Por Angélica Ximena Sánchez Mejía, estudiante del décimo primer ciclo de la carrera de Derecho en la Pontificia Universidad Católica del Perú e integrante de la Comisión de Desarrollo Social de la Asociación Civil THĒMIS
“El hombre es parte de la naturaleza y su guerra contra la naturaleza es inevitablemente una guerra contra sí mismo.”
– Rachel Carson.
“Ya no se trata de preguntarnos si necesitamos transformar el modo en que producimos y consumimos recursos en el mundo, sino de cómo hacerlo realidad con urgencia”. Con esta advertencia clara y directa, Izabella Teixeira y Janez Potočnik, copresidentes del International Resource Panel (IRP), sintetizan el llamado urgente contenido en el informe Perspectivas de Recursos Globales 2024 del Programa de las Naciones Unidas para el Medio Ambiente (PNUMA).
El diagnóstico es contundente: en los últimos 50 años, el consumo mundial de recursos naturales se ha triplicado, pasando de 30 a 106.6 billones de toneladas. Esta cifra abarca desde cultivos para la alimentación y madera para energía, hasta combustibles fósiles, metales como hierro, aluminio y cobre, minerales no metálicos, tierra y agua (Charlton, 2023). Y lo más preocupante: el informe proyecta que, de no cambiar el rumbo, el consumo de recursos naturales aumentará en un 60 % para el año 2060. Nos enfrentamos, entonces, a un escenario de agotamiento global acelerado, donde la presión sobre los recursos compromete no solo la estabilidad de los ecosistemas, sino también la sostenibilidad de la economía mundial. La advertencia es clara: continuar con los patrones actuales de uso de recursos es insostenible, y postergar la transición solo agudizará la crisis planetaria.
Frente a este escenario desafiante, la tecnología no se detiene. Avanza a un ritmo vertiginoso, reconfigurando industrias, hábitos y estructuras. El ámbito ambiental no es la excepción: en su búsqueda por responder a una crisis cada vez más compleja, ha comenzado a incorporar soluciones innovadoras que prometen abordar los obstáculos de forma más eficiente, adaptativa y sostenible. Así, hace no mucho, la inteligencia artificial comenzó a ser celebrada como una de las herramientas más prometedoras para enfrentar la crisis ambiental y mejorar la gestión de los recursos naturales. No obstante, estudios recientes han revelado un aspecto poco discutido: el alto consumo de energía y agua que implica el entrenamiento y operación de los sistemas de IA, lo que plantea una nueva paradoja ambiental.
Este artículo examina el rol de la inteligencia artificial en la gestión sostenible de los recursos naturales, destacando sus aplicaciones más relevantes y sus impactos emergentes. A partir de ello, se reflexiona sobre la contradicción entre su promesa como herramienta ambiental y los efectos que puede generar en términos de consumo de energía y agua, resaltando la necesidad de una gobernanza tecnológica sostenible.
1. IA: Explorando la Inteligencia Artificial
Hoy en día, la inteligencia artificial (en adelante, “IA”) está cada vez más presente en nuestra vida cotidiana y desempeña un papel fundamental en diversos sectores, impulsando la innovación y optimizando procesos en múltiples áreas del conocimiento. Su ámbito de aplicación se extiende desde los procesos de automatización industrial hasta el perfeccionamiento de los diagnósticos médicos. Así, su impacto trasciende fronteras, consolidándose como una herramienta clave para la transformación tecnológica y el desarrollo global.
En este contexto, el impacto de la IA varía según su categoría, ya que cada una de estas posee capacidades y aplicaciones específicas que determinan su alcance y funcionalidad. La IA débil es la más común y se centra en tareas específicas, como asistentes virtuales. En contraste, la IA fuerte y la IA súper inteligente son aún teóricas, y se conciben con el potencial de igualar o superar la inteligencia humana. Otras categorías incluyen la IA reactiva, sin memoria ni aprendizaje; la IA con memoria limitada, usada en vehículos autónomos; y la IA de teoría de la mente, la cual se encuentra en fase de investigación y busca interpretar emociones (Cámara de Comercio de Valencia, 2024).
Particularmente, en el ámbito ambiental, la inteligencia artificial ha venido siendo utilizada para analizar grandes volúmenes de datos, identificar patrones complejos y generar soluciones más eficientes y sostenibles.
¿Pero qué sucede cuando la solución también se convierte en parte del problema? Tal es el caso de la inteligencia artificial, una tecnología impulsada como aliada del medio ambiente que, sin embargo, ha empezado a mostrar un impacto ecológico propio, como su elevado consumo de energía y agua.
2. La promesa verde de la IA
La aplicación de la inteligencia artificial en la gestión de recursos naturales ha podido brindar en los últimos años diversas herramientas y beneficios, los cuales se detallan a continuación:
- La aplicación de la IA en la gestión agrícola: Mediante el uso de algoritmos de aprendizaje automático y sensores de Internet de las Cosas (IoT), los agricultores tienen la posibilidad de optimizar el uso de agua, fertilizantes y pesticidas, lo que contribuye a la reducción del impacto ambiental. A modo de ejemplo, se puede mencionar los sistemas de riego inteligente que emplean datos meteorológicos y del suelo en tiempo real para ajustar la cantidad de agua suministrada a los cultivos, previniendo tanto el desperdicio, como la escasez de este recurso. Asimismo, se utilizan drones y robots agrícolas implementados con inteligencia artificial, los que son capaces de identificar y tratar áreas específicas del campo que requieren atención, reduciéndose el uso de productos químicos y promoviendo la salud del suelo. Adicionalmente, la inteligencia artificial también puede predecir la aparición de enfermedades y plagas en los cultivos antes de que se conviertan en problemas graves, lo que permite una intervención temprana y más eficiente. Estas prácticas no solo incrementan la productividad agrícola, sino que también fomentan un uso más sostenible de los recursos naturales (Henríquez, Ríos y Sánchez, 2024).
- La aplicación de la IA en procesos hidrológicos y en la gestión de recursos hídricos: Diversos estudios han comprobado que la inteligencia artificial puede reducir las incertidumbres en variables hidrometeorológicas y geológicas, lo que incrementa la exactitud de las predicciones del flujo de entrada a los embalses, especialmente mediante el uso de redes LSTM. En este marco, es importante subrayar la importancia de los modelos híbridos, los cuales combinan el aprendizaje profundo con técnicas tradicionales de aprendizaje automático, para avanzar en la mejora de los modelos hidrológicos (García-Ceca, 2024).
- IA en la industria eléctrica: Desde esta perspectiva, cabe señalar que la inteligencia artificial puede ser muy útil en la gestión de redes inteligentes, debido a que tiene la capacidad de revolucionar los procesos de generación, distribución y consumo de electricidad. Así, a través del monitoreo y control en tiempo real de la red eléctrica, las empresas de servicios públicos tienen la posibilidad de ajustar de manera dinámica el equilibrio entre la oferta y la demanda. De esta manera, los algoritmos de IA analizan datos provenientes de diversas fuentes, lo que posibilita una gestión de la red más eficiente, minimizando las pérdidas en la transmisión y contribuyendo a una mayor estabilidad del sistema. Otra de las aplicaciones más relevantes en este rubro es el mantenimiento predictivo, el cual emplea algoritmos avanzados y sistemas de monitoreo remoto para predecir con alta precisión los riesgos de fallo en las plantas, lo que permite tomar medidas preventivas antes de que ocurran. Ello facilita intervenciones de mantenimiento programadas, evitando emergencias y reduciendo considerablemente los costos y el tiempo de inactividad de la planta (Enel Green Power, 2023).
- La aplicación de la IA en el monitoreo ambiental: Se ha demostrado que la inteligencia artificial puede desempeñar un papel fundamental en el monitoreo y la protección de especies en peligro de extinción, así como en la preservación de los ecosistemas forestales. De tal forma, a través del análisis de imágenes satelitales y el procesamiento de grandes volúmenes de datos, la IA permite identificar la distribución y el comportamiento de las especies en riesgo de desaparición, facilitando la detección de cambios en sus hábitats y la identificación de amenazas como la deforestación o la caza furtiva. Además, el uso de algoritmos avanzados permite monitorear la salud de los bosques y árboles individuales, detectando signos de degradación, enfermedades o incendios forestales en sus etapas iniciales (Rojo C., Rojo C. y Rojo B, 2024).
3. Ejemplos exitosos de aplicación de la Inteligencia Artificial en el cuidado del medio ambiente
Un ejemplo cercano es el caso de Argentina, donde se han desarrollado diversas soluciones basadas en inteligencia artificial para la gestión y conservación del medio ambiente. Entre ellas, destacan los sistemas que permiten monitorear la evolución de los bosques a lo largo del tiempo, identificando y geolocalizando áreas deforestadas. Asimismo, se ha implementado una tecnología que analiza imágenes satelitales para determinar la extensión de las zonas afectadas por incendios forestales de gran magnitud. Adicionalmente, otro desarrollo basado en el uso de drones es capaz de detectar micro y mega basurales, logrando incluso identificar la composición de los residuos, una herramienta que ha sido aplicada con éxito en la provincia de Mendoza (De Titto y Savino, 2023).
Además, en el caso mexicano, con el propósito de mejorar la eficiencia en el uso del agua en las zonas agrícolas de la Cuenca de Lerma, se llevó a cabo un proyecto financiado por Intel que implementó una solución de IA para la gestión del riego, desarrollada por la climatech Kilimo. La solución consistió en una plataforma digital de fácil adopción que combinaba datos climáticos, satelitales y del suelo, utilizando IA para ofrecer recomendaciones de riego, acompañando a los agricultores a lo largo de todo el ciclo productivo (Intel, 2024).
En un ejemplo más distante, en otro continente, la inteligencia artificial ha demostrado su potencial para abordar desafíos ambientales complejos. En particular, los modelos de deep learning, como los LSTM, han sido clave para predecir con precisión contaminantes como el PM10, logrando resultados destacados en lugares como Arabia Saudita y Malasia. Además, la integración de algoritmos de aprendizaje automático en modelos híbridos ha elevado la precisión de las predicciones, mostrando una nueva era en el monitoreo ambiental (Henríquez, Ríos y Sánchez, 2024).
De manera similar, países como Canadá, la Unión Europea (incluidos varios de sus estados miembros), Japón, Corea, Australia, India y China han iniciado inversiones sustanciales en el desarrollo de infraestructuras avanzadas de redes inteligentes (Smart Grids). En estas infraestructuras, la inteligencia artificial (IA) desempeña un rol fundamental al optimizar la distribución eléctrica en tiempo real. La IA permite equilibrar la oferta y la demanda de energía, identificar fallos de manera inmediata y mejorar la estabilidad de las redes que integran energías renovables (Novaluz Energía, 2025).
4. La cara oculta del uso de Inteligencia Artificial
No ha transcurrido mucho tiempo desde que se difundió la noticia de que el uso de la Inteligencia Artificial demanda un considerable consumo de agua, lo que generó un debate polémico, en cual se acarrean las facilidades que proporciona y las potenciales repercusiones negativas que podría generar en el uso del agua.
Detrás de las aplicaciones positivas de la IA se encuentra un elemento cargado de recursos: la capacitación e implementación de modelos algorítmicos, que demandan una infraestructura de cálculo de gran eficiencia. En ese sentido, estos modelos, en especial los de aprendizaje profundo, se desarrollan en centros de datos que procesan enormes volúmenes de información y consumen cantidades significativas de energía y agua. Así, al emplear una inteligencia artificial, esta procesa grandes volúmenes de datos para replicar ciertos patrones del razonamiento humano. Dicha información se almacena y gestiona en centros de datos que operan de manera continua, las 24 horas del día durante todo el año, y que demandan una infraestructura energética y térmica considerable. Estos centros generan una gran cantidad de calor, por lo que requieren sistemas de enfriamiento intensivo para evitar el sobrecalentamiento de sus componentes electrónicos.
Uno de los métodos más comunes es la refrigeración mediante torres de enfriamiento con agua, donde el recurso hídrico se reutiliza en ciclos múltiples —generalmente entre 3 y 10 veces— antes de ser reemplazado para evitar la acumulación de minerales y sedimentos que puedan dañar los equipos (World Economic Forum, 2024).
Un estudio realizado por investigadores de la Universidad de California en Riverside estimó que el entrenamiento de GPT-3 consumió aproximadamente 700,000 litros de agua, si se considera tanto el uso directo como el indirecto asociado a la energía necesaria para su funcionamiento (Li, Yang, Islam, & Ren, 2023). En este sentido, el impacto de estos modelos entra en tensión con los compromisos internacionales de reducción de emisiones, especialmente los derivados del Acuerdo de París, que exigen a los Estados y actores privados reducir significativamente su huella ambiental para limitar el calentamiento global a 1.5 °C.
5. El consumo de agua: ¿por qué es relevante?
La mayor parte del agua asociada al funcionamiento de la IA no es visible para el usuario, pero es crítica para la operación de los centros de datos. Esta agua se utiliza principalmente en sistemas de refrigeración que evitan el sobrecalentamiento de los servidores, especialmente en climas cálidos o en instalaciones que no emplean tecnologías de enfriamiento pasivo. Si bien existen técnicas alternativas como el enfriamiento por aire, muchas compañías siguen utilizando agua debido a su eficacia y menor costo operativo.
Las estimaciones son alarmantes. De acuerdo con datos del MIT Technology Review (2023), una sola interacción con un modelo como ChatGPT puede consumir hasta 500 ml de agua en promedio, si se considera toda la cadena de infraestructura que permite la respuesta. En comparación, entrenar un modelo de IA puede requerir el equivalente al consumo mensual de agua de cientos de hogares promedio. Además, el impacto varía según la ubicación geográfica del centro de datos: en regiones con alto estrés hídrico, como el suroeste de Estados Unidos, este consumo adquiere una relevancia crítica desde el punto de vista ambiental y social.
6. Reacciones y dilemas de la IA frente a los ODS y el Derecho Internacional Ambiental
El descubrimiento de la huella hídrica y energética de la IA ha suscitado diversas reacciones en la comunidad académica, ambientalista y en sectores regulatorios. Tenemos frente a nosotros la paradoja, en la cual, una tecnología que, dentro de sus múltiples utilidades, fue diseñada para resolver problemas ambientales, pueda estar generando daños colaterales significativos en este mismo ámbito. Esta situación pone en entredicho cuán «verde» puede considerarse en realidad una IA, especialmente si su funcionamiento contribuye al deterioro de los mismos recursos que pretende proteger.
Surge entonces un dilema central: ¿debemos seguir impulsando la IA como herramienta de sostenibilidad si, al mismo tiempo, agrava el consumo de recursos naturales? Esta interrogante se vuelve aún más urgente cuando se analiza desde la perspectiva de la Agenda 2030, los Objetivos de Desarrollo Sostenible (ODS) y el Derecho internacional.
Los Objetivos de Desarrollo Sostenible (ODS), adoptados por las Naciones Unidas en 2015, buscan erradicar la pobreza, proteger el planeta y garantizar la paz y prosperidad para todos para 2030. Si bien no son jurídicamente vinculantes, los Estados asumieron el compromiso político de implementarlos y dar seguimiento periódico a sus avances, en el marco de la responsabilidad compartida y la cooperación internacional. En este sentido, se dice que hoy en día la inteligencia artificial es una herramienta fundamental para la optimización de recursos y el desarrollo de soluciones sostenibles, desempeñando un papel esencial en el cumplimiento de estos objetivos.
En primer lugar, el Objetivo de Desarrollo Sostenible N.º 2 busca poner fin al hambre en el mundo, y dentro de este propósito se encuentra la meta 2.4, la cual se concentra en asegurar la sostenibilidad de los sistemas de producción de alimentos. De esta forma, se puede señalar que, en la agricultura, la IA puede impulsar la productividad mediante la optimización del uso de insumos en la agricultura de precisión, mejorando la eficiencia, la sostenibilidad y la seguridad alimentaria.
Del mismo modo, el Objetivo de Desarrollo Sostenible N.º 6 procura garantizar la disponibilidad de agua y su gestión sostenible y el saneamiento para todos. Así, la IA desempeña un papel clave en la gestión sostenible del agua, optimizando su uso en sectores como la agricultura. A través de la agricultura de precisión, facilita el riego inteligente, asegurando una distribución eficiente y precisa del recurso.
Asimismo, el Objetivo de Desarrollo Sostenible N.º 7 tiene como propósito garantizar el acceso a una energía asequible, segura, sostenible y moderna para todos. Dentro de este objetivo, la meta 7.2 busca aumentar significativamente la proporción de energía renovable en el conjunto de fuentes energéticas, mientras que la meta 7.3 se enfoca en duplicar la tasa mundial de mejora de la eficiencia energética. Siendo ello así, la IA optimiza la eficiencia energética al predecir la demanda, mejorar la generación y distribución, y gestionar energías renovables como la solar y eólica. Su aplicación contribuye al uso óptimo de energía limpia, apoyando los objetivos del ODS 7.
Además, el Objetivo de Desarrollo Sostenible N.º 13 persigue el fin de articular a todos los actores sociales que se movilizan contra el cambio climático. Dentro de este objetivo, está la meta 13.2, la que se enfoca en incorporar medidas relativas al cambio climático en las políticas, estrategias y planes nacionales. En ese sentido, la optimización energética mediante IA reduce la huella de carbono al mejorar la eficiencia y disminuir el uso de combustibles fósiles. Su integración en la gestión energética permite a empresas y gobiernos implementar estrategias efectivas para mitigar el cambio climático, alineándose con los compromisos del ODS 13.
Sin embargo, este entusiasmo no ha estado exento de cuestionamientos, sobre todo cuando se considera el impacto ambiental de la propia tecnología. El entrenamiento y funcionamiento de modelos de IA requieren un alto consumo de energía y agua, lo cual puede entrar en tensión con los objetivos de sostenibilidad, especialmente con los ODS 6 y 13, al generar emisiones y presión adicional sobre recursos hídricos. Esta paradoja ambiental revela que el uso de inteligencia artificial también puede tener efectos negativos sobre los ecosistemas y el derecho al ambiente sano, reconocido por el derecho internacional.
Desde una perspectiva del derecho internacional ambiental, estos desafíos deben abordarse con enfoque preventivo y de cooperación global. La Declaración de Río de 1992, por ejemplo, consagra el principio de precaución (Principio 15) y el principio de responsabilidades comunes pero diferenciadas (Principio 7), que resultan relevantes al pensar en la gobernanza de tecnologías emergentes como la IA. Si bien su uso puede apoyar el cumplimiento progresivo de obligaciones ambientales y de derechos humanos, su impacto negativo debe ser evaluado bajo estándares internacionales de sostenibilidad, equidad y transparencia tecnológica.
7. ¿Y ahora qué?
Ante estas tensiones, empresas tecnológicas han comenzado a adoptar medidas para mitigar el impacto ambiental de sus operaciones. Google invertirá 3 000 MW de energía hidroeléctrica mediante acuerdos a 20 años para abastecer sus centros de datos, reduciendo las emisiones incluso frente al aumento de la demanda generada por la IA, e informó una disminución del 12 % en las emisiones de dichos centros en 2025, pese a un incremento del 27 % en su consumo (Hale, 2024). Por su parte, Microsoft ha reorientado su expansión hacia regiones nórdicas con gran disponibilidad de energías renovables y climas fríos, lo que facilita el enfriamiento natural de servidores y favorece su meta de ser “carbon negative” para 2030 (Kauranen, 2025).
También se están explorando rutas tecnológicas más sostenibles, como el desarrollo de modelos de IA más pequeños, el aprendizaje federado y arquitecturas distribuidas, que reducen la necesidad de centralización y disminuyen el uso de recursos computacionales (Li, Yang, Islam, & Ren, 2023).
No obstante, estas iniciativas requieren aún marcos regulatorios claros y estándares comunes. Es fundamental incorporar criterios ambientales en las políticas tecnológicas globales y promover regulaciones nacionales que exijan mayor transparencia sobre el consumo de recursos y las emisiones de los sistemas de IA. La rendición de cuentas y la evaluación del ciclo de vida deben convertirse en pilares esenciales de una gobernanza tecnológica responsable.
8. Conclusiones
La inteligencia artificial tiene un potencial indiscutible para contribuir a la sostenibilidad ambiental. Sin embargo, ese potencial no puede ser comprendido de forma aislada de los impactos que su propia infraestructura genera. La promesa de una IA sostenible sólo será posible si se alinea con una gestión responsable de los recursos naturales y con los compromisos climáticos globales.
Por tanto, la inteligencia artificial representa una herramienta prometedora para avanzar hacia los ODS, pero requiere una gobernanza responsable y una regulación que armonice innovación con sostenibilidad, en línea con los principios del derecho internacional ambiental y el respeto por los derechos fundamentales.
Así, repensar la relación entre tecnología, progreso y medioambiente exige cuestionar no solo para qué se usa la IA, sino cómo y bajo qué condiciones se desarrolla y se implementa. Solo así podrá afirmarse que la inteligencia artificial forma parte de la solución, y no del problema.
Referencias bibliográficas:
Cámara de Comercio de Valencia (2024). La inteligencia artificial, un aliado de la sostenibilidad. Recuperado de: https://negociosostenible.camaravalencia.com/wp-content/uploads/2024/12/Guia_IVACE_LA_INTELIGENCIA_ARTIFICIAL_UN_ALIADO_DE_LA_SOSTENIBILIDAD.pdf
Cervilla J. (20 de octubre de 2024). La inteligencia artificial: ¿aliada o enemiga del medioambiente?. Recuperado de:https://www.pucp.edu.pe/climadecambios/noticias/la-inteligencia-artificial-aliada-o-enemiga-del-medioambiente/
Charlton E. (7 de marzo de 2024). Nuestros recursos se están agotando. Estos gráficos muestran la urgencia de actuar. World Economic Forum. Recuperado de: https://es.weforum.org/stories/2024/03/nuestros-recursos-se-estan-agotando-estos-graficos-muestran-la-urgencia-de-actuar/
De Titto y Savino A. (2023). Desafío e impacto en el medio ambiente. Revista ISALUD. Vol 18, 88. Recuperado de: https://www.researchgate.net/publication/374165827_Inteligencia_artificial_y_ambiente
Enel Green Power (25 de julio del 2023). La inteligencia artificial y sus ventajas para la energía. Recuperado de:https://www.enelgreenpower.com/es/learning-hub/inteligencia-artificial-ventajas-energia
García-Ceca C. (2024). Inteligencia Artificial y Medio Ambiente. Universidad Complutense de Madrid. Vol.6, 4 Recuperado de: https://revistamultidisciplinar.com/index.php/oj/article/view/270/237
Hao K. (6 de junio de 2019). Training a single Al model can emit as much carbon as five cars in their lifetimes. Recuperado de: https://www.technologyreview.com/2019/06/06/239031/training-a-single-ai-model-can-emit-as-much-carbon-as-five-cars-in-their-lifetimes/
Henríquez C., Ríos J. y Sánchez G. (2024). Aplicaciones de la inteligencia artificial en el monitoreo y conservación ambiental: una revisión exploratoria. Universidad de Pamplona. Vol 15, Recuperado de: https://ojs.unipamplona.edu.co/index.php/aaas/article/view/3189/7435
Intel (30 de mayo de 2024). Intel logra Agua Neta Positiva en México con IA, en colaboración con Kilimo y Nuup. Recuperado de: https://www.intel.la/content/www/xl/es/newsroom/news/intel-logra-agua-neta-positiva-en-mexico-con-ia.html
Kauranen, A. (2025, 7 de marzo). Nordics’ efficient energy infrastructure ideal for Microsoft’s data centre expansion. Reuters. Recuperado de: https://www.reuters.com/technology/nordics-efficient-energy-infrastructure-ideal-microsofts-data-centre-expansion-2025-03-07/
Li, P., Yang, J., Islam, M. A., & Ren, S. (2023). Making AI less “thirsty”: Uncovering and addressing the secret water footprint of AI models. Recuperado de: https://arxiv.org/pdf/2304.03271v5
Naciones Unidas. (2015). Transformar nuestro mundo: La Agenda 2030 para el Desarrollo Sostenible. https://sdgs.un.org/es/goals
Novaluz Energía (17 de enero de 2025). ¿Es compatible la inteligencia artificial y las energías renovables? Recuperado de: https://novaluz.es/blog/es-compatible-la-inteligencia-artificial-y-las-energias-renovables/
Parlamento Europeo (2021). ¿Qué es la inteligencia artificial y cómo se usa? Recuperado de: https://www.europarl.europa.eu/pdfs/news/expert/2020/9/story/20200827STO85804/20200827STO85804_es.pdf
Programa de las Naciones Unidas para el Medio Ambiente. (2024). Perspectivas de Recursos Globales 2024: Invertir la tendencia: Caminos hacia un planeta habitable a medida que aumenta el uso de recursos. Panel Internacional de Recursos. Recuperado de: https://www.resourcepanel.org/es/informes/perspectivas-de-recursos-globales-2024
Observatorio Nacional de Prospectiva (noviembre de 2024). Mayor pérdida de la biodiversidad y degradación de los ecosistemas. Recuperado de: https://observatorio.ceplan.gob.pe/ficha/t51
Rojo C., Rojo C. y Rojo B (2024). Aplicación de la inteligencia artificial para hacer frente al cambio climático en el mundo. Congreso del Estado de Sinaloa, Instituto de Investigaciones Parlamentarias, Revista Derecho & Opinión Ciudadana, 8, 15 Recuperado de: https://iip.congresosinaloa.gob.mx/Rev_IIP/rev/015/007.pdf
The Guardian (16 de julio de 2025). Google is spending $3bn on renewable power for its data centers. Recuperado de: https://www.theguardian.com/technology/2025/jul/16/google-hydropower-deal-clean-energy#:~:text=Technology-,Google%20inks%20%243bn%20US%20hydropower,it%20expands%20energy%2Dhungry%20datacenters&text=Google%20has%20agreed%20to%20secure,expansion%20of%20energy%2Dhungry%20datacenters
World Economic Forum. (2024). Circular water solutions key to sustainable data centres. Recuperado de: https://www.weforum.org/stories/2024/11/circular-water-solutions-sustainable-data-centres/
