Investigadores de la Universidad de Míchigan han determinado que los modelos de inteligencia artificial generativa consumen entre 1,4 y 180 veces más energía para procesar y generar texto en idiomas no ingleses. Este hallazgo, presentado en la conferencia Empirical Methods in Natural Language Processing, revela una disparidad energética significativa que puede exacerbar las desigualdades globales al aumentar los costes de uso para usuarios de idiomas minoritarios o con scripts complejos. El estudio, financiado parcialmente por la National Science Foundation y DARPA, analizó el consumo energético de tres modelos de código abierto (Qwen 3, Gemma 3 y Llama 3.1) utilizando el marco ML.Energy. Los datos indican que los idiomas que no utilizan la escritura latina y tienen menos contenido digital disponible para el entrenamiento requieren más recursos. Por ejemplo, el hindi y el bengalí consumen 7,9 y 15,3 veces más energía respectivamente que el inglés. La causa principal es la necesidad de generar más tokens (unidades de datos básicas) debido a la complejidad de los scripts, lo que aumenta la memoria utilizada y el consumo energético por token. Los autores recomiendan a los desarrolladores optimizar los servicios para idiomas específicos o incorporar pipelines de traducción para reducir esta brecha energética y económica.
