Resumen Técnico: De la Percepción a la Acción: ¿Pueden las Intervenciones de IU Fomentar un Chatbot de LLM Sostenible?

Planteamiento del Problema

Los chatbots de Modelos de Lenguaje Extensos (LLM) se están integrando cada vez más en los flujos de trabajo diarios, lo que plantea importantes preocupaciones de sostenibilidad debido a su consumo de energía y huella de carbono. Mientras que la mayoría de las estrategias de mitigación se centran en la optimización del backend —como arquitecturas de modelos eficientes, aceleradores de hardware y mejoras en los centros de datos—, la capa de la interfaz de usuario (IU) permanece subexplorada. La investigación actual ignora en gran medida cómo las interacciones del usuario y las intervenciones de la IU pueden influir en el consumo de energía acumulado durante el uso cotidiano. Los autores postulan que, si bien los usuarios pueden expresar preocupación ambiental, a menudo existe una brecha entre esa actitud y el comportamiento real, impulsada por los costos energéticos invisibles y las fricciones en la toma de decisiones. El problema central es determinar si las intervenciones de IU orientadas a la sostenibilidad pueden aumentar eficazmente la conciencia energética y orientar a los usuarios hacia patrones de interacción computacionalmente más eficientes sin comprometer la usabilidad.

Metodología

El estudio empleó una metodología de tres etapas para investigar este problema:

1. Encuesta de Línea Base (RQ1): Se realizó una encuesta en línea con 77 participantes para evaluar la conciencia actual del usuario sobre el consumo de energía de los LLM, la receptividad a conceptos de intervención y la disposición a aceptar compensaciones de rendimiento. La encuesta utilizó preguntas de tipo estimación (por ejemplo, comparando consultas de LLM con búsquedas en Google o la carga de un iPhone) para medir modelos mentales y brechas de conocimiento en lugar de la precisión técnica.
2. Implementación de Prototipo: Guiados por los hallazgos de la encuesta y los principios de la tecnología persuasiva y la arquitectura de elección, los autores implementaron un prototipo de chatbot de LLM basado en la web que presenta cinco intervenciones de IU específicas:
   • Interruptor de Tres Modos: Permite a los usuarios seleccionar entre los modos "Eficiencia Energética", "Equilibrado" y "Rendimiento".
   • Nota de Energía: Muestra una breve estimación de energía con cada respuesta del LLM.
   • Predicción de Prompt: Proporciona una estimación de energía antes de que el usuario envíe un prompt.
   • Panel de Métricas: Resume el uso de energía sobre la actividad reciente.
   • Analogías de Energía: Replantea las cantidades de energía en unidades cotidianas relacionables (por ejemplo, la carga de un teléfono).
   • Nota Técnica: La estimación de energía se calculó utilizando un modelo basado en tokens ($E = \alpha \cdot T_{in} + \beta \cdot T_{out} + \zeta$), con coeficientes escalados según tamaños de modelos específicos (GPT-4o, GPT-4o-mini, GPT-4.1-nano) para aproximar el consumo relativo.
3. Estudio de Campo (RQ2): Se llevó a cabo un estudio de campo de cinco días con 11 usuarios frecuentes de LLM que utilizaron el prototipo en sus flujos de trabajo diarios. La recolección de datos incluyó controles de conciencia diarios (escala Likert de 5 puntos), un cuestionario al final de la semana y telemetría del sistema (conteo de tokens, selección de modo, estimaciones de energía). El estudio analizó patrones de comportamiento, tendencias de conciencia e impacto energético, comparando el comportamiento observado contra un escenario contrafáctico donde todas las interacciones ocurrieron en modo "Rendimiento".

Principales Contribuciones

El artículo realiza tres contribuciones primarias al campo de la Interacción Persona-Computadora (HCI) y la Ingeniería de Software Verde:

1. Datos de la Encuesta: Una encuesta de línea base sobre la conciencia y percepción del usuario final respecto a la huella energética de los chatbots de LLM, resaltando la discrepancia entre el consumo percibido y el real.
2. Evidencia Empírica: Datos sobre cómo intervenciones de IU específicas influyen en los patrones de interacción conscientes de la energía en los chatbots de LLM, demostrando que las decisiones de diseño pueden cambiar el comportamiento rutinario.
3. Paquete de Replicación: Un paquete disponible públicamente que contiene respuestas detalladas de la encuesta, scripts de análisis y el prototipo funcional de chatbot de LLM implementado para apoyar investigaciones futuras.

Resultados

Hallazgos de la Encuesta de Línea Base:

• Conciencia vs. Conocimiento: Aunque el 94.8% de los encuestados reportó cierta conciencia sobre el uso de energía de la IA, el 88.3% estimó erróneamente el consumo real (por ejemplo, sobreestimando o subestimando significativamente el costo energético en relación con una búsqueda en Google o la carga de un teléfono).
• Brecha Actitud-Comportamiento: Aunque la preocupación ambiental era alta, solo el 39.0% de los participantes indicó una disposición a aceptar una compensación de rendimiento por un menor uso de energía.
• Receptividad a la Intervención: El 68.8% favoreció un "Modo de Eficiencia Energética", pero la disposición disminuyó cuando se introdujeron compensaciones de rendimiento explícitas.

Hallazgos del Estudio de Campo:

• Cambio de Comportamiento: En el estudio de campo, el modo "Eficiencia Energética" representó el 55.8% de los prompts registrados (155/278). Notablemente, el 90.9% de los participantes reportó activamente elegir el modo Eco cuando no se requería una alta precisión.
• Ahorro de Energía: El uso de energía total estimado observado fue de 164.72 Wh. Bajo un escenario contrafáctico donde todos los prompts se ejecutaron en modo "Rendimiento", el uso de energía habría sido de 309.44 Wh. Esto implica una reducción del 46.77% en la huella energética debido a los cambios de comportamiento observados.
• Impacto del Modo: A pesar de ser utilizado en menos del 25% de los prompts, el modo "Rendimiento" fue responsable de aproximadamente el 89% de la huella energética total.
• Mecanismo de Cambio: Los participantes no redujeron significamente la longitud de los prompts. En cambio, el principal mecanismo conductual fue el cambio de modo en lugar del acortamiento de prompts.
• Usabilidad: Todas las intervenciones puntuaron por encima de 4/5 en usabilidad. El "Interruptor de Tres Modos" y la "Nota de Energía" fueron calificados como las intervenciones más influyentes.
• Tendencia de Conciencia: La conciencia energética autoinformada aumentó durante el período de cinco días (de una media de 3.27 a 4.44), impulsada por interacciones repetidas y de bajo esfuerzo.

Significado y Reivindicaciones

Los autores afirman que las intervenciones de la IU orientadas a la sostenibilidad pueden mejorar con éxito la conciencia del usuario y apoyar patrones de interacción más responsables con la energía en los chatbots de LLM. Sin embargo, el artículo mantiene una postura modesta sobre el alcance de estos hallazgos:

• Rol Complementario: Los autores declaran explícamente que las intervenciones de la IU deben interpretarse como complementarias a las optimizaciones de backend y de nivel de modelo, no como un sustituto. El diseño de la IU puede cambiar el comportamiento rutinario de bajo riesgo, pero las interacciones de alto costo (que a menudo requieren alta precisión) aún requieren la eficiencia del backend.
• Conductual vs. Causal: Los ahorros de energía reportados son estimaciones de comportamiento basadas en modelos (contrafácticos) más que efectos causales medidos por hardware.
• Abordar la Fricción de Decisión: El estudio sugiere que el uso insostenible suele ser impulsado por las fricciones de la toma de decisiones cotidianas en lugar de una falta de preocupación ambiental. Al hacer que las compensaciones sean visibles y fáciles de revisar (por ejemplo, mediante un Interruptor de Tres Modos), las interfaces pueden apoyar decisiones informadas sin imponer restricciones.
• Limitaciones: Los autores reconocen limitaciones respecto al pequeño tamaño de la muestra (n=11 para el estudio de campo), el potencial de efectos de rebote (los usuarios compensan las respuestas más lentas con más prompts) y la generalizabilidad de los hallazgos dado el trasfondo técnico de los participantes. Concluyen que estos resultados son "indicaciones prometedoras" que ameritan la replicación en estudios más grandes y diversos.