El panorama energético está en plena crisis: la demanda de electricidad crece mientras el mundo lucha por cumplir con los objetivos climáticos. En este contexto, la inteligencia artificial (IA) se presenta como una herramienta de doble filo. Un estudio reciente publicado por el periódico Guardian AI examina cómo la IA puede aumentar la producción de combustibles fósiles y, simultáneamente, impulsar la generación de energía limpia.

Los investigadores modelaron 64 escenarios distintos, combinando la aplicación de algoritmos de aprendizaje profundo en el sector energético con variables de mercado, tecnología y política. Los resultados fueron sorprendentes: la IA podría aumentar las reservas recuperables de petróleo y gas en un 5 %, y reducir los costes de los proyectos de aguas profundas en un 10 %. En otras palabras, la IA hace que la extracción de energía fósil sea más eficiente y rentable.

Sin embargo, la misma tecnología que optimiza la producción de crudo también puede generar una mayor huella de carbono. El estudio estima que la IA podría incrementar las emisiones netas de CO₂ del sector energético en 0,47 a 1,8 gigatoneladas al año, equivalente al 1 %–5 % de las emisiones totales del sector. Este aumento se debe principalmente a la mayor disponibilidad de combustibles fósiles, que contrarresta los beneficios de la IA enfidada en la generación de energía renovable.

¿Por qué ocurre esto? La respuesta se encuentra en la forma en que la IA se integra en la cadena de valor. Los algoritmos de optimización pueden identificar nuevas zonas de yacimientos, predecir la producción de pozos y reducir los tiempos de inactividad. Cada una de estas mejoras acelera la entrega de energía fósil al mercado. Al mismo tiempo, la IA también se está utilizando para mejorar la eficiencia de turbinas eólicas, paneles solares y baterías, reduciendo los costos y aumentando la penetración de renovables. Cuando ambos efectos se combinan, el resultado es una “fuerza de equilibrio” que favorece a los combustibles fósiles en lugar de a las fuentes limpias.

El impacto de estos hallazgos es profundo. En primer lugar, plantea un dilema ético para los responsables de la política energética. Si la IA se utiliza indiscriminadamente para maximizar la producción de petróleo, se corre el riesgo de retroceder en la transición climática. Los gobiernos deben considerar regulaciones que limiten la aplicación de IA en la industria petrolera y favorezcan su uso en energías renovables.

En segundo lugar, las empresas del sector energético deben repensar su estrategia de inversión. Una mayor eficiencia en la extracción no garantiza un crecimiento sostenido si la_circle de demanda de combustibles fósiles se reduce por la regulación climática y la concienciación pública. Las compañías que se adapten a un modelo de negocio híbrido, invirtiendo en IA para la transición verde, podrían tener una ventaja competitiva.

El estudio también destaca la importancia de la transparencia en la utilización de IA. Los modelos de aprendizaje profundo, al ser “cajas negras”, pueden generar sesgos que favorezcan la explotación de recursos fósiles. Por eso, la comunidad científica debe desarrollar auditorías de IA para garantizar que los algoritmos se alineen con los objetivos de sostenibilidad.

Finalmente, la investigación subraya la necesidad de un enfoque holístico. La IA no es un sustituto de la política climática, sino una herramienta que debe ser guiada por marcos regulatorios y objetivos claros. Si se emplea de forma responsable, la IA puede acelerar la adopción de energías renovables, reducir los costes de la tecnología y, en última instancia, disminuir la huella de carbono global.

En conclusión, el futuro de la IA en el sector energético no es blanco o negro. Su potencial para mejorar la producción de combustibles fósiles y de energía limpia plantea un reto que exige una respuesta coordinada թեմ política, corporativa y científica. Solo así podremos asegurarnos de que la tecnología que promete salvar el planeta no termine terminando en la causa de su destrucción.