Establecer un marco común para medir el consumo energético, la huella de carbono, el consumo de agua y el rendimiento de los sistemas de inteligencia artificial (IA) es el objetivo de la nueva especificación técnica que ha publicado la Asociación Española de Normalización (UNE). Esta iniciativa busca promover una IA más responsable y eficiente desde el punto de vista medioambiental.
La iniciativa parte de la Secretaría de Estado de Digitalización e Inteligencia Artificial del Ministerio para la Transformación Digital y de la Función Pública, junto a la Asociación Española de Normalización, y se enmarca dentro del Programa Nacional de Algoritmos Verdes (PNAV). Para su desarrollo, se ha contado con la colaboración de un grupo técnico especializado compuesto por más de 40 expertos de la comunidad investigadora en algoritmos verdes, empresas privadas —incluyendo grandes compañías tecnológicas y firmas especializadas en IA—, así como organismos de certificación que han aportado la perspectiva de verificación.
Con esta estandarización, España avanza hacia una IA más transparente, medible y eficiente desde el punto de vista ambiental, ofreciendo una visión unificada que facilita la comparación, optimización y validación rigurosa del desempeño medioambiental de los modelos de IA. Además, representa un paso clave hacia la futura estandarización europea.
Guía detallada para cuantificar el impacto ambiental
La especificación UNE 0086:2025 establece cómo medir el consumo energético, la huella de carbono, el consumo de agua y el rendimiento de los sistemas de IA.
Ofrece una guía detallada para cuantificar el impacto ambiental de modelos y algoritmos de IA a lo largo de todas las fases de su ciclo de vida, especialmente durante el entrenamiento y la implementación, tanto en entornos locales como en la nube. De forma particular, se centra en los modelos de IA generativa y grandes modelos de lenguaje (LLMs), dada su elevada carga computacional y su consecuente impacto ambiental.
Entre las métricas definidas en la especificación, se incluyen indicadores clave para monitorizar el uso directo de energía y agua, así como para evaluar la eficiencia de los modelos de IA durante sus fases de entrenamiento e inferencia, etapas que concentran el mayor impacto ambiental. De esta manera, la norma se focaliza en los puntos críticos del ciclo de vida donde se produce la mayor parte del consumo de recursos, aportando un marco riguroso para su medición y comparación.