Inteligencia Artificial y Economía Circular: oportunidades y riesgos

Por la Dra. Isabela da Cruz Bonatto*

Ese día llegó: quien nunca haya usado la inteligencia artificial, que tire la primera piedra. Ya no es cosa de películas futuristas ni de episodios de ciencia ficción. De hecho, capítulos de la serie Black Mirror están ocurriendo frente a nuestros ojos, en tiempo real. Diría incluso que estamos atravesando una crisis de identidad: los humanos están descubriendo que no son tan insustituibles como pensaban y que pueden ser reemplazados fácilmente por combinaciones más rápidas que las de las neuronas.

Confieso: hace unos días utilicé algunas plataformas de IA para realizar un estudio de benchmark en gestión de residuos electrónicos (la ironía del destino). En apenas una hora tenía una base sólida de información global, algo que antes me habría tomado por lo menos una semana construir. Estudios y bases de datos interconectados, accesibles y capaces de ayudarnos a encontrar soluciones mejores, más rápidas y más inteligentes para problemas ambientales complejos —eso es innegable.

Solo que el mismo poder puede considerarse tanto para el bien como para el mal. El propio Google divulgó recientemente los impactos ambientales detrás de consultas aparentemente inofensivas: cada vez que haces una pregunta a Gemini, eso consume la misma energía que mirar nueve segundos de televisión. Una sola consulta emite 0,03 gramos de dióxido de carbono y utiliza unas cinco gotas de agua. Parece poco, pero a escala global… el efecto es gigantesco. Tanto así que las emisiones de Google han crecido un 51% desde 2019 debido a la IA. Y no es solo Google. La Agencia Internacional de Energía estima que la demanda eléctrica de los centros de datos más que se duplicará hasta 2030, llegando a 945 teravatios-hora, más que todo el consumo anual de Japón. Por otro lado, aquí una buena noticia: el informe de agosto mostró que los sistemas se están volviendo más eficientes: la energía para ejecutar un prompt de texto medio ya es 33 veces menor que hace 12 meses. Es decir, la demanda aumenta, pero también hay avances claros en eficiencia energética y de materiales (o al menos eso esperamos).

La relación de la IA con el medio ambiente y la sostenibilidad ya no está en duda; la pregunta ahora es: ¿cómo se traduce, en la práctica, en avances para la Economía Circular?

Un estudio reciente publicado en ScienceDirect muestra que la IA se está convirtiendo en un motor para los modelos de negocio circulares. Capacidades como el análisis predictivo, el monitoreo en tiempo real y la automatización inteligente ayudan a rediseñar cadenas productivas para regenerar, reutilizar y reaprovechar, casi como si el algoritmo fuera el arquitecto circular. Pero existen riesgos: sin buenos indicadores de circularidad, la promesa puede volverse espejismo. Necesitamos métricas claras para monitorear el ciclo de vida de productos y materiales, y garantizar que la IA realmente esté cerrando ciclos, y no solo optimizando lo lineal. En la vida real, esto significa tener los indicadores correctos sobre uso, devolución, reaprovechamiento, atención al desperdicio y ciclo de vida del producto, y confiar en que los algoritmos estén dando el diagnóstico correcto. No todo son flores tecnológicas.

Otro aporte interesante proviene de un estudio de la Ellen MacArthur Foundation con apoyo de McKinsey: muestran que la IA puede acelerar la circularidad en tres frentes — diseño, nuevos modelos de negocio y optimización de la infraestructura. Traducido a nuestro día a día: la IA podría ayudar a crear empaques que se desmontan solos al final de su vida útil, apoyar sistemas de leasing que prolongan la vida de los productos e incluso sofisticar la logística inversa para recuperar y reciclar todo lo que consumimos. Las ganancias son concretas: hasta 127 mil millones de dólares al año en alimentos y 90 mil millones al año en electrónicos para 2030. Estamos hablando de dinero real siendo ahorrado y reciclado, en un sistema que aprende y se adapta. En otras palabras, la circularidad digitalizada también es competitividad y rentabilidad, lo que hace todo esto aún más irresistible en un mundo capitalista.

Y vamos con Harvard Business Review para respaldar la discusión: según Shirley Lu y George Serafeim, el mundo sigue atrapado en un ciclo lineal de extraer-producir-descartar, a pesar de que la circularidad promete billones en valor, solo que choca con barreras como bajo valor de productos usados, alto costo de separación y falta de trazabilidad. ¿La salida? Acelerar con IA en tres frentes muy prácticos: extender la vida útil de los productos, usar menos materia prima y elevar el uso de materiales reciclados. La IA puede ayudar a mantener una vida útil alta con updates (como en los iPhones) o con acciones de producto como servicio, donde la empresa sigue siendo dueña y el consumidor solo “alquila”, prolongando el ciclo real de uso. Eso se convierte en ingresos, fideliza, valoriza el producto usado y aún impulsa una economía más circular y rentable, siempre que la tecnología no se convierta en otro lujo caro.

Aquí es donde necesitamos conectar los puntos.

La Economía Circular nos enseña a repensar flujos de materiales y energía, buscar eficiencia, eliminar desperdicios y regenerar sistemas. Pero, cuando hablamos de IA, estamos ante una paradoja: puede acelerar soluciones y oportunidades para la circularidad (como mapear flujos, prever cadenas de reciclaje, optimizar la logística inversa, identificar hotspots de desperdicio o incluso acelerar investigaciones en nuevos materiales), pero también puede ampliar impactos ambientales si no se utiliza de forma consciente. Entre algunos de los riesgos, podemos destacar la huella ambiental de la IA (con el creciente consumo de energía y agua en los centros de datos), los residuos electrónicos (la carrera por chips, servidores y supermáquinas también genera montañas de basura electrónica y presiona la minería de minerales críticos) y la desigualdad digital (los países en desarrollo pueden quedar dependientes de tecnologías caras, sin acceso justo a los beneficios).

El gran desafío está en el equilibrio. Necesitamos una IA al servicio de la circularidad, y no al revés. ¿Cómo garantizar que la Inteligencia Artificial, en lugar de agravar la crisis ambiental, sea parte efectiva de la solución? Debemos mantener el espíritu crítico. No podemos dejarnos llevar solo por el hype tecnológico. Es hora de elegir: ¿queremos una IA que profundice desigualdades y presiones ambientales, o una IA que potencie la transición hacia la economía circular?

Intento ser optimista. Creo que los procesos tienden a volverse cada vez más eficientes, con menor consumo de energía y mejor aprovechamiento de recursos. Lo que hoy parece un dilema —más IA significando más demanda energética— puede equilibrarse en el futuro, siempre que la misma creatividad usada para escribir algoritmos se aplique para reducir impactos y regenerar sistemas. Podemos usar la IA como aliada estratégica de la circularidad, con ojos muy atentos y criterios sólidos: exigiendo eficiencia, trazabilidad y métricas transparentes.
La verdadera inteligencia no se mide solo en líneas de código ni en velocidad de procesamiento. En el campo ambiental, solo la circularidad garantizará que esa inteligencia sea real, y no únicamente artificial. Al final de cuentas, el desafío no será únicamente crear y monitorear una inteligencia artificial… sino una inteligencia circular.

*Dra. Isabela da Cruz Bonatto es embajadora de Movimiento Circular, doctora y magíster en Ingeniería Ambiental por la Universidad Federal de Santa Catarina, con un MBA en Gestión Ambiental. Se desempeña como consultora socioambiental, enfocándose en la gestión de residuos sólidos, la promoción de la Economía Circular y la sostenibilidad corporativa. Residente en Kenia desde 2021, es miembro directivo de la Fundación Together for Better y trabaja directamente con ONG para combatir la pobreza menstrual y desarrollar soluciones sostenibles para la gestión de residuos.

*Este texto fue traducido automáticamente con la ayuda de inteligencia artificial y revisado. Aun así, pueden presentarse pequeñas diferencias con respecto a la versión original en portugués.