Esta semana, mientras los países se reúnen en Antalya (Turquía) con motivo de la conferencia de las Naciones Unidas sobre el clima, es muy probable que un tema domine la conversación: la inteligencia artificial. El país anfitrión ya ha instado a los países a comprometerse a garantizar que la IA se diseñe, se alimente y se despliegue de manera que respalde la acción climática.
Sin embargo, hasta ahora, las industrias de todo el mundo no están haciendo ni de lejos lo suficiente para aprovechar esta tecnología y reducir de forma efectiva las emisiones de gases de efecto invernadero que están calentando el planeta, a pesar de algunas afirmaciones muy optimistas por parte de las empresas de IA.
En 2024, el CEO de OpenAI, Sam Altman, declaró que la IA desataría «triunfos asombrosos», entre ellos «arreglar el clima». El año anterior, en un artículo de opinión de 2023, la responsable de sostenibilidad de Google y su coautor escribieron que la IA podría reducir las emisiones globales entre un 5 % y un 10 % para 2030.
Algunos investigadores académicos han analizado estas afirmaciones climáticas relacionadas con la IA. Un estudio revisado por pares y publicado el año pasado, liderado por investigadores del Grantham Research Institute de la London School of Economics y la empresa Systemiq, calculó que la IA podría ayudar a reducir las emisiones globales en el equivalente a entre 3200 y 5400 millones de toneladas de dióxido de carbono al año para 2035 —cifra que, en su rango superior, prácticamente iguala las emisiones anuales vinculadas a la energía de Estados Unidos, incluso tras descontar la propia huella energética de la IA—. Esas posibles mejoras se concentran principalmente en tres sectores: la generación eléctrica, el cárnico y lácteo, y los vehículos.
Pero proyecciones como estas solo son tan buenas como nuestra disposición a contrastarlas con la realidad actual. Por tanto, ¿hay pruebas de que las mayores empresas de estos tres sectores estén empezando a integrar la IA en consonancia con las estimaciones del estudio y, de ser así, coinciden los resultados con las expectativas? ¿O la cifra para 2035 sigue siendo, en su mayor parte, una mera aspiración?
Las empresas de estos sectores han anunciado numerosas iniciativas iniciales para incorporar la IA a diversas prácticas empresariales. Sin embargo, un análisis asistido por IA de la información pública procedente de actores relevantes del mercado en cada sector, realizado y revisado por el segundo autor de este artículo, reveló que pocos han anunciado que estén siguiendo las vías específicas de reducción de emisiones en las que se basaron las proyecciones del estudio —y menos aún afirman haberlas utilizado para lograr avances climáticos significativos—.
El sector eléctrico es donde los cálculos subyacentes del estudio anterior resultan más concretos: la previsión de la oferta y la demanda impulsada por IA podría aumentar hasta en un 20 % la cantidad de electricidad renovable que llega a la red procedente de instalaciones solares y eólicas ya construidas, lo que podría evitar unos 1800 millones de toneladas de emisiones al año.
Sin embargo, de los operadores de red analizados en China, Estados Unidos y Europa, solo uno implementó un programa de IA funcional y significativo de este tipo que se conozca, según el análisis. Una colaboración entre el operador británico National Grid ESO y Open Climate Fix redujo a la mitad el margen de error de la previsión solar del operador de red (la diferencia entre la cantidad de radiación solar entrante prevista y la que realmente llega a los paneles solares), evitando cientos de miles de toneladas de dióxido de carbono al año. No obstante, más allá de este ejemplo en el Reino Unido, muchos otros operadores de red de la UE, EE. UU. y China apenas contaban con registros públicos sobre el tipo de integración de IA planteado por el estudio.
El sector cárnico y lácteo presenta el contraste más acusado entre la madurez tecnológica y la realidad del mercado. Para lograr las reducciones de emisiones previstas para 2035 en el estudio anterior, la IA tendría que cerrar la brecha de sabor y coste entre las proteínas tradicionales y las alternativas, como las hamburguesas cultivadas en laboratorio o de origen vegetal y los sustitutos de la leche.
En uno de los esfuerzos más claros por lograrlo, la empresa de tecnología alimentaria e IA NotCo creó recientemente una empresa conjunta con Kraft Heinz utilizando su plataforma Giuseppe, que analiza datos moleculares de plantas para identificar combinaciones que repliquen el sabor, la textura y el olor de los productos de origen animal.
Sin embargo, pocas empresas de proteínas alternativas contaban con una forma tan profundamente integrada de utilizar la IA en el desarrollo de productos, según sugiere el análisis asistido por IA. Mientras tanto, el sector parece enfrentarse a problemas más fundamentales, entre ellos una adopción obstinadamente lenta por parte del gran público y la caída de los niveles de financiación. En particular, el capital riesgo destinado a la carne cultivada cayó desde un pico de 989 millones de dólares en 2021 hasta unos 83 millones el año pasado.
El sector del transporte ofrece algunos ejemplos esperanzadores del tipo de integración de la IA necesario para alcanzar las proyecciones del estudio, en particular entre los fabricantes de baterías y las plataformas de transporte compartido. CATL —que controla aproximadamente el 40 % del mercado mundial de baterías para vehículos eléctricos— lanzó un sistema de IA entrenado con más de 100.000 casos de diseño de baterías y 600 terabytes de datos de pruebas. Según la empresa, esto redujo en dos órdenes de magnitud el tiempo necesario para cribar los materiales candidatos. Investigadores independientes también hallaron que la plataforma de movilidad compartida Didi Chuxing logró reducir las emisiones por trayecto un 16 % de media al utilizar rutas optimizadas con IA para minimizar los desvíos.
Sin embargo, existe otro gran problema en los argumentos climáticos a favor de la IA: las compañías petroleras y de gas también están interesadas en estas herramientas por muchos motivos, incluido el potencial para aumentar la producción de combustibles fósiles. Las empresas tecnológicas que en el pasado se comprometieron con objetivos de sostenibilidad deberían responder a preguntas sobre cómo podrían utilizarse sus herramientas tanto para impulsar la energía tradicional y contaminante como la limpia y renovable.
Por último, también conviene señalar que integrar la IA es solo el primer paso, y todavía no está claro hasta qué punto esta tecnología puede acelerar el tipo de mejoras e innovaciones previstas. Además, la IA apenas contribuye a acortar los trámites habituales de certificación, concesión de permisos, construcción, empaquetado, comercialización y venta de cualquiera de los productos, instalaciones o servicios resultantes.
Los resultados del análisis, realizado por Claude Code de Anthropic, se contrastaron con documentos públicos e informaciones de los medios para garantizar su precisión. Es posible que algunas empresas y compañías de servicios públicos de estos sectores estén desarrollando aplicaciones asistidas por IA que encajarían en los escenarios del estudio inicial, pero que aún no se hayan hecho públicas.
Una mayor y mejor orientada integración de la IA y mejoras de eficiencia en estos tres sectores bien podrían materializarse, acercando a la realidad las proyecciones para 2035. Pero esto no ocurrirá sin esfuerzos deliberados y constantes para garantizar que la IA aporte más beneficios que perjuicios medioambientales.
Cabe destacar que, hasta ahora, la rápida adopción de modelos de IA y la proliferación de centros de datos han provocado un enorme aumento del consumo energético y de las emisiones, lo que ha llevado a grandes tecnológicas como Microsoft y Google, entre otras, a desviarse considerablemente de sus objetivos climáticos corporativos. A estas alturas, resultaría sorprendente que el sector lograse siquiera reducir a cero su contaminación climática: las emisiones asociadas a los centros de datos a escala global (que pueden procesar tanto cargas de trabajo de IA como ajenas a ella) podrían superar los 300 millones de toneladas anuales en 2035, según la previsión de referencia de la AIE.
Los líderes del sector deben implementar la tecnología de la manera que más prometa reducir las emisiones. Los clientes corporativos deberían elegir modelos con el menor impacto ambiental y optar por trabajar con los desarrolladores de IA que más se esfuercen por reducir su huella climática. Y los Estados y regiones deben hacer más para incentivar o exigir a todas estas empresas que operen de forma más responsable.
La necesidad nunca ha sido más evidente.
Mary Nichols es asesora distinguida en la Facultad de Derecho de la UCLA y expresidenta de la Junta de Recursos del Aire de California.
Jeremy Tamanini es el fundador de Dual Citizen, una firma de investigación y asesoramiento en sostenibilidad.