NICKE STUDIO / Cómo elegir y evaluar una agencia de IA
Impacto ambiental al contratar una agencia de IA: qué preguntar · Argentina
Evalúa el impacto ambiental de una agencia de IA: energía, carbono, hardware y agua. Aprende qué se puede medir y qué debe declararse estimado. Para equipos en Argentina.
Leer en otro idioma ↗

EN ESTE ARTÍCULO
Define el alcance de la evaluaciónUn ejemplo de cálculo transparenteDiferencia mediciones y estimacionesReduce trabajo innecesario antes de cambiar de proveedorObserva también el consumo totalEl trabajo de una agencia de IA depende de infraestructura física. La inferencia, las bases de datos, el almacenamiento y las comunicaciones consumen energía. Fabricar y retirar equipos también genera impactos. Contratar un servicio digital no elimina esos efectos, pero tampoco existe una cifra universal por prompt que describa todos los modelos y procesos.
La pregunta útil es cuántos recursos necesita el sistema para entregar una tarea aceptada, qué parte se puede medir y dónde sigue existiendo incertidumbre. Ese enfoque permite comparar propuestas sin asumir que la IA carece de impacto ni que todas sus aplicaciones tienen el mismo costo ambiental.
Define el alcance de la evaluación
La especificación Software Carbon Intensity distingue emisiones operativas y emisiones incorporadas del hardware asignadas al servicio. Después relaciona ese conjunto con una unidad funcional. En un proceso comercial, puede ser una respuesta de soporte aceptada o un documento revisado correctamente.
Establece los límites antes de comparar: ¿se incluyen llamadas al modelo, reintentos, almacenamiento, monitoreo y capacidad reservada sin utilizar? ¿El entrenamiento previo y el hardware están incluidos, asignados mediante estimaciones o fuera del cálculo? Dos cifras con alcances diferentes no permiten una comparación justa.
| Dimensión | Qué solicitar | Qué no conviene afirmar |
|---|---|---|
| Energía | Consumo para una carga y un período definidos | Un valor universal por prompt |
| Carbono | Supuestos energéticos, intensidad regional y asignación de equipos | Que electricidad y emisiones son lo mismo |
| Agua | Información del proveedor con ubicación y definición | Litros fijos por cada respuesta |
| Hardware | Recursos reservados y límites del ciclo de vida | Que un modelo local no tiene huella física |
Extracción y consumo de agua no describen lo mismo. Un cálculo de carbono tampoco representa por sí solo el agua, los residuos electrónicos o todos los impactos ambientales. Identifica lo que queda fuera en lugar de ocultarlo detrás de una etiqueta de sostenibilidad.
Un ejemplo de cálculo transparente
Ejemplo hipotético, no medición de Nicke Studio ni de otro proveedor: una carga definida consume 10 kWh, con una intensidad asumida de 200 gramos de CO₂e por kWh y 1.000 gramos de emisiones de hardware asignadas. Se completan 1.000 tareas aceptadas.
Las emisiones operativas son 10 × 200 = 2.000 gramos. Al sumar el hardware, se obtienen 3.000 gramos. Dividir entre las 1.000 tareas da 3 gramos de CO₂e por tarea aceptada dentro de ese alcance. El resultado cambia con los supuestos; no es una referencia universal para la IA.
El numerador debe incluir los recursos de intentos fallidos y reintentos. De lo contrario, el sistema puede parecer eficiente al mostrar únicamente las ejecuciones exitosas e ignorar el trabajo consumido para llegar a ellas.
Diferencia mediciones y estimaciones
CodeCarbon mide o estima aspectos de la computación local y combina información energética con intensidad de carbono regional. Su documentación distingue el hardware local de las API remotas de IA generativa. Ejecutar un monitor en la computadora de la agencia no mide todo el servicio externo del modelo.
Para una API remota, pregunta qué datos o método de estimación se utilizan, qué hardware se asume y qué componentes quedan excluidos. Si faltan datos, hay que declararlo. Una estimación puede orientar mejoras cuando el método y sus límites son explícitos.
Un informe ambiental útil muestra su alcance, sus supuestos y las decisiones que esos números permiten tomar. — Nota editorial de Nicke Studio
Reduce trabajo innecesario antes de cambiar de proveedor
- Utiliza código convencional para reglas fijas y búsquedas exactas.
- Evita procesar repetidamente documentos que no cambiaron.
- Recupera solo el contexto pertinente y limita salidas innecesarias.
- Prueba si un modelo menor cumple los mismos criterios.
- Elimina infraestructura ociosa y procesamiento duplicado.
- Considera caché y lotes cuando la privacidad y la vigencia lo permitan.
Vuelve a revisar la calidad después de cada cambio. Un modelo menor que obliga a corregir repetidamente puede elevar el consumo total. Las guías de herramientas y resultados ayudan a comparar procesos completos, no llamadas aisladas.
## Llevarlo a tu equipo
Para un equipo en Argentina, usa casos del negocio y términos que puedan revisar las personas que atienden a sus clientes. Acordá moneda del presupuesto, costos de operación y ventanas de revisión antes de empezar. Identificá responsables de contenido y de integraciones para que una implementación remota no dependa de una única persona. Solicita al proveedor la región efectiva de procesamiento cuando esté disponible. La ubicación comercial de la agencia no demuestra dónde se ejecuta el modelo ni qué electricidad utiliza. Compara cargas equivalentes, identifica las cifras estimadas y acuerda cómo se reportarán los recursos de tareas fallidas y revisiones.
Observa también el consumo total
Una menor huella por tarea no asegura una reducción total si el volumen crece mucho. Registra ambos indicadores. Las afirmaciones sobre viajes o impresiones evitadas también necesitan una comparación razonable con lo que habría ocurrido sin el sistema.
La especificación SCI no considera las compensaciones como reducciones de su puntuación. Separa esas declaraciones de cambios reales en consumo, infraestructura o emisiones dentro del alcance elegido.
Antes de contratar, acuerda quién elaborará el informe y cuándo se actualizará. Consulta nuestros servicios, revisa las red flags o envíanos el proceso para conversar sobre una implementación acotada y medible, sin prometer una IA libre de impacto.

