La Asociación Española de Normalización, UNE, ha publicado la nueva especificación técnica UNE 0086, un documento desarrollado con la colaboración de entidades como Adigital que establece un marco común para la medición del consumo energético, la huella de carbono, el consumo de agua y el rendimiento de los sistemas de IA.
Actualmente, la demanda eléctrica de los centros de datos alcanza 60 TWh anuales, cantidad equivalente al consumo de toda la red ferroviaria europea durante un año y que, según datos de la Agencia Internacional de la Energía (IEA), podría duplicarse para 2030. Conscientes de esta situación, la Secretaría de Estado de Digitalización e Inteligencia Artificial ha impulsado la norma, en el marco del Programa Nacional de Algoritmos Verdes (PNAV).
La norma ha sido desarrollada con la colaboración de más de 70 expertos de 35 entidades, entre ellas Adigital, con el objetivo de aportar propuestas centradas en la transparencia y la comunicación de estos indicadores, de manera que sean más comprensibles y fácilmente aplicables por empresas, profesionales y ciudadanía.
“En línea con nuestro propósito de avanzar hacia una digitalización humana, transparente y sostenible, desde Adigital hemos querido aportar una visión práctica sobre cómo comunicar y aplicar los criterios de sostenibilidad en el uso de la inteligencia Artificial. Como representantes de la mayor base de empresas tecnológicas de España, creemos que esta especificación será una herramienta clave para impulsar futuras certificaciones que refuercen la confianza en una IA responsable, ética y alineada con los valores europeos”, señala Justo Hidalgo, director de Inteligencia Artificial de Adigital.
Norma pionera
La especificación UNE 0086 proporciona una guía detallada para cuantificar el impacto ambiental de modelos y algoritmos de IA en todas las fases de su ciclo de vida, con especial atención a los modelos generativos y grandes modelos de lenguaje (LLMs), por su elevada carga computacional. Incluye indicadores clave para monitorizar el uso directo de energía y agua, así como la eficiencia general de los modelos durante el entrenamiento y la inferencia.
Para poder ver el contenido completo tienes que estar suscrito. El contenido completo para suscriptores incluye informes y artículos en profundidad
