A medida que crece el uso de GenAI en las organizaciones, las preocupaciones sobre su impacto ambiental podrían empujar a los líderes empresariales a reconsiderar su estrategia. He aquí por qué.
por David Barry
- La intersección de dos eventos
- Los daños ambientales colaterales de la IA generativa
- A MAYOR COMPLEJIDAD, MAYOR DEMANDA DE ENERGÍA
- Una solución: utilizar los motores de búsqueda tradicionales en lugar de GenAI
- La IA generativa está superando los límites de la red eléctrica
- Tu contenido tiene aroma a huella de carbono… y es un problema
El 2 de octubre, OpenAI reveló que había cerrado con éxito su esperada ronda de financiación, asegurando USD 6.6 mil millones. Se trata del mayor acuerdo de capital riesgo hasta la fecha y elevó la valoración de la empresa a 157.000 millones de dólares. Pero fue solo la última ronda de financiación en el desarrollo aparentemente imparable de la IA generativa.
La intersección de dos eventos
El anuncio de la financiación se produjo la misma semana en que la pequeña ciudad de Spruce Pine, Carolina del Norte, fue devastada por el huracán Helene después de que la tormenta dejara caer más de dos pies de lluvia en el área. Si bien Spruce Pine puede no ser un nombre familiar, la ubicación de varias minas de cuarzo puro en la ciudad significa que este evento podría interrumpir significativamente el suministro mundial de microchips y paneles solares. Desde entonces, las operaciones se han reanudado en una mina, pero las operaciones completas siguen en suspenso.
Si bien los dos eventos pueden parecer no estar relacionados, cabe destacar que los microchips, en particular los procesadores avanzados como los que se utilizan en las GPU y las TPU (unidades de procesamiento tensorial), desempeñan un papel fundamental en la IA generativa al proporcionar la potencia computacional necesaria para manejar el procesamiento de datos a gran escala.
El cambio climático y sus consecuencias sigue siendo un tema muy debatido, aunque incluso ChatGPT reconoce que los huracanes como Helene están empeorando en general, y que el cambio climático es un factor importante detrás de esta tendencia. Y el uso incontrolado de la IA generativa parece estar contribuyendo al problema.
En la reciente conferencia artificial ALL IN en Montreal, Sasha Luccioni, investigadora líder y líder de IA y clima en Hugging Face, denunció el hecho de que la IA generativa se estaba utilizando en las búsquedas en Internet.
“Me parece particularmente decepcionante que la IA generativa se utilice para buscar en Internet”, dijo según la agencia de noticias francesa AFP. Señaló la diferencia entre el funcionamiento básico de un motor de búsqueda para extraer información, como encontrar la capital de un país, y las capacidades de generación de información de los programas GenAI, que lo hacen “mucho más intensivo en energía”.
Los daños ambientales colaterales de la IA generativa
Una de las quejas sobre la IA generativa ha sido su daño ambiental colateral, incluso si las cosas están mejorando, dijo el investigador de IA y CEO de Sphere IT, Michael Collins, a Reworked.
Las herramientas de IA generativa, como ChatGPT y Midjourney, se basan en cantidades masivas de computación y requieren una base de datos de entrenamiento masiva de miles de millones de puntos de datos, explicó. Cualquier uso de ellos requiere mucha energía, lo que requiere servidores de alta gama que estén hambrientos de energía. Sin embargo, Collins señaló otros problemas, entre ellos:
1. Uso del agua
Además de la electricidad, la generación de estos sistemas también requiere grandes cantidades de agua limpia para enfriar los procesadores y producir electricidad, explicó. Esta parte de la ecología de la IA ha permanecido en su mayor parte en la periferia, pero es fundamental para averiguar el alcance del consumo de recursos de la IA.
2. Uso comparativo de energía
Collins también señaló que una sola consulta a un modelo de lenguaje grande puede consumir tanta energía como dejar encendida una bombilla de diodo emisora de luz de bajo brillo durante una hora.
“El trabajo para resolver estos problemas está en curso”, dijo Collins. “Actualmente, los investigadores están tratando de encontrar métodos para reducir aún más el consumo de energía de la IA mediante la mejora de la recopilación y el procesamiento de datos, el uso de mejores bibliotecas y el refinamiento de los algoritmos de entrenamiento”.
A MAYOR COMPLEJIDAD, MAYOR DEMANDA DE ENERGÍA
Es probable que las cosas empeoren a medida que los modelos se vuelvan más complejos, dijo Russell Hunter, líder académico de IA y ciencia de datos en Cambridge Advance Online.
Cuanto más complejo es un modelo, mayor es la demanda de potencia computacional. Y cuanto más dependemos de ellos, más energía se necesita para alimentarlos, dijo Hunter a Reworked. El entrenamiento de un solo modelo grande puede consumir tanta energía como varios cientos de hogares durante un año, continuó.
Los centros de datos que soportan las operaciones de IA también consumen grandes cantidades de electricidad. Si bien hay esfuerzos para utilizar fuentes de energía renovables, la dependencia actual de las fuentes de energía tradicionales contribuye a una huella de carbono sustancial.
Hunter señala el trabajo que se está realizando para contrarrestar el problema, incluidos los esfuerzos de investigación y desarrollo en curso centrados en el desarrollo de algoritmos que requieran menos potencia computacional sin comprometer el rendimiento.
Técnicas como la poda de modelos, un método para reducir el número de parámetros de redes neuronales profundas; cuantización, otro método para comprimir el tamaño del modelo; E incluso la computación cuántica podría utilizarse para reducir el consumo de energía. Del mismo modo, Hunter dijo que las eficiencias se pueden introducir en el lado del hardware a través de procesadores más eficientes energéticamente.
Una solución: utilizar los motores de búsqueda tradicionales en lugar de GenAI
La solución más obvia ahora es limitar el uso de la búsqueda generativa de IA, dijo el fundador y CEO de Digital Meld, Brad Groux, a Reworked. La acción obvia e inmediata es volver a los enfoques de búsqueda tradicionales tanto dentro como fuera de la organización.
“Los motores de búsqueda tradicionales son más eficientes energéticamente. Sus algoritmos, perfeccionados durante décadas, están optimizados para ofrecer resultados de búsqueda utilizando menos potencia computacional”, dijo Groux. “Los motores de búsqueda como Google también han tomado medidas para reducir su huella de carbono a través de centros de datos energéticamente eficientes, inversiones en energía renovable y la optimización de los algoritmos de búsqueda”.
Aunque estos motores siguen consumiendo energía, el espacio ocupado es considerablemente menor en comparación con las demandas de computación pesada de los sistemas de IA generativa. Como resultado, y desde una perspectiva ambiental, apegarse a la búsqueda web tradicional, especialmente para tareas simples de recuperación de información, parece una opción práctica y responsable, dijo Groux. Los motores de búsqueda tradicionales pueden manejar de manera efectiva las consultas más comunes sin la necesidad de respuestas de IA que consumen mucha energía.
Por supuesto, las organizaciones continuarán utilizando la IA generativa, dadas las ganancias de productividad que crea en áreas como la generación de contenido, la resolución de problemas de varios pasos o la oferta de experiencias personalizadas, áreas que la búsqueda tradicional no pudo resolver, dijo. Teniendo en cuenta esto, las organizaciones deben identificar e implementar un enfoque más equilibrado, que incluya guiar a los trabajadores para que sigan algunas reglas básicas:
- Utilice la búsqueda tradicional para consultas sencillas, rutinarias y basadas en hechos.
- Utilice la IA generativa para tareas complejas.
Groux animó a cualquier organización que utilice IA generativa a explorar opciones de IA más ecológicas, como el uso de centros de datos energéticamente eficientes, el empleo de modelos de IA diseñados para un menor consumo de energía o la compensación de las emisiones de carbono mediante inversiones en energías renovables.
“Si bien el consumo de energía de GenAI es una preocupación legítima, no es práctico que las organizaciones abandonen la tecnología por completo”, dijo Groux. “En cambio, el uso de la búsqueda web tradicional y GenAI en conjunto, dependiendo de la tarea en cuestión, puede ofrecer un camino práctico y más sostenible hacia adelante”.
Christian Espinosa, de Blue Goat Cyber, no está de acuerdo. El fundador y CEO dijo que seguir con la búsqueda web tradicional se está volviendo cada vez menos práctico para las organizaciones. El gran volumen y la variedad de datos con los que las organizaciones manejan ahora, tanto interna como externamente, requieren herramientas más sofisticadas que puedan proporcionar conocimientos más profundos, un mejor contexto y resultados más precisos, dijo.
Espinosa recomienda un enfoque multifacético para la recuperación de información y la gestión del conocimiento que podría incluir soluciones de búsqueda empresarial, el uso de la inteligencia artificial y el aprendizaje automático para un análisis de datos más inteligente, y la integración de varias fuentes de datos para una visión más integral.
Además, sugiere que las organizaciones exploren el procesamiento del lenguaje natural y la búsqueda semántica para mejorar su capacidad de encontrar información relevante de manera rápida y eficiente.
“Al diversificar sus herramientas de búsqueda y descubrimiento de información, las organizaciones pueden mejorar los procesos de toma de decisiones, aumentar la productividad y capitalizar mejor sus activos de datos”, dijo.
La conclusión es que, independientemente de quién sea responsable del impacto ambiental de la IA generativa, ya sean los proveedores o los usuarios, ambas partes parecen estar más enfocadas en los beneficios que en los costos. Dado que no podemos dejar de usar la IA, un enfoque más realista es equilibrar los beneficios con acciones ambientales positivas.
La IA generativa está superando los límites de la red eléctrica
En el Día de la Tierra 2024, una revisión del impacto ambiental de los grandes modelos de lenguaje y cómo podría mitigarse.
por David Barry
Tanto las empresas como los proveedores han pasado gran parte de los últimos 18 meses hablando de lo que puede hacer la IA generativa. Lo que ha sido una parte menor de la conversación es lo que el desarrollo de la IA generativa está haciendo al medio ambiente, en particular la cantidad de energía necesaria para desarrollar y mantener estos modelos.
La IA generativa y el elefante en la habitación
Un creciente cuerpo de artículos académicos y notas de investigación están prestando atención al problema, aunque es cuando personas como Elon Musk hablan que el tema se filtra en la corriente principal. En el reciente Bosch Connected World 2024, Elon Musk fue el primero en levantar el elefante en la habitación durante una sesión de preguntas + respuestas en línea. “Nunca he visto ninguna tecnología avanzar más rápido que esta”, dijo. “Puede que la escasez de chips haya quedado atrás, pero la IA y los vehículos eléctricos se están expandiendo a un ritmo tan voraz que el mundo se enfrentará a crisis de suministro de electricidad y transformadores el próximo año”.
Y agregó: “Luego, la próxima escasez será la electricidad. No podrán encontrar suficiente electricidad para hacer funcionar todos los chips. Creo que el año que viene, se verá que simplemente no pueden encontrar suficiente electricidad para hacer funcionar todos los chips”.
Si bien siempre es una buena idea tomar cualquier cosa que diga Musk con un balde de sal, en este caso podría estar en lo cierto.
El tema también surgió durante la Cumbre de Davos en enero.
La revista Fortune informó que el CEO de Amazon, Andy Jassy, dijo que actualmente solo había suficiente energía para mantener los LLM en funcionamiento.
“Estos grandes modelos de lenguaje están tan hambrientos de energía, y simplemente no hay suficiente energía en este momento”, dijo. “Por lo tanto, vamos a tener el doble desafío como grupo de encontrar mucha más energía para satisfacer lo que la gente quiere hacer y lo que podemos hacer por la sociedad con la IA generativa”.
Abordar esto debe hacerse de manera renovable para garantizar que el desarrollo de la IA generativa sea neutro en carbono, continuó. “No puede ser volver al carbón”.
Aunque no está directamente relacionado, también planteó una de las principales preguntas a las que se enfrentan las organizaciones y sus lugares de trabajo digitales en la actualidad: cómo eligen gastar su dinero en tecnología.
“Veo a las empresas realmente luchando con la priorización. ¿Es mejor que continúen con la modernización de su plataforma tecnológica? ¿O deberían poner todos sus recursos de ingeniería en IA generativa?”
Agregó que cada uno decidirá de manera diferente. Pero sin una base sólida para su infraestructura tecnológica, “va a tener dificultades para tener éxito con la IA generativa”.
La demanda de centros de datos se acerca a su capacidad máxima
Impulsar el desarrollo de la IA no es solo una cuestión medioambiental, sino también del desarrollo futuro de la IA. La pregunta más importante aquí son los centros de datos y cómo alimentarlos. La demanda de centros de datos ya había sido alta, pero con la IA generativa, donde los datos son el componente básico de los LLM, la demanda nunca ha sido mayor.
“La demanda de centros de datos siempre ha estado ahí, pero nunca ha sido así“, dijo Pankaj Sharma, vicepresidente ejecutivo de la división de centros de datos de Schneider Electric.
Para 2030, “probablemente no tengamos suficiente capacidad disponible” para hacer funcionar todas las instalaciones requeridas, continuó. Y él debería saberlo. Su unidad está trabajando con el fabricante de chips Nvidia para diseñar centros de datos optimizados para cargas de trabajo de IA.
El mismo artículo citó al CTO de Appleby Strategy Group, Daniel Golding, diciendo: “En algún momento, la realidad de la red [eléctrica] se interpondrá en el camino de la IA”.
¿Cuánto jugo?
Entonces, ¿qué estamos viendo en términos reales? Poco después de la introducción en 2018 del BERT LLM de Google, que entonces constaba de 213 millones de parámetros, un grupo de investigadores descubrió que el BERT emitía 280 toneladas métricas de emisiones de carbono, lo que equivale a las emisiones de cinco coches a lo largo de su vida útil.
En los cinco años siguientes, el problema se ha vuelto decididamente más pronunciado a medida que los modelos han crecido. Para contextualizar: GPT-4 tiene 1,7 billones de parámetros.
Un estudio de 2022 descubrió que incluso el uso de una fuente de energía renovable para la formación, un LLM de la era 2022 emite al menos 25 toneladas métricas de equivalentes de carbono. Si se utilizan fuentes de energía intensivas en carbono como el carbón y el gas natural, como fue el caso de GPT-3, esto se eleva a 500 toneladas métricas, el equivalente a un millón de millas conducidas por un automóvil promedio de gasolina.
Debido a su inmensidad y multitud de características, los LLM también requieren grandes cantidades de transporte y computación de datos. Las GPU y CPU que consumen mucha energía se ven afectadas por esto, lo que aumenta la demanda eléctrica, la generación de calor y exige más potencia de refrigeración, según un informe reciente de Straits Research.
Las técnicas de enfriamiento a base de agua pueden contaminar el agua y dañar los ecosistemas, lo que agrega otra capa a las matemáticas del impacto ambiental.
Un problema creciente
El problema solo va a empeorar. Los centros de datos que soportan los LLM obtienen la mayor parte de su energía de combustibles fósiles, según un artículo reciente en The State of the Planet, incluso si hay esfuerzos actuales para incorporar la energía renovable a la ecuación.
Los centros de datos del mundo representan entre el 2,5% y el 3,7% de las emisiones globales de gases de efecto invernadero, superando incluso a las de la industria de la aviación. Se estima que la huella de carbono diaria de solo GPT-3 es el equivalente a 8,4 toneladas de CO2 en un año.
Es posible que el alivio esté en camino al menos en esta área. Según el artículo, el 40% del uso de energía está relacionado con el entrenamiento inicial del modelo, mientras que el otro 60% está relacionado con la inferencia, o el proceso de proporcionar respuestas a millones de consultas al día.
La situación es urgente. Cifras recientes de la Agencia Internacional de la Energía afirman que el consumo de electricidad de los centros de datos, la inteligencia artificial (IA) y el sector de las criptomonedas podría duplicarse para 2026.
Los centros de datos son importantes impulsores del crecimiento de la demanda de electricidad en muchas regiones. Después de consumir a nivel mundial un estimado de 460 teravatios-hora (un billón de vatios de energía utilizada durante una hora) en 2022, el consumo total de electricidad de los centros de datos podría alcanzar más de 1000 TWh en 2026. “Esta demanda es aproximadamente equivalente al consumo de electricidad de Japón”, se lee en el informe.
¿Qué tan “verde” puede ser un proveedor?
A pesar de las iniciativas ecológicas muy promocionadas por muchos proveedores, las cifras no son alentadoras.
- Microsoft utilizó 1.7 mil millones de galones adicionales de agua en 2022 en comparación con 2021, un aumento interanual del 34%, según el Informe de Sostenibilidad Ambiental 2022 publicado en mayo del año pasado.
- Google utilizó 1.2 mil millones de galones adicionales de agua en 2022 en comparación con 2021, lo que representa un aumento interanual del 20%. El noventa y tres por ciento del agua que Google utilizó en 2022 se utilizó para enfriar los centros de datos.
- Una interacción de ChatGPT de entre 10 y 50 consultas (conocida como inferencia) utiliza 500 ml de agua, según estimaciones de la OCDE a finales del pasado mes de noviembre.
- En marzo de este año, la UE ordenó que los operadores de centros de datos divulgaran anualmente el uso del agua y la energía a partir de septiembre de 2024.
- Solo un poco más de un tercio de los centros de datos rastrearon su uso de agua en 2022, una caída del 12% con respecto a 2021, según el informe más reciente de Uptime Intelligence, publicado en 2023.
El mismo informe de Uptime encontró que, si bien muchos operadores de centros de datos están monitoreando los hábitos de uso de energía y agua de sus centros, no están monitoreando los gases de efecto invernadero que generan.
El resumen ejecutivo del informe de 2024 señaló que los años previos a 2030 serán difíciles, ya que muchas organizaciones tendrán dificultades para cumplir los objetivos de sostenibilidad y los requisitos de presentación de informes.
“Ya hay indicios de que los organismos de supervisión se están volviendo más estrictos a la hora de evaluar la sostenibilidad de las empresas. En agosto de 2023, por ejemplo, la iniciativa Science Based Targets (SBTi), respaldada por la ONU, eliminó las operaciones de Amazon (incluido Amazon Web Services) de su lista de empresas comprometidas porque Amazon no había validado su objetivo de cero emisiones netas”, se lee en el informe.
¿Qué se puede hacer?
Reconociendo que no hay vuelta atrás en términos de volver a poner la IA generativa en el establo, ¿qué se puede hacer para mitigar el impacto ambiental de los LLM?
La gestión de la demanda, la autorregulación del usuario y los avances algorítmicos serán necesarios. Implicará una serie de estrategias diferentes adoptadas por los proveedores que crean los modelos, los proveedores de centros de datos y los usuarios finales.
- Hardware de bajo consumo: En comparación con las CPU típicas, el uso de hardware de bajo consumo, como GPU y TPU, puede reducir el consumo de energía hasta en un 50%.
- Energía renovable: El uso de energía renovable para impulsar los recursos informáticos puede reducir la huella de carbono de los grandes modelos de lenguaje hasta en un 98%.
- Iniciativas de compensación de carbono: Su objetivo es compensar las emisiones de gases de efecto invernadero que resultan del desarrollo y la aplicación de grandes modelos de lenguaje. Esto puede ayudar a reducir las emisiones relacionadas con estos modelos, aunque no disminuye inmediatamente el impacto en el medio ambiente.
- Diseño y formación de modelos eficaces: Métodos como la destilación, la cuantificación y la poda de modelos pueden reducir la cantidad de potencia informática necesaria para entrenar grandes modelos de lenguaje hasta en un 90%. Esto puede disminuir los efectos ambientales negativos de estos modelos.
- Reutilización y uso compartido de modelos previamente entrenados: La reutilización y el uso compartido de modelos previamente entrenados puede ahorrar hasta un 80 % de la energía total utilizada al entrenar varios modelos. Esta estrategia disminuye sus efectos negativos en el medio ambiente al tiempo que fomenta la cooperación dentro de la comunidad de IA.
Sobre el autor
David es un periodista afincado en Europa desde hace 35 años que ha dedicado los últimos 15 años a seguir el desarrollo de tecnologías en el lugar de trabajo, desde los primeros días de la gestión de documentos, la gestión de contenidos empresariales y los servicios de contenidos. Ahora, con el desarrollo de nuevos modelos de trabajo remoto e híbrido, cubre la evolución de las tecnologías que permiten la colaboración, las comunicaciones y el trabajo, y recientemente ha dedicado una gran cantidad de tiempo a explorar los alcances de la IA, la IA generativa y la IA general.
Fuente: https://www.reworked.co/digital-workplace/generative-ai-is-pushing-the-limits-of-the-power-grid/
Tu contenido tiene aroma a huella de carbono… y es un problema
Revisa tu estrategia de contenidos. ¿Puedes encontrar un proceso para la revisión y eliminación de contenido?
por Annette Corbett
Se cita a Clint Eastwood diciendo: “El mañana no está prometido a nadie”. (Sin duda, añadió en voz baja, “a menos que estés contento”).
Todos somos acaparadores digitales, por accidente o por diseño. Y ya sea que este contenido resida en dispositivos físicos o se deseche a la nube (sí, la nube todavía cuenta como acaparamiento), tiene un impacto ambiental por el que todos debemos responder.
Antes de continuar, puede ser útil definir el contenido. A nivel personal, el contenido es cualquier cosa que hayas creado, almacenado o compartido en tu teléfono móvil, por ejemplo. Imágenes, memes, vídeos, música, mensajes de WhatsApp, correos electrónicos, mensajes de texto… Entiendes la idea. Desde un punto de vista profesional, piense en sitios web, intranets, canales de comunicación, DMS, CRM.
Gerry McGovern entiende el impacto ambiental de nuestros hábitos de acaparamiento digital. En declaraciones a UK Tech News, Gerry cree que hay que hablar de la nube, “porque no es una nube en absoluto”. Se trata de 7,2 millones de centros de datos que consumen mucha energía, donde cientos de servidores requieren energía y refrigeración las 24 horas del día. Los datos emiten carbono, pero, según Gerry, el 90% de los datos son basura que no se utiliza tres meses después de su creación.
Esto puede parecer muy improbable, pero revisa tu estrategia de contenido, estrategia de canal o gobernanza de intranet y sitio web. Es muy probable que tengas dificultades para encontrar un proceso de revisión y eliminación de contenidos.
Como contratista en serie, a menudo me traen a una organización para dar sentido al “caos de contenido”. Casi todas las conversaciones que he tenido sobre la intranet de una empresa resuenan con frustración por los resultados de búsqueda inadecuados (a pesar de la melaza textual que primero debe rastrearse para producir dichos resultados) y, en general, grandes franjas de tiempo perdidas tratando de encontrar contenido.
El problema no es solo de pérdida de productividad o de empleados que no pueden encontrar la información correcta para hacer su trabajo. Esto también es un problema para el planeta. Porque el contenido que no auditamos, eliminamos (el archivado no cuenta) o reutilizamos se convierte en forraje para ese repositorio de almacenamiento de gran capacidad en el cielo.
Contenido desechable (que nunca se desecha)
En lo que respecta a las comunicaciones internas, hablar no es barato. El imperativo de involucrar a los empleados o establecer un diálogo en torno a los temas tiene un costo significativo de carbono para el planeta (así como para el presupuesto de TI).
Un colega mío describió una vez las comunicaciones internas como el pegamento que mantiene unida a una organización, tal es la amplitud y diversidad de su contenido.
Las vacaciones estacionales, las victorias empresariales, los proyectos de transformación son ejemplos de contenido transitorio que no tiene una vida útil tangible, pero que permanece bajo la superficie de la intranet durante años.
Solo desde el punto de vista de la difusión e implementación (D&I), conté más de 50 días naturales “de nota” en los que se generarán artículos, imágenes, vídeos y podcasts para el consumo de los empleados. ¡Imagínese el gran peso del almacenamiento que requerirá este contenido acumulado durante uno, tres, cinco años! Estamos en el negocio de producir contenido desechable de un solo uso, que nunca se desecha.
‘No quiero perderme nada’: melodía temática de Microsoft 365
Después de la pandemia, la expansión de los canales de comunicación da y recibe a partes iguales. En una nota positiva, ahora tiene una gran cantidad de información al alcance de su mano, variaciones de detalles (según el canal) y es mucho menos probable que se pierda algo importante. Es decir, a menos que sufras una sobrecarga de información con tu atención tirada en todas direcciones debido a dichos canales de comunicación.
A medida que se intensifica el debate sobre cómo es una buena estrategia de canal, dejemos a un lado el impacto ambiental más obvio de todo este contenido fluido generado por los canales y centrémonos en la huella más nebulosa de las notificaciones del canal. Tomemos Microsoft 365 como ejemplo.
Cualquiera que trabaje en comunicaciones internas conoce la importancia de utilizar los canales “push” y “pull” para dirigirse a su público. Lo que no saben es que es una colina en la que morirán intentando, si la configuración de Microsoft tiene algo que ver con ella.
De forma predeterminada, aparecerá una nueva publicación, @tag o mensaje en la versión de escritorio de Teams o Yammer. Bien. ¡Pero espera! ¿Qué pasaría si estuvieras preparando un té, planeando la dominación corporativa en el enfriador de agua o, me atrevo a decir, desplazándote por tu cuenta de Insta?
No temas. Microsoft tiene esto cubierto con la seguridad de las alertas de canal, recordándole en Outlook que hay alertas de canal para revisar. Y si descargaste alguno de esos canales en tu teléfono móvil, bueno, a la tercera va la vencida.
No solo son redundantes los esfuerzos de estrategia de canal del equipo de comunicaciones internas, sino que el edicto de la empresa sobre la reducción del uso del correo electrónico es completamente discutible, su cordura se ejercita al estilo HIIT y las consecuencias de carbono de toda esta actividad son francamente catastróficas (en el contexto de este comportamiento repetitivo en todas las cuentas de Microsoft 365 de su organización, por no mencionar las organizaciones de todo el mundo).
Sé el cambio que quieres ver
Con el futuro de nuestro planeta en el punto de mira, lo más probable es que ya estés aportando tu granito de arena en casa y en la oficina. Pero no esperes a que tu organización incluya la sostenibilidad digital en la agenda estratégica si aún no lo ha hecho.
Hay muchas maneras en las que puedes mitigar la huella de carbono de tu contenido (y tampoco necesitas ser un editor de contenido), así como crear conciencia sobre este problema a la alta dirección.
Estén atentos a la segunda parte de esta entrega, cuando nos enfocamos en producir contenido consciente del carbono y crear una cultura de cancelación de contenido.
Sobre el autor
He entregado contenido relacionado con el conocimiento y comunicaciones internas (a menudo basadas en iniciativas de transformación) aplicando principios de diseño de contenido, en particular, GDS, y redacción de UX para proporcionar una experiencia de usuario relevante, informada y positiva para audiencias externas e internas. Mi experiencia incluye la gestión de productos y soy un entusiasta defensor de las prácticas “digitales limpias”, para minimizar nuestra huella de carbono y promover la sostenibilidad, en los canales de intranet y contenido.
Fuente: https://www.reworked.co/digital-workplace/your-content-has-a-carbon-footprint-and-its-a-problem/