La pérdida de naturaleza y biodiversidad es una consideración empresarial crítica que afecta directamente a la gestión de riesgos, las operaciones y la resiliencia a largo plazo.
La inteligencia artificial puede respaldar las actividades de protección de la naturaleza de las empresas, desde la detección temprana de riesgos hasta la optimización de las operaciones y las inversiones.
Desplegar la IA en favor de la naturaleza de forma responsable exige transparencia, equidad y liderazgo local para garantizar beneficios tanto para las comunidades como para los ecosistemas.
La inteligencia artificial (IA) es cada vez más reconocida como una tecnología fundamental capaz de transformar la forma en que funciona la sociedad y de provocar cambios de paradigma en distintas disciplinas, incluidas la ciencia ambiental y la ciencia de la conservación.
Su potencial surge en un momento crítico, dado el aumento de las perturbaciones y presiones relacionadas con el clima en todo el mundo. Pese a los avances en los esfuerzos de conservación y restauración, la complejidad y la urgencia de estos desafíos exigen nuevas herramientas que puedan operar a mayor escala y velocidad. La IA representa una oportunidad poderosa para crear estas herramientas.
Cómo las empresas están desplegando la IA en favor de la naturaleza
Desde la predicción de riesgos ambientales hasta el seguimiento de especies y la modelización de ecosistemas, a continuación se muestra cómo algunas empresas ya utilizan la IA para mejorar la toma de decisiones y gestionar de forma proactiva los riesgos operativos relacionados con la pérdida de naturaleza y biodiversidad:
1. Detección, mitigación y respuesta ante riesgos
La detección temprana es fundamental para gestionar riesgos en el paisaje, como los incendios forestales, las sequías o las especies invasoras. Permite a las empresas, a las agencias de conservación y gestión del territorio, y a las comunidades responder de forma proactiva a posibles crisis.
Las técnicas de IA llevan muchos años utilizándose para cartografiar las características y los cambios ecológicos clave, en apoyo de la evaluación y la gestión de los ecosistemas. La combinación de datos aéreos de alta resolución con herramientas de detección basadas en IA también puede ayudar a identificar riesgos significativos para los ecosistemas, como la propagación de plantas invasoras.
Por ejemplo, TELUS está impulsando la resiliencia tras los incendios forestales en los bosques de Canadá mediante la integración de tecnologías conectadas en los esfuerzos de restauración. A través de alianzas con la empresa tecnológica Dryad Networks y el proveedor de servicios con drones Flash Forest, TELUS utiliza redes de sensores del Internet de las Cosas (IoT) para permitir la detección ultratemprana de incendios forestales y el seguimiento de riesgos en los principales emplazamientos de restauración de ecosistemas.
Otras plataformas basadas en IA, como Pano AI ayudan a las empresas y a los gobiernos a identificar incendios forestales en fase inicial combinando redes de sensores y modelización predictiva para proteger activos e infraestructuras, incluidos los ecosistemas críticos.
2. Seguimiento de la fauna y la biodiversidad
Se están utilizando modelos de aprendizaje automático entrenados, cámaras de rastreo y sistemas autónomos para analizar paisajes sonoros, hacer seguimiento de los resultados en biodiversidad de las intervenciones forestales y vigilar las amenazas contra la fauna silvestre derivadas de la caza furtiva y otras actividades ilegales. Un seguimiento eficaz puede permitir a las empresas gestionar el riesgo de pérdida de biodiversidad y cumplir con los marcos de divulgación ambiental en evolución.
Como parte del Proyecto de Tecnología contra los Delitos contra la Vida Silvestre, el Fondo Mundial para la Naturaleza (WWF) y el Servicio de Vida Silvestre de Kenia han instalado cámaras térmicas en la Reserva de Caza de Solio, en Kenia, para ofrecer un monitoreo virtual continuo. El sistema integrado con IA detecta y clasifica automáticamente a personas, fauna silvestre y vehículos, y envía alertas en tiempo real a los operadores para permitir una respuesta rápida ante intrusiones.
Y en Sudamérica, Proyecto Guacamaya trabaja con el AI for Good Lab de Microsoft para utilizar micrófonos alimentados por energía solar, imágenes satelitales, trampas fotográficas y bioacústica con el fin de monitorear paisajes sonoros en tiempo real, proteger la biodiversidad en los bosques tropicales y acelerar el trabajo de conservación en la Amazonía.
3. Reasilvestramiento de ecosistemas y selección de emplazamientos
Cuando se utiliza en proyectos de reasilvestramiento, las herramientas de IA pueden proporcionar planificación predictiva y modelización de los cambios a largo plazo en los ecosistemas. Al superponer conjuntos de datos sobre suelos, hidrología y clima, estas herramientas simulan distintos escenarios de restauración y evalúan posibles resultados. Por ejemplo, las herramientas de IA combinadas con sensores bioacústicos han generado datos de escala fina sobre la diversidad de polinizadores para aportar pruebas claras del éxito del reasilvestramiento.
La herramienta Tree Canopy de Google utiliza IA e imágenes aéreas para permitir que casi 350 ciudades cartografíen, gestionen y mejoren sus bosques urbanos. Esto les ayuda a abordar la vulnerabilidad ante el calor extremo y respalda la resiliencia climática a nivel urbano. La investigación actual también explora la investigación actual también explora intervenciones autónomas de reasilvestramiento, como la siembra con drones y la erradicación de especies invasoras, como alternativas escalables a los métodos de restauración tradicionales.
4. Narrativa y participación
La IA puede ser una herramienta poderosa para la narrativa. Se han utilizado modelos de IA generativa (GenAI) para crear visiones de «antes y después» de paisajes degradados y restaurados, por ejemplo. Estas herramientas ofrecen imágenes convincentes para la educación y la divulgación, el desarrollo de alianzas, la recaudación de fondos, la presentación de informes ESG y la generación de confianza entre las partes interesadas.
La IA también puede respaldar la planificación de escenarios y las actividades de pensamiento prospectivo, desempeñando un papel en la planificación participativa y las iniciativas de conservación comunitaria.
5. Respaldo al conocimiento y las prácticas indígenas
La IA también permite la adaptación climática y la planificación de recursos liderada por pueblos indígenas. En Sanikiluaq, Canadá, un sistema de IA personalizado combina el conocimiento indígena con imágenes satelitales y otros métodos de la ciencia occidental para cartografiar los hábitats prioritarios de vieiras, algas y almejas en zonas que están cambiando rápidamente debido al cambio climático.
Un enfoque integrado como este ayuda a cubrir las lagunas de datos, respalda la maricultura sostenible y demuestra cómo la combinación de la tecnología con el conocimiento tradicional puede fortalecer la resiliencia y los medios de vida locales.
Situar la naturaleza y las personas en el centro de las herramientas de IA
La IA no es neutral, refleja los valores, supuestos y sesgos de quienes la desarrollan. Los sistemas de IA no deben reforzar las desigualdades que ya puedan existir en la ciencia y la práctica de la conservación.
Los datos utilizados para entrenar modelos suelen ser incompletos o sesgados, y pueden excluir o tergiversar los sistemas de conocimiento ajenos a la ciencia occidental, como el conocimiento ecológico tradicional. Los algoritmos en los que se basan las herramientas de IA también pueden ser opacos y socavar la transparencia sobre cómo se toman las decisiones o por qué se favorecen determinados resultados. Por ello, la soberanía de los datos y el diseño inclusivo deben ser elementos centrales en el desarrollo y el despliegue de la IA en contextos ecológicos.
Los pueblos indígenas desempeñan un papel desproporcionado en la gestión del territorio y la protección de la biodiversidad, por lo que deben liderar la configuración de la forma en que se crean y aplican estas herramientas de IA en el medio natural. Esto debería incluir fundamentar el desarrollo de la IA y de las tecnologías afines en principios indígenas comunes, como la relacionalidad, la reciprocidad y la responsabilidad ecológica.
El aumento del uso de la IA también tendrá consecuencias ambientales, entre ellas un enorme consumo de agua y energía. Se prevé que la electricidad utilizada por los centros de datos más que se duplique para 2030, y sus necesidades de refrigeración líquida ya han incrementado de forma significativa el consumo de agua en los últimos años. Aunque la IA puede actuar como una fuerza positiva para la acción climática basada en la naturaleza, mitigar los impactos ambientales negativos de la adopción generalizada de la tecnología e identificar vías hacia soluciones tecnológicas y de IA más sostenibles deben ser una prioridad.
A medida que crece la integración de la IA en los esfuerzos de conservación y restauración de la naturaleza, estas tecnologías deben generar activamente cobeneficios para la naturaleza, desde mejores resultados en biodiversidad hasta la preservación cultural. Las herramientas de IA deben diseñarse y utilizarse no solo por su eficiencia técnica, sino también para fortalecer la integridad ecológica, apoyar la recuperación de las especies y contribuir de manera significativa a la resiliencia climática a largo plazo.
