

Un estudio (basado en simulaciones) de 2025 realizado por los investigadores Jacob Morrison, Clara Na, Jared Fernandez, Tim Dettmers, Emma Strubell y Jesse Dodge para la Carnegie Mellon University demostró que los LLM tienen distinto impacto hídrico dependiendo de la ubicación, así como del sistema de refrigeración que se utilice para sostenerlos. No obstante, esta investigación aporta datos estimados acerca de cuánta agua se necesita para recabar la energía necesaria en este proceso de ejecución de los modelos de lenguaje y señala, mediante el uso de modelos propios, que la huella hídrica es monumental y bastante superior de lo que se reporta en la industria.

En cuanto a números, la investigación ejemplifica estimando que entrenar y desarrollar los modelos de lenguaje que utilizaron equivaldrían a 493 toneladas de CO2, lo mismo que consumen 98 casas estadounidenses a lo largo de un año. Si hablamos de la huella hídrica, los autores de esta investigación tenían a su disposición un centro de datos sin refrigeración evaporativa, es decir, que enfría sin utilizar agua, por lo que el consumo es supuestamente menor, aunque esta afirmación tiene truco, ya que, aunque el edificio no consuma agua, si lo hacen las centrales en las que se generó la electricidad de la que hacen uso. Esta investigación tiene mérito, ya que no se limita a contar el agua que se consumió directamente, sino que reporta también el agua de esas centrales, que se utiliza de manera indirecta. A pesar de hacer uso de este tipo de centro, se estimó que se necesitarían 2 769 000 litros de agua para entrenar y ejecutar a su modelo de lenguaje, lo que equivale a el consumo promedio de agua de una persona estadounidense en 24 años y medio.

Otra de las conclusiones extraídas del estudio que es necesaria destacar tiene que ver con lo poco que se reporta sobre el consumo de energía eléctrica e hídrica en contraposición con lo que realmente se consume. Esto se debe a que la etapa de desarrollo de los modelos de lenguaje no se tiene en cuenta a pesar de constituir aproximadamente el 50% del impacto total, reportándose así únicamente la huella ambiental que deja el entrenamiento final. De la misma forma, tal y como comentábamos anteriormente, el impacto indirecto se deja de lado a la hora de reportar, no se cuenta con la energía que se consume fuera de los centros de datos, a pesar de que esta sea también relevante y forme parte de la huella total.

Estudios como estos no hacen más que demostrar que el problema es incluso mayor de lo que podemos llegar a concebirlo de primeras. Asimismo, se demuestra que no existe una base legislativa sólida aun que sea capaz de abordar el problema de la mejor manera posible. El primer paso que debería darse en este asunto está claro, se necesita una transparencia que no parece llegar nunca. Se necesitan datos reales y comprobables, datos que finalmente consigan que nos llevemos las manos a la cabeza y que se comience a intervenir legislativamente, poniendo un límite en el impacto ambiental irreversible que están dejando las empresas encargadas de crear LLM.

Raquel Fernández Muñoz

BIBLIOGRAFÍA

Morrison, J., Na, C., Fernandez, J., Dettmers, T., Strubell, E., & Dodge, J. (2025). Holistically evaluating the environmental impact of creating language models. Recuperado de: https://arxiv.org/abs/2503.05804