Los avances de la Inteligencia Artificial generativa son diarios y la Biblioguía sobre Inteligencia Artificial en la Investigación está en constante actualización. En los últimos días ha incorporado nuevos contenidos de especial relevancia:

• Herramientas y recursos para la ingeniería de prompts, incluye una propuesta de prompts diseñados para apoyar la revisión y análisis de la literatura científica usando Claude.ai. Los prompts están organizados y categorizados en una base de datos abierta, lo que permite acceder, adaptar y reutilizar instrucciones de manera estructurada. Incluye herramientas para generar panoramas generales de la literatura, identificar contradicciones, rastrear conceptos clave, detectar brechas de investigación, comparar metodologías, construir marcos teóricos y simular revisiones por pares.

• Green prompting: conjunto de prácticas recomendables para redactar instrucciones a sistemas de IA con el menor consumo energético posible.

Cada consulta a una herramienta de IA generativa consume energía en centros de datos remotos y genera emisiones de CO₂ (Alcance 3 según el marco GHG Protocol) (Podder et al., 2026). Usar la IA de manera más eficiente es también una responsabilidad ambiental.

Principios Clave del Green Prompting:

1.  Sé conciso: cada palabra adicional en una instrucción se traduce en un token más de energía consumida por el sistema. Evitar palabras innecesarias o de cortesía que no aporten valor semántico directo ayuda a reducir el procesamiento.

2.  Define el formato: El formato de la respuesta es la variable con mayor impacto ambiental. Debes ser específico sobre la extensión y estructura deseada, utilizando instrucciones como "máximo X palabras" o "en X puntos". Solicitar texto plano y directo consume significativamente menos que pedir tablas complejas o textos enriquecidos.

3.  Usa el modelo adecuado: No todas las tareas requieren el modelo más potente. Para correcciones o traducciones breves, es preferible utilizar **modelos ligeros o Small Language Models (SLMs) en lugar de versiones ya que son mucho más eficientes y suficientes para tareas sencillas.

4.  Reutiliza prompts: Antes de redactar una nueva instrucción, comprueba si ya existe un prompt que funcione para esa tarea específica. Esto evita el consumo derivado de la experimentación repetida o el "prompting exploratorio" sin un propósito claro.

5.  Estructura antes de generar: Una instrucción inicial bien estructurada es la medida individual de mayor impacto, ya que evita múltiples rondas de interacción (iteraciones). Al especificar claramente el objetivo, el público y el formato desde el principio, se reduce drásticamente el número de consultas necesarias para llegar al resultado final.

Beneficios del Green Prompting:

• Reducción de Emisiones: La optimización de prompts puede reducir la energía de inferencia y las emisiones de CO₂ entre un 32% y un 48%.
• Mayor Eficiencia: Permite obtener la respuesta correcta al primer o segundo intento en lugar de múltiples iteraciones.
• Sostenibilidad: Convierte el uso de la IA en una práctica más consciente y respetuosa con el medio ambiente. 

El principio general es que cuanto más precisa es la instrucción inicial, menos iteraciones son necesarias y menor es el consumo energético. Especificar el formato, la longitud y la estructura de la respuesta desde el primer prompt es la medida individual de mayor impacto.

Más información

Podder, S., Date, H., & Murthy, S. (2026). Green prompt engineering for sustainable generative AI. Environmental Science and Ecotechnology, 30, 100684. https://doi.org/10.1016/J.ESE.2026.100684