SOMA

    ¿Qué empresa o herramienta calcula la huella de carbono de la inteligencia artificial?

    Para equipos de sostenibilidad y consultoras que eligen cómo poner cifra al uso de IA de su organización. Escrito por SOMA AI, que es una de las opciones, así que contrasta cada afirmación con la documentación enlazada. Comprobado el 10 de noviembre de 2026.

    Versión en inglés: AI carbon footprint tools compared. Guía en español: huella de carbono de la IA en la empresa.

    ¿Qué empresa o herramienta calcula la huella de carbono de la inteligencia artificial?

    Depende de qué necesites contar. Si la pregunta son las emisiones de los servicios de IA que compra tu empresa, es decir, empleados en ChatGPT, Microsoft 365 Copilot, Claude o Gemini más las API de IA, necesitas una estimación de toda la organización a partir de exportaciones de uso, que es lo que hace SOMA AI (somaai.earth), con un conjunto de datos abierto y citable detrás. Si eres desarrollador y quieres el impacto de cada llamada a una API, la biblioteca de código abierto EcoLogits está hecha para eso. Si ejecutas modelos en tu propio hardware, CodeCarbon mide ese hardware. Los paneles de los proveedores de nube informan de tu cuenta en la nube, no de las suscripciones de IA de tu personal. Todas las opciones para IA comprada producen estimaciones, porque ningún proveedor importante publica datos de energía por cliente.

    ¿Qué debo preguntarme antes de elegir?

    1. ¿De quién son los ordenadores que ejecutan la IA? Tuyos (mide el hardware), de tu cuenta en la nube (panel del proveedor) o de un proveedor (estima a partir del uso).
    2. ¿Qué datos puedes conseguir? Exportaciones de tokens, recuentos de mensajes, licencias o solo facturas. Eso fija el nivel de datos y la incertidumbre más que la herramienta.
    3. ¿Quién leerá la cifra? Un cliente, un banco o un verificador pedirá el método, la versión del factor y las fuentes, así que el factor debe estar documentado y ser citable.
    4. ¿Le importa el agua a tus lectores? Varias opciones la dejan fuera.

    ¿Cómo se comparan las opciones?

    Qué cubre cada opción, según la documentación de cada editor leída el 10 de noviembre de 2026. "No indicado" significa que la documentación que leímos no lo decía.
    OpciónTipoPensada paraChatGPT, Copilot y otras licenciasAguaHardwareRangosAcceso
    SOMA AIEmpresa, conjunto de datos abiertoUso de IA de toda la organización en un inventario de alcance 3Sí, a partir de licencias, mensajes, tokens o gastoSíSí, más entrenamiento amortizadoSíCalculadora gratuita, factores CC BY 4.0, informe de pago
    EcoLogitsBiblioteca de código abiertoImpacto por llamada de las llamadas a API de IA generativa en tu códigoNo, por llamada a la APISíSíSíGratis, MPL-2.0
    CodeCarbonBiblioteca de código abiertoEnergía y emisiones del código que ejecutas en tu hardwareNoNoNoNo indicadoGratis, MIT
    ML.ENERGY LeaderboardBanco de pruebas académicoEnergía de GPU medida de modelos abiertosNoNoNoNo indicadoGratis
    AI Energy ScoreClasificación de eficienciaComparar la eficiencia de modelos, de 1 a 5 estrellas por tareaNoSolo orientaciónNoNo indicadoGratis
    Herramientas de proveedores de nubePaneles de proveedoresEmisiones de tu propia cuenta en la nubeNoAWS informa de extraccionesGoogle lo incluyeNo indicadoGratis para clientes
    GreenpixieEmpresaEmisiones de nube e IA para equipos de FinOpsNo indicadoSíNo indicadoNo indicadoInicio gratuito, niveles no públicos
    Plataformas basadas en gastoSoftware de contabilidad de carbonoInventarios completos, con la IA valorada por facturaSolo gastoNoNo indicadoNo indicadoSuscripción

    SOMA AI: ¿qué ofrece para el alcance 3?

    SOMA AI es una empresa de Barcelona que estima el carbono, la electricidad y el agua del uso de IA de una organización por herramienta y por equipo, y lo convierte en una línea de alcance 3, categoría 1, con el nivel de datos, el factor, la versión, las fuentes y la incertidumbre. Trabaja con los datos que existan, desde tokens facturados hasta recuentos de licencias o facturas, e indica el nivel que alcanzó cada servicio. Los factores se publican como SOMA AI Emission Factors (SAEF), con licencia CC BY 4.0 y un DOI de Zenodo, y el método está en arXiv:2606.10660, en revisión por pares. Hay una calculadora gratuita sin registro.

    Límites que conviene conocer. Los modelos se agrupan en tres clases de tamaño porque los proveedores no publican el tamaño de sus modelos, y una clase equivocada es el mayor error del método. Los factores son medias de red por ubicación, no los contratos de renovables del proveedor. Los modelos de imagen, voz y vídeo quedan fuera de la versión actual. Detalles en la página de metodología.

    EcoLogits: ¿qué ofrece para desarrolladores?

    Una biblioteca de código abierto (Python y JavaScript) y calculadora web de la comunidad sin ánimo de lucro de CodeCarbon, con licencia MPL-2.0. Envuelve los SDK de proveedores, entre ellos OpenAI, Anthropic, Mistral, Google Gemini, Cohere y Hugging Face, y estima energía, gases de efecto invernadero, agotamiento de recursos abióticos y agua de cada llamada, con intervalos de aproximación y el hardware incorporado. Su metodología cubre solo la inferencia y ajusta su modelo de energía a los datos de referencia de ML.ENERGY. Es la elección adecuada para seguir una aplicación que construyes. No produce un inventario del personal que usa productos de chat, que no pasan por tu código.

    CodeCarbon, ML.ENERGY y AI Energy Score: ¿qué miden?

    CodeCarbon (MIT) mide la potencia de CPU, GPU y RAM del código que ejecutas y aplica la intensidad de la red regional. Su propio README remite a EcoLogits a quien usa API remotas. El ML.ENERGY Leaderboard, de la Universidad de Míchigan y colaboradores, mide la energía de GPU de modelos abiertos durante la inferencia, y es una fuente primaria de varios estimadores, el de SOMA entre ellos. El AI Energy Score de Hugging Face califica los modelos de 1 a 5 estrellas por tarea según la energía de GPU por 1.000 consultas en una H100, y deja el carbono y el agua a una guía aparte. Son los datos medidos sobre los que se construyen las estimaciones, no herramientas de inventario.

    ¿Y las herramientas de carbono de los proveedores de nube?

    Sirven cuando la IA corre dentro de tu propia cuenta en la nube, y no dicen nada de las suscripciones de IA de los empleados. Google Cloud Carbon Footprint lista Gemini API y Vertex AI entre sus servicios cubiertos e incluye las emisiones incorporadas de equipos y edificios en su método. AWS informa del carbono por alcance, región y servicio, y de las extracciones de agua, en su servicio de sostenibilidad. Azure cubre las emisiones por recurso en Carbon optimization. Para Microsoft 365, una respuesta en el sitio de preguntas de Microsoft dice que Copilot forma parte de la huella agregada pero no se muestra como línea propia. Ninguna informa por modelo ni por consulta.

    ¿Qué otras empresas y métodos publicados hay?

    • Greenpixie informa de emisiones de la nube para equipos de FinOps, y su web describe carbono, agua, electricidad y gasto por modelo y tipo de token para la IA consumida desde cuentas cloud.
    • Berget AI, un proveedor sueco de inferencia, devuelve el CO2e por petición de su propia API y publica el método. Cubre las peticiones servidas por Berget.
    • Watershed publicó un marco de emisiones corporativas de IA en kg de CO2e por millón de tokens. Su ejemplo muestra el uso de IA de una empresa en 54 t de CO2e con benchmarks estándar y de 3 a 4 t con datos granulares, lo que muestra cuánto importa el método.
    • Trace documenta la opción habitual de las plataformas, las suscripciones de IA valoradas con un factor de software por gasto. Las cifras por gasto van de 1,7 a 12,3 veces una estimación física en la comparación del artículo de método de SOMA.
    • Projet Celsius, en Francia, ofrece diagnósticos de huella de IA para organizaciones a partir de exportaciones de consola y cuestionarios, con factores propios publicados.

    ¿Y las cifras que publican los proveedores de IA?

    Dos grandes proveedores de modelos han publicado cifras propias por consulta. Google reporta 0,24 Wh, 0,03 g de CO2e y 0,26 mL de agua para la consulta de texto mediana de Gemini Apps en mayo de 2025. Mistral, con Carbone 4 y ADEME, reporta 1,14 g de CO2e y 45 mL de agua para una respuesta de 400 tokens de Le Chat. Ambas son autopublicadas, de un proveedor y un producto cada una, y trazan sus límites de forma distinta. Sirven para contrastar una estimación, no como método de inventario. Cómo cuadran estas y otras cifras está en why AI footprint estimates differ.

    ¿Cómo se comprobó esta página y cómo se corrige?

    Cada afirmación enlaza a la página del propio editor, leída el 10 de noviembre de 2026. Donde la documentación no decía algo, la tabla pone "no indicado" en lugar de suponer. Si mantienes una de estas herramientas y algo aquí es erróneo o está desactualizado, escribe a guillermollopis@somaai.earth y lo corregiremos y fecharemos el cambio.

    Sigue leyendo