¿Puede la inteligencia artificial ayudar a descarbonizar las empresas?

Desde captores para reducir las necesidades de energía de las máquinas hasta un hormigón menos contaminante, ¿la inteligencia artificial (IA) puede contribuir a descarbonizar la industria? 

Es la apuesta de numerosas empresas. Algunas compañías emergentes, como la estadounidense Watershed, la alemana Carbme o la francesa Greenly, proponen medir y reducir las emisiones de gases de efecto invernadero en las industrias.

Más allá de ChatGPT, que ha generado polémica, las aplicaciones de la IA son infinitamente numerosas, especialmente para aportar una mayor trazabilidad, elemento principal de la descarbonización.

En este contexto, la IA puede desempeñar un papel importante, estima Geoffroy Petit, especialista en el tema para la firma BearingPoint.

«Uno de sus aportes es su capacidad de reconstruir parte de los datos, y proyectarlos para proporcionar estimaciones sobre las emisiones relacionadas con un producto que sean lo menos erróneas posibles», explica.

Porque si bien las empresas pueden saber fácilmente lo que emiten directamente, es menos evidente con las emisiones indirectas, incluidas las de sus proveedores.

«La IA podría ayudar a decir a las empresas: ‘Lo que haces para descarbonizar tu flota de vehículos está bien. El problema es el modelo de negocio, que se basa en la entrada en los almacenes de miles de productos de los que no domina el balance carbono'», detalla Léo Génin, consultor medioambiental en BearingPoint.

Un punto que dista mucho de ser insignificante, ya que según un informe reciente de la consultora Capgemini, las emisiones indirectas representaron el año pasado 92% de las emisiones totales registradas por las empresas europeas encuestadas.

Pero la IA se puede utilizar también para otros fines, como mejorar los procesos de fabricación dentro de una planta.

«Gracias a los datos que se recogen, se puede decir cuáles son las razones por las que se produce bien o mal», indica Paul Pinault, uno de los responsables de Braincube, empresa francesa que propone soluciones digitales a las empresas. Esto permite evaluar, a través de millones de datos, cuáles serán los procesos industriales que consumen menos energía.

«Impacto medioambiental»

Ciertos industriales se lanzaron en el proceso, como el francés Suez con su programa Aquadvanced, para optimizar la gestión de las redes de agua, o el alemán Siemens, con un dispositivo para medir las emisiones a lo largo de toda la cadena de valor. El estadounidense Meta colaboró con la universidad de Illinois el año pasado en el diseño de un algoritmo para crear hormigones menos contaminantes.

Más allá de la descarbonización de procesos y productos, la IA también puede ayudar en la toma de decisiones empresariales.

Por ejemplo: ¿Debería una empresa demoler un edificio y reconstruirlo con materiales más ecológicos, o reutilizar una parte del emplazamiento y reconstruir la otra con materiales reciclados?

El sector digital representa entre 3% y 4% de las emisiones de gases de efecto invernadero en el mundo, según un informe de la Agencia de Transición Ecológica (Ademe) y Arcep, autoridad reguladora de las telecomunicaciones, en Francia.

«La cuestión del rendimiento de inversión, desde el punto de vista medioambiental, de estas infraestructuras digitales en relación con los beneficios y las promesas inducidas sigue siendo algo poco verificado en la actualidad», advierte Génin.  

Además, es necesario que las empresas quieran implantar estas herramientas, con costes potenciales adicionales a corto plazo.

Los especialistas señalan un cambio de mentalidad, aunque lento.

«Anteriormente, las empresas nos contactaban diciendo: ‘Tengo un problema de calidad que resolver‘. Hoy dicen: ‘Tengo un problema de calidad y también quiero medir mi impacto medioambiental'», subraya Pinault.

Para motivar a las empresas, lo óptimo sería que las medidas medioambientales conllevaran un ahorro. «Cuando se combinan los aspectos financieros y climáticos, las empresas toman decisiones mucho más rápidamente», asegura Petit.