Salesforce facilita la medición del gasto energético de los modelos de IA con AI Energy Score

  • Estrategias digitales
Salesforce IA sostenible

La herramienta establece un punto de referencia claro y fiable para la eficiencia energética de los modelos de IA. Una nueva etiqueta, con valores que oscilan entre 1 y 5 estrellas, clasifica el uso de energía de los modelos de IA, en la que cinco estrellas indican la mayor eficiencia.

Salesforce, en colaboración con Hugging Face, Cohere y la Universidad Carnegie Mellon, ha anunciado AI Energy Score, una herramienta que permite a los desarrolladores y usuarios de IA evaluar, identificar y comparar el consumo energético de los modelos de IA. También ha anunciado que será el primer desarrollador de modelos de IA en revelar los datos de eficiencia energética de sus modelos patentados bajo el nuevo marco.

AI Energy Score pretende abordar la falta de transparencia sobre el impacto medioambiental de los modelos de IA, estableciendo un punto de referencia claro y fiable para la sostenibilidad de los modelos de IA. Al aumentar la transparencia, la puntuación puede impulsar al mercado hacia modelos eficientes e incentivar el desarrollo sostenible de la IA. AI Energy Score incluye:

-Clasificaciones energéticas estándar: Un marco estandarizado para medir y comparar la eficiencia energética de los modelos de IA.

-Clasificación pública: Una completa tabla de clasificación que muestra las puntuaciones de 10 tareas comunes de IA (como generación de texto, generación de imágenes y resumen) realizadas por 166 modelos, incluidos SFR-Embedding, xLAM y SF-TextBase de Salesforce.

-Portal de evaluación comparativa: Una plataforma en la que los desarrolladores de IA pueden enviar sus modelos de IA abiertos o patentados para que se evalúen y se añadan a la clasificación. Los modelos abiertos pueden probarse automáticamente, mientras que los cerrados pueden evaluarse a través de un entorno de pruebas seguro.

-Etiqueta de uso reconocible de la energía: Una nueva etiqueta con valores que oscilan entre 1 y 5 estrellas y que clasifican el uso de energía de los modelos de IA, en la que cinco estrellas indican la mayor eficiencia. Esto ayuda a los desarrolladores y usuarios a identificar y elegir fácilmente los modelos más sostenibles. Una vez clasificados, los desarrolladores de IA pueden generar etiquetas estandarizadas para compartir la puntuación energética de sus modelos, con orientación integrada sobre la visualización adecuada de la etiqueta para lograr visibilidad e impacto.

“Reducir el consumo energético de la IA disminuye los costes operativos, optimiza la infraestructura y mejora la sostenibilidad y la rentabilidad a largo plazo. Estamos orgullosos de trabajar con líderes de la industria para construir un ecosistema de IA más transparente”, afirma Suzanne DiBianca, vicepresidenta ejecutiva y directora de impacto de Salesforce.

 

Salesforce aborda la sostenibilidad a través de Agentforce

El pasado otoño, la compañía presentó Agentforce, la capa de la plataforma Salesforce que permite a las organizaciones crear y desplegar agentes autónomos de IA que pueden actuar de forma autónoma. Agentforce se basa en la sostenibilidad y ofrece un alto rendimiento al tiempo que minimiza el impacto medioambiental.

A diferencia de los enfoques DIY (Do It Yourself) de la IA que requieren una formación de modelos de alto consumo energético para cada cliente, Agentforce está optimizado desde el principio, lo que elimina la necesidad de una formación costosa o que genere muchas emisiones de carbono.

Su arquitectura de agentes va más allá de la dependencia de un único modelo de lenguaje de gran tamaño (LLM), aprovechando en su lugar pequeños modelos de lenguaje eficientes combinados con el razonamiento de los agentes y otras herramientas avanzadas de IA, lo que reduce significativamente el consumo de energía. Además, Agentforce aprovecha los datos y metadatos personalizados de Salesforce Data Cloud y Salesforce Platform, lo que permite una gran precisión y capacidad de respuesta a la vez que minimiza el desperdicio de recursos informáticos.