La huella de carbono de la investigación en economía en la era de la IA generativa

La IA generativa está cambiando la forma en que se produce investigación en economía, sobre todo en tareas intensivas en programación. Ese cambio puede elevar la productividad, pero también abaratar la prueba y error y, con ello, aumentar el cómputo redundante, el consumo energético y las emisiones. Este trabajo analiza esa tensión en un caso concreto y frecuente: la construcción de una revisión de literatura a gran escala apoyada en modelización de temáticas con Latent Dirichlet Allocation (LDA). Aunque el caso empírico es específico, la pregunta de fondo es más amplia: si la IA facilita producir código más deprisa, también puede facilitar producir más cómputo del necesario. Comparamos dos versiones del mismo procedimiento: (i) un cuaderno desarrollado con asistencia de Gemini y (ii) una versión reconstruida y depurada con GPT 5 bajo criterios explícitos de eficiencia (green prompting), orientados a consolidar configuración, evitar recálculos y limitar exploraciones de bajo retorno. Medimos tiempo, líneas de código ejecutables y emisiones estimadas con CodeCarbon. La versión depurada reduce el tiempo de 4343 a 1819 segundos (58,1%), las emisiones de 45,88 a 22,94 g de CO2e (50,0%) y el código de 787 a 323 líneas (59,0%), manteniendo una equivalencia práctica de resultados. La conclusión principal es sencilla: la eficiencia no surge automáticamente por usar asistentes de IA, sino por cómo el investigador guía su uso, fija restricciones operativas y elimina cómputo innecesario.

1. Introducción

Las revisiones de literatura son un punto de partida casi obligado en investigación en economía y finanzas: antes de plantear una contribución, el investigador necesita situarla en un campo, identificar qué se sabe, qué está en debate y dónde quedan lagunas. Sin embargo, esta tarea está cada vez más condicionada por la escala. El crecimiento del volumen de documentos de trabajo y artículos hace más difícil sostener síntesis puramente narrativas, y ha favorecido la adopción de enfoques de análisis de textos como datos que permiten obtener un primer mapa de un campo y orientar una lectura posterior en profundidad (Gentzkow et al. 2019; Ash and Hansen 2023). En la práctica, parte de la exploración inicial se apoya en procedimientos de aprendizaje automático, como la modelización de temáticas, que identifican patrones y áreas latentes en grandes colecciones de textos y ayudan a organizar el corpus antes de entrar en la lectura detallada. En este conjunto de herramientas, técnicas como Latent Dirichlet Allocation (LDA) se han consolidado como un estándar pragmático para construir taxonomías interpretables de grandes corpus: cada documento carga en varios temas y los temas se describen como distribuciones de palabras (Blei et al. 2003; Blei 2012). En economía y áreas afines, estos modelos se han utilizado con un propósito finalista: describir la evolución de un campo, identificar regularidades y acotar qué debe leerse con detalle (Ambrosino et al. 2018; Wehrheim 2019).

Esta forma de síntesis no es gratuita desde el punto de vista computacional. A medida que crecen los corpus y se sofistiquen los pasos de preparación del texto, ajuste de modelos y evaluación de su calidad, aumentan tanto el tiempo de ejecución como la complejidad del código necesario para llevar a cabo el análisis. En consecuencia, el conocimiento sobre cómo elaborar una correcta modelización de temáticas puede convertirse en una barrera de entrada práctica para muchos investigadores: requiere destrezas de programación, decisiones técnicas no triviales y capacidad de iterar sobre especificaciones y diagnósticos.

En este contexto, se está extendiendo el uso de asistentes de programación basados en IA generativa, que facilitan la escritura, depuración y reorganización del código y reducen el coste de prototipar y ajustar estos procedimientos. De hecho, la IA generativa añade una capa nueva a este tipo de ejercicios y, en general, a la práctica investigadora en economía (Korinek 2023a, 2023b, 2025). Su adopción no se limita a automatizar partes del tratamiento de datos o de la modelización: también se utiliza para explorar ideas, contrastar argumentos, organizar la revisión de literatura, mejorar borradores y apoyar el razonamiento paso a paso en problemas técnicos. En este conjunto de usos, un papel especialmente relevante lo ocupa la producción de código. Cada vez es más habitual que el diseño, la escritura y la reorganización del código se apoyen en asistentes basados en grandes modelos de lenguaje. Esta práctica reduce el coste de prototipar e iterar, incluyendo depurar y documentar, y puede modificar la función de producción de un survey o revisión económica: decisiones que antes se explicitaban por el investigador (por ejemplo, especificación de hiperparámetros del modelo de aprendizaje automático, búsqueda del número óptimo de temáticas, o qué visualizar y qué almacenar) pasan a delegarse de forma parcial en el asistente mediante interacciones sucesivas.

Sin embargo, esta delegación no es neutra. Cuando la iteración es barata, aumentan tanto la exploración como el riesgo de cómputo redundante, en especial en entornos en la nube donde pequeñas decisiones de diseño se traducen en minutos de ejecución acumulada. Una literatura incipiente sobre IA verde (Green AI, en su formulación habitual en inglés) documenta que estos sistemas pueden implicar consumos energéticos y emisiones relevantes, sobre todo cuando su uso se integra de forma intensiva en tareas habituales. En este trabajo usamos Green AI en ese sentido estricto: la sostenibilidad ambiental de cómo se diseñan, ejecutan y despliegan sistemas y flujos de trabajo de IA. No nos referimos aquí a la IA aplicada a resolver problemas ambientales, aunque ambas agendas estén relacionadas. Los primeros trabajos se centraron en el coste del entrenamiento (Strubell et al. 2019), mientras que contribuciones recientes muestran que, en sistemas desplegados a gran escala, la inferencia puede dominar el consumo energético del ciclo de vida (Jegham et al. 2025). Además, se han señalado otras presiones ambientales asociadas a infraestructura y recursos, como el uso de agua (Li et al. 2025). Esta evidencia ha impulsado el desarrollo de la agenda de IA verde, que propone evaluar el progreso en aprendizaje automático no solo por rendimiento, sino también por eficiencia computacional, energía, huella ambiental y transparencia en el reporte de costes (Schwartz et al. 2019; Verdecchia et al. 2023).

Estas dos agendas, productividad con IA generativa y sostenibilidad de sistemas de IA, siguen relativamente desconectadas en la práctica investigadora en economía. Por un lado, el debate sobre asistentes de IA se ha centrado en productividad, calidad, reproducibilidad y cambios en el trabajo académico. Por otro lado, la IA verde ha puesto el foco sobre todo en el coste de los propios modelos fundacionales, con mucha menos atención a los flujos de trabajo científicos que se construyen y ejecutan con apoyo de IA generativa. Sin embargo, para muchos usuarios ese es el punto donde la cuestión se vuelve más tangible: no solo importa cuánta energía consume el modelo en abstracto, sino también qué tipo de prácticas fomenta en el trabajo cotidiano y cuánto cómputo adicional induce en tareas habituales. Como resultado, disponemos de poca evidencia sistemática sobre la huella computacional de ejercicios de investigación económica desarrollados con asistencia de IA, y sobre hasta qué punto dicha huella depende de cómo se conduce el proceso de generación y depuración de código.

En el fondo, el trabajo parte de una pregunta sencilla: si dos formas de llegar al mismo resultado analítico generan costes computacionales distintos, entonces una parte relevante del impacto ambiental no depende solo del modelo utilizado, sino también de la manera en que se trabaja con él. Esta intuición permite llevar una discusión a menudo presentada en términos muy técnicos al terreno más concreto de la organización del trabajo investigador.

Este trabajo conecta ambas agendas mediante un caso de uso representativo: la construcción de un ejercicio de modelización de temáticas con LDA para una revisión de literatura a gran escala, ejecutado en Google Colab y medido con CodeCarbon (Lacoste et al. 2019; Courty et al. 2023). ¹ El objetivo no es proponer innovaciones metodológicas en revisiones automatizadas de literatura económica, sino documentar cómo prácticas distintas de producción de código, asistidas por IA generativa, se traducen en diferencias de coste computacional para el mismo objetivo analítico. En concreto, comparamos dos versiones del mismo ejercicio: (i) una implementación extensa desarrollada de forma iterativa con asistencia de Gemini (Google), y (ii) una versión depurada y más eficiente, reconstruida con GPT 5 (OpenAI) mediante técnicas de green prompting, entendidas aquí como instrucciones explícitas orientadas a reducir redundancias, acotar exploraciones y priorizar implementaciones ligeras.

Nuestra contribución empírica es, por tanto, una comparación del coste algorítmico del mismo ejercicio bajo dos modos de asistencia. Medimos tiempo de ejecución, líneas de código ejecutables y emisiones estimadas de CO 2 e. En resultados agregados, la versión depurada reduce el tiempo de 4343 a 1819 segundos (58,1%), las emisiones de 45,88 a 22,94 g de CO 2 e (50,0%) y el código de 787 a 323 líneas ejecutables (59,0%), manteniendo salidas equivalentes en términos de temas, coherencia y productos de análisis. Más allá del caso concreto, el resultado relevante es conceptual: una parte importante de la huella no depende solo del método elegido, sino también de cómo se organiza el proceso de trabajo alrededor de ese método. Estos ahorros se asocian sobre todo a una mejor disciplina de diseño y a la eliminación de duplicidades alrededor de los pasos más costosos, más que a cambios en el núcleo del método. No obstante, este diseño no permite separar el efecto del modelo del efecto de las instrucciones y del proceso de refactorización, de modo que la evidencia debe leerse como aplicada y descriptiva, no como identificación causal de mecanismos. La conclusión principal es operativa: la eficiencia no surge automáticamente por usar un asistente, sino que depende de que el investigador traduzca el objetivo analítico en restricciones y criterios claros, y conduzca el desarrollo del código de forma deliberada.

El resto del trabajo se organiza como sigue. La Sección 2 revisa la literatura relacionada sobre IA generativa en la práctica investigadora en economía y sobre IA verde, con énfasis en medición de huella, eficiencia de inferencia, arquitectura e infraestructura. La Sección 3 describe el ejercicio, el entorno de ejecución y la medición de huella computacional. La Sección 4 presenta los resultados

agregados de la comparación entre versiones. Por último, la Sección 5 discute implicaciones para la práctica investigadora y para el reporte de métricas computacionales, así como limitaciones y líneas de trabajo futuro.

2. Revisión de la literatura: IA generativa en economía y finanzas, y Green AI

La adopción de IA generativa en economía y finanzas se está produciendo por una vía muy concreta: la asistencia en tareas que, hasta ahora, imponían costes altos de tiempo y de especialización. En particular, la programación y la construcción de ejercicios reproducibles se benefician de forma inmediata de sistemas capaces de proponer código, explicarlo, depurarlo y reorganizarlo. En este sentido, la IA generativa no solo afecta a la investigación como objeto de estudio, sino también como tecnología de propósito general que se integra en el propio proceso de producción científica. La literatura reciente subraya que estos sistemas pueden apoyar un abanico amplio de tareas, desde búsqueda de antecedentes y discusión de ideas hasta escritura y análisis, con un papel destacado en la producción de código y en la construcción de flujos de trabajo completos (Korinek 2023a, 2023b, 2025). En paralelo, la evidencia empírica empieza a documentar mejoras relevantes de productividad asociadas a su adopción, con incrementos de producción científica y ganancias moderadas de calidad en ciencias sociales y del comportamiento, especialmente en perfiles jóvenes y en tareas con alta carga técnica o lingüística (Filimonovic et al. 2025). En conjunto, estas contribuciones sugieren que la combinación de grandes volúmenes de texto, herramientas computacionales y asistencia basada en modelos de lenguaje está alterando la forma en que se escala el trabajo de investigación, incluyendo decisiones que antes quedaban codificadas explícitamente por el investigador en su propio código.

Cuadro 1. Qué entendemos por Green AI en este trabajo

Elemento	Alcance en este trabajo
IA para sostenibilidad (AI for Green)	Uso de sistemas de IA para contribuir a objetivos ambientales, como predicción climática, monitorización o gestión energética. No es el foco principal de este trabajo.
Eficiencia energética de IA (Green AI)	Sostenibilidad ambiental de la propia IA y de los flujos de trabajo asistidos por IA: consumo energético, emisiones y eficiencia computacional. Este es el sentido en que usamos el término en el artículo.

Esta distinción también ayuda a ordenar el debate desde una perspectiva económica. La IA aplicada al medioambiente suele evaluarse por su contribución a objetivos de mitigación, adaptación o gestión de riesgos climáticos, y encaja bien en marcos de política pública. En cambio, cuando se considera el impacto ambiental de la propia IA, el problema se desplaza hacia decisiones de eficiencia, diseño de infraestructuras y reglas de uso. Se trata de un ámbito donde aparecen compromisos entre precisión, latencia, seguridad y consumo energético, y donde la eficiencia se convierte en criterio de elección. En este sentido, la IA verde no es solo un debate técnico, sino también un debate de asignación de recursos: qué coste computacional se justifica para obtener qué ganancia informativa o qué mejora de rendimiento, y bajo qué restricciones.

A partir de aquí, una síntesis narrativa de la IA verde puede ordenarse en torno a cuatro líneas principales que se refuerzan entre sí:

1. Medición y reporte: cómo estimar consumo energético y emisiones de forma comparable, qué supuestos adoptar sobre la intensidad de carbono de la electricidad y qué métricas permiten interpretar resultados en contextos distintos (Henderson et al. 2020; Lannelongue et al. 2021; Courty et al. 2023).
2. Eficiencia de inferencia y diseño de arquitecturas: técnicas y decisiones de diseño orientadas a reducir costes por consulta (especialmente relevantes cuando la inferencia domina el ciclo de vida), así como enfoques recientes que conectan eficiencia con patrones de uso y evaluación del impacto en inferencia (Google Cloud 2025; Ranpara 2025).
3. Infraestructura y sistemas: la huella depende de la combinación de hardware, tasas de utilización, localización y estrategias de planificación, y no solo del algoritmo, lo que abre el espacio a enfoques de computación consciente del carbono y a optimizaciones conjuntas modelo e infraestructura (Bian et al. 2023; Wang et al. 2025).
4. Compromisos multiobjetivo: la eficiencia se discute junto a restricciones de seguridad, robustez o calidad, sugiriendo que reducir emisiones suele implicar decisiones y renuncias explícitas, no mejoras automáticas (Bengio et al. 2024; Dalrymple et al. 2024).

Este marco permite formular una hipótesis operativa sobre el uso de IA generativa en investigación económica: si una parte relevante del impacto ambiental depende de decisiones de diseño y de qué cómputo se considera necesario, entonces la programación y la refactorización del código pasan a ser un margen central de eficiencia. La IA generativa puede acelerar la producción, pero también inducir redundancias si el investigador no fija criterios claros sobre qué estimar, cuándo detener la exploración, qué diagnósticos son imprescindibles y qué salidas merece la pena generar y almacenar. En este sentido, la eficiencia no depende solo de modelos más ligeros o de infraestructura más limpia, sino también de mantener al ser humano en el circuito, como instancia que guía y limita la interacción con la máquina: decidir qué se hace, con qué nivel de detalle, y qué se evita recomputar. Esta conexión motiva el análisis empírico de las secciones siguientes.

3. Diseño empírico y medición de huella computacional

Mirado en conjunto, el diseño compara dos maneras de construir el mismo producto analítico: una revisión de literatura asistida por IA y apoyada en modelización de temáticas. La comparación no busca decidir qué asistente «es mejor» en abstracto, sino observar cuánto cambia el coste computacional cuando el flujo de trabajo se desarrolla de forma más exploratoria o de forma más depurada. En ese sentido, el caso técnico funciona como una ilustración concreta de una cuestión más amplia sobre productividad, eficiencia y sostenibilidad.

El ejercicio empírico se apoya en un caso de uso representativo de revisión de literatura a gran escala mediante modelización de temáticas. Para ello usamos el mismo corpus que Alonso-Robisco (2025), en el cual se analiza la intersección entre inteligencia artificial y economía o finanzas a partir de una extracción de trabajos en Scopus.² La consulta combina términos asociados a IA (por ejemplo, Generative AI, Artificial Intelligence, Machine Learning, Natural Language Processing y Large Language Models) con términos económicos y financieros (por ejemplo, Finance, Economics, Financial Planning e Investment), y restringe los resultados a cinco áreas temáticas: Decision Sciences, Business Management and Accounting, Economics, Econometrics and Finance, Social Sciences y Energy. La consulta devuelve 19,185 registros y, tras eliminar entradas sin resumen o con resúmenes vacíos, el corpus final queda en 19,095 documentos.

Trabajamos con resúmenes porque constituyen un formato relativamente estandarizado de presentación científica: condensan qué afirman hacer los autores, qué métodos destacan y qué contribuciones consideran más relevantes.

Para nuestro objetivo, esta capa textual ofrece un equilibrio útil entre comparabilidad y escala, y permite analizar un volumen alto de documentos sin necesidad de acceder al texto completo.³

Sobre este corpus se ejecuta un procedimiento estándar de Latent Dirichlet Allocation (LDA), entendido como una herramienta pragmática para construir una taxonomía interpretable del campo: cada documento carga en varios temas y cada tema se describe como una distribución de palabras (Blei et al. 2003; Blei 2012). La implementación evaluada no se limita a estimar el modelo, sino que reproduce el tipo de proceso que suele acompañar un ejercicio aplicado de revisión. En primer lugar, se realiza el preprocesamiento del texto, con limpieza y normalización, tokenización, eliminación de palabras vacías y lematización, generando un texto apto para su representación vectorial. En segundo lugar, se estima LDA para un conjunto de valores candidatos del número de temas, con el objetivo práctico de seleccionar una especificación razonable mediante diagnósticos como medidas de coherencia. En tercer lugar, se generan salidas destinadas a la interpretación: listas de términos representativos, asignaciones documento tema y tablas de resúmenes que facilitan etiquetado y lectura dirigida. Finalmente, se producen productos auxiliares habituales en una revisión basada en texto, como representaciones de prevalencia temática en el tiempo y exportaciones para inspección manual. Esta secuencia refleja que el coste total no proviene solo del ajuste del modelo, sino también de tareas de selección e interpretación que rodean la estimación.

La construcción del cuaderno original se realizó en Google Colab, apoyándose de forma iterativa en Gemini como asistente de código. El proceso fue incremental: para cada fase se solicitaba código, se ejecutaba, se depuraba y se ampliaba en función de resultados intermedios. Este modo de trabajo es habitual cuando se explora un corpus grande, porque facilita avanzar por aproximaciones sucesivas y ajustar decisiones prácticas sobre limpieza de texto, parámetros del modelo y salidas para interpretación. A la vez, este estilo de desarrollo tiende a generar redundancias: celdas repetidas, comprobaciones duplicadas, importaciones dispersas, reejecuciones innecesarias y salidas post estimación más amplias de lo imprescindible para el objetivo analítico. En conjunto, estas decisiones aumentan la extensión del código y el tiempo de ejecución, y por tanto la huella computacional del ejercicio.

En cambio, la segunda implementación se obtiene a partir de un proceso de depuración y reconstrucción completa del cuaderno con GPT 5, aplicando lo que denominamos, de forma amplia, green prompting. Aquí, más que una plantilla rígida de instrucciones, se trata de una disciplina de refactorización guiada por eficiencia: consolidar parámetros en una configuración única, modularizar funciones, evitar pasos repetidos, reducir copias en memoria, acotar exploraciones innecesarias y concentrar las salidas más costosas solo donde aportan valor interpretativo. El objetivo analítico se mantiene constante, pero se reduce el sobrecoste asociado al desarrollo exploratorio y a la acumulación de lógica redundante.

Cuadro 2. Lectura rápida del diseño empírico.

Pregunta	Respuesta en este trabajo
Qué se compara	Dos versiones del mismo ejercicio de revisión de literatura con LDA.
Qué se mantiene constante	El objetivo analítico, el corpus y el tipo de salidas obtenidas.
Qué cambia	La forma de producir y depurar el código con asistencia de IA.
Qué se mide	Tiempo de ejecución, líneas de código y emisiones estimadas de CO 2 e.
Qué no se mide directamente	El consumo del asistente de IA en el centro de datos.

 

La medición de huella se realiza con tres métricas complementarias. La primera es el tiempo total de ejecución, registrado de forma directa y reproducible como aproximación transparente a la intensidad computacional. La segunda es el volumen de código ejecutable, medido como líneas de código, que aproxima complejidad, mantenimiento y probabilidad de redundancia. La tercera es una estimación de emisiones de CO 2 e mediante CodeCarbon, que combina información sobre utilización de hardware con supuestos sobre consumo energético y sobre intensidad de carbono del mix eléctrico (Lacoste et al. 2019). Dado que CodeCarbon mide el consumo asociado a la ejecución del cuaderno, esta contabilidad debe interpretarse como un umbral inferior de la huella total asociada al uso de asistentes de IA generativa. En particular, no incluye el consumo del propio asistente en el centro de datos, que puede ser material pero no es fácilmente cuantificable con precisión con la información disponible. La Figura 1 ilustra esta delimitación de forma esquemática.

Figura 1

El diseño empírico consiste, por tanto, en una comparación entre dos versiones del mismo ejercicio, ejecutadas en un entorno homogéneo y con objetivos analíticos equivalentes: un cuaderno original desarrollado de forma iterativa con asistencia de Gemini y una versión depurada reconstruida con GPT 5 bajo criterios explícitos de eficiencia. Para hacer explícito qué se mide y dónde, instrumentamos el registro de métricas por fases, además del total. La Figura 2 resume el flujo de trabajo y el alcance de la medición, distinguiendo cuatro fases principales y una categoría residual de tareas auxiliares.

Figura 2

La comparación permite cuantificar en qué medida una conducción deliberada del desarrollo de código reduce tiempo, emisiones y complejidad, manteniendo el propósito del análisis. Al mismo tiempo, debe interpretarse como evidencia aplicada y descriptiva, porque el proceso combina diferencias de asistente y diferencias de refactorización y de estilo de instrucciones, sin separar causalmente mecanismos. Con este marco, la siguiente sección presenta los resultados agregados de la comparación y discute en qué fases se concentran los ahorros.

4. Resultados

Esta sección presenta los resultados agregados de la comparación entre (i) el cuaderno original, construido de forma iterativa con asistencia de Gemini, y (ii) la versión depurada, reescrita con GPT 5 aplicando criterios explícitos de eficiencia. El objetivo analítico se mantiene: ambos cuadernos producen los mismos tipos de salidas para la revisión basada en LDA (temas, coherencia, tablas de apoyo e insumos para interpretación).⁴ Lo que cambia es la disciplina de diseño y la eliminación de redundancias, que se traduce en diferencias de tiempo de ejecución, emisiones y extensión del código. El mensaje de fondo es simple: incluso en un ejercicio técnico y acotado, la forma de trabajar con asistencia de IA altera de manera apreciable el coste computacional del resultado final.

Lo que esta comparación pone en juego no son dos resultados científicos distintos, sino dos maneras de llegar al mismo resultado. La cuestión central no es si el modelo final «funciona mejor», sino cuánto cuesta producirlo cuando el proceso incorpora más o menos redundancia.

El Cuadro 3 resume los resultados principales. En términos agregados, la versión depurada reduce el tiempo total de ejecución de 4343,1 a 1819,2 segundos, una reducción del 58,1%. En emisiones estimadas, la reducción es de 45,88 a 22,94 g de CO 2 e (50,0%). En extensión del código ejecutable, el cuaderno pasa de 787 a 323 líneas (59,0%). Estos tres márgenes son coherentes entre sí: una menor extensión del código se asocia a menor sobrecoste computacional y, por tanto, a un menor consumo energético estimado.

Cuadro 3. Comparación agregada entre cuaderno original y cuaderno depurado.

Métrica	Original	Depurado	Reducción (%)
Tiempo (s)	4343,1	1819,2	58,1
Emisiones (g CO 𝟐 e)	45,88	22,94	50,0
Líneas de código (LOC)	787	323	59,0

 

Estos resultados deben interpretarse como evidencia aplicada y descriptiva. La comparación combina cambios de asistente y cambios de refactorización guiada por eficiencia, por lo que no identifica por separado el efecto del modelo y el efecto de las instrucciones. Aun así, los órdenes de magnitud sugieren que existe un margen relevante de mejora en ejercicios intensivos en código, incluso manteniendo constante el objetivo analítico y el entorno de ejecución.

Más que como una comparación entre plataformas, el resultado debe leerse como una evidencia de que la disciplina de diseño importa. Este matiz desplaza la discusión desde la marca del asistente hacia las prácticas concretas de uso, que es donde realmente se materializa una parte del coste computacional.

Para entender de dónde provienen los ahorros, registramos métricas por fases. Las figuras siguientes muestran la descomposición de los ahorros en tiempo, emisiones y líneas de código. Más allá de los valores concretos por fase, el patrón es estable: la mayor parte de las mejoras se asocia a la eliminación de pasos repetidos y a la consolidación de tareas que en el cuaderno original aparecían fragmentadas o duplicadas. En particular, la selección práctica del número de temas y las tareas de interpretación tienden a concentrar una parte importante del coste, porque combinan estimaciones repetidas, diagnósticos y generación de salidas auxiliares.

Figura 3 . Ahorros por fase en tiempo y líneas de código ejecutables

Figura 4. Ahorro de emisiones por fase

La interpretación principal es que los ahorros no provienen de cambiar el núcleo del método, sino de reducir el sobrecoste que rodea al método cuando se desarrolla un ejercicio de forma exploratoria. LDA depende de bibliotecas y rutinas internas que mantienen su coste propio, mientras que una parte sustancial del consumo total suele generarse en torno a decisiones prácticas: qué pasos de limpieza se repiten, cuántas veces se recalculan representaciones intermedias, qué diagnósticos se ejecutan por defecto, qué visualizaciones se generan aunque no aporten información adicional, o cuántas salidas se exportan en formatos distintos por conveniencia. En un cuaderno construido por aproximaciones, es fácil que estas decisiones queden dispersas en celdas sucesivas y que se acumulen comprobaciones que son útiles en el momento, pero costosas cuando se ejecuta el flujo completo.

La versión depurada actúa precisamente sobre ese margen. La centralización de parámetros y rutas en una configuración única reduce incoherencias y evita recalcular por cambios menores. La modularización en funciones facilita reutilizar pasos sin duplicarlos, y permite identificar con claridad qué partes del proceso son realmente costosas. La consolidación de importaciones y la reducción de copias en memoria disminuyen sobrecostes silenciosos, especialmente en corpus grandes donde operaciones aparentemente pequeñas se amplifican. Del mismo modo, acotar la exploración del número de temas y concentrar salidas costosas solo cuando sirven a la interpretación reduce ejecuciones con bajo retorno informativo. En términos prácticos, la eficiencia se materializa cuando el investigador explicita criterios sobre qué se necesita para interpretar y comunicar resultados, y qué puede omitirse sin pérdida sustantiva.

Un matiz importante es que el tiempo y las emisiones no tienen por qué moverse en proporción exacta. Hay fases con perfil más intensivo en cálculo y otras más dominadas por operaciones de entrada y salida o por visualización, y su intensidad energética relativa puede variar. Por eso reportamos conjuntamente tiempo y emisiones: el tiempo es un indicador transparente del esfuerzo computacional, y la estimación de CO2e permite interpretar ese esfuerzo en una unidad ambientalmente significativa. En un entorno compartido como Colab, donde la asignación de recursos puede variar, esta combinación aporta robustez descriptiva sin exigir una instrumentación de hardware más intrusiva.

Para complementar la lectura de magnitudes, la Figura 5 ofrece equivalencias ilustrativas del ahorro total de 22,94 g de CO2e. Estas equivalencias no pretenden fijar un estándar de comparación, sino ayudar a contextualizar la escala del ahorro en un ejercicio concreto y reproducible. En conjunto, los resultados sugieren que, cuando la IA generativa se utiliza como apoyo bajo conducción deliberada, existe un margen sustancial para reducir el coste computacional de ejercicios típicos de revisión basada en texto, sin renunciar al propósito analítico del trabajo.

Figura 5. Equivalencias ilustrativas del ahorro total de CO2e (22,94g)

Trasladado a términos cotidianos, el ahorro total de 22,94g de CO2e equivale aproximadamente a mantener encendida una bombilla incandescente de 60 W durante unos 51 minutos, a recorrer en torno a 171 metros en un coche diésel medio, o a unas 2,5 cargas completas de un teléfono móvil. Estas comparaciones, aun siendo deliberadamente aproximadas, ayudan a fijar que hablamos de órdenes de magnitud propios de un ejercicio breve y reproducible, pero no triviales cuando se acumulan en iteraciones sucesivas.

Finalmente, conviene subrayar el alcance de estos resultados. La comparación es informativa para cuantificar órdenes de magnitud y para mostrar que la eficiencia depende de decisiones de diseño y de conducción del desarrollo de código. En particular, la evidencia es coherente con la idea de que la reducción observada proviene de evitar cómputo redundante y de acotar la exploración, más que de diferencias marginales asociadas a mantener el terminal encendido en reposo. Sin embargo, no permite atribuir por separado el efecto del asistente utilizado y el efecto de la refactorización y las instrucciones orientadas a eficiencia. Esta limitación es coherente con el objetivo de este trabajo, que busca documentar un caso aplicado y realista, pero también sugiere una agenda natural de trabajo futuro para identificar mecanismos con diseños más controlados. La siguiente sección discute implicaciones, limitaciones y líneas de investigación derivadas de esta evidencia.

5. Recomendaciones prácticas

Los resultados sugieren que una parte relevante de la huella computacional en ejercicios intensivos en código depende de decisiones de diseño del propio humano. A partir de la comparación entre versiones, proponemos tres reglas simples para otros investigadores que cuenten con apoyo de IA generativa, orientadas a reducir redundancias sin cambiar el objetivo analítico:

• Consolidar la configuración: definir en un único lugar los parámetros, rutas y semillas, y reutilizarlos en todo el cuaderno para evitar incoherencias y recálculos.
• Acotar la exploración: limitar desde el inicio qué se explora (por ejemplo, valores candidatos del número de temas) y cuándo se considera suficiente, evitando barridos exhaustivos si no aportan valor interpretativo proporcional.
• Evitar recomputar artefactos: guardar y reutilizar representaciones intermedias costosas (corpus preprocesado, diccionarios, matrices y diagnósticos) y regenerarlas solo cuando cambie la entrada o la especificación relevante.

Para mejorar la transparencia y facilitar comparaciones, recomendamos reportar al menos dos métricas de forma sistemática: tiempo total de ejecución y una métrica energética o ambiental (CO 2 e estimado con CodeCarbon o, alternativamente, energía en kWh si se dispone de esa medida). Estas magnitudes no sustituyen a la reproducibilidad del análisis, pero permiten documentar el coste computacional asociado a decisiones de diseño y promueven una práctica más consciente del uso de recursos.

En la práctica, estas recomendaciones no exigen cambiar la pregunta de investigación ni renunciar a herramientas útiles. Exigen, más bien, trabajar con una regla sencilla: no confundir facilidad para generar código con necesidad de ejecutarlo todo.

6. Conclusiones, limitaciones y agenda futura

La IA generativa se está incorporando con rapidez a la práctica investigadora en economía y finanzas, con un papel especialmente visible en tareas intensivas en programación. Esta adopción promete ganancias de productividad en la construcción de ejercicios reproducibles, en la exploración de alternativas de modelización y en la preparación de resultados. Al mismo tiempo, una literatura emergente sobre la sostenibilidad ambiental de la propia IA (Green AI) advierte que estos sistemas pueden tener un consumo relevante de electricidad y, por tanto, emisiones asociadas, en particular cuando su uso se integra de forma intensiva en tareas habituales. Entendemos aquí Green AI como la agenda que evalúa y reduce el impacto ambiental de la propia IA, no simplemente como el uso de IA para objetivos verdes. Este trabajo se sitúa en la intersección de ambas agendas y propone cubrir un vacío sencillo pero importante: entender cuál puede ser la huella computacional asociada al uso de IA generativa por parte de economistas en un uso muy concreto y frecuente, la generación y refactorización de código para ejercicios aplicados.

Para ello documentamos un caso representativo de revisión de literatura a gran escala mediante modelización de temáticas con LDA sobre un corpus amplio de resúmenes en economía y finanzas relacionados con métodos de IA. Comparamos dos versiones del mismo ejercicio: un cuaderno original desarrollado de forma iterativa con asistencia de Gemini y una versión depurada reescrita con GPT 5 aplicando criterios explícitos de eficiencia. Medimos tres resultados complementarios: tiempo de ejecución, extensión del código y emisiones estimadas mediante CodeCarbon. Los resultados agregados muestran reducciones sustanciales en los tres márgenes, con recortes de más del 50% en tiempo y emisiones, y una reducción similar en líneas de código. La descomposición por fases sugiere que los ahorros se concentran en la eliminación de redundancias y en la consolidación de tareas costosas que, en un desarrollo exploratorio, tienden a repetirse o a ejecutarse por defecto sin aportar valor informativo proporcional.

La lectura principal es práctica y, al mismo tiempo, relevante para la discusión de gobernanza. La eficiencia no surge de forma automática por el hecho de usar un asistente de IA generativa. Surge cuando el investigador conduce deliberadamente el proceso de desarrollo, traduce el objetivo analítico en restricciones operativas y decide qué cálculos, diagnósticos y salidas son necesarios para interpretar resultados, y cuáles son prescindibles. En otras palabras, el valor de estas herramientas aumenta cuando actúan como apoyo bajo supervisión experta, y cuando el usuario fija criterios claros sobre qué se busca, qué se evita y cuándo se detiene la exploración. Más ampliamente, la huella ambiental de la IA no depende solo de grandes decisiones de infraestructura, sino también de hábitos cotidianos de uso. Esta idea conecta con la agenda de IA verde: parte del margen de mejora no está solo en el modelo o en el hardware, sino en decisiones de diseño y en prácticas de trabajo que reducen cómputo innecesario sin afectar al propósito del análisis.

Estos resultados deben leerse, no obstante, con varias limitaciones importantes. En primer lugar, las emisiones registradas constituyen un umbral inferior de la huella total asociada al uso de asistentes de IA generativa en investigación. Nuestro seguimiento se centra en la ejecución del código del cuaderno en Google Colab y en el cómputo asociado a ese flujo de trabajo. Queda fuera, por transparencia y disponibilidad de datos, el consumo energético del modelo fundacional que presta el servicio de asistencia (Gemini vs ChatGPT), es decir, la computación en el centro de datos asociada a las consultas, la generación de respuestas y la infraestructura de servicio. Este componente puede ser relevante, pero no es fácilmente medible con precisión con la información pública disponible y, por tanto, incrementaría la huella total si se incorporara.

En segundo lugar, el diseño no separa el efecto del modelo del efecto de las instrucciones y de la refactorización. La comparación combina cambios de asistente y cambios de disciplina de diseño, por lo que no permite atribuir causalmente la mejora a un único mecanismo. En tercer lugar, la medición se realiza en un entorno compartido como Colab, donde pueden existir variaciones de recursos asignados y ruido de ejecución. Por eso reportamos conjuntamente tiempo y emisiones, y descomponemos por fases, pero sigue existiendo incertidumbre que un diseño más controlado debería tratar de reducir.

Estas limitaciones delimitan una agenda natural de investigación futura. Una primera línea consiste en diseñar comparaciones controladas que mantengan constante el entorno y separen con claridad el efecto del modelo del efecto de las instrucciones, por ejemplo mediante protocolos experimentales con ejecuciones emparejadas y variación sistemática del grado de restricción en las solicitudes de código. Una segunda línea consiste en ampliar la contabilidad para aproximar el coste de la asistencia de los modelos fundacionales, combinando información pública, supuestos explícitos y análisis de sensibilidad, de modo que el lector pueda entender rangos plausibles de huella total. Una tercera línea consiste en extender el análisis a otros ejercicios habituales en economía, donde el papel de la programación es central, para evaluar la generalidad de estos patrones y para identificar en qué clases de tareas el margen de eficiencia por disciplina de diseño es mayor.

En conjunto, este trabajo aporta evidencia aplicada que sugiere que la productividad asociada a la IA generativa puede alinearse con una mejora de eficiencia computacional cuando la asistencia se usa bajo conducción deliberada y con criterios claros. En un contexto donde la IA se integra cada vez más en la producción de investigación, incorporar métricas básicas de huella computacional y fomentar prácticas de diseño eficientes son pasos razonables para avanzar hacia una adopción más responsable, sin renunciar a sus beneficios en productividad.

En última instancia, el mensaje del artículo puede resumirse así: la discusión sobre IA y sostenibilidad no se juega solo en grandes centros de datos, sino también en decisiones ordinarias de trabajo. Si la IA generativa va a formar parte estable de la producción académica, entonces también conviene aprender a usarla con criterios de eficiencia, del mismo modo que se ha aprendido a usarla con criterios de calidad y reproducibilidad.

Si se quiere expresar la contribución en una sola frase, el mensaje del trabajo es el siguiente: la conversación sobre IA y sostenibilidad no debería centrarse solo en grandes modelos e infraestructura, sino también en cómo los investigadores usan esas herramientas en tareas cotidianas. Ese desplazamiento del foco hace que la discusión resulte más concreta y más útil para interpretar el alcance práctico de estos resultados.

7. Referencias

• Alonso -Robisco, Andres. 2025. Artificial Intelligence in Economics and Finance: An AIIDriven Literature Review . Documento de Trabajo No. 59. Instituto de Estudios Financieros (IEF), Observatorio de Divulgación Financiera.
• Ambrosino, Angela, Mario Cedrini, John B. Davis, Stefano Fiori, Marco Guerzoni, and Massimiliano Nuccio. 2018. «What Topic Modeling Could Reveal about the Evolution of Economics.» Journal of Economic Methodology 25 (4): 329 –4 –48. https://doi.org/10.1080/1350178X.2018.1529215 .
• Ash, Elliott, and Stephen Hansen. 2023. «Text Algorithms in Economics.» Annual Review of Economics 15 (1): 659– 88. https://doi.org/10.1146/annurev-economics-082222074352.
• Bengio, Yoshua, Sören Mindermann, Daniel Privitera, et al. 2024. «International Scientific Report on the Safety of Advanced Ai (Interim Report).» arXiv Preprint arXiv:2412.05282.
• Bian, Jieming, Lei Wang, Shaolei Ren, and Jie Xu. 2023. «CAFE: Carbon -Aware Federated Learning in Geographically Distributed Data Centers.» arXiv Preprint arXiv:2311.03615v2 .
• Blei, David M. 2012. «Probabilistic Topic Models.» Communications of the ACM 55 (4): 77–84. https://doi.org/https://doi.org/10.1145/2133806.2133826 .
• Blei, David M, Andrew Y Ng, and Michael I Jordan. 2003. «Latent Dirichlet Allocation.» Journal of Machine Learning Research 3: 993 – 1022.
• Courty, Benoit, Victor Schmidt, Goyal-Kamal, et al. 2023. CodeCarbon: Track Emissions from Compute. Zenodo. https://doi.org/10.5281/zenodo.10213072 .
• Dalrymple, David, Joar Skalse, Yoshua Bengio, et al. 2024. «Towards Guaranteed Safe Ai: A Framework for Ensuring Robust and Reliable Ai Systems.» arXiv Preprint arXiv:2405.06624 .
• Filimonovic, Dragan, Christian Rutzer, and Conny Wunsch. 2025. «Can GenAI Improve Academic Performance? Evidence from the Social and Behavioral Sciences.» arXiv Preprint arXiv:2510.02408 .
• Gentzkow, Matthew, Bryan Kelly, and Matt Taddy. 2019. «Text as Data.» Journal of Economic Literature 57 (3): 535– 74.
• Google Cloud. 2025. Measuring the Environmental Impact of AI Inference https://cloud.google.com/blog/products/compute/measuring-environmental-impact-of-ai-inference .
• Henderson, Peter, Jieru Hu, Joshua Romoff, Emma Brunskill, Dan Jurafsky, and Joelle Pineau. 2020. «Towards the Systematic Reporting of the Energy and Carbon Footprints of Machine Learning.» Journal of Machine Learning Research 21 (248): 1–43.
• https://jmlr.org/papers/v21/20-312.html .
• Jegham, Nidhal, Marwan Abdelatti, Lassad Elmoubarki, and Abdeltawab Hendawi. 2025. «How Hungry Is AI? Benchmarking Energy, Water, and Carbon Footprint of LLM Inference.» arXiv Preprint arXiv:2505.09598 .
• Korinek, Anton. 2023a. «Generative AI for Economic Research: Use Cases and Implications for Economists.» Journal of Economic Literature, ahead of print. https://doi.org/10.1257/jel.20231736 .
• Korinek, Anton. 2023b. Language Models and Cognitive Automation for Economic Research. NBER Working Paper No. 30957. National Bureau of Economic Research. https://www.nber.org/papers/w30957 .
• Korinek, Anton. 2025. AI Agents for Economic Research . Working Paper No. 34202. National Bureau of Economic Research. http://www.nber.org/papers/w34202 .
• Lacoste, Alexandre, Alexandra Sasha Luccioni, Victor Schmidt, and Thomas Dandres. 2019. «Quantifying the Carbon Emissions of Machine Learning.» arXiv Preprint arXiv:1910.09700 .
• Lannelongue, Loïc, Jason Grealey, and Michael Inouye. 2021. «Green Algorithms: Quantifying the Carbon Footprint of Computation.» Advanced Science 8 (12): 2100707. https://doi.org/10.1002/advs.202100707 .
• Li, Pengfei, Jianyi Yang, Mohammad A Islam, and Shaolei Ren. 2025. «Making AI Less ‘Thirsty’: Uncovering and Addressing the Secret Water Footprint of AI Models.» arXiv Preprint arXiv:2304.03271 .
• Ranpara, Ripal. 2025. «Energy-Efficient Green AI Architectures for Circular Economies Through MultiLayered Sustainable Resource Optimization Framework.» arXiv Preprint arXiv:2506.12262v1 .
• Schwartz, Roy, Jesse Dodge, Noah A. Smith, and Oren Etzioni. 2019. «Green AI.» arXiv Preprint arXiv:1907.10597 .
• Strubell, Emma, Ananya Ganesh, and Andrew McCallum. 2019. «Energy and Policy Considerations for Deep Learning in NLP.» Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, 3645–50. https://doi.org/10.18653/v1/P19-1355 .
• Verdecchia, Roberto, June Sallou, and Luı́ ́ s Cruz. 2023. «A Systematic Review of Green AI.» WIREs Data Mining and Knowledge Discovery 13 (4): e1507. .https://doi.org/10.1002/widm.1507
• Wang, Irene, Newsha Ardalani, Mostafa Elhoushi, et al. 2025. «Carbon Aware Transformers Through Joint Model -Hardware Optimization.» arXiv Preprint arXiv:2505.01386v2 .
• Wehrheim, Lino. 2019. «Economic History Goes Digital: Topic Modeling the Journal of Economic History.» Cliometrica 13: 83 – 125. https://doi.org/10.1007/s11698-018-0171-7 .

8. Sobre el autor

Andrés Alonso Robisco se incorporó al Banco de España en 2019 como economista senior en la División de Innovación Financiera, donde analiza el impacto de las nuevas tecnologías en banca y finanzas, con foco actualmente en medios de pago y fintech. En concreto, sus estudios se han centrado en el uso de inteligencia artificial y aprendizaje automático en la modelización de riesgos financieros, así como la innovación en finanzas climáticas. Desde 2026 es profesor adjunto y director académico del Master en Fintech en IE University. Anteriormente trabajó en la Junta Única de Resolución (SRB), una agencia de la Comisión Europea, y previamente en los equipos de tesorería y mercados de capitales del Instituto de Crédito Oficial (ICO), la agencia financiera española. Ha publicado artículos en varias revistas académicas, como Computational Economics, Finance Research Letters, Financial Innovation o Journal of Sustainable Finance and Investment, entre otras.

---

1. Este trabajo parte de un corpus bibliográfico ya utilizado en una revisión previa utilizando LDA y lo reorienta a la medición de huella en la generación y depuración de código (Alonso-Robisco 2025).
2. Search query: (TITLE-ABS-KEY((GenAI) OR («Generative AI») OR («Agent AI») OR («Artificial Intelligence») OR («Machine learning») OR («Natural Language Processing») OR («Large Language Model«) OR (LLM)) AND TITLE-ABSKEY((«Financial management») OR (Finance) OR (Economics) OR («Financial planning») OR (Financial) OR (Investment))) AND ( LIMIT-TO ( SUBJAREA,»DECI» ) OR LIMIT-TO ( SUBJAREA,»BUSI» ) OR LIMIT-TO ( SUBJAREA,»ECON» ) OR LIMIT-TO ( SUBJAREA,»SOCI» ) OR LIMIT-TO ( SUBJAREA,»ENER» ) ).
3. Tras el preprocesamiento, el corpus contiene 37,975 tokens únicos y la longitud media de los resúmenes es 122,53 tokens, consistente con el tamaño habitual de este género de texto académico. Esta regularidad también es relevante desde el punto de vista computacional, ya que el coste de tokenización, limpieza, construcción de representaciones y estimación del modelo escala con el tamaño de los documentos.
4. En lo sustantivo, hablamos de equivalencia práctica de resultados, no de identidad exacta de todas las salidas intermedias.