Camino sustentable
Ninguna acción humana es inocua. La clave es minimizar el impacto de esa intervención, propósito que abrazamos con la búsqueda permanente de nuevos procedimientos operativos, tecnologías y la atención a los derechos de las comunidades.
El principio de cualquier proyecto de la industria es la licencia social y una arquitectura operativa que integre respetuosamente a sus trabajadores.
Gestionamos los riesgos de la actividad industrial sobre el medio ambiente y el social para contribuir al desarrollo sostenible a través de prácticas justas, respetando los derechos humanos.
La industria adopta mecanismos que evitan o mitigan la emisión de CO2 y el eventual daño por la contaminación del agua y del aire con diversas estrategias para disminuir su huella de carbono.
Las compañías petroleras deben cumplir con normativas estrictas que regulan el proceso extractivo y la restauración de áreas involucradas y están en la permanente búsqueda de nuevos procedimientos para mejorar sus prácticas.
La industria aporta al desarrollo económico nacional a través de una actividad que añade valor y genera empleo de calidad.
También promueve el bienestar de las comunidades aledañas a los lugares donde están emplazados los proyectos, respetando sus valores y el derecho a establecer una comunicación transparente.
Nuestras asociadas están comprometidas con acciones indeclinables.
El desarrollo de la inteligencia artificial (IA) demanda una cantidad significativa de energía. Esto impone el desafío de aprovechar sus beneficios limitando el impacto sobre el ambiente.
Los algoritmos de IA, especialmente los modelos de aprendizaje como las redes neuronales profundas, requieren enormes cantidades de cómputo para entrenarse y ejecutarse. Esto implica el uso intensivo de procesadores gráficos (GPUs) y unidades de procesamiento tensorial (TPUs), que consumen mucha energía.
La recopilación, almacenamiento y procesamiento de grandes volúmenes de datos necesarios para entrenar modelos de IA también consume energía, especialmente en centros de datos donde éstos se almacenan y procesan.
El entrenamiento de modelos puede requerir días, semanas o incluso meses de cálculos continuos, lo que implica un consumo energético sostenido, que también existe cuando los modelos están desplegados y operando en producción.
Los laboratorios y equipos de investigación que trabajan en el desarrollo de nuevas técnicas y algoritmos de IA también requieren infraestructura computacional que consume energía.
Para contribuir a la búsqueda de eficiencias para atender a esta gran demanda, se están explorando diversas estrategias: desarrollo de algoritmos más eficientes, uso de hardware especializado para IA más eficiente energéticamente y la adopción de prácticas de diseño de software que minimicen el consumo de recursos.
