Cómputo consciente del carbono: reducir emisiones sin rehacer todo

Actualizado: 2026-05-03

Carbon-aware computing es la idea de que los workloads flexibles pueden ejecutarse cuando y donde la energía es más limpia. La intensidad de carbono de la red eléctrica varía por hora y región: ejecutar un batch job de noche con viento alto emite 3-5 veces menos CO₂ que al mediodía con gas natural. Sin cambiar hardware, sin reescribir aplicaciones, solo con scheduling inteligente.

Puntos clave

• La intensidad de carbono de la red varía hasta 16x entre el escenario óptimo y el peor según zona y hora.
• El 20-40% del compute total de una organización es diferible sin impacto en usuarios finales.
• La reducción típica es del 10-30% de CO₂ en workloads flexibles con mínimo esfuerzo.
• Las herramientas principales son Electricity Maps API, WattTime y el Carbon Aware SDK de la Green Software Foundation.
• El carbon-aware computing no añade costes en la mayoría de implementaciones: el scheduling lógico es trivial.

El concepto base

La red eléctrica no tiene carbono constante. Ejemplos representativos:

• Noche con viento alto: ~50-100 g CO₂/kWh.
• Día con sol fuerte: ~100-200 g.
• Pico de demanda con gas natural: ~400-500 g.
• Zonas dependientes del carbón: >800 g.

Un workload que consume 1 MWh:

• En zona limpia y horario óptimo: ~50 kg CO₂.
• En zona sucia y horario malo: ~800 kg.

16x de diferencia sin cambiar nada excepto el timing y la ubicación.

Tipos de flexibilidad

No todos los workloads son flexibles. La clasificación práctica:

Flexibles en tiempo (diferibles sin impacto usuario):

• Batch processing y ETL.
• Entrenamiento de modelos ML.
• Refresh de data warehouse.
• Backups e indexing.

Flexibles en ubicación (stateless multi-región):

• Workloads stateless que no tienen restricciones de residencia de datos.
• Tareas de compute puro donde los datos pueden viajar.

No flexibles:

• Requests de usuarios en tiempo real.
• Streaming de datos en tiempo real.
• Transacciones OLTP.
• Control loops.

El 20-40% del compute total de una organización puede ser diferible sin impacto en la experiencia de usuario.

Fuentes de datos: APIs de intensidad de carbono

Las tres fuentes principales:

• Electricity Maps^[1]: datos en tiempo real y forecast por región para más de 50 países. El tier gratuito cubre experimentación.
• WattTime^[2]: enfoque en EE.UU. con datos históricos granulares.
• Carbon Aware SDK^[3] (Green Software Foundation): wrapper open-source multi-idioma que agrega varias fuentes.

Patterns de implementación

Diferir batch jobs

El cambio más simple: si un backup o un job ETL puede correr en cualquier momento en una ventana de 24 horas, se puede optimizar el horario:

from carbon_aware import get_cleanest_hour

hour = get_cleanest_hour(region="es-es", window_hours=24)
schedule_job_at(hour, "backup-db")

Cambio de unas pocas líneas, impacto medible en el reporte de emisiones.

Routing de workloads entre regiones

Para workloads verdaderamente stateless:

region = get_cleanest_region(candidates=["se-north-1", "ie-west-1", "pl-central-1"])
deploy_to(region)

Suecia (hidroeléctrica, muy limpia) frente a Polonia (carbón, >600 g/kWh) puede suponer una diferencia de 6-8x en emisiones por el mismo workload.

Carbon-aware HPA en Kubernetes

El stack emergente para escalar basado en intensidad de carbono:

apiVersion: keda.sh/v1alpha1
kind: ScaledObject
metadata:
  name: carbon-aware-workload
spec:
  scaleTargetRef:
    name: my-deployment
  triggers:
    - type: external
      metadata:
        scalerAddress: carbon-aware-scaler.default:8080
        region: eu-west-1
        threshold: "300"  # g CO₂/kWh

Cuando la intensidad supera el threshold, el HPA reduce réplicas y difiere trabajo. El carbon-aware-keda-operator^[4] de Microsoft implementa este patrón. Para la capa de observabilidad de estas métricas, ver monitorización de contenedores.

Green Software Foundation

La Green Software Foundation^[5] (Linux Foundation + Microsoft, GitHub, Accenture, Thoughtworks) desarrolla:

• Carbon Aware SDK: librería multi-idioma de referencia.
• Software Carbon Intensity (SCI) specification: métrica estándar de g CO₂ por unidad de negocio.
• Formación y certificaciones.

La SCI specification es importante porque proporciona una métrica normalizada que permite comparar entre organizaciones y reportar en CSRD.

Casos con ROI real

• Google: reporta millones de kg CO₂ evitados anualmente via scheduling en sus data centers.
• Microsoft: Xbox descarga actualizaciones priorizando horas low-carbon.
• NHS UK: pilotos de procesamiento nocturno de imágenes médicas.

Para una empresa mediana: reducción del 10-30% de CO₂ en workloads flexibles con un sprint de implementación.

Costes frente a beneficios

Carbon-aware computing no añade costes en la mayoría de implementaciones:

• El pricing de cloud por hora es uniforme dentro de la misma región.
• El cambio es solo scheduling logic (código trivial).
• El tiempo añadido solo existe si diferir el batch causa un delay inaceptable para el negocio.

Los beneficios:

• Reducción real y reportable de CO₂.
• Ayuda al cumplimiento de CSRD y ESG reporting.
• Credenciales verdes genuinas (no carbon offsets comprados).

Limitaciones honestas

• Los forecasts tienen un error de ±20%: no es ciencia exacta.
• La cobertura regional no es universal: Electricity Maps cubre bien Europa Occidental pero hay zonas con datos pobres.
• Los ahorros son 10-30% de los workloads, no del 100% del compute.
• Riesgo de greenwashing si se reporta sin reducción real significativa.

Para empezar

El path más pragmático:

1. Auditar qué workloads son diferibles y cuánto consumen.
2. Prototipo con 1-2 jobs movidos a horas low-carbon usando la API gratuita de Electricity Maps.
3. Medir el CO₂ antes y después.
4. Expandir a más workloads y automatizar con KEDA.
5. Reportar en el sustainability reporting corporativo.

En contexto de CSRD y regulación europea creciente, el carbon-aware computing pasará de ser una opción a ser una expectativa en los próximos años. Mejor adoptarlo antes que ser forzado a hacerlo.

1. Electricity Maps
2. WattTime
3. Carbon Aware SDK
4. carbon-aware-keda-operator
5. Green Software Foundation