4 Mecanismos de gobernanza IT para impulsar la sostenibilidad de la IA

1. Evaluación de impacto ambiental en proyectos IA

• Evaluación ambiental a lo largo del ciclo de vida

Incorporar, desde la fase de diseño, un análisis del impacto ambiental del proyecto de IA considerando entrenamiento, pruebas, despliegue y operación. En la práctica, esto implica estimar el consumo energético del entrenamiento de modelos, el uso de infraestructura en producción (horas de cómputo, tipo de hardware) y el impacto del almacenamiento y transferencia de datos. Por ejemplo, comparar el impacto de entrenar un modelo propio frente al uso de un modelo preentrenado o de un servicio gestionado.

• Informe ambiental previo al despliegue (“informe verde”)

Exigir un informe ambiental como condición previa a la aprobación del proyecto, equivalente a una evaluación de riesgos legales o éticos. Este informe debe incluir estimaciones de consumo energético anual, emisiones asociadas y medidas de mitigación previstas (optimización de modelos, uso de infraestructura eficiente o limitación de frecuencia de reentrenamiento). Su impacto directo es permitir descartar o rediseñar casos de uso con bajo valor y alto coste ambiental antes de su despliegue.

2. Políticas de eficiencia energética

• Requisitos mínimos para infraestructuras y proveedores

Definir criterios obligatorios para el uso de centros de datos y proveedores cloud, priorizando aquellos con certificaciones reconocidas (por ejemplo, ISO 50001 o compromisos verificables de descarbonización). En la práctica, esto se traduce en listas de proveedores preferentes y en la exclusión de entornos que no permitan trazabilidad del consumo energético asociado a los servicios de IA.

• Uso preferente de técnicas de Green AI

Establecer como norma el uso de modelos optimizados y técnicas de eficiencia, como modelos más ligeros, transferencia de aprendizaje, pruning o cuantización, salvo justificación explícita. Por ejemplo, requerir que un modelo en producción demuestre que no existe una alternativa más eficiente con un rendimiento comparable. El impacto es una reducción directa del consumo energético y de los costes operativos.

3. Gestión responsable del ciclo de vida tecnológico

• Adquisición de hardware sostenible

Definir políticas de compra que prioricen fabricantes con criterios ESG, equipos con mayor vida útil y capacidad de reutilización. En la práctica, esto implica evitar hardware sobredimensionado para cargas temporales y preferir soluciones modulares o compartidas.

• Reutilización y fin de vida del equipamiento

Establecer planes claros para la reutilización interna de equipos, su reacondicionamiento o reciclaje certificado. Por ejemplo, reutilizar servidores de entrenamiento intensivo para entornos de desarrollo o pruebas, y garantizar la correcta gestión de residuos electrónicos. El impacto es la reducción de residuos y del consumo de nuevos recursos materiales.

4. Integración en la estructura de gobernanza

• Sostenibilidad como criterio de decisión

Incorporar explícitamente la sostenibilidad como criterio en el Comité de Gobernanza de IA, junto con coste, riesgo y valor de negocio. Esto permite priorizar casos de uso no solo por su rentabilidad, sino también por su impacto ambiental.

• Responsabilidad clara

Asignar un responsable de sostenibilidad tecnológica o integrar formalmente al área de RSC/ESG en las decisiones del comité. En la práctica, esta figura valida los informes ambientales y propone medidas de mitigación.

• Indicadores ambientales en cuadros de mando

Definir métricas claras, como consumo energético por modelo en producción, emisiones estimadas por caso de uso o eficiencia por transacción. Estos indicadores permiten hacer seguimiento continuo y tomar decisiones basadas en datos, no en percepciones.

5. Gestión de terceros proveedores

• Exigencia de transparencia ambiental

Requerir a proveedores de IA y cloud información sobre consumo energético, uso de energías renovables y huella de carbono asociada a los servicios contratados. En la práctica, esto facilita comparar proveedores no solo por precio y rendimiento, sino también por impacto ambiental.

• Cláusulas ambientales en contratos

Incorporar cláusulas específicas que obliguen al uso de energía renovable, a la mejora progresiva de la eficiencia energética y a la entrega periódica de reportes ambientales. El impacto es trasladar los objetivos de sostenibilidad a toda la cadena de valor tecnológica.

• Reducción del impacto ambiental de la infraestructura tecnológica.
• Alineación con regulaciones emergentes (EU AI Act, CSRD, Taxonomía UE).
• Mejora de la reputación corporativa frente a clientes, inversores y reguladores.
• Optimización de costes por mayor eficiencia energética y prolongación del ciclo de vida de equipos.
• Generación de confianza en el uso de IA como herramienta responsable y sostenible.

Para evitar que la sostenibilidad se limite a un marco declarativo, las organizaciones deben integrarla en los procesos habituales de gestión IT y de IA. A continuación, se propone un enfoque práctico y progresivo en cinco pasos, alineado con la operativa real de las empresas.

1. Diagnóstico inicial
2. Definición de políticas internas verdes
3. Creación de un marco de gobernanza sostenible
4. Integración en el ciclo de vida de proyectos IA
5. Medición, reporte y mejora continua

• Inventario ambiental del ecosistema IT e IA

Realizar un inventario de los sistemas IT y de IA existentes, incluyendo infraestructuras on-premise, servicios cloud, modelos en producción y equipamiento asociado. Este inventario debe incorporar métricas básicas como consumo energético estimado, tipo de hardware utilizado, frecuencia de uso y estado del ciclo de vida de los equipos. Por ejemplo, identificar modelos de IA que se reentrenan con alta frecuencia sin un beneficio claro o infraestructuras infrautilizadas pero con alto consumo energético.

• Identificación de riesgos ambientales en la cadena de suministro

Analizar el perfil ambiental de proveedores y partners tecnológicos, evaluando su dependencia de energía no renovable, la falta de transparencia en el reporting ambiental o el uso de hardware con baja durabilidad. El impacto de este análisis es detectar dependencias críticas que puedan comprometer los objetivos ESG de la organización.

• Integración de criterios ambientales en políticas IT

Actualizar las políticas internas de adquisición de hardware, contratación de servicios cloud y desarrollo de soluciones de IA para incluir criterios de sostenibilidad como eficiencia energética, vida útil del equipamiento o uso de infraestructuras compartidas. En la práctica, esto implica que una decisión de compra o contratación no se base únicamente en coste y rendimiento, sino también en impacto ambiental.

• Definición de objetivos medibles y alcanzables

Establecer objetivos cuantificables vinculados a la operación IT, como la reducción del consumo energético del parque tecnológico, la disminución de emisiones asociadas a servicios cloud o el incremento del uso de modelos optimizados. Por ejemplo, fijar una reducción del 20 % del consumo energético IT en un horizonte de tres años permite orientar las decisiones técnicas y presupuestarias hacia ese objetivo.

• Sostenibilidad como criterio formal de decisión

Incorporar la sostenibilidad como criterio explícito en los procesos de decisión del Comité de Gobernanza de IA y de IT, al mismo nivel que el coste, el riesgo o el valor de negocio. Esto asegura que los impactos ambientales se evalúan de forma sistemática y no como una consideración secundaria.

• Asignación clara de responsabilidades

Designar un responsable ESG dentro del comité o una figura específica (por ejemplo, un “Chief Green IT Officer”) encargada de validar los impactos ambientales, supervisar el cumplimiento de las políticas y proponer mejoras. La existencia de un responsable claro evita que la sostenibilidad quede diluida entre distintas áreas.

• Evaluación ambiental en la aprobación de proyectos

Exigir que cada nuevo proyecto de IA sea evaluado no solo desde el punto de vista legal, ético y de negocio, sino también en términos de impacto ambiental. En la práctica, esto permite comparar alternativas técnicas (modelo propio vs. modelo preentrenado, inferencia local vs. cloud) antes de comprometer recursos.

• Informe ambiental previo a producción (“informe verde”)

Establecer como requisito un informe ambiental antes del paso a producción, que incluya la huella estimada del modelo, las medidas de eficiencia previstas y el uso de técnicas de optimización. El impacto directo es reducir despliegues innecesariamente costosos desde el punto de vista energético y facilitar decisiones informadas.

• Definición de KPIs ambientales operativos

Establecer indicadores claros y comparables, como consumo energético por modelo en producción, emisiones asociadas a casos de uso críticos o porcentaje de proveedores con certificaciones ambientales reconocidas. Estos KPIs permiten evaluar el desempeño real de la estrategia de sostenibilidad IT.

• Integración en reporting ESG y revisión periódica

Incorporar los resultados en los reportes ESG corporativos y revisarlos de forma periódica en los comités de gobernanza. A partir de estos datos, ajustar políticas, objetivos y decisiones tecnológicas para fomentar una mejora continúa basada en evidencias.