A Scoping Review of Methods to Measure the Energy and Carbon Footprint of Web Tracking and Advertising

Cada vez que visitas un sitio web, una economía oculta de intercambio de datos ocurre en segundo plano. Mientras lees un artículo o ves un video, se ejecutan scripts invisibles para rastrear tu comportamiento, construir un perfil de tus intereses y ofrecer anuncios segmentados. Este sistema, a menudo llamado ecosistema de la tecnología publicitaria (ad-tech), es la forma principal en que muchos servicios gratuitos en línea generan dinero. Sin embargo, capturar, almacenar y procesar esta cantidad masiva de datos de usuario requiere una potencia de cálculo significativa. Esa potencia proviene de la electricidad, y la generación de esa electricidad suele producir emisiones de carbono. A medida que el internet crece, también lo hace su huella ambiental, lo que plantea una pregunta difícil para los investigadores: ¿cuánta de esa energía se gasta realmente solo en los anuncios y el rastreo, en lugar de en el contenido que intentas ver?

Un equipo de investigadores de la Universidad de Toronto se propuso responder a esto revisando la literatura científica existente. No estaban realizando un experimento nuevo por sí mismos, sino que estaban mapeando el panorama de cómo otros científicos han intentado medir este costo ambiental específico. Encontraron que el campo es aún joven y fragmentado. Los estudios que revisaron están dispersos en diferentes disciplinas, utilizando diferentes palabras para describir los mismos procesos y diferentes herramientas para medir las mismas cosas. Para dar sentido a esto, los autores reunieron 15 estudios clave de un grupo inicial de 46 candidatos y los organizaron en cinco métodos distintos que los investigadores utilizan para aislar el costo energético del rastreo y la publicidad web.

El enfoque más común, utilizado en la mayoría de los estudios, se llama bloqueo de anuncios (ad blocking). En este método, los investigadores visitan una lista de sitios web populares dos veces: una con un navegador estándar y otra con un bloqueador de anuncios activado. Al comparar la energía utilizada en ambos escenarios, pueden calcular la diferencia causada específicamente por los anuncios y los rastreadores. Algunos investigadores utilizan extensiones de navegador para bloquear los anuncios, mientras que otros usan funciones integradas del navegador o incluso bloquean las solicitudes a nivel de red. Para obtener estos números, a menudo utilizan software que lee el uso del procesador de la computadora o el drenaje de la batería, o en algunos casos, conectan un voltímetro físico al dispositivo para medir la electricidad que fluye hacia el hardware. Este método es práctico porque puede realizarse en una computadora regular, pero depende de la suposición de que lo único que cambia entre las dos visitas es la presencia de los anuncios.

Un segundo grupo de investigadores adopta un enfoque más controlado recreando sitios web en un entorno de laboratorio. En lugar de visitar sitios reales en el internet abierto, descargan las páginas y eliminan ellos mismos los anuncios y los scripts de rastreo, creando una versión limpia del sitio. Luego, sirven estas versiones localmente en un servidor que ellos controlan, asegurando que ninguna variable externa interfiera en la prueba. En una variación de este método, los investigadores construyeron un sitio web desde cero y le añadieron diferentes cantidades de herramientas de rastreo, observando cómo aumentaba el consumo de energía con cada adición. Esto ofrece un alto grado de control sobre el experimento, permitiendo a los científicos ver exactamente cuánta energía consume un solo rastreador, aunque puede no reflejar perfectamente la realidad caótica de la web en vivo.

Un tercer método, más inusual, consiste en reproducir anuncios individuales. Un estudio recopiló miles de anuncios de la web y creó un sistema para mostrarlos uno por uno en una página de navegador en blanco. Al medir la energía requerida para cargar un solo anuncio frente a una base de una página vacía, los investigadores pudieron determinar el costo de renderizar ese anuncio específico. Luego utilizaron estos datos para entrenar un modelo computacional que pudiera predecir el costo energético de otros anuncios basándose en sus características. Esta técnica permite una mirada granular al costo de las unidades de anuncios individuales, pero requiere una enorme cantidad de recolección manual de datos para construir la biblioteca inicial de anuncios.

El cuarto enfoque observa el flujo de datos en sí mismo en lugar del dispositivo que lo muestra. En lugar de medir la pantalla de la computadora, estos investigadores analizan el tráfico de red que se mueve entre el usuario e internet. Examinan los paquetes de datos enviados y recibidos, tratando de identificar qué partes del flujo de datos pertenecen a anuncios y cookies de rastreo. Al sumar el volumen total de este tráfico específico, pueden estimar la energía necesaria para mover esos datos a través de internet. Sin embargo, los autores de esta revisión señalan un fallo significativo en este método: el simple hecho de saber cuánto dato se transfiere no indica automáticamente cuánta energía se utilizó para procesarlo, ya que la relación entre el tamaño de los datos y el consumo de energía es compleja y aún no se comprende del todo.

El método final se basa enteramente en números existentes en lugar de nuevas mediciones. Los investigadores que utilizan este enfoque toman cifras y coeficientes de otros estudios publicados —como el costo energético promedio de mover un gigabyte de datos o la intensidad de carbono de la red eléctrica— y los aplican a estimaciones de cuántos datos genera la publicidad. Esto permite realizar cálculos amplios y a gran escala sin necesidad de realizar experimentos nuevos o recolectar nuevos datos. Aunque esta es la forma más accesible de obtener un estimado aproximado, su precisión depende totalmente de la calidad y relevancia de los números originales que toma prestados.

La revisión revela que el campo apenas está encontrando su rumbo. El ochenta por ciento de los estudios que analizaron fueron publicados en los últimos cinco años, lo que indica un rápido aumento en el interés a medida que la crisis ambiental se profundiza. A pesar de este crecimiento, los investigadores encontraron que los estudios rara vez dialogan entre sí. Diferentes equipos utilizan términos distintos para los mismos conceptos y, a menudo, no construyen sobre los hallazgos de los demás. Por ejemplo, un estudio encontró que el tamaño de los datos transferidos para un anuncio no predice necesariamente la energía necesaria para mostrarlo, un hallazgo que desafía las suposiciones hechas por otros estudios que dependen del volumen de datos para estimar el uso de energía.

Actualmente, no existe un método estándar único con el que todos estén de acuerdo. La mayor parte de la investigación se centra en lo que sucede en el dispositivo del usuario, dejando un gran vacío en nuestra comprensión de la energía consumida por los enormes centros de datos que almacenan y procesan esta información. Debido a que estas infraestructuras corporativas son opacas y difíciles de acceder, los investigadores han tenido que depender de métodos indirectos o simulaciones controladas. Los autores sugieren que el trabajo futuro debe desarrollar mejores formas de medir la energía utilizada en estos centros de datos y crear un lenguaje compartido para que los científicos de diferentes campos puedan comparar sus resultados con precisión. Hasta entonces, tenemos un mosaico de métodos que ofrecen destellos del costo ambiental de la economía digital, pero no una imagen completa.