✨︎ Resumen (TL;DR):
- Conservation International usa IA para evaluar puntos calientes detectados por satélite y alertar a patrullas sobre posibles incendios en Camboya.
- La AIE estima que los centros de datos consumieron 485 teravatios-hora en 2025 y podrían llegar a 950 teravatios-hora en 2030.
- Una comparación de 5 días de The Nature Conservancy dejó entre 21% y 45% del video diario sin procesar a bordo, un límite para el ahorro energético.
Conservation International, Save the Elephants, el Instituto Jane Goodall y The Nature Conservancy usan IA para detectar posibles incendios, contar fauna, digitalizar registros y analizar imágenes de pesca comercial. En algunos casos, la herramienta puede reducir tiempos, pero los centros de datos que la sostienen requieren electricidad y, en muchos casos, agua para refrigerarse.
Reuters entrevistó a 15 organizaciones ambientales, de conservación y desarrollo que dijeron usar IA y expresaron preocupación por el impacto ambiental de los centros de datos. La selección no constituye una encuesta representativa del sector.
La inteligencia artificial aplicada a la conservación es una tecnología que analiza imágenes, datos satelitales y anotaciones científicas para apoyar alertas ambientales y censos de fauna. La utilidad de una alerta depende de la respuesta en tierra; en el monitoreo de pesca, especialistas humanos deben validar las predicciones. El suministro eléctrico también condiciona el procesamiento a bordo.
Alertas de incendios y censos de fauna
En Camboya, Conservation International comenzó a usar IA para evaluar puntos calientes detectados por satélite y enviar alertas a patrullas comunitarias sobre posibles incendios. El aviso solo resulta útil si los equipos en tierra pueden llegar a tiempo y responder.
En junio, la organización describió una red de alertas satelitales alrededor del lago Tonlé Sap. Su personal recibe coordenadas y las transmite a 17 grupos comunitarios participantes, según la propia Conservation International. Reuters no precisó si esa red es la misma que utiliza la herramienta de IA mencionada en sus entrevistas.
En Kenia, Save the Elephants busca mejorar los censos mediante machine learning. Su director ejecutivo, Frank Pope, dijo a Reuters que 9 personas tardaron 9 meses en revisar unas 200,000 imágenes de un reconocimiento aéreo realizado en 2025. Según Pope, los modelos actuales pueden analizar conjuntos similares en horas.
Al comparar los resultados, la organización identificó animales que los recuentos humanos habían pasado por alto. El ahorro de tiempo se refiere a conjuntos de imágenes similares y no constituye una medición del impacto ambiental de cada método.
De notas manuscritas a archivos digitales
En Tanzania, el Instituto Jane Goodall trabaja con Amazon Web Services para digitalizar notas manuscritas sobre chimpancés del Parque Nacional Gombe. Lilian Pintea, responsable de ciencia de la conservación del instituto, dijo a Reuters que el instituto había estimado el proyecto en entre 13 y 15 años, pero que la herramienta podría reducir el plazo a unos 2 años.
El límite de llevar el procesamiento al barco
The Nature Conservancy analiza imágenes de pesca comercial con equipos instalados a bordo. Busca identificar y contar las capturas sin enviar todo el video a un centro de datos. Vienna Saccomanno, científica de la organización, dijo a Reuters que el procesamiento local ayuda a reducir el consumo energético y la transferencia de datos.
Un informe técnico de la organización expone el límite de esa estrategia. En una comparación de 5 días de pesca, el equipo dejó sin procesar entre 21% y 45% del video diario. En embarcaciones pequeñas, el equipo se apagaba por la noche para ahorrar energía y, en ocasiones, antes de completar el análisis.
Durante esos días, los revisores obtuvieron conteos mayores que los realizados a bordo. Después, al procesar los archivos completos, el informe mostró que desapareció la mayor parte de la diferencia. El resultado corresponde a los casos examinados, no a todas las embarcaciones o sistemas de monitoreo.
El informe describe el rendimiento de la herramienta, pero no ofrece una comparación completa de emisiones entre el procesamiento a bordo y en la nube. The Nature Conservancy también señala que especialistas humanos deben validar las predicciones de la IA.
Menos consultas y modelos más eficientes
El World Resources Institute afirma que guarda resultados de consultas repetidas y elige modelos eficientes que cumplen sus objetivos de calidad. Reuters añade que el grupo limita usos más intensivos, como generar imágenes y video.
Greenpeace International dijo a Reuters que algunas funciones de IA ya vienen integradas en las plataformas que utiliza. La organización adopta reglas internas de transparencia y supervisión humana, pero cuestiona la necesidad de construir grandes centros de datos adicionales.
Las posturas sobre cuánto usar la tecnología difieren entre las organizaciones consultadas.
Una cifra global no describe cada proyecto
La Agencia Internacional de Energía (AIE) estima que los centros de datos consumieron unos 485 teravatios-hora de electricidad en 2025. Su proyección central actualizada sitúa esa demanda en unos 950 teravatios-hora en 2030, cerca de 3% de la demanda eléctrica mundial prevista para ese año.
Estas cifras incluyen todos los centros de datos, no únicamente los que usan IA ni los que emplean las organizaciones entrevistadas. La proyección puede cambiar según la adopción tecnológica, la eficiencia y la disponibilidad de infraestructura eléctrica.
Sierra Club también proyectó un aumento de las emisiones del sector eléctrico de Estados Unidos ante la expansión prevista de los centros de datos. Su cálculo abarca toda la generación eléctrica del país, no solo la electricidad que consumen esas instalaciones.
Las cifras de electricidad y las pruebas de conservación miden cosas distintas. Con ellas no se puede calcular cuánto consumen las herramientas concretas de estos grupos ni determinar si sus beneficios ambientales compensan su huella. La evidencia reunida muestra usos puntuales y límites operativos, pero no permite comparar la huella de cada herramienta con sus beneficios ambientales.
