Inteligencia artificial: de hito tecnológico a criterio ASG

Recorrido por los beneficios, riesgos e impactos que esta rama de la informática tiene de cara a la sostenibilidad

Por: Lizeth Viviana Salamanca Galvis. Líder de Contenidos y Asuntos Públicos del Consejo Colombiano de Seguridad. Comunicadora social con énfasis en Periodismo y magíster en Responsabilidad Social y Sostenibilidad.

Cómo citar este artículo

Salamanca Galvis, L. V. (2026). IA: de hito tecnológico a criterio ASG. Recorrido por los beneficios, riesgos e impactos que esta rama de la informática tiene de cara a la sostenibilidad. Protección & Seguridad, 428, 20-30. Recuperado de: https://publicaciones.ccs.org.co/pys/es/article/view/510

La inteligencia artificial (IA) ha llegado para quedarse. En el mundo empresarial está transformando la manera en la que se analizan datos, se gestionan procesos, se optimizan tareas y se generan innovaciones.

Su expansión se está acelerando a tal punto que, según la más reciente encuesta global de McKinsey sobre el estado de la IA, el 88 % de las organizaciones en el mundo reporta un uso regular de esta tecnología en al menos una función empresarial aunque, en su gran mayoría, sea en una etapa de experimentación o implementación piloto (Singla et al., 2025).

De otro lado, la edición 2026 del informe ‘El estado de la IA en las empresas’ elaborado por Deloitte, reporta que cerca del 60 % de los trabajadores en todo el planeta ya cuenta con acceso autorizado a herramientas de IA por parte de sus empresas. No obstante, en su análisis la consultora indica que el verdadero reto para las organizaciones sigue siendo convertir ese acceso en impacto real y sostenido.

“Aunque las compañías están experimentando con la IA a un ritmo cada vez mayor, muchas aún tienen dificultades para convertir esos experimentos en soluciones que generen un impacto empresarial cuantificable”, indica el informe y advierte que el desafío está en ir más allá de los proyectos piloto aislados para lograr una verdadera creación de valor no solo para el crecimiento y productividad de la organización, sino también para las personas, la economía y el planeta.

IA y sostenibilidad, una dupla potente

Una de las aplicaciones más destacadas de esta tecnología tiene que ver con el potencial que ofrece para impulsar los esfuerzos de sostenibilidad. Gracias a su capacidad para analizar grandes volúmenes de datos, realizar tareas avanzadas, automatizar procesos repetitivos, identificar tendencias, predecir resultados, reconocer patrones ocultos y aprender continuamente, la IA en una herramienta poderosa para resolver problemas complejos. Por ello, se perfila como uno de los grandes aliados que tienen las organizaciones para alcanzar sus metas en desarrollo sostenible.

De hecho, en un informe sobre las tendencias de la sostenibilidad para el 2026, el Pacto Mundial de las Naciones Unidas ─Red España─ (2026) señala que la IA se convertirá en una herramienta clave para mejorar la disponibilidad, calidad y trazabilidad de los datos ambientales, sociales y de gobernanza (ASG) permitiendo generar reportes más consistentes y comparables, reduciendo errores humanos y acelerando la toma de decisiones. “Su uso se expandirá desde el reporting hasta ámbitos como la monitorización ambiental, la identificación de riesgos en la cadena de suministro, la gestión energética y el análisis predictivo de impactos. La IA será, en definitiva, un facilitador crítico para elevar el rigor técnico de la sostenibilidad empresarial”, indica el organismo.

No es casualidad entonces que el secretario general de las Naciones Unidas, Antonio Guterres, haya afirmado que los modelos de inteligencia generativa podrían impulsar la acción por el clima y los esfuerzos encaminados a alcanzar los 17 Objetivos de Desarrollo Sostenible de aquí a 2030 (Pacto Mundial de las Naciones Unidas & Accenture, 2024) siempre y cuando se aprovechen de forma responsable y resulten accesibles para todos.

Algunas aplicaciones actuales

La IA ya se está usando para generar optimizaciones en diversas áreas y sectores productivos descargando el  trabajo administrativo. Esto parte del aprovechamiento de las capacidades como la minería de datos; la recopilación, interpretación y procesamiento de información del entorno[1] o de internet (navegación de percepciones); y la generación de nuevas ideas y contenidos (amplificación de conocimientos).

A grandes rasgos, sus aplicaciones se resumen en la figura 1, extraída de una publicación del Pacto Mundial de las Naciones Unidas España & Accenture (2024) que analizó casos del sector privado.

De otro lado, el informe titulado ‘Inteligencia artificial y empresas: claves para avanzar en sostenibilidad’, identificó áreas clave relacionadas con la sostenibilidad en donde se identifica la mayor utilidad de la IA (ver figura 2). El ‘top 5’ de aplicaciones está conformado por la predicción de impactos y riesgos financieros y no financieros (41 %), la recolección y análisis de datos ASG para la rendición de cuentas ante sus grupos de interés o stakeholders (36 %), la reducción de la huella de carbono (27 %), la mejora de la eficiencia energética (22%), así como la eficiencia operativa y la trazabilidad de los proveedores sobre sus prácticas sociales y medioambientales ─ambas prácticas con un 20%, cada una─ (Pacto Mundial de la ONU España, 2026).

Entre las aplicaciones más populares identificadas en la revisión de la literatura[2] se encuentran:

• Avances a nivel de agricultura de precisión basados en modelos de previsión climática, monitoreo de cultivos y sensores de condiciones ambientales para optimizar el consumo hídrico, la detección precoz de plagas y enfermedades en los cultivos y el uso eficiente y racional de agroquímicos.
• Proyección de escenarios climáticos para la creación de estrategias de resiliencia y adaptación, así como el desarrollo de alertas tempranas frente a eventos de origen natural provocados por fenómenos climáticos extremos a través del análisis de grandes volúmenes de datos satelitales y metereológicos, sensores remotos y terrestres e integración del internet de las cosas (IoT, por sus siglas en inglés).
• Soluciones asistidas por IA para la automatización del consumo energético e hídrico, según las necesidades reales, mantenimientos predictivos de redes de distribución y mejora en las predicciones de oferta y demanda para impulsar la eficiencia.
• Incorporación de agentes de IA especializados en el análisis de bases de datos de compras y proveedores con el fin de identificar brechas de cumplimiento de normas, elaborar perfiles de riesgo en materia de derechos humanos, normas laborales y medioambiente a fin de apoyar mejoras en el abastecimiento responsable.
• Análisis y evaluaciones en tiempo real del ciclo de vida de productos, mediante estructuración de informes de trazabilidad de la cadena de valor consumo de recursos, predicción de impactos ambientales y/o sociales, así como sugerencias de cambios en el diseño o materiales para mejorar su sostenibilidad.
• Incorporación de análisis predictivos para identificar y gestionar riesgos en Seguridad y Salud en el Trabajo (SST) y derechos humanos en las cadenas de suministro permitiendo reducir indicadores de siniestralidad laboral y transgresiones a las comunidades del área de influencia de una operación. Esto es posible mediante el uso de Natural Language Processing (NLP) para rastrear noticias, denuncias, reclamaciones, sistemas de información pública, así como alertas tempranas sobre vulneraciones a derechos humanos en las actividades productivas y las relaciones comerciales con terceros.
• Optimización y depuración de códigos en softwares para mejorar la eficiencia operativa, el rendimiento global de los sistemas y el consumo de recursos.
• Adopción de herramientas de IA para elaborar y/o actualizar estrategias corporativas de sostenibilidad. Tal es el caso de la construcción de agentes y algoritmos para ejecutar análisis de doble materialidad a partir de la modelización de IROs (Impactos, Riesgos y Oportunidades) y el mapeo simultáneo de indicadores y métricas clave de estándares internacionales de reporte como GRI, IFRS S1/S2, TCFD y ESRS.
  En este ámbito, diversos usos incluyen la extracción de evidencia de soporte y vinculación de cifras con sus fuentes de origen (data lineage) para facilitar la auditoría externa siendo uno de los ejemplos más populares el rastreo automático de factores de emisión para calcular la huella de carbono en la cadena de valor. A su vez, se están desarrollando copilotos de IA aplicados al escaneo masivo de informes de sostenibilidad de competidores para identificar brechas de divulgación y mejores prácticas sectoriales, así como asistentes entrenados para el desarrollo de informes de sostenibilidad y creación de contenidos de marketing sostenible adaptados a audiencias específicas.

“El volumen de información que un líder de sostenibilidad debe procesar ya supera la capacidad de los equipos tradicionales. La IA está cambiando esa ecuación. No porque sustituya el criterio profesional, sino porque permite dedicar menos tiempo a consolidar datos y más tiempo a interpretar riesgos, tomar decisiones e influir en la estrategia de negocio”, señala Sarah Heany, Sustainability Content Marketing de Skills4Impact.

En tal sentido, a continuación, se presenta un ejemplo de aplicación de la IA en la comparación de calificaciones corporativas  (scores), que permite optimizar la toma de decisiones de compra de acuerdo con las necesidades propias de la organización.

En este ejercicio, se analizó una empresa ficticia del sector alimentario utilizando datos de cuatro agencias de evaluación: S&P Score, LSEG Score, MSCI Rating y CDP.

Como se observa en la tabla 1, la IA facilita la revisión de los rankings y  el análisis de las diferencias entre dichas metodologías.

Posteriormente, la herramienta generó un análisis de las fortalezas de cada índice a la hora de tomar decisiones (ver tabla 2).

El impacto ambiental y social de la IA: la otra cara de la moneda

Aunque se espera que la inteligencia artificial (IA) impulse la transición hacia modelos económicos más eficientes, no se puede desconocer el impacto ambiental y social que genera su entrenamiento y uso. Implementar esta tecnología de manera sostenible, ética y responsable debe ser parte de la discusión en las organizaciones.

El Programa para el Medio Ambiente de las Naciones Unidas (2025) ha alertado sobre el lado negativo en la expansión de la IA y su infraestructura asociada. De acuerdo con el organismo, entre los impactos ambientales más representativos se encuentra el consumo de cantidades masivas de agua y energía en los centros de datos (con la emisión asociada de gases de efecto invernadero), la dependencia de minerales críticos y elementos raros ─que a menudo se extraen de formas destructivas para el medio ambiente y bajo condiciones laborales inadecuadas─ para la elaboración de microchips, así como la proliferación de residuos peligrosos eléctricos y electrónicos (RAEE)

De hecho, según estimaciones de la Agencia Internacional de la Energía (AIE), una pregunta realizada en una conversación con ChatGPT, consume hasta 10 veces la electricidad de una búsqueda de Google (como se citó en Pnuma, 2025); generar un simple texto de 100 palabras consume alrededor de medio litro de agua (Quesada, 2026); y si los centros de datos en los que se computa la IA fueran un país, su consumo eléctrico actual para enfríar sus componentes (448 teravatios hora, TWh) estaría al nivel del de Francia (Instituto Universitario de Naciones Unidas para el Agua, el Medio Ambiente y la Salud como se citó en Pascual, 2026).

En términos sociales, debido a la transformación del mundo laboral gracias al avance de sistemas inteligentes, millones de empleos en el mundo estarían bajo amenaza de desaparecer o sufrir transformaciones profundas. De hecho, datos recientes de la Organización Internacional del Trabajo (OIT, 2026) revelan que la IA generativa influirá en la vida laboral de cerca de 80 millones de personas en los 11 países de la Asociación de Naciones de Asia Sudoriental (ASEAN). 

Otras preocupaciones tienen que ver con la reproducción y perpetuación de sesgos en el entrenamiento de los algoritmos lo que daría lugar a resultados defectuosos, distorsionados o discriminatorios y podría amplificar desigualdades sociales. Esto ocurre cuando la tecnología aprende y amplifica prejuicios humanos preexistentes en la recopilación de datos. Asimismo, la brecha en el acceso a internet y sistemas de información en distintas regiones genera un entrenamiento incompleto, dejando fuera de los algoritmos la perspectiva de las comunidades no representadas en los datos.

En esta misma línea, la baja calidad de la información con la que se nutren los sistemas genera “alucinaciones” de la herramienta, entregando información falsa, no verificada o imprecisa, un riesgo que se agudiza por el exceso de confianza de las personas en la herramienta y la falta de criterio analítico y crítico para verificar los resultados entregados.

Incluso, mediante la IA se pueden exacerbar crisis de desinformación cuando es usada para generar deepfakes, es decir, contenido audiovisual que altera la realidad para mostrar que una persona dijo o hizo algo que en verdad nunca pasó o recrear una situación falsa usándola, muchas veces, con fines maliciosos.

A ello se suman amenazas para la ciberseguridad de empresas y personas a través de la exposición o filtración de datos y la manipulación de herramientas para crear voces o falsas identidades, así como riesgos de infracción de derechos de autor donde la ambigüedad que rodea la propiedad intelectual de obras generadas por IA presenta desafíos para las organizaciones.

Finalmente, vale la pena traer a colación la reflexión que plantea la empresa de tecnología IBM cuando cuestiona la falta de rendición de cuentas de la IA: “¿quién es responsable cuando un sistema de IA falla?, ¿quién es responsable de las consecuencias de las decisiones perjudiciales de una herramienta de IA? Estas preguntas son centrales en casos de accidentes fatales y colisiones peligrosas que involucran sistemas autónomos” (IBM, s.f.).

La gobernanza de la IA: un desafío creciente

Los casos mencionados anteriormente generan una variedad de riesgos emergentes que comprometen la seguridad, reputación y credibilidad de las organizaciones usuarias. Pese a ello, llama la atención que solo un  57 % de las em­presas que ya han implementado la IA aún no miden su impacto en sostenibilidad (Pacto Mundial de la ONU España, 2026).

A medida que la IA se integra en los procesos y estrategias corporativas, cabe preguntarse ¿cómo garantizar que su desarrollo y uso sean responsables, sostenibles y alineados con las expectativas de la sociedad?

En el estudio ‘The intersection of Responsible AI and ESG: A Framework for Investors’ desarrollado por CSIRO y Alphinity Investment Management (2024) la IA se posiciona como un asunto material prioritario entre los criterios ESG sobre el que se empezará a demandar información específica para que los grupos de interés de las organizaciones, incluyendo inversores, analicen las amenazas u oportunidades ambientales, sociales y de gobernanza asociadas

Allí, emerge el concepto de ‘Responsible AI (RAI)’ definido como la práctica de desarrollar y utilizar sistemas de IA de manera ética, segura y responsable a que pone a las personas en el centro de las decisiones tecnológicas. En este orden de ideas, la RAI se rige bajo los siguientes principios:

• Bienestar humano, social y medioambiental: los sistemas de IA deben beneficiar a las personas, a la sociedad y al medio ambiente.
• Valores centrados en el ser humano: el uso de IA debe respetar los derechos humanos, la diversidad y la autonomía de las personas.
• Equidad: los sistemas basados en IA deben ser inclusivos y accesibles y no deben implicar ni dar lugar a una discriminación injusta contra personas, comunidades o grupos.
• Transparencia y explicabilidad: debe haber transparencia y divulgación responsable para que las personas puedan comprender cuándo se ven significativamente afectadas por la IA y puedan saber cuándo un sistema de IA está interactuando con ellas.
• Privacidad y seguridad: los sistemas de IA deben respetar y defender los derechos de privacidad y la protección de datos,  garantizando la seguridad de los mismos.
• Contestabilidad: cuando la IA afecte significativamente a una persona, comunidad, grupo o entorno, debe existir un proceso oportuno que permita a las personas impugnar el uso o los resultados del sistema.
• Responsabilidad: las personas responsables de las diferentes fases del ciclo de vida del sistema de IA deben ser identificables y responsables de los resultados de dichos sistemas y debe permitirse la supervisión humana de los sistemas de IA.
• Fiabilidad y seguridad: los sistemas de IA deben funcionar de forma fiable de acuerdo con la finalidad prevista.

En este sentido, hay un largo camino por recorrer. Desde el Programa de las Naciones Unidas para el Desarrollo y Pacto Global, hasta empresas tecnológicas líderes como IBM se han compartido recomendaciones y medidas para que las organizaciones transiten hacia una implantación genuina de ‘Responsible AI’ en sus prácticas, procesos y operaciones. Algunas de ellas son:

• Definir e implementar una estrategia de gobernanza de la IA integrado por marcos, políticas y procedimientos que orienten el desarrollo y uso responsable de las tecnologías de IA, alineándolos con los valores corporativos.
  En este sentido, resulta útil considerar el uso de lineamientos existentes como las ‘Pautas de Ética para una IA confiable de la Comisión Europea’, los ‘Principios de IA de la OCDE’, el ‘Marco de gestión de riesgos de IA del NIST’ y el ‘ Marco de responsabilidad de IA del gobierno de EE. UU.’
• Integrar un enfoque multidisciplinario y de diversas partes interesadas a lo largo del ciclo de vida de los sistemas de IA. Esto mitiga el riesgo de reproducción de sesgos, nutre el modelo de diversas perspectivas y potencia la creación de soluciones con impacto social y ambiental positivo. Esto incluye utilice datos de entrenamiento de alta calidad, probar rigurosamente los modelos de IA, evaluarlos y refinarlos continuamente.
• Identificar y categorizar riesgos asociados a la implementación, a través de modelado de amenazas y evaluación de vulnerabilidades del modelo, así como desarrollar estrategias de control y mitigación.
• Priorizar la adopción de la tecnología con un enfoque estratégico orientado a incrementar la productividad y el bienestar laboral, en lugar de reemplazar personas, permitiéndole a los trabajadores centrarse en tareas de mayor valor.
• Capacitar a los trabajadores, consumidores y usuarios sobre riesgos asociados al uso de IA, entre ellos, cómo detectar información errónea y evitar la desinformación. Así mismo, alentar la verificación permanente de la autenticidad y veracidad de las respuestas antes de actuar en consecuencia.
• Incorporar la supervisión humana de los resultados del modelo de IA a través de juntas o comités de revisión de ética.
• Identificar brechas de seguridad en entornos de IA a través de la evaluación de riesgos y el modelado de amenazas e invertir en capacitación en respuesta cibernética para aumentar la concientización, la preparación y la seguridad de la organización.
• Informar a los consumidores y usuarios sobre las prácticas de recopilación, tratamiento y uso de datos para los sistemas de IA.
• Elegir modelos o marcos de IA energéticamente eficientes, simplificar la arquitectura del modelo y/o reutilizar modelos existentes. La elección de socios tecnológicos debe basarse en criterios como el consumo de recursos y protección de datos.

En síntesis, la convergencia entre IA y sostenibilidad es cada vez más evidente. Las bondades de esta tecnología fortalece la capacidad de las organizaciones para desarrollar soluciones innovadoras, de forma más rápida y eficiente. No obstante, presenta serios desafíos en cuanto a una implementación responsable. La incorporación de criterios éticos y la gestión proactiva de los riesgos e impactos asociados a su desarrollo y uso, serán cada vez más un asunto de gobernanza y un rasero con el que se mida la madurez de la organización usuaria. La IA ha dejado de ser asunto estrictamente tecnológico, para convertirse en un criterio ASG que devela el grado de protección de los derechos humanos en una era digital.  

Referencias

Commonwealth Scientific and Industrial Research Organisation. (s. f.). Responsible AI ESG framework for investors. https://www.csiro.au/en/research/technology-space/ai/Responsible-AI/RAI-ESG-Framework-for-investors

Deloitte. (2026, enero). State of AI in the Enterprise 2026: The untapped edge. https://www.deloitte.com/content/dam/assets-zone3/us/en/docs/services/consulting/2026/state-of-ai-2026.pdf

IBM. (s.f.). 10 peligros y riesgos de la IA y cómo gestionarlos. https://www.ibm.com/mx-es/think/insights/10-ai-dangers-and-risks-and-how-to-manage-them

Mendelsohn, S. (2024, 7 de octubre). La IA es un acelerador para la sostenibilidad, pero no es una bala de plata. Foro Económico Mundial. https://es.weforum.org/stories/2024/10/la-inteligencia-artificial-acelera-la-sostenibilidad-pero-no-es-la-panacea/

Organización Internacional del Trabajo. (2026, 8 de julio). La IA podría afectar a cerca de 80 millones de trabajadores en la región de la ASEAN, pero aún no se observa una perturbación del empleo a gran escala. https://www.ilo.org/es/resource/noticias/la-ia-podria-afectar-cerca-de-80-millones-de-trabajadores-en-la-region-de

Pacto Mundial de la ONU España. (2026). Inteligencia artificial y empresas: claves para avanzar en sostenibilidad. https://www.pactomundial.org/biblioteca/inteligencia-artificial-y-empresas/

Pacto Mundial de la ONU España. (2026, febrero). Tendencias en sostenibilidad empresarial 2026. Observatorio 2030. https://observatorio2030.com/sites/default/files/2026-02/Tendencias%20en%20sostenibilidad%20empresarial%202026.pdf

Pacto Mundial de las Naciones Unidas España & Accenture. (2024). Inteligencia artificial generativa para los Objetivos Mundiales. Observatorio 2030. https://observatorio2030.com/sites/default/files/2024-11/Inteligencia%20artificial%20generativa%20para%20los%20Objetivos%20Mundiales.pdf

Pascual, M. G. (2026, 3 de junio). La IA consumirá en 2030 tanta agua como 1.300 millones de personas. El País. https://elpais.com/tecnologia/2026-06-03/la-ia-consumira-en-2030-tanta-agua-como-1300-millones-de-personas.html

Programa de las Naciones Unidas para el Medio Ambiente. (2025, diciembre). La IA plantea problemas ambientales. Esto es lo que el mundo puede hacer al respecto. https://www.unep.org/es/noticias-y-reportajes/reportajes/la-ia-plantea-problemas-ambientales-esto-es-lo-que-el-mundo-puede

Quesada, J. (2026, 21 de junio). ¿El consumo de agua de los centros de datos de IA es menor de lo se pensaba? National Geographic. https://www.nationalgeographic.com.es/tecnologia/consumo-agua-centros-datos-ia-es-menor-que-pensabas_28643

Singla, A., Sukharevsky, A., Hall, B., Yee, L., y Chui, M. (2025, 5 de noviembre). The state of AI in 2025: Agents, innovation, and transformation. McKinsey & Company. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai

Skills4Impact (s.f.). IA aplicada al reporting de sostenibilidad: Carrusel – Casos de uso [Archivo PDF]. https://cdn.disco.co/media/IA_aplicada_al_Reporting_de_Sostenibilida_Carrusel_-_Cass_de_Uso__1__a8aa43a0-94d6-4099-b485-01ad6b9dc766.pdf

Sostenibilidad para todos. (s.f.). La alianza entre inteligencia artificial y desarrollo sostenible. Acciona. https://www.sostenibilidad.com/desarrollo-sostenible/la-alianza-entre-inteligencia-artificial-y-desarrollo-sostenible

[1] Datos y señales que provienen del contexto o del medio físico y operativo donde actúa la empresa u organización.

[2] Mendelsohn, 2024; Sostenibilidad para todos, s.f.; Skills4Impact, s.f.; Pacto Mundial de la ONU España, 2026;  Pacto Mundial de las Naciones Unidas España & Accenture, 2024)