Un modelo de redes neuronales llamado U-Net, entrenado para reconocer objetos en imágenes, detecta desde el espacio miles de ñus migratorios cruzando el río Mara, en la frontera entre Kenia y Tanzania. La imagen satelital de alta resolución parece una postal, pero detrás hay un experimento científico en curso. Con esa misma combinación —satélites, drones y algoritmos— la etología, la ciencia que estudia el comportamiento animal, está dejando de depender de la memoria visual de un investigador con binoculares y libreta. La inteligencia artificial se convirtió en su nuevo ojo.
¿Quién está manejando ese ojo? Isla Duporge, investigadora que pasó por la Oficina de Investigación del Ejército de Estados Unidos antes de instalarse en Princeton. De su etapa militar aprendió a usar imágenes satelitales para seguir animales a través de paisajes enteros.
Pero, como ella misma cuenta, ese zoom era demasiado amplio: permitía ver las grandes rutas migratorias, no lo que hace un individuo concreto. Esa distancia es la que hoy intenta eliminar combinando video de drones con técnicas de inteligencia artificial para reconstruir el movimiento a una escala mucho más fina. Así estudió a los babuinos oliva y a los leones; este año está siguiendo la migración de la mariposa monarca con dispositivos Bluetooth que registran a cada ejemplar por separado.
El punto de inflexión
Duporge no tiene dudas: la etología está en un punto de inflexión. Durante la mayor parte de su historia, las teorías sobre el comportamiento animal se construyeron con lo que una persona podía observar y anotar por su cuenta: unos pocos individuos, unas pocas horas, un solo lugar. Observaciones notables, sí, pero una ventana muy estrecha para explicar cómo se comporta una especie entera a lo largo de una migración. Ahora los sensores y los satélites permiten hacer las dos cosas a la vez: vigilar grupos enormes desde arriba y seguir a un único animal durante todo su viaje. La escala dejó de ser un límite.
Eso implica, según la investigadora, que algunas ideas clásicas se van a sostener bajo el escrutinio de los nuevos datos, y otras van a necesitar una revisión profunda. El ejemplo más elocuente es la navegación. Para la mayoría de las especies migratorias, todavía no se sabe si un individuo tiene algún sentido de dónde está respecto de adónde va, o si en realidad sigue una dirección genéticamente heredada, una especie de receta interna que dice «vuela al suroeste» y nada más. Con datos de trayectorias individuales analizados por algoritmos, esa pregunta deja de ser filosófica y se vuelve medible. La mariposa monarca es el próximo experimento para responderla.
Mientras tanto, la prensa ya registra el fenómeno: a comienzos de 2026, Mundiario titulaba que la IA transforma el estudio del comportamiento animal colectivo. La entrevista con Duporge, publicada en septiembre, confirma que no era una promesa: ya está ocurriendo.
Qué buscar en América Latina
Aquí es donde el tema deja de ser solo una curiosidad de laboratorio. América Latina concentra una parte desproporcionada de la biodiversidad del planeta y, al mismo tiempo, sufre una escasez crónica de recursos para monitorearla. Enviar biólogos al campo cuesta caro, toma tiempo y produce datos discontinuos. Un modelo entrenado para identificar animales en imágenes satelitales funciona como un guardabosques que nunca se cansa y nunca pide vacaciones. Para sectores que operan en territorios sensibles —agroindustria, minería, energía—, esa capacidad de observación continua convierte una obligación ambiental difusa en una métrica concreta: cuántos animales hay, hacia dónde se mueven y cómo reaccionan cuando una operación cambia el paisaje.
La tecnología, en este caso, no es el cuello de botella. El acceso a imágenes satelitales de buena resolución es cada vez más comercial, y los modelos de visión por computadora son cada vez más accesibles. El cuello de botella real está en el talento: hacen falta personas capaces de combinar preguntas ecológicas con herramientas de inteligencia artificial y de traducir los resultados a decisiones de gestión. Las universidades de la región, los ministerios de ambiente y las áreas de sostenibilidad de las grandes empresas están compitiendo por exactamente ese perfil.
La etología asistida por IA es, en el fondo, una historia de optimización: hace lo que la ciencia siempre hizo —observar, registrar, comparar— pero con una continuidad y una escala que ningún observador humano puede sostener. En los próximos años, los manuales de migración, navegación y vida social de los animales se van a reescribir con datos que hoy no existen. Para América Latina, la oportunidad no es solo académica: es poder anticipar los conflictos ambientales con datos en lugar de reaccionar cuando ya son crisis. La pregunta abierta es quién —sector público, universidad o empresa— va a construir primero esa capacidad en la región.
