Opinión: aún no se ha demostrado el argumento climático a favor de la IA

Este artículo de opinión, publicado en MIT Technology Review y firmado por Mary Nichols (consejera distinguida en la Facultad de Derecho de UCLA y antigua presidenta de la Junta de Recursos del Aire de California) y Jeremy Tamanini (fundador de la firma de investigación y asesoría en sostenibilidad Dual Citizen), sostiene que las promesas de los líderes de la IA sobre el clima todavía no se apoyan en evidencia. El texto se publica coincidiendo con la conferencia climática de la ONU en Antalya (Turquía), donde la anfitriona ha pedido a los países comprometerse a que la IA se diseñe, alimente y despliegue de manera que apoye la acción climática.

Los autores recuerdan algunas afirmaciones muy optimistas del sector: en 2024, el consejero delegado de OpenAI, Sam Altman, habló de «triunfos asombrosos» de la IA, entre ellos «arreglar el clima». En 2023, la responsable de sostenibilidad de Google y su coautor escribieron en un artículo de opinión que la IA podría reducir las emisiones globales entre un 5 % y un 10 % para 2030.

Como contraste académico, citan un estudio revisado por pares publicado el año pasado, liderado por investigadores del Grantham Research Institute de la London School of Economics y la firma Systemiq. Estima que la IA podría ayudar a recortar entre 3.200 y 5.400 millones de toneladas de CO2 equivalente al año de aquí a 2035, incluso descontando la huella energética de la propia IA; el extremo alto es comparable a las emisiones energéticas anuales de EE. UU. Esas ganancias se concentrarían sobre todo en tres sectores: electricidad, carne y lácteos, y vehículos.

La pregunta de los autores es si las mayores empresas de esos sectores están integrando la IA de la forma que exigen esas proyecciones. Para responderla se hizo una revisión asistida por IA de información pública de actores relevantes de cada sector, realizada y revisada por el segundo autor; el análisis lo llevó a cabo Claude Code de Anthropic y sus hallazgos se contrastaron con documentos públicos y artículos de prensa. La conclusión es que pocas empresas han anunciado que persigan las vías concretas de reducción de emisiones en las que se basan las proyecciones, y menos aún afirman haber logrado con ellas avances climáticos significativos. Los autores admiten que algunas compañías podrían estar trabajando en aplicaciones que aún no son públicas.

En el sector eléctrico, donde las cuentas del estudio son más concretas, la previsión de oferta y demanda con IA podría aumentar hasta un 20 % la electricidad renovable que llega a la red desde instalaciones solares y eólicas ya construidas, evitando unos 1.800 millones de toneladas de emisiones al año. Sin embargo, de los operadores de red revisados en China, EE. UU. y Europa, solo uno tenía un programa de IA de este tipo, significativo y en funcionamiento: la colaboración entre National Grid ESO (Reino Unido) y Open Climate Fix, que redujo a la mitad el error de previsión solar y evita cientos de miles de toneladas de CO2 al año. Del resto de operadores analizados había poco que mostrar en el registro público.

El sector de carne y lácteos ofrece, según los autores, el contraste más marcado entre madurez tecnológica y realidad de mercado. Para lograr las reducciones previstas, la IA tendría que cerrar la brecha de sabor y coste entre las proteínas tradicionales y las alternativas (cultivadas o vegetales). Uno de los esfuerzos más claros es el de NotCo, que ha formado una empresa conjunta con Kraft Heinz utilizando su plataforma Giuseppe, que analiza datos moleculares de plantas para encontrar combinaciones que reproduzcan sabor, textura y olor de productos animales. Pero pocas otras empresas de proteínas alternativas integran la IA de forma tan profunda, y el sector afronta problemas más de fondo: adopción lenta entre los consumidores y menor financiación. La inversión de capital riesgo en carne cultivada cayó de un máximo de 989 millones de dólares en 2021 a unos 83 millones el año pasado.

El transporte presenta ejemplos más esperanzadores, sobre todo en fabricantes de baterías y plataformas de movilidad compartida. CATL, que controla en torno al 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, que según la propia empresa reduce en dos órdenes de magnitud el tiempo para cribar materiales candidatos. Investigadores independientes, por su parte, encontraron que Didi Chuxing logró reducir las emisiones por viaje un 16 % de media mediante rutas optimizadas con IA que minimizan desvíos.

Los autores señalan otro problema: las petroleras y gasistas también se interesan por estas herramientas, entre otras razones por su potencial para aumentar la producción de combustibles fósiles. Las tecnológicas que en el pasado asumieron compromisos de sostenibilidad deberían explicar cómo podrían usarse sus herramientas para impulsar la energía sucia tradicional además de la limpia. Añaden que integrar la IA es solo el primer paso, y que no está claro hasta qué punto puede acelerar las mejoras previstas, ya que apenas acorta los procesos habituales de certificación, permisos, construcción, empaquetado, marketing y venta.

Por último, el texto subraya que el rápido despliegue de modelos de IA y la construcción de centros de datos han disparado el consumo energético y las emisiones, lo que ha llevado a grandes tecnológicas como Microsoft y Google a quedar muy lejos de sus objetivos climáticos corporativos. Según el escenario base de la Agencia Internacional de la Energía, las emisiones asociadas a los centros de datos (que pueden alojar tareas de IA y ajenas a la IA) podrían superar los 300 millones de toneladas anuales en 2035; los autores consideran que sería sorprendente que el sector lograse siquiera neutralizar su contaminación climática.

Su conclusión es que mejores y más dirigidos usos de la IA en estos tres sectores podrían acercar las proyecciones de 2035 a la realidad, pero no ocurrirá sin esfuerzos deliberados y sostenidos para que la IA aporte más beneficios que perjuicios ambientales. Piden a los líderes de la industria que implementen la tecnología donde más reduzca emisiones, a los clientes corporativos que elijan modelos de menor impacto ambiental y colaboren con los desarrolladores que más reduzcan su huella, y a los estados y regiones que incentiven o exijan un comportamiento más responsable a todas estas empresas.