Nishant, Rohit, Mike Kennedy y Jacqueline Corbett. “Artificial Intelligence for Sustainability: Challenges, Opportunities, and a Research Agenda.” International Journal of Information Management 53 (2020): 102104. https://doi.org/10.1016/j.ijinfomgt.2020.102104

El artículo sintetiza debates entre expertos, líneas de investigación emergentes y propuestas estratégicas sobre un tema de especial relevancia científica. En este caso, el foco se sitúa en la relación entre inteligencia artificial, infraestructuras digitales y sostenibilidad, una cuestión cada vez más central debido al crecimiento exponencial del uso de modelos avanzados y de la demanda energética asociada a los sistemas computacionales.

El artículo parte de una constatación clara: la expansión de la inteligencia artificial está generando beneficios notables en automatización, análisis de datos y apoyo a la toma de decisiones, pero también costes ambientales significativos. El entrenamiento de grandes modelos requiere enormes recursos de computación, centros de datos de alta capacidad y consumo intensivo de electricidad y agua. A ello se suman problemas como la obsolescencia acelerada del hardware, la extracción de minerales críticos y la huella ecológica derivada de cadenas globales de suministro tecnológicas. Por ello, los participantes del seminario sostienen que ya no basta con medir la precisión o velocidad de los sistemas; es imprescindible evaluar también su impacto material y energético.

Uno de los ejes principales del texto es la necesidad de desarrollar métricas comunes para una “IA sostenible”. Esto implica crear indicadores comparables sobre consumo energético, emisiones de carbono, eficiencia computacional, reutilización de modelos y coste social de despliegue. Sin estándares claros, resulta difícil comparar tecnologías o establecer políticas regulatorias eficaces. El informe subraya que muchas veces los avances en rendimiento se presentan sin transparencia suficiente sobre los recursos necesarios para alcanzarlos, lo que distorsiona la percepción de progreso tecnológico.

Otro aspecto destacado es la importancia de rediseñar tanto algoritmos como infraestructuras. El seminario propone impulsar modelos más pequeños y especializados cuando sean suficientes para una tarea concreta, técnicas de compresión y reutilización de parámetros, así como arquitecturas de hardware más eficientes. Del mismo modo, se plantea optimizar centros de datos mediante energías renovables, mejor refrigeración, gestión dinámica de cargas de trabajo y localización estratégica en zonas con menor impacto ambiental. La sostenibilidad, por tanto, no depende solo del software, sino de todo el ecosistema técnico que sostiene la inteligencia artificial.

El artículo también aborda la dimensión ética y política del problema. La concentración de capacidad computacional en unas pocas grandes corporaciones y países genera desigualdades de acceso al desarrollo de IA. Si solo actores con enormes recursos energéticos y financieros pueden competir, se amplían brechas científicas y económicas. Por ello, se plantea la necesidad de infraestructuras compartidas, cooperación internacional y políticas públicas que permitan democratizar el acceso a la computación avanzada sin reproducir monopolios tecnológicos.

El documento concluye que la sostenibilidad debe integrarse como criterio estructural en la investigación y evaluación de la inteligencia artificial. No se trata de frenar la innovación, sino de orientarla hacia modelos compatibles con límites ecológicos y con una distribución más justa de beneficios y costes. En esa visión, el futuro de la IA dependerá no solo de cuánto pueda hacer, sino de cómo, para quién y a qué precio ambiental lo haga.