El planeta avanza hacia un calentamiento de 1,5 °C "probablemente en los próximos años", según la ONU. La frase, repetida hasta el cansancio, ya no produce escalofríos. Produce algo peor: resignación. Y en ese escenario, la tecnología climática aparece como la última gran esperanza laica. Pero conviene examinarla con lupa antes de entregarle nuestras vidas y nuestros presupuestos.
Cada año, MIT Technology Review selecciona las diez empresas de tecnología climática más prometedoras del mundo. La edición de 2026 llega en un momento paradójico: mientras los récords de calor se pulverizan y los desastres climáticos cobran vidas y cuestan miles de millones, la voluntad política retrocede. Estados Unidos, segundo mayor emisor del planeta, desmantela políticas climáticas. Las grandes tecnológicas, mientras tanto, dan marcha atrás en sus ambiciones verdes para construir centros de datos de IA, que demandan cantidades ingentes de energía.
Ahí está la contradicción que debería inquietar a cualquier ejecutivo lúcido: la misma industria que promete salvar el clima con algoritmos está contribuyendo a calentarlo con sus servidores. No es un detalle menor. Y sin embargo, la promesa persiste.
El salto de WeatherNext 3
El ejemplo más reciente llega de Google DeepMind. Su modelo WeatherNext 3, lanzado el 3 de septiembre, incorpora datos observados directamente de satélites y estaciones meteorológicas, en lugar de depender de estimaciones físicas simuladas. La resolución salta de 28 kilómetros a cinco, y la frecuencia de predicción pasa de seis horas a una. Los pronósticos de precipitación podrían mejorar hasta un 50% en zonas donde las predicciones eran históricamente imprecisas. Para regiones como América Latina, donde los sistemas de alerta temprana son a menudo insuficientes, ese salto no es una mejora cosmética: es una cuestión de vidas y de pérdidas económicas evitadas.
Pero conviene frenar el entusiasmo. Los propios investigadores admiten que aún no han evaluado cómo se comporta el modelo ante fenómenos extremos poco frecuentes, como las danas. El sistema aprende de datos del pasado, y el pasado climático ya no es un buen manual para el futuro. La IA predice el tiempo de mañana a partir del de hoy, pero el clima de hoy ya no se parece al de ayer.
Una revisión incómoda
La evidencia académica añade más matices. Una revisión sistemática de 65 estudios sobre el uso de IA en la mitigación del riesgo climático, publicada en 2026, concluye que la herramienta simplifica tareas y mejora la toma de decisiones, pero también genera contenido sesgado e inexacto, ignora contextos locales y, sobre todo, consume una cantidad intensiva de energía. El estudio señala además un vacío que a los lectores latinoamericanos debería resultarles familiar: la investigación sobre IA y clima pasa por alto a las comunidades indígenas y carece de representación del Sur Global, incluidos los idiomas de bajos recursos.
Ese es el punto ciego. La IA climática se diseña en los laboratorios del norte, se entrena con datos del norte y se despliega con prioridades del norte. El trópico, los Andes, la Amazonía y el Caribe aparecen como escenarios, no como autores. Si la tecnología climática aprende del pasado, ¿de qué pasado está aprendiendo? ¿Del que han vivido quienes más sufren el calor extremo y las inundaciones, o del que registran las bases de datos de las potencias?
Para los directivos latinoamericanos, la disyuntiva no es adoptar o rechazar la IA climática. La adopción es inevitable y, en muchos casos, deseable. La pregunta es bajo qué condiciones. ¿Qué ocurre con la soberanía de los datos atmosféricos que generan nuestros territorios? ¿Quién paga por el acceso a modelos como WeatherNext 3, que son gratuitos para el usuario final pero de pago para instituciones y empresas que descarguen datos a escala? ¿Qué ocurre con los servicios meteorológicos nacionales, que podrían verse relegados a un papel secundario frente a gigantes con más capacidad de cómputo?
La respuesta no pasa por rechazar la colaboración. Los propios investigadores de DeepMind insisten en que no quieren competir con las agencias nacionales, sino darles herramientas. La prueba será si esa colaboración se traduce en transferencia de capacidades reales, no en dependencia tecnológica disfrazada de modernización.
El costo energético que nadie menciona
Y queda la pregunta incómoda de la huella energética. La misma IA que optimiza redes eléctricas o predice inundaciones necesita enormes centros de datos que consumen electricidad y agua. Varias grandes tecnológicas han reconocido que sus emisiones aumentaron por la carrera de la IA. La solución al problema climático no puede ser otra fuente del problema. No al menos sin una contabilidad honesta.
América Latina tiene una oportunidad singular: su matriz eléctrica es comparativamente limpia, con una participación relevante de hidroeléctrica y renovables. Podría convertirse en un polo de atracción para centros de datos sostenibles. Pero también podría repetir la historia de siempre: exportar recursos energéticos baratos y quedarse con los residuos digitales.
La próxima vez que un proveedor le ofrezca una solución de IA climática, pregúntele cuánta energía consume, con qué datos fue entrenada y quién se beneficia de los resultados. Porque la tecnología climática no es neutra. Y en una región donde el clima ya está cobrando facturas altísimas, la única postura viable es el escepticismo exigente. Después de todo, el algoritmo no va a vivir las consecuencias. Nosotros sí.
