GreenBrainAI de la UC3M Mide la Energía de ChatGPT y Gemini y Muestra su Impacto Climático

El hallazgo que pone el tema sobre la mesa llega desde Hiili, una spin-off de la Universidad Carlos III de Madrid (UC3M). Allí, los gemelos Rubén y Ángel Cuevas impulsan GreenBrainAI, una propuesta de “IA verde” que no busca ganarle a OpenAI, Google o Meta, sino ponerse entre el usuario y esos modelos para elegir automáticamente cuál conviene usar en cada consulta.

Y la clave no es menor: se estima que cerca del 90% del consumo energético asociado a la IA generativa viene de la inferencia (las preguntas y respuestas del día a día), no del entrenamiento. Es decir, el mayor engranaje de gasto se enciende cada vez que alguien escribe “explícame esto” y espera una respuesta inmediata.

“No hace falta un super deportivo para ir a por el pan”, repiten desde la compañía con una analogía que funciona como interruptor mental.  Según su punto de vista, hoy se está usando un “Ferrari algorítmico” para tareas que podrían resolverse con un coche urbano. Y ese exceso se paga en la factura y en la huella de carbono.

GreenBrainAI actúa como un enrutador inteligente, una especie de central de tráfico. Por fuera, se ve como un chat convencional: el usuario escribe un prompt (la instrucción o pregunta) y recibe una respuesta. Por dentro, hay una capa oculta que decide qué motor conviene encender.

La analogía doméstica es clara: es como el tablero eléctrico de una casa. Si solo quieres prender una lámpara, no activas todo el circuito del aire acondicionado y el horno al mismo tiempo. GreenBrainAI busca que cada consulta “prenda” el circuito justo, el modelo justo, con el gasto justo.

Para lograrlo, el sistema identifica características del prompt y selecciona entre más de 400 modelos disponibles. Si la consulta es sencilla, puede derivarla a modelos más pequeños, como Mistral Small, en lugar de usar siempre modelos grandes de razonamiento.

Ahora bien, ¿cómo sabe cuál es el modelo más eficiente? Los Cuevas montaron modelos de código abierto en infraestructura real en Google Cloud y generaron gran cantidad de prompts diversos. En cada prueba midieron el consumo del servidor, el hardware, el modelo usado y los tokens (fragmentos de texto) de entrada y salida, entre otros parámetros.

Con esos datos entrenaron un modelo de machine learning (aprendizaje automático) capaz de estimar casi en tiempo real el consumo energético de una petición en distintas configuraciones de GPU (chip gráfico). Ese mecanismo evita medir físicamente el gasto en cada ejecución concreta, como si el sistema aprendiera a “leer” el consumo antes de abrir la canilla.

El costo oculto de preguntar “una cosa más”

Según Hiili, hoy se usa el modelo más potente disponible en más del 80% del tráfico, aunque para una gran parte de los prompts no haga falta. En casos de uso concretos, GreenBrainAI asegura una reducción de costes del 88% frente a la API de OpenAI y una baja del 48% en emisiones de carbono manteniendo una calidad equivalente.

Pedro Travesedo, director comercial de Hiili, lo traduce a una escena de oficina: con este tipo de soluciones, un cliente que antes solo podía pagar tres licencias podría dar acceso a muchos más usuarios. Es una oportunidad doble: democratiza el uso y baja el impacto.

El contexto también pesa. La empresa subraya que España es, sobre todo, consumidora de servicios de IA. Y advierte una barrera: muchas grandes corporaciones ya están atadas a macroacuerdos con proveedores como Microsoft u OpenAI, lo que dificulta sumar una capa intermedia.

Por eso apuntan a pymes europeas que frenaron la adopción por coste o falta de recursos internos. Además, Hiili desarrolla un plugin de navegador que muestra en tiempo real la energía y el CO2 asociados a conversaciones en servicios como ChatGPT, Gemini o Perplexity, con un histórico semanal para hacer visible lo que hoy pasa desapercibido.

Si la IA se volvió una herramienta de todos los días, el próximo paso puede ser igual a:  aprender a usarla con el mismo criterio con el que apagamos una luz al salir de una habitación.