Una investigación periodística realizada por la agencia Reuters demostró que 15 organizaciones ecologistas internacionales dependen de la inteligencia artificial para supervisar la vida silvestre y proteger los bosques, al tiempo que exigen frenar el consumo de energía y agua en los centros de datos masivos de cara a la conferencia sobre el clima COP31.
Investigación de Reuters sobre el uso de la inteligencia artificial por parte de 15 organizaciones ecologistas
Experiencia de rescate de elefantes en Kenia y análisis de 200.000 imágenes aéreas
El Instituto Jane Goodall y la digitalización de registros históricos de chimpancés
Monitoreo de incendios forestales y dependencia de la computación local ligera
Ecuación del consumo de energía y agua de los centros de datos ante la COP31
Preguntas frecuentes
Investigación de Reuters sobre el uso de la inteligencia artificial por parte de 15 organizaciones ecologistas
Las 15 organizaciones ecologistas e institutos de conservación consultados por la agencia Reuters en una investigación dirigida por la periodista Valerie Volcovici, publicada el 7 de noviembre de 2026 a las 06:07 UTC (10:07 hora estándar del Golfo), confirmaron que emplean tecnologías de inteligencia artificial en su labor de campo, al tiempo que expresaron su clara preocupación por los costos ambientales de los centros de datos que sustentan numerosas aplicaciones de IA.
Este reportaje aporta ejemplos prácticos y documentados sobre usos de la inteligencia artificial más allá de los chatbots generales, aunque no demuestra que todas las organizaciones ecologistas del mundo sigan el mismo enfoque, dado que el grupo entrevistado no constituye una encuesta estadística exhaustiva de cada entidad conservacionista a nivel global.
Experiencia de rescate de elefantes en Kenia y análisis de 200.000 imágenes aéreas
La organización Save the Elephants, en Kenia, utiliza técnicas de análisis de imágenes mejoradas con inteligencia artificial para llevar a cabo censos de fauna silvestre a gran escala. Los investigadores informaron que pudieron revisar y examinar cerca de 200.000 imágenes aéreas en pocas horas, en contraste con el proceso de revisión manual previo, que requería el trabajo de 9 personas durante 9 meses continuos.
La organización detalló que el análisis automatizado reveló la presencia de animales que no habían sido detectados durante el recuento manual, incluidos porcentajes significativos de elefantes, jirafas, cebras y órix. Cabe señalar que estas cifras representan los resultados de casos informados por la propia entidad y no constituyen una métrica independiente de tasas de error extrapolable a cualquier especie y terreno; dado que la fotografía ambiental puede verse afectada por sombras, obstáculos, la naturaleza del suelo y las diferentes tallas de los animales, el parámetro más útil sigue siendo el rendimiento de detección contrastado sobre imágenes completamente nuevas con auditoría humana independiente.
El Instituto Jane Goodall y la digitalización de registros históricos de chimpancés
En paralelo, el Instituto Jane Goodall aplica tecnologías de inteligencia artificial para digitalizar y analizar notas manuscritas sobre el comportamiento de los chimpancés registradas a lo largo de muchos años, incluidos materiales redactados en lenguas locales. Conforme al plan modificado, el proceso que antes se estimaba tardaría entre 13 y 15 años podría reducirse a aproximadamente dos años.
Esta cifra representa una estimación temporal futura sujeta al nuevo plan, y no una tarea completada que abarcó 15 años y se comprimió efectivamente en dos años cumplidos en la práctica; las labores de reconocimiento de transcripción y transcripción automática exigen una revisión humana minuciosa, en especial cuando se trata de anotaciones científicas especializadas o variantes lingüísticas locales que los algoritmos pueden interpretar con dificultad.
Monitoreo de incendios forestales y dependencia de la computación local ligera
Otras aplicaciones señaladas en la investigación abarcan la detección de amenazas potenciales de incendios forestales mediante el análisis de imágenes satelitales, la supervisión de actividades de pesca comercial y la ejecución de ciertos análisis de vídeo sobre peces de manera local en dispositivos periféricos, en lugar de depender del procesamiento informático en centros de datos remotos.
Destacadas entidades como Conservation International, el World Resources Institute, The Nature Conservancy y Greenpeace examinaron diversas prácticas e inquietudes; de este modo, ciertos grupos evitan aplicaciones con un elevado consumo energético, reutilizan resultados de modelos previamente almacenados o seleccionan flujos de trabajo computacionales más ligeros cuando resulta oportuno.
Ecuación del consumo de energía y agua de los centros de datos ante la COP31
Esta tendencia refleja una auténtica tensión ambiental, ya que la demanda de electricidad, agua y equipos por parte de los centros de datos puede incrementarse a medida que se expanda el uso de la inteligencia artificial, teniendo en cuenta que las proyecciones de la Agencia Internacional de Energía para el consumo futuro continúan siendo estimaciones prospectivas y no mediciones cerradas para 2030. La huella ecológica real de cualquier proceso tecnológico depende del tamaño del modelo, el hardware empleado, la fuente de generación eléctrica, la ubicación geográfica, la frecuencia de las solicitudes y si el cálculo se efectúa en un servidor remoto o en un dispositivo local; por consiguiente, afirmar de forma simplista que cualquier inteligencia artificial perjudica o beneficia al clima pasa por alto estas distinciones fundamentales.
El presente reporte se publica en la antesala de la conferencia climática COP31 para evidenciar que las organizaciones ecologistas pueden, al mismo tiempo, emplear la inteligencia artificial en pro de sus objetivos y cuestionar la magnitud o el diseño de la expansión de infraestructura, mientras que las evidencias futuras exigidas consisten en realizar evaluaciones de impacto independientes, documentar públicamente los resultados de conservación y auditar los recursos consumidos de manera comparable.
Preguntas frecuentes
Pregunta: ¿De qué manera ayudó la inteligencia artificial a la organización Save the Elephants en Kenia?
Respuesta: Permitió a los investigadores examinar cerca de 200.000 imágenes aéreas de vida silvestre en cuestión de horas en lugar del trabajo manual que requería 9 personas durante 9 meses, además de facilitar la detección de elefantes, jirafas, cebras y órix.
Pregunta: ¿En qué consiste el proyecto del Instituto Jane Goodall basado en inteligencia artificial?
Respuesta: El instituto se enfoca en digitalizar y analizar un archivo de notas manuscritas sobre chimpancés redactadas en lenguas locales, con estimaciones de reducir el plazo previsto de ejecución de entre 13 y 15 años a aproximadamente dos años.
Pregunta: ¿Cómo reducen las organizaciones ecologistas la huella de carbono derivada de su uso de la inteligencia artificial?
Respuesta: Mediante la evasión de modelos de alta intensidad energética, la reutilización de salidas previamente almacenadas y la ejecución de análisis de vídeo a nivel local en dispositivos de campo en lugar de enviarlos a centros de datos remotos.
Pregunta: ¿Qué factores determinan el impacto ambiental real de cualquier sistema de inteligencia artificial?
Respuesta: El impacto depende de la escala del modelo, el tipo de hardware, la fuente de energía eléctrica, la localización geográfica, la cantidad de solicitudes recurrentes y si el procesamiento se realiza en la nube o en equipos locales.