La estimación no paramétrica de los efectos del tratamiento de variables instrumentales generalmente se basa en varios resultados de identificación no paramétrica. Sin embargo, estos estimadores a menudo enfrentan desafíos por la maldición de la dimensionalidad en la práctica, ya que los covariables multidimensionales son comunes. Para abordar este problema, investigamos la identificación no paramétrica de una variedad de efectos de tratamiento dentro de diferentes modelos de reducción de dimensión suficientes. También examinamos la eficiencia de la estimación y encontramos que, a diferencia de los enfoques totalmente no paramétricos, los estimadores no paramétricos derivados de la reducción de dimensión máxima basados en resultados de identificación pueden no ser eficientes. Estudiamos las condiciones para lograr una reducción de dimensión máxima para garantizar la eficiencia de una variable instrumental binaria y extendemos estos resultados a variables instrumentales multivariadas y generales. El marco propuesto de reducción de dimensión suficiente no paramétrica no impone restricciones en la distribución de los datos observados al tiempo que mitiga la maldición de la dimensionalidad de manera adaptativa a los datos.