Por Javier Surasky
.png)
La inteligencia artificial vive en modelos, datos, capacidad de cómputo y talento humano, y produce impactos profundos en las sociedades y sus dinámicas. Toda esa cadena se sostiene sobre un punto de apoyo común: recursos naturales que sostienen la fabricación de chips, la construcción y operación de centros de datos, las redes eléctricas y demás infraestructuras necesarias para desarrollar y utilizar sistemas de inteligencia artificial.
Antes de existir como tecnología, también la IA ha sido
Pachamama, y esto, que parece bastante obvio, tiene una consecuencia directa
menos analizada: las decisiones y políticas públicas sobre el uso de bienes
naturales finitos son también decisiones sobre el momento cero de la IA.
Kate Crawford (2021, p. 8) lo expresa con una fórmula
deliberadamente provocadora cuando dice que, dentro de la expresión
inteligencia artificial, la palabra “artificial” oculta la dependencia
tecnológica digital respecto de materias primas, energía, trabajo humano,
infraestructura y logística.
Desde que Crawford escribió esas palabras, la dimensión
material de la IA se hizo más extrema: en 2025, el consumo mundial de
electricidad de los centros de datos creció un 17%, mientras que el
correspondiente a centros orientados específicamente a la IA aumentó un 50% y,
en dieciocho meses, la capacidad de los centros de datos de frontera
específicamente diseñados para IA se multiplicó por tres (International Energy
Agency [IEA], 2026a).
La velocidad importa porque cada nueva infraestructura
requiere electricidad, agua, territorio, redes, equipamiento y minerales, al
tiempo que crea compromisos y dependencias cuya modificación posterior puede resultar costosa.
Por eso entiendo que los debates sobre IA deben ampliarse
para dar el lugar que realmente ocupan a los territorios que sostienen su
infraestructura, los recursos comprometidos en su desarrollo y la forma en que
los costos ambientales se distribuyen entre sociedades y generaciones.
La pregunta de fondo es sencilla de formular y bastante más
difícil de responder: qué uso de nuestros recursos y ecosistemas estamos
dispuestos a aceptar para construir la inteligencia artificial que queremos.
Voy a abordar esta cuestión desde el derecho internacional
ambiental, concentrándome en tres de sus principios: la soberanía permanente
sobre los recursos naturales, el desarrollo sostenible asociado a la equidad
intergeneracional y la precaución.
Soberanía no es disponibilidad ilimitada
El principio de soberanía permanente sobre los recursos
naturales nació asociado a los procesos de descolonización, autodeterminación y
disputa por el control económico de los recursos de los países que obtenían su
independencia. Fue una respuesta jurídico-política a una historia en la que los
recursos de las colonias habían sido tratados como reservas materiales al
servicio de proyectos decididos por las potencias coloniales.
El principio reconoce a los Estados el derecho soberano a
aprovechar sus propios recursos de acuerdo con sus políticas ambientales y de
desarrollo, y a los pueblos la titularidad de esos recursos, capacidades que
nunca se ejercen en el vacío ni pueden interpretarse como un cheque en blanco
para decidir sobre bienes naturales sin considerar sus consecuencias sociales,
ambientales e intergeneracionales.
Anghie permite leer esta cuestión desde una perspectiva
histórica crítica: para los Estados poscoloniales, la soberanía formal no
garantizó una capacidad real de decisión económica, y las disputas sobre
soberanía y recursos fueron también disputas por las condiciones materiales
necesarias para sostener las independencias conquistadas y por los márgenes de
decisión disponibles frente a estructuras económicas internacionales
construidas, en gran medida, bajo condiciones de desigualdad (Anghie, 2004).
La economía digital reactualiza esa discusión. La IA promete
eficiencia, innovación, inversión y competitividad, pero su despliegue depende
de recursos localizados: energía, agua, suelo, minerales e infraestructura.
Preguntar quién decide cómo se utilizan esos bienes y quién obtiene los beneficios es central para entender el funcionamiento político de la IA.
El agua ofrece un buen ejemplo. Un informe de la IEA (2026b)
publicado en octubre de este año estima que cerca del 40% de la capacidad
identificada de centros de datos dedicados a IA se encuentra en áreas con un
nivel alto o extremadamente alto de estrés hídrico de base.
Al mismo tiempo, una investigación publicada en 2025 por el
Lawrence Berkeley National Laboratory encontró variaciones de más de diez mil
veces en el consumo de agua asociado a diferentes cargas de trabajo de centros
de datos, según factores tecnológicos y ambientales (Lei et al., 2025). Carece
entonces de mucho sentido hablar de una cifra universal capaz de expresar
cuánta agua “consume la IA”: dónde instalamos la infraestructura y qué tipo de
infraestructura instalamos resultan cuestiones críticas.
Los minerales plantean un problema similar. Los sistemas
digitales avanzados dependen de minerales críticos utilizados en
semiconductores, servidores y equipamiento especializado. La IEA (2026c)
muestra que el avance de tecnologías digitales y conexas está aumentando la
importancia estratégica de minerales como el galio y el germanio, cuya
producción y refinación presentan alta concentración geográfica.
La expansión de esa demanda tiene consecuencias
diferenciales. El Panel Internacional de Recursos advierte que ampliar la
extracción sin modificar las prácticas actuales puede agravar impactos sociales
y ecológicos en los territorios productores (United Nations Environment
Programme & International Resource Panel [UNEP & IRP], 2025).
Propongo leer estos procesos como parte de una geografía
invisibilizada de la IA, no simplemente invisible en tanto exige esfuerzos de
invisibilización, que cubre con un manto la forma en que los beneficios se
concentran donde se desarrollan y consumen los sistemas, mientras parte de sus
costos ambientales se desplazan hacia los territorios donde se extraen
materiales, se produce energía o se instala la infraestructura requerida para
sostenerlos.
Desde esta perspectiva, la soberanía sobre los recursos
naturales pasa a ser una condición de la transformación digital. Si dejamos las
decisiones sobre tierra, agua, energía, minerales y ecosistemas fuera de la
discusión tecnológica, excluimos una parte sustantiva de la capacidad
democrática para decidir sobre el futuro.
Innovación no equivale a desarrollo
El segundo principio es el desarrollo sostenible, cuya
definición clásica fue formulada por la Comisión Brundtland como el desarrollo
que satisface las necesidades presentes sin comprometer la capacidad de las
generaciones futuras para satisfacer las suyas (World Commission on Environment
and Development [WCED], 1987).
Esa definición obliga a introducir una distinción:
innovación y desarrollo pueden coincidir, pero no son equivalentes. Una
tecnología puede ser sofisticada, rentable y globalmente competitiva y, al
mismo tiempo, comprometer bienes naturales finitos, reproducir desigualdades,
reducir las opciones disponibles para quienes vendrán después y afectar con
mayor intensidad a los grupos vulnerables de hoy.
Keith Skene se aproxima a esta cuestión desde una pregunta
que inquieta: si la inteligencia humana ha sido parte de la crisis ambiental,
¿por qué una IA construida dentro de los mismos sistemas económicos y sociales
debería conducir automáticamente a una transición sostenible? Su respuesta es
prudente: la IA podría contribuir a esa transición, pero “no en su forma
actual” (“not as it stands at present”) (Skene, 2020, p. vii).
La IA puede aportar herramientas para monitoreo ambiental,
modelización climática, gestión de riesgos, eficiencia energética, agricultura
de precisión u observación de ecosistemas. Son usos importantes que, por sí
solos, dicen poco sobre la sostenibilidad del sistema material necesario para
producir y expandir esas tecnologías.
La biodiversidad me permite llevar esta cuestión un poco más
lejos.
En octubre de 2026, la COP17 del Convenio sobre la
Diversidad Biológica, reunida en Ereván, realizó el primer examen global de los
avances en la implementación del Marco Mundial de Biodiversidad de
Kunming-Montreal. El State of Biodiversity Action concluyó que el mundo
no está en camino de alcanzar las metas sobre biodiversidad para 2030 adoptadas
hace apenas cuatro años (Secretariat of the Convention on Biological Diversity
[CBD], 2026a).
La respuesta política de la COP17 fue el Yerevan Pathway,
que identifica prioridades para acelerar la acción hasta 2030, entre ellas la
reducción de subsidios e incentivos perjudiciales para la naturaleza y la
integración de la biodiversidad en los presupuestos y decisiones económicas
nacionales (CBD, 2026b).
Leída desde el problema que estoy planteando, esa agenda
obliga a mirar hacia la IA: si las decisiones económicas deben incorporar la
biodiversidad, resulta difícil justificar que queden fuera de ese cálculo las
políticas destinadas a atraer centros de datos, expandir infraestructura
energética, asegurar minerales o desarrollar ecosistemas nacionales de IA.
Una política tecnológica que contabiliza inversión,
capacidad de cómputo y empleo, pero externaliza los costos ambientales, ofrece
una imagen incompleta de sus resultados. Aquí aparece un cruce que me parece
especialmente importante: la gobernanza digital pregunta quién controla modelos, datos, infraestructura y capacidad de cómputo, mientras la gobernanza ambiental pregunta cómo preservar ecosistemas, utilizar sosteniblemente los recursos y distribuir responsabilidades y beneficios. Ambas deben actuar de forma
coherente y coordinada.
Al mismo tiempo, la COP17 identificó entre los obstáculos
para aplicar el Marco Mundial de Biodiversidad las limitaciones de acceso a
tecnología, datos y conocimiento. La tecnología puede así ayudar a proteger la
naturaleza y, simultáneamente, incrementar las presiones sobre ella. Esa
ambivalencia vuelve insuficiente clasificar a la IA como ambientalmente
positiva o negativa. La pregunta es bajo qué condiciones se desarrolla, dónde
se localizan sus costos y quién conserva capacidad de decisión sobre ellos.
Skene sostiene que el pensamiento sostenible dejó de ser un
complemento ético para convertirse en una necesidad estructural. La IA debe
evaluarse también por su compatibilidad con una transición ecológica justa y
respetuosa de la biodiversidad.
La equidad intergeneracional refuerza ese punto: la tierra,
el agua, la energía, los minerales y los ecosistemas son condiciones materiales
de libertad futura, y una generación que los compromete irreversiblemente
reduce el margen de decisión política de las siguientes.
Precaución: decidir antes de que el daño sea irreversible
El tercer principio es el precautorio, cuyo principal valor
reside en ofrecer una regla de prudencia frente a riesgos graves o inciertos:
cuando existe incertidumbre científica y posibilidades de daños graves o
irreversibles, la falta de certeza absoluta no puede convertirse
automáticamente en una justificación para posponer medidas destinadas a
prevenirlos. La incertidumbre no debe servir de permiso para avanzar sin
evaluación, información pública, deliberación y controles.
Barboza ofrece una base útil para pensar este problema desde
el derecho internacional ambiental: la prevención frente a actividades
riesgosas incluye evaluación del riesgo, información, notificación, consultas y
balance de intereses (Barboza, 2011).
Esto es importante frente a tecnologías presentadas como
inevitables, porque la inevitabilidad tecnológica suele despolitizar decisiones
que dependen de permisos, inversiones, redes eléctricas, infraestructura
pública y usos del territorio, y en contextos donde existen riesgos de daños
graves o irreversibles, decidir tarde también es decidir.
A partir de este diagnóstico, entiendo que el razonamiento
precautorio debe considerar también la velocidad con la que pueden consolidarse
decisiones difíciles de revertir, porque una infraestructura instalada, con
compromisos contractuales ya asumidos sobre energía y acceso a otros recursos
naturales, reduce las alternativas disponibles para la acción posterior.
La revisión de 2025 de la Recomendación sobre tecnologías
digitales y medio ambiente de la OCDE adopta una perspectiva que exige
considerar la huella ambiental de esas tecnologías a lo largo de toda su
existencia material, mejorar la medición y la transparencia de sus impactos y
aumentar la coordinación entre políticas digitales, ambientales y energéticas
(Organisation for Economic Co-operation and Development [OECD], 2025).
La precaución también modifica la distribución de la carga
argumental: quienes promueven transformaciones territoriales de alto impacto
deben justificar su necesidad, mostrar sus costos, transparentar sus riesgos y
evaluar alternativas.
La nube también necesita suelo
Durante mucho tiempo, la metáfora de “la nube” ayudó a
imaginar la infraestructura digital como algo casi inmaterial, pero hoy sabemos
que esa supuesta inmaterialidad tiene expresiones muy terrenales en megacentros
de datos con alto consumo energético e hídrico, cables submarinos y producción
de chips que refuerzan el consumo de minerales finitos extraídos de algún
territorio.
Las cadenas digitales son capaces de dibujar su propia
geografía y pueden ser “cartografiadas” sobre territorios que dan sustento a la
vida y sus condiciones de reproducción. La soberanía sobre los recursos
naturales debe ejercerse también como una responsabilidad intergeneracional. En
última instancia, no hay soberanía tecnológica sin soberanía ecológica, ni
justicia digital sin justicia climática.
La promesa de democratizar la IA incluye decisiones sobre
algoritmos, territorios, recursos naturales e instalación de infraestructuras.
Mi lectura de la evidencia reunida es que la gobernanza de la inteligencia
artificial debe extenderse sobre esa realidad, interactuando con los espacios
internacionales existentes de protección ambiental y asumiendo sus propias
responsabilidades.
La rapidez actual de la expansión de la IA muestra que su
crecimiento está avanzando a un ritmo que las redes eléctricas, las cadenas de
suministro y los procesos de planificación tienen dificultades para acompañar
(IEA, 2026a), lo que implica un patrón de uso insostenible incluso en el corto
plazo.
Referencias
Anghie, A.
(2004). Imperialism, sovereignty and the making of international law.
Cambridge University Press.
Barboza, J.
(2011). The environment, risk and liability in international law.
Martinus Nijhoff Publishers.
Crawford,
K. (2021). Atlas of AI: Power, politics, and the planetary costs of
artificial intelligence. Yale University Press.
International
Energy Agency. (2026a). Key questions on energy and AI. IEA.
International
Energy Agency. (2026b). Powering artificial intelligence: Strategies for
integrating data centres into electricity systems. IEA.
International
Energy Agency. (2026c). Global critical minerals outlook 2026. IEA.
Lei, N.,
Lu, J., Shehabi, A., & Masanet, E. R. (2025). The water use of data center workloads: A
review and assessment of key determinants. Resources, Conservation and
Recycling, 219, 108310.
Organisation
for Economic Co-operation and Development. (2025). Revised recommendation of
the Council on digital technologies and the environment
(C/MIN(2025)10/FINAL). OECD.
Secretariat
of the Convention on Biological Diversity. (2026a). State of biodiversity
action: The global report on collective progress. Convention on Biological
Diversity.
Secretariat
of the Convention on Biological Diversity. (2026b). UN Biodiversity
Conference charts Yerevan Pathway to accelerate global action for nature.
Convention on Biological Diversity.
Skene, K.
R. (2020). Artificial intelligence and the environmental crisis: Can
technology really save the world? CRC Press.
United
Nations Environment Programme & International Resource Panel. (2025). Financing
the responsible supply of energy transition minerals for sustainable
development. UNEP.
World
Commission on Environment and Development. (1987). Our common future. Oxford
University Press.