# La IA busca en el software una forma de gastar menos energía > La industria intenta recortar el costo eléctrico de la inteligencia artificial sin frenar su avance. El foco ahora está en el software y en entrenar modelos más eficientes. Por Osmel Chourio Larreal · 3 de octubre de 2026 · Tecnología ![La IA busca en el software una forma de gastar menos energía](https://cdn.panorama.onl/uploads/28e46db3b25ac7e4-114.webp) La inteligencia artificial exige un consumo energético alto, y la industria ha empezado a mirar más allá del hardware para intentar rebajarlo. El software, según especialistas citadas en el texto, también es decisivo para reducir recursos y costos. Coral Calero, catedrática de Lenguajes y Sistemas Informáticos de la Universidad de Castilla-La Mancha, explica que cuanto mejor se optimice el software, menos recursos exigirá la máquina y menor será el consumo energético. El problema no es solo ambiental. A medida que la IA se expande en las empresas, también se vuelve una cuestión económica. El informe [The State of AI in 2026: On the road to ROI](https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai) señala que el 89% de las empresas a nivel global usa IA, que un 44% está en fase de escalarla y que alrededor del 20% restringe su uso por sus elevados costes operativos. Bolón Canedo, investigadora de IA en la Universidade da Coruña y directora de la [Cátedra UDC-INDITEX de IA en Algoritmos Verdes](https://catedrainditexalgoritmosverdes.com/es/microcredenciales-algoritmos-verdes/), sostiene que el sector está buscando fórmulas para gastar menos cómputo y menos energía al entrenar modelos. ## Menos bits, menos consumo Una de esas vías consiste en reducir la cantidad de bits que usa el cálculo. En vez de trabajar con 64 bits, se puede usar 16 o 8 bits, lo que simplifica las operaciones y baja el consumo. La contrapartida es que el algoritmo pierde precisión. Bolón advierte que, para mantener un rendimiento similar con menos bits, hay que modificar la parte de software y ajustar el algoritmo para compensar esa pérdida de exactitud con el menor impacto posible. La investigadora explica que esa menor precisión puede acumular errores, aunque los equipos trabajan con ese margen. En tareas como la recomendación de una película, señala, se puede tolerar una pequeña pérdida de exactitud; en otras, como curar el cáncer, no. La eficiencia también depende de cómo se entrena el modelo. Coral Calero distingue entre entrenamientos supervisados, que requieren millones de datos etiquetados, y no supervisados, en los que el propio modelo aprende con refuerzo y, en principio, consume menos. ## Entrenar mejor para gastar menos El consumo de la IA se divide entre entrenamiento e inferencia. El primero concentra grandes volúmenes de cómputo para formar el modelo; la segunda ocurre cada vez que responde una consulta. [Una estimación McKinsey](https://www.mckinsey.com/featured-insights/charts/the-future-of-ai-workloads) indica que en 2027 la demanda energética global de la inferencia superará por primera vez a la del entrenamiento. Por eso, reducir el costo del entrenamiento sigue siendo una prioridad. Una de las fórmulas consiste en adaptar el software para acortar el proceso, aprovechando arquitecturas ya preparadas para tareas similares y evitando empezar desde cero cuando no es necesario. En China, la eficiencia se volvió una necesidad desde que Estados Unidos prohibió la venta de las GPU más avanzadas de Nvidia al país asiático en 2022. Según Calero, eso ha empujado a sus empresas a usar más entrenamiento no supervisado y a reservar el supervisado para conjuntos de datos más pequeños y específicos. La eficiencia del modelo DeepSeek V3 puso patas arriba el campo de la IA en enero de 2025. La empresa china logró un rendimiento cercano al de los mejores sistemas de OpenAI con un gasto mucho menor en el entrenamiento. Bolón explica que, al no tener acceso a las GPU más potentes, DeepSeek tuvo que construir un sistema más eficiente y reactivar el paradigma de mezcla de expertos, con redes más pequeñas especializadas en distintas áreas. [Según la Agencia Internacional de la Energía](https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai), el debate sobre la demanda eléctrica de la IA ya no se limita a la infraestructura física: el software se ha convertido en una pieza central de la búsqueda de eficiencia. --- **Fuente:** https://panorama.onl/tecnologia/la-ia-busca-en-el-software-una-forma-de-gastar-menos-energia-20261003-1304.html Publicado por Panorama Online — contenido de libre lectura; se permite citar con atribución y enlace a la URL original.