¿Puede la IA reducir la huella de carbono en la última milla?

PorCarlos Díaz Ojeda, General Manager de DispatchTrack para Latinoamérica

El debate en torno al consumo energético de la Inteligencia Artificial se intensifica día a día. Diversas investigaciones han advertido que la emisión de CO2 generada por el entrenamiento de algoritmos puede superar con creces a la de varios autos durante su vida útil; específicamente también que sólo una sesión de entrenamiento de GPT-3 utiliza la misma cantidad de energía que 126 hogares daneses durante un año, lo que, a su vez, es comparable con la huella de carbono de un automóvil recorriendo 700.000 millas. A esto se suma la infraestructura ligada a la IA, como los grandes centros de datos, que consumen una enorme cantidad de agua en tiempos de creciente déficit hídrico.

Sin embargo, en la actualidad también se observa a la IA como una herramienta que puede adquirir una importancia fundamental en la lucha contra el cambio climático, por ejemplo, para optimizar el consumo energético de edificios; monitorear y prevenir la contaminación atmosférica; controlar y predecir la demanda de agua; detectar vertidos de petróleo; y reducir emisiones de gases de efecto invernadero por parte de las empresas; entre otros.

Recientemente, en el Foro Anual de Desarrollo de China, el CEO de Apple Inc., Tim Cook, afirmó que la inteligencia artificial proporciona un enorme conjunto de herramientas para cualquier empresa que quiera ser neutra en carbono o reducir sus emisiones en una cantidad sustancial. Una de ellas es la mejora de rutas de transporte. Desde la automatización de rutas mediante chatbots, hasta el despliegue de vehículos autónomos, las rutas dinámicas y el auto-reabastecimiento de inventarios, la inteligencia artificial ha transformado radicalmente la manera en que concebimos la entrega de mercancías y productos en menos de una década.

Principalmente, hemos visto que la inteligencia artificial (IA) y el aprendizaje automático (ML) están revolucionando la logística de última milla, proporcionando soluciones innovadoras que no sólo permiten entregas personalizadas, sino que más eficientes. Este tipo de tecnologías han permitido optimizar las rutas de entrega en tiempo real, considerando factores como el tráfico y las condiciones climáticas, lo que reduce significativamente los tiempos de tránsito y, con ello, la huella de carbono por concepto de despachos, sumado a los costos operativos.

Además, el ML puede prever con precisión las ventanas de entrega más convenientes para los clientes, basándose en patrones de comportamiento y preferencias anteriores, lo que reduce las entregas fallidas, que también son hoy un costo energético. Por su parte, la retroalimentación recopilada y analizada mediante machine learning posibilita una mejora continua, que permite optimizar constantemente las operaciones logísticas. Un ejemplo de esto es lograr ajustar las rutas según la experiencia previa.

El uso de softwares de última milla está ayudando hoy día a reducir la huella de carbono. Se estima que quienes utilizan este recurso pueden ahorrar aproximadamente 30% en gastos de combustible. En ese sentido, la IA puede ser un actor de gran importancia en el rubro para responder a la cada vez mayor necesidad de sostenibilidad y eficiencia, no sólo en la logística de entregas, sino en todos los ámbitos del quehacer humano.