Informe sobre el Rol de la Inteligencia Artificial en la Gestión de Recursos y su Alineación con los Objetivos de Desarrollo Sostenible (ODS)

Contexto: La Crisis Global de Recursos y la Agenda 2030

El informe Perspectivas de Recursos Globales 2024 del Programa de las Naciones Unidas para el Medio Ambiente (PNUMA) presenta un diagnóstico alarmante: el consumo mundial de recursos naturales se ha triplicado en los últimos 50 años, alcanzando 106.6 billones de toneladas. Las proyecciones indican que, de mantener las tendencias actuales, este consumo aumentará un 60% para 2060. Este escenario de agotamiento acelerado representa una amenaza directa para la estabilidad de los ecosistemas, la economía global y el cumplimiento de la Agenda 2030 para el Desarrollo Sostenible. La urgencia de transformar los modelos de producción y consumo es un imperativo para la viabilidad planetaria.

En este contexto, la Inteligencia Artificial (IA) emerge como una tecnología con el potencial de reconfigurar industrias y ofrecer soluciones innovadoras. Sin embargo, su implementación plantea una paradoja ambiental: mientras se celebra su capacidad para optimizar la gestión de recursos, su propio funcionamiento implica un considerable consumo de energía y agua, lo que genera tensiones con los mismos objetivos de sostenibilidad que pretende apoyar.

La Inteligencia Artificial como Herramienta para el Avance de los ODS

La IA ofrece un conjunto de herramientas prometedoras para acelerar el progreso hacia varios Objetivos de Desarrollo Sostenible (ODS), optimizando procesos y permitiendo una gestión más eficiente de los recursos naturales.

Contribuciones de la IA a Metas Específicas de los ODS

• Agricultura Sostenible (ODS 2: Hambre Cero): La IA impulsa la agricultura de precisión. Mediante algoritmos y sensores IoT, se optimiza el uso de agua, fertilizantes y pesticidas. Esto no solo aumenta la productividad, sino que contribuye directamente a la meta 2.4, que busca asegurar la sostenibilidad de los sistemas de producción de alimentos y aplicar prácticas agrícolas resilientes.
• Gestión Sostenible del Agua (ODS 6: Agua Limpia y Saneamiento): La IA es clave para la gestión de recursos hídricos. Los modelos predictivos mejoran la exactitud de las proyecciones de flujo en embalses y los sistemas de riego inteligente ajustan el uso del agua en tiempo real. Estas aplicaciones son fundamentales para avanzar hacia las metas del ODS 6, que busca garantizar la disponibilidad y gestión sostenible del agua para todos.
• Energía y Acción Climática (ODS 7 y ODS 13): En el sector eléctrico, la IA optimiza las redes inteligentes (Smart Grids), equilibra la oferta y la demanda, y facilita la integración de energías renovables. Esto apoya la meta 7.2 (aumentar la proporción de energía renovable) y la meta 7.3 (duplicar la eficiencia energética). Al reducir las pérdidas y el consumo de combustibles fósiles, también contribuye de manera significativa al ODS 13 (Acción por el Clima).
• Monitoreo de la Biodiversidad (ODS 15: Vida de Ecosistemas Terrestres): La IA permite analizar imágenes satelitales y grandes volúmenes de datos para monitorear la deforestación, detectar incendios forestales en etapas tempranas y proteger especies en peligro de extinción. Estas capacidades son cruciales para la conservación de la biodiversidad y el cumplimiento del ODS 15.

La Paradoja Ambiental de la IA: Un Obstáculo para los ODS

A pesar de su potencial, la IA presenta una cara oculta que contradice su promesa “verde”. El entrenamiento y operación de modelos algorítmicos, especialmente los de aprendizaje profundo, dependen de centros de datos que consumen ingentes cantidades de energía y agua.

El Costo Oculto: Consumo de Energía y Agua

Los centros de datos que sustentan la IA operan ininterrumpidamente y generan una enorme cantidad de calor, lo que exige sistemas de refrigeración intensivos. Uno de los métodos más comunes es el enfriamiento con agua, que implica un alto consumo de este recurso vital. Un estudio de la Universidad de California estimó que solo el entrenamiento del modelo GPT-3 requirió aproximadamente 700,000 litros de agua. Este consumo se vuelve especialmente crítico en regiones con estrés hídrico.

Conflicto Directo con los Objetivos de Desarrollo Sostenible

La huella ambiental de la IA entra en tensión directa con varios ODS:

1. ODS 6 (Agua Limpia y Saneamiento): El elevado consumo de agua de los centros de datos agrava la presión sobre los recursos hídricos, contradiciendo el objetivo de garantizar su disponibilidad y gestión sostenible.
2. ODS 13 (Acción por el Clima): El alto consumo energético, a menudo proveniente de fuentes no renovables, genera una huella de carbono significativa que va en contra de los esfuerzos globales para mitigar el cambio climático y cumplir con los compromisos del Acuerdo de París.

Esta paradoja revela que una herramienta diseñada para resolver problemas ambientales puede, simultáneamente, agravarlos, cuestionando la sostenibilidad intrínseca de su ciclo de vida.

Gobernanza y Marco Jurídico para una IA Sostenible

El Dilema de la IA frente a la Agenda 2030

El principal desafío radica en cómo maximizar los beneficios de la IA para los ODS mientras se minimizan sus impactos negativos. La promoción acrítica de esta tecnología, sin considerar su huella ambiental, podría resultar en un progreso neto nulo o incluso negativo para la Agenda 2030. Esto exige un marco de gobernanza que evalúe de manera integral los costos y beneficios de su implementación.

Perspectiva del Derecho Internacional Ambiental

Para abordar este dilema, es pertinente aplicar principios del derecho internacional ambiental. El Principio de Precaución (Principio 15 de la Declaración de Río) sugiere que la falta de certeza científica absoluta no debe ser una razón para posponer la adopción de medidas eficaces para prevenir la degradación ambiental. Aplicado a la IA, esto implica la necesidad de regular y mitigar sus impactos potenciales desde ahora, promoviendo la transparencia sobre su consumo de recursos y exigiendo evaluaciones de impacto ambiental para proyectos a gran escala.

Iniciativas y Estrategias de Mitigación

Casos de Aplicación Alineados con los ODS

• Argentina: Se han desarrollado sistemas de IA para monitorear la deforestación y localizar basurales, contribuyendo al ODS 15 y al ODS 11 (Ciudades y Comunidades Sostenibles).
• México: Un proyecto en la Cuenca de Lerma implementó una solución de IA para optimizar el riego agrícola, apoyando directamente el ODS 6 y el ODS 2.
• Canadá, UE, Japón y otros: Inversiones en redes eléctricas inteligentes (Smart Grids) que utilizan IA para optimizar la distribución de energía, un avance clave para el ODS 7.

Respuestas Corporativas y Tecnológicas

En respuesta a estas preocupaciones, algunas empresas tecnológicas están tomando medidas. Microsoft está expandiendo sus centros de datos a regiones nórdicas para aprovechar el enfriamiento natural y las energías renovables. Google ha invertido en energía hidroeléctrica para abastecer sus operaciones. Además, se investigan soluciones tecnológicas como modelos de IA más eficientes y arquitecturas de aprendizaje federado que reducen la demanda de recursos computacionales centralizados.

Conclusiones y Recomendaciones

La inteligencia artificial posee un potencial indiscutible para acelerar el cumplimiento de los Objetivos de Desarrollo Sostenible. Sin embargo, este potencial está condicionado por su propia huella ambiental. La promesa de una IA “verde” solo se materializará si su desarrollo y despliegue se alinean con una gestión responsable de los recursos y los compromisos climáticos globales.

Para ello, es imperativo:

1. Desarrollar marcos regulatorios que exijan transparencia en el consumo de energía y agua de los sistemas de IA.
2. Integrar la evaluación del ciclo de vida ambiental en el diseño y la implementación de tecnologías de IA.
3. Fomentar la inversión en investigación y desarrollo de modelos de IA más eficientes y sostenibles.
4. Promover alianzas multisectoriales, en línea con el ODS 17 (Alianzas para lograr los Objetivos), para construir una gobernanza tecnológica que armonice la innovación con la sostenibilidad.

Solo repensando la relación entre tecnología, progreso y medioambiente, podremos asegurar que la inteligencia artificial se convierta en parte de la solución a la crisis planetaria, y no en una extensión del problema.

1. ¿Qué Objetivos de Desarrollo Sostenible (ODS) se abordan o están conectados con los temas destacados en el artículo?

El artículo aborda y se conecta con varios Objetivos de Desarrollo Sostenible (ODS), principalmente debido a su enfoque en el uso de recursos naturales, la sostenibilidad ambiental y el papel de la tecnología (Inteligencia Artificial) como una herramienta de doble filo en este contexto. Los ODS identificados son:

• ODS 2: Hambre Cero

  El artículo menciona explícitamente este objetivo al destacar cómo la IA puede “asegurar la sostenibilidad de los sistemas de producción de alimentos”. Se detalla que la IA en la agricultura de precisión ayuda a optimizar el uso de insumos, mejorando la eficiencia y la seguridad alimentaria, lo cual es central para el ODS 2.

• ODS 6: Agua Limpia y Saneamiento

  Este es un ODS central en el artículo. Se menciona directamente que el ODS 6 “procura garantizar la disponibilidad de agua y su gestión sostenible”. El texto explora el uso de la IA para optimizar el riego en la agricultura (gestión sostenible) y, paradójicamente, el “considerable consumo de agua” de los centros de datos que entrenan modelos de IA, creando una tensión directa con este objetivo.

• ODS 7: Energía Asequible y No Contaminante

  El artículo se conecta explícitamente con el ODS 7, que busca “garantizar el acceso a una energía asequible, segura, sostenible y moderna”. Se explica cómo la IA puede optimizar la gestión de redes eléctricas inteligentes, mejorar la eficiencia energética y facilitar la integración de energías renovables. Al mismo tiempo, se señala el “alto consumo de energía” de la IA como un desafío para este objetivo.

• ODS 9: Industria, Innovación e Infraestructura

  Aunque no se menciona explícitamente por su número, este ODS está implícito en todo el artículo. El texto se centra en la Inteligencia Artificial como una “innovación” y una “herramienta clave para la transformación tecnológica”. Discute la infraestructura necesaria (centros de datos, redes inteligentes) y la necesidad de una “gobernanza tecnológica sostenible” y “marcos regulatorios claros”, lo que se alinea con el objetivo de desarrollar infraestructuras sostenibles y promover la industrialización inclusiva y la innovación.

• ODS 12: Producción y Consumo Responsables

  Este ODS es fundamental para el contexto inicial del artículo. La introducción, citando el informe Perspectivas de Recursos Globales 2024, establece el problema central: “el consumo mundial de recursos naturales se ha triplicado, pasando de 30 a 106.6 billones de toneladas” en 50 años. El llamado a “transformar el modo en que producimos y consumimos recursos” es la esencia del ODS 12.

• ODS 13: Acción por el Clima

  El artículo menciona directamente el ODS 13, que persigue “articular a todos los actores sociales que se movilizan contra el cambio climático”. Se argumenta que la optimización energética mediante IA puede reducir la huella de carbono. Sin embargo, también se advierte que el impacto de la IA entra en tensión con los compromisos del Acuerdo de París para “limitar el calentamiento global a 1.5 °C”, conectando directamente el uso de la tecnología con la acción climática.

• ODS 15: Vida de Ecosistemas Terrestres

  Este ODS está conectado a través de las aplicaciones de la IA en el monitoreo ambiental. El artículo describe cómo la IA se utiliza para “la protección de especies en peligro de extinción”, “la preservación de los ecosistemas forestales”, el monitoreo de la “deforestación o la caza furtiva” y la detección de “incendios forestales”. El ejemplo de Argentina, donde la IA monitorea la evolución de los bosques, refuerza esta conexión.

2. ¿Qué metas específicas de los ODS se pueden identificar en función del contenido del artículo?

El artículo menciona explícitamente varias metas de los ODS y alude a otras de manera implícita a través de su contenido.

1. Meta 2.4

   “Para 2030, asegurar la sostenibilidad de los sistemas de producción de alimentos y aplicar prácticas agrícolas resilientes que aumenten la productividad y la producción…”. El artículo la menciona directamente al explicar que la IA, a través de la agricultura de precisión, puede “impulsar la productividad mediante la optimización del uso de insumos”, contribuyendo a la sostenibilidad y seguridad alimentaria.

2. Meta 6.4

   “Para 2030, aumentar considerablemente el uso eficiente de los recursos hídricos en todos los sectores y asegurar la sostenibilidad de la extracción y el abastecimiento de agua dulce…”. Esta meta está implícita en la discusión sobre la IA. Por un lado, se describe su aplicación para “optimizar el uso de agua” en la agricultura mediante “sistemas de riego inteligente”. Por otro lado, se plantea la preocupación sobre la “huella hídrica” de la IA, citando que entrenar GPT-3 consumió “aproximadamente 700,000 litros de agua”, lo que impacta directamente la eficiencia y sostenibilidad del uso del agua.

3. Meta 7.2

   “Para 2030, aumentar considerablemente la proporción de energía renovable en el conjunto de fuentes energéticas”. El artículo la menciona explícitamente, señalando que la IA ayuda a gestionar “energías renovables como la solar y eólica” y que empresas como Microsoft se están expandiendo a “regiones nórdicas con gran disponibilidad de energías renovables”.

4. Meta 7.3

   “Para 2030, duplicar la tasa mundial de mejora de la eficiencia energética”. Esta meta es mencionada directamente en el texto. Se explica que la IA “optimiza la eficiencia energética al predecir la demanda, mejorar la generación y distribución” y permite el “mantenimiento predictivo” en plantas eléctricas para reducir pérdidas.

5. Meta 9.4

   “Para 2030, modernizar la infraestructura y reconvertir las industrias para que sean sostenibles, utilizando los recursos con mayor eficacia y promoviendo la adopción de tecnologías y procesos industriales limpios y ambientalmente racionales”. Esta meta está implícita en la discusión sobre la necesidad de una “gobernanza tecnológica sostenible” y el desarrollo de “modelos de IA más pequeños” y “rutas tecnológicas más sostenibles” para mitigar el impacto ambiental de la propia tecnología.

6. Meta 12.2

   “Para 2030, lograr la gestión sostenible y el uso eficiente de los recursos naturales”. Esta meta es el eje central del problema planteado al inicio del artículo, que cita el informe del PNUMA sobre el aumento del consumo de recursos a “106.6 billones de toneladas” y la proyección de un aumento del 60% para 2060 si no se cambia el rumbo.

7. Meta 13.2

   “Incorporar medidas relativas al cambio climático en las políticas, estrategias y planes nacionales”. El artículo la menciona explícitamente, indicando que la IA puede ayudar a las empresas y gobiernos a “implementar estrategias efectivas para mitigar el cambio climático”.

8. Meta 15.2

   “Para 2030, promover la gestión sostenible de todos los tipos de bosques, poner fin a la deforestación, recuperar los bosques degradados e incrementar la forestación y la reforestación a nivel mundial”. Esta meta está implícita en el ejemplo de Argentina, donde se usan sistemas de IA para “monitorear la evolución de los bosques a lo largo del tiempo, identificando y geolocalizando áreas deforestadas”.

3. ¿Hay algún indicador de los ODS mencionado o implícito en el artículo que pueda usarse para medir el progreso hacia los objetivos identificados?

El artículo no menciona los códigos numéricos oficiales de los indicadores de los ODS, pero sí proporciona datos y descripciones que funcionan como indicadores de facto para medir el progreso.

• Indicador para la Meta 6.4 (Eficiencia del uso del agua)

  El artículo proporciona datos cuantitativos que pueden usarse para medir el progreso hacia la eficiencia hídrica. Menciona que “el entrenamiento de GPT-3 consumió aproximadamente 700,000 litros de agua” y que “una sola interacción con un modelo como ChatGPT puede consumir hasta 500 ml de agua”. Estos datos sirven como un indicador del consumo de agua por unidad de servicio tecnológico (Indicador 6.4.1 – Cambio en la eficiencia del uso del agua). El éxito en la mitigación se podría medir por la reducción de estos valores.

• Indicador para la Meta 7.2 (Proporción de energía renovable)

  El progreso hacia esta meta se puede medir a través de las acciones corporativas descritas. El artículo menciona que “Google invertirá 3 000 MW de energía hidroeléctrica” y que Microsoft se expande a regiones con “gran disponibilidad de energías renovables”. Estas inversiones y decisiones estratégicas son una medida cualitativa y cuantitativa del aumento de la proporción de energía renovable en el consumo energético de la industria tecnológica (Indicador 7.2.1).

• Indicador para la Meta 7.3 (Intensidad energética)

  El artículo menciona que la IA puede “minimizar las pérdidas en la transmisión” y mejorar la “eficiencia energética”. El progreso podría medirse por la reducción del consumo de energía en los centros de datos y las redes eléctricas (Indicador 7.3.1 – Intensidad energética). El informe de Google sobre una “disminución del 12 % en las emisiones de dichos centros en 2025, pese a un incremento del 27 % en su consumo” es un ejemplo de cómo se mide esta eficiencia.

• Indicador para la Meta 12.2 (Consumo de recursos naturales)

  El indicador más claro se presenta al inicio del artículo: el consumo de recursos naturales medido en toneladas (Indicador 12.2.2 – Consumo material interno). El dato de que el consumo pasó de “30 a 106.6 billones de toneladas” y la proyección de un aumento del 60% para 2060 son métricas directas para este indicador. El objetivo sería invertir esta tendencia.

• Indicador para la Meta 15.2 (Gestión forestal sostenible)

  El artículo describe el uso de IA en Argentina para “identificar y geolocalizar áreas deforestadas”. Esto se relaciona directamente con el seguimiento de la superficie forestal (Indicador 15.2.1 – Avances hacia la ordenación forestal sostenible). El progreso se mediría por la capacidad de detectar y, en última instancia, reducir la tasa de deforestación gracias a estas tecnologías.

4. Tabla de ODS, metas e indicadores

Fuente: enfoquederecho.com