La inteligencia artificial y su papel clave en las evaluaciones científicas del cambio climático

Redacción HC
01/10/2025

La creciente complejidad y volumen de la literatura científica sobre cambio climático representa un reto mayúsculo para las evaluaciones globales, como las del Panel Intergubernamental sobre Cambio Climático (IPCC). Estas evaluaciones, fundamentales para la toma de decisiones en políticas de mitigación y adaptación, enfrentan un doble desafío: el crecimiento exponencial de la evidencia y la dificultad de mantener la rigurosidad y la transparencia en informes cada vez más extensos.

En este contexto, un ensayo publicado en PLOS Climate (Al Khourdajie, 2025) analiza cómo la inteligencia artificial (IA)—en particular el aprendizaje automático (machine learning, ML) y los modelos de lenguaje grande (large language models, LLM)—puede transformar la forma en que se elaboran estas evaluaciones científicas, sin comprometer la integridad de los procesos.

Un problema de escala y acceso

El IPCC, que sintetiza miles de estudios para orientar la acción climática global, ve cómo su capacidad para abarcar toda la evidencia científica se reduce progresivamente. Según el ensayo, la proporción de estudios citados ha caído de cerca del 60 % en su primer informe (AR1) a apenas un 15 % en el más reciente (AR6). La avalancha de publicaciones hace casi imposible que los equipos de expertos mantengan una cobertura exhaustiva.

Aquí es donde la IA ofrece una oportunidad: desde búsquedas semánticas hasta cribado automatizado de literatura, las herramientas de ML pueden ayudar a identificar y clasificar estudios relevantes de manera más eficiente. Sin embargo, la adopción de estas tecnologías debe regirse por criterios de transparencia y supervisión rigurosa.

Propuesta metodológica: la IA como apoyo experto

El autor propone una taxonomía de integración de IA que abarca todas las etapas del proceso de evaluación climática: formulación de preguntas, búsqueda y recolección de literatura, selección de documentos, mapeo del conocimiento, análisis, redacción y visualización de resultados.

Si bien la definición de las preguntas clave debe seguir liderada por expertos humanos, etapas posteriores como la búsqueda de información, el cribado y el análisis preliminar podrían beneficiarse de técnicas de clasificación automática y extracción de evidencia. Esta estrategia aumentaría la eficiencia sin reemplazar el juicio científico.

LLM y gobernanza: riesgos y salvaguardas

Los modelos de lenguaje grande—como los que impulsan chatbots y herramientas de consulta en lenguaje natural—presentan ventajas notables para la comunicación de resultados y la accesibilidad de los informes. No obstante, su uso plantea riesgos. El ensayo distingue dos tipos de limitaciones:

• Limitaciones direccionables: sesgos que pueden mitigarse con mejor entrenamiento, calibración o protocolos técnicos.
• Limitaciones inherentes: como la tendencia a “alucinar” o generar información no verificada, que solo puede controlarse mediante supervisión experta.

Esta diferenciación es crucial para definir qué tareas pueden automatizarse y cuáles requieren la intervención directa de especialistas.

Modelos de gobernanza propuestos

El ensayo sugiere dos roles institucionales para el IPCC frente a la IA:

1. Productor de herramientas: desarrollar y validar internamente sus propios sistemas de IA.
2. Evaluador crítico: examinar y auditar herramientas externas antes de incorporarlas al proceso de evaluación.

Esta arquitectura de doble rol busca preservar la independencia y la integridad científica, asegurando que las decisiones clave continúen en manos de la comunidad experta.

Implicaciones para la política y la sociedad

La integración de IA en las evaluaciones climáticas no solo aceleraría la síntesis de evidencia, sino que también podría aumentar la representatividad, incorporando literatura regional y documentos “grises” (informes técnicos locales, tesis) que suelen quedar fuera de las revisiones globales. Esto es especialmente relevante para regiones como América Latina, donde la producción científica a menudo no es capturada por bases de datos internacionales.

El autor enfatiza, sin embargo, que la IA no es una panacea. Su adopción requiere un enfoque híbrido: herramientas que amplíen la capacidad humana, pero que operen bajo estrictos protocolos de validación, transparencia y reproducibilidad.

IA para fortalecer la ciencia climática

La IA tiene el potencial de convertirse en un aliado estratégico en las evaluaciones científicas del cambio climático, siempre que su uso se sustente en una gobernanza robusta y en la supervisión de expertos. Los responsables de políticas y los organismos internacionales deben avanzar en la definición de estándares, pruebas de validación y roles institucionales claros que permitan aprovechar las ventajas de la IA sin comprometer la credibilidad del proceso científico.

Temas relacionados

Clima