Un aparente cementerio de frailejones. Esa fue la desoladora imagen que dejó tras de sí el voraz incendio que el 22 de enero de 2024 arrasó con una parte del Páramo de Berlín, ubicado a una hora y media de la ciudad de Bucaramanga, en Santander, y estas plantas nativas de Colombia. Durante casi cinco días el fuego ardió, consumiendo 317 hectáreas, de acuerdo con datos de la Corporación Autónoma Regional para la Defensa de la Meseta de Bucaramanga (CDMB), autoridad ambiental en la región.

“El ingeniero Javier [Leal] me llamó como a las 4.30 de la mañana. Me dijo que se estaba presentando un incendio en el predio de Plan de Mesa y yo inmediatamente acudí al lugar. Cuando llegué me encontré algo muy impresionante: era un incendio ya muy avanzado. Fue terrible, las llamas, la altura, todo”, recuerda José Yamel Moreno, guardabosques del Acueducto Metropolitano de Bucaramanga, sobre esos primeros momentos de la emergencia.

La dimensión del desastre no solo quedó registrada en las imágenes que se transmitieron a través de los medios de comunicación, sino también en las que investigadores de la Universidad Industrial de Santander (UIS) tomaron días después de la tragedia, al sobrevolar el páramo con drones. “Estaba todo completamente negro, chamuscado. Solamente se veían los tallos de los frailejones”, relata Paula Uzcátegui, quien en ese momento era estudiante de octavo semestre de ingeniería de sistemas de la UIS.

Uzcátegui, quien además había cursado dos años de biología, estaba por esos días buscando un proyecto de grado en el que pudiera unir sus dos carreras. Las imágenes de dron capturadas por estudiantes del profesor Björn Reu, un ecólogo alemán que desde hace 10 años vive en Colombia, fueron el punto de partida para que ella ayudara a resolver un interrogante: ¿cómo podían hacer uso de la inteligencia artificial para monitorear el estado de la vegetación de ecosistemas de difícil acceso como los páramos?

Leer más | Regístrate gratis y conoce el Puma Fest: primer Festival Latinoamericano de Periodismo Ambiental

Para Reu y sus estudiantes, el incendio representó al mismo tiempo una urgencia científica y una oportunidad inédita para estudiar el páramo y su respuesta ante el impacto del fuego, dada la cercanía del predio afectado con Bucaramanga.

Al llegar al terreno, seis días después del incendio, los miembros del grupo de investigación Biotecnología y Gestión Ambiental (iBGA) se propusieron observar dos aspectos: la recuperación general de la vegetación y el comportamiento particular de los frailejones. Lo que encontraron inicialmente llamó su atención: aunque gran parte del ecosistema había desaparecido, muchos frailejones habían resistido el fuego.

“Mientras toda la vegetación desapareció, los frailejones sobrevivieron; las hojas centrales persistieron y, pocos días después, incluso empezaron a florecer”, señala Reu. Esa resistencia planteó nuevas preguntas: ¿cuántos habían sobrevivido realmente? ¿Cuántos morirían con el tiempo? ¿Cómo monitorear un territorio tan amplio y de difícil acceso?

En ese contexto, la inteligencia artificial se convirtió en la herramienta para responder los interrogantes. Como Reu ya trabajaba con drones y sensores remotos, ahora necesitaba integrar capacidades de análisis de imágenes. El encuentro con Paula Uzcátegui permitió concretar esa posibilidad. Así nació un proyecto piloto que combinó vuelos de dron con algoritmos capaces de identificar frailejones uno por uno para contarlos y, de alguna manera, hacer un inventario de su presencia en el área de páramo afectada.

A diferencia de los métodos tradicionales, basados en pequeñas parcelas y extrapolaciones a áreas más amplias, Uzcátegui logró realizar un censo más completo, por lo menos de los ejemplares más grandes, registrando 86 000 frailejones en un área de 83 hectáreas.

Leer más | La guardería de frailejones “bebés” que busca restaurar los páramos del Parque El Cocuy en Colombia

Una mirada desde gran altura

El proceso para entrenar un software de inteligencia artificial que sea capaz de contar frailejones, a partir de las imágenes capturadas por un dron, comienza desde el momento en que se hacen los sobrevuelos del área. “Primero se vuela el dron, que toma muchas fotografías que se sobreponen entre sí. Luego, con un software, esas imágenes se procesan y se convierten en un mapa continuo de toda el área”, cuenta la investigadora Uzcátegui.

No fue una tarea sencilla: la neblina, el viento y la menor duración de la batería en el páramo obligaban a trabajar en ventanas muy cortas de tiempo.

El encargado de esta misión fue Cristian Mateo Jaimes Prada, biólogo de la UIS, quien viene trabajando junto al profesor Reu en temas de teledetección y sensores remotos desde 2016. “Acá [en el Páramo de Berlín] estamos como a 3600 metros sobre el nivel del mar. Para el dron es un reto porque le cuesta más desplazarse por el aire menos denso de las alturas. Además, hay una cuestión de suerte para esperar una buena mañana, como la de hoy”, detalla Jaimes mientras la jornada de toma de imágenes llega a su fin por cuenta de la llegada inesperada de las nubes.

Jaimes señala que esa nubosidad —que apresuradamente convierte ante nuestros ojos un paisaje montañoso en una capa espesa de blanco que oculta los acantilados— muchas veces les juega una mala pasada en la toma de fotografías. Cuando se atraviesan, dejan un manchón blanco sobre el verde de las montañas y su vegetación.

En esta tarea, los investigadores también debían equilibrar altura y detalle. “Si vuelas muy alto cubres más área, pero pierdes resolución; si vuelas más bajo tienes más detalle, pero menos cobertura”, explica la ingeniera Uzcátegui.

Al final, para el estudio que ella lideró obtuvieron  —a partir de sobrevuelos realizados en agosto y diciembre de 2024 y en junio de 2025— tres ortomosaicos (mapas fotográficos aéreos) de alta resolución, donde cada píxel representa cerca de un centímetro. También obtuvieron otro ortomosaico de menor calidad, que abarcaba las 83 hectáreas quemadas, con una resolución de 3.6 centímetros por pixel y que es propiedad del Acueducto Metropolitano de Bucaramanga (AMB).

Ese contraste planteaba el primer reto técnico: lograr un modelo de IA que identificara automáticamente los frailejones tanto en imágenes muy detalladas como en otras más amplias y menos nítidas.

La segunda etapa de la investigación de Uzcátegui consistió en entrenar al algoritmo para reconocer cada planta. La investigadora partió de un modelo ya existente, diseñado para detectar objetos, y lo especializó. “Lo que hice fue entrenarlo con imágenes de frailejones. Corté los mapas y etiqueté alrededor de 12 000 plantas para crear un conjunto de datos de entrenamiento”, señala.

Con ese aprendizaje, el software se convirtió en un especialista capaz de identificar frailejones de manera automática en todo el mosaico. Aunque la precisión era mayor en las imágenes de alta resolución, los resultados en el mapa completo fueron suficientemente sólidos.

“En el área grande, de 83 hectáreas, detectamos cerca de 86 000 frailejones con un diámetro mayor a 20 centímetros”, señala la investigadora. De esta forma, el algoritmo no solo contó plantas una por una, sino que permitió construir un inventario detallado del ecosistema afectado, algo que habría sido casi imposible de lograr únicamente con trabajo de campo.

Leer más | México: remediar los pasivos ambientales de Pemex costaría a los mexicanos más de 532 000 millones de dólares | ESTUDIO

Diagnosticar la salud de los frailejones desde el cielo

Paula Uzcátegui recuerda que, tras la visita al páramo realizada en diciembre de 2024, el equipo advirtió que la recuperación no era tan lineal como parecía en los primeros meses. El florecimiento de los frailejones, que en un inicio se había celebrado como esperanzador, podía no serlo tanto.

“Regresamos a finales de 2024 y fue cuando nos dimos cuenta de que estaban muriendo muchos de esos frailejones que se habían recuperado. Ahí dijimos que valía la pena no solamente contarlos, sino ver cuáles estaban vivos y cuáles estaban muertos”, explica la investigadora de la UIS.

La clave para dar ese paso estuvo en la incorporación de los datos del sensor multiespectral del dron, lo que permitió contar con información del infrarrojo cercano, una parte del espectro de la luz que no se puede ver con el ojo humano, pero que está muy cerca de la luz visible roja. En esa banda del espectro las plantas sanas reflejan la radiación, mientras que las dañadas la tienden a absorber porque las estructuras internas de la hoja ya no funcionan de la misma manera. Esta metodología se suele usar para el monitoreo de cultivos.

A partir de esa diferencia, el equipo calculó un índice de vegetación conocido como NDVI (Índice de Vegetación de Diferencia Normalizada), que compara la luz roja absorbida con el infrarrojo cercano reflejado. “Esa diferencia te dice qué tan saludable está la planta”, señala Uzcátegui.

Con los frailejones ya identificados por el algoritmo, el software calculó el promedio de ese índice dentro de cada ejemplar y estableció un umbral: por encima de él, la planta se consideraba viva; por debajo, muerta. Para comprobar los resultados, la investigadora también recolectó datos de validación en terreno poco después de haber capturado las imágenes de dron.

“El censo se hace con el mapa reconstruido con las imágenes de dron desde un celular, guiándonos por los datos del GPS. Esto nos permite estimar luego la mortalidad y tener certeza de que la estimación es buena, pero tiene cierto porcentaje de error”, señala. De esta manera, el ejercicio permitió estimar que cerca del 30 % de las plantas habían muerto un año después del incendio.

El hallazgo reveló, además, una dinámica inesperada: la mortalidad no ocurrió inmediatamente después del fuego. “Los frailejones no se murieron por completo por el incendio, murieron tiempo después”, señala el profesor Reu. Ese patrón coincide con reportes en otros páramos andinos, donde las plantas pueden morir incluso dos años después del evento, lo que hace necesario un seguimiento prolongado.

La posibilidad de repetir el análisis con nuevas imágenes abre, según Reu, una ventana inédita para estudiar la recuperación del ecosistema a largo plazo. “Con esta tecnología tenemos herramientas para hacer ese seguimiento en el tiempo”, afirma. Basta con nuevos vuelos periódicos para comparar los resultados: identificar cuántos individuos mueren, cuántos sobreviven y cómo aparecen nuevas plantas que, con el crecimiento, entrarán en el rango detectable por el algoritmo.

“Podemos tomar una foto cada año y contar los frailejones; así vamos a saber las dinámicas de mortalidad y regeneración”, explica. Para el ecólogo, el mayor valor del método es que permite realizar monitoreos continuos con pocos recursos, algo poco frecuente en estudios de este tipo. “Eso demuestra que con bajo presupuesto es posible hacer un seguimiento a largo plazo”, indica, y agrega que esto convierte a la herramienta en vital para comprender cómo se recuperan los páramos tras el fuego.

El enfoque, además, abre la posibilidad de replicar la metodología en otros ecosistemas de alta montaña. Desde el punto de vista técnico, el profesor Hoover Fabián Rueda Chacón, de la Escuela de Ingeniería de Sistemas e Informática de la UIS, explica que el modelo fue entrenado para reconocer la forma de roseta típica del frailejón.

“Es una forma similar [en las distintas especies de frailejón], desde el punto de vista de morfología. Tengo mucha esperanza de que sea aplicable directamente”, afirma el ingeniero de sistemas que también acompañó, junto a algunos de sus estudiantes, a los biólogos en su salida más reciente al páramo este año. Esta colaboración es algo poco común entre los profesionales de estas disciplinas, pero Rueda asegura que este proyecto lo ha hecho posible.

No obstante, el ingeniero advierte que podrían requerirse ajustes según las especies presentes en cada páramo, ya que en este proyecto se enfocaron en las características de Espeletia standleyana, la especie de frailejón que se ve con mayor frecuencia en el Páramo de Berlín. “En el peor de los casos puede que nos toque reentrenar, como lo hicimos acá, con un conjunto más reducido de imágenes de los frailejones particulares de otro páramo”, añade.

Sin embargo, para el investigador, esa flexibilidad es precisamente una de las fortalezas del método: la inteligencia artificial permite adaptar el análisis a distintos territorios y monitorear zonas de difícil acceso, ampliando las posibilidades de seguimiento y conservación de estos ecosistemas andinos. A pesar de esto, los científicos son enfáticos en que para darle continuidad a estos estudios se necesita financiación, un aspecto que suele ser un limitante para la ciencia en Colombia.

De momento, los investigadores de iBGA apuntan a seguir con los sobrevuelos para obtener más datos y desarrollar proyectos para mejorar el procesamiento y el monitoreo de la evolución y crecimiento de los frailejones a través del tiempo, incluso de manera individual. Con estas propuestas esperan participar en convocatorias para obtener más financiación.

Leer más | Colombia: casi 200 cocodrilos en peligro crítico de extinción están sin alimento por un conflicto administrativo

Un ecosistema que se recupera

En el corregimiento de Berlín, en el municipio de Tona, el paisaje del páramo da cuenta de los cambios generados por la intervención humana. Sus frailejones, la especie más emblemática de estos ecosistemas, son más bajos y menos numerosos, en comparación con áreas más alejadas del complejo de Santurbán, del que forma parte el Páramo de Berlín.

Es un ecosistema que durante años ha sufrido las presiones de la ganadería y la agricultura, y en el que desde hace 15 años algunas de sus áreas empezaron a ser protegidas por el Acueducto Metropolitano de Bucaramanga. Es por esto que de las 317 hectáreas afectadas por el incendio de 2024 el 87.69 % (277.85) eran de predios pertenecientes a esta entidad.

De acuerdo con los expertos del AMB, dos años después del incendio, la recuperación en estas zonas del páramo avanza a ritmo lento, pero persistente. Javier Leal, ingeniero forestal enfocado en el proceso de conservación y gestión ambiental del acueducto, explica que la intervención humana ha sido mínima y deliberadamente cautelosa. “El área que fue quemada no la hemos tocado; lo único que hicimos fue delimitarla y aislarla para que no ingrese nadie y dejar que por sí sola se vaya recuperando”, señala.

La decisión, que contó con la asesoría de expertos del Instituto de Investigación de Recursos Biológicos Alexander von Humboldt, busca, en primera instancia, permitirle al ecosistema recuperarse por su propia cuenta. Los especialistas han podido observar cómo la vegetación empieza a reorganizarse de manera natural.

Aunque el proceso es lento, el monitoreo constante, con apoyo de los investigadores de la UIS y de la inteligencia artificial, ha mostrado señales que el ingeniero Javier Leal considera alentadoras: “Si bien en este momento lleva una evolución adecuada, tenemos que esperar un poco más para ver cómo continúa el ecosistema”.

Sobre la duda de si reforestar es el camino para recuperar el páramo, Leal señala que aún es pronto para saberlo. “Si bien en este momento lleva una evolución que consideramos adecuada y significativa, tenemos que esperar un poco más para evaluar si es necesario hacer una intervención con frailejones y otras especies del páramo”.

Leal añade que cuando ocurren eventos que generan perturbaciones en áreas dedicadas a la conservación, la idea es que se vayan recuperando por sí solas, lo que se conoce como restauración pasiva. Intervenir inmediatamente, por ejemplo con la siembra indiscriminada de frailejones, puede amenazar la fragilidad del ecosistema porque la capa vegetal del suelo se ha visto destruida.

Desde la UIS, el equipo del profesor Reu también ha monitoreado en campo el progreso de la restauración del páramo. Un año después del incendio, la bióloga Andreina Ortiz López decidió observar el páramo a ras de suelo: no desde los drones, sino desde pequeñas parcelas distribuidas entre la zona quemada y otra que había permanecido intacta.

Entre noviembre y diciembre de 2024 comparó especies, coberturas y formas de crecimiento, y encontró señales discretas pero contundentes de recuperación. “Después de un año, al menos en el número de especies, eran muy similares; ya solo era cuestión de dejar que pase más tiempo para que la cobertura vuelva a ser comparable”, explica.

En los primeros meses, recuerda Ortiz, el paisaje había quedado “totalmente en ceros en cuanto a vegetación”, y la floración de los frailejones, un último esfuerzo reproductivo antes de morir, llamó la atención del equipo. El monitoreo posterior, a finales del 2024, mostró que el ecosistema comenzaba a reorganizarse por sí mismo: frailejones, pastos y otras plantas con semillas termorresistentes o estructuras protegidas rebrotaban lentamente, mientras aún persistían zonas con suelo descubierto.

Para la investigadora, el resultado más relevante es que el propio páramo parece tener la capacidad de recuperarse sin intervenciones directas.

Al visitar la zona en 2026 Mongabay Latam pudo ver un paisaje que sigue marcado por las cicatrices del fuego, pero que ya no es el mismo terreno desolado de los primeros meses. Ahora los frailejones más altos no están rodeados de tierra calcinada, sino del verde de los pastos y los musgos.

Según Javier Leal, el páramo comienza a mostrar una recuperación heterogénea, con áreas que avanzan con mayor rapidez que otras. “El ecosistema se va a recuperar; habrá zonas con un poco más de dificultad [en donde la restauración pasiva se puede quedar corta], y es en esas donde entraremos nosotros”, afirma sobre los posibles esfuerzos de reforestación a futuro. Es por eso que han aprendido a reproducir frailejones y otras especies de páramo en viveros.

La imagen del Páramo de Berlín hoy es la de un territorio en transición: menos negro –aunque aún están presentes los frailejones que murieron– y más verde. Aunque frágil todavía, el páramo está encaminado a reconstruir lentamente su equilibrio: diversas zonas llenas de pequeños brotes de nuevos frailejones son un reflejo de esperanza.

*Imagen principal: el Páramo de Berlín, justo después del incendio de 2024. Foto: cortesía Bjorn Reu.

El artículo original fue publicado por Alejandra López en Mongabay Latam. Puedes revisarlo aquí.

Si quieres leer más noticias ambientales en Latinoamérica, puedes revisar nuestra colección de artículos. Y si quieres estar al tanto de las mejores historias de Mongabay Latam, puedes suscribirte al boletín aquí, unirte a nuestro canal de WhatsApp o seguirnos en Facebook, X, Instagram, Tiktok y Youtube.

La inteligencia artificial (IA) es protagonista constante de debates y polémicas sobre los usos que las personas puedan darle, pero en lo que sí parece haber un consenso es en que llegó para quedarse. El lanzamiento de ChatGPT en noviembre de 2022 fue un punto de inflexión en el tema porque eliminó la necesidad de saber programar y, por primera vez, cualquier persona podía interactuar con la IA simplemente escribiendo en su idioma nativo, como si hablara con otra persona. Su uso se expandió rápidamente y cientos de herramientas de IA empezaron a surgir.

La ecología y la conservación no fueron la excepción. El uso creciente de la tecnología, como las cámaras trampa y la bioacústica, ya ayudaba a los científicos a monitorear bosques, seguir especies, y elaborar programas y proyectos para la protección de la biodiversidad. Sin embargo, el gran volumen de información requería de un intenso trabajo por parte de los investigadores para procesarla.

En otras palabras, se generaba un cuello de botella en el que se obtenían datos en poco tiempo, pero las conclusiones sobre esos datos podían tomar meses e incluso años. Fue precisamente ahí donde la inteligencia artificial empezó a ganarse un espacio.

“El gran paso adelante de la IA no es que identifiquemos aves —los expertos también identifican aves—. Lo interesante con la IA es que nos permite hacer 100 o 1000 veces más procesamiento de datos que antes. Esa es la cosa crítica”, asegura Jörg Müller, profesor de Ecología Animal y Biología Tropical de la Universidad Julius-Maximilians de Würzburg (Alemania) y subdirector del Parque Nacional Bosque Bávaro.

En América Latina ya existen proyectos que han obtenido resultados que hace unos años parecían imposibles de lograr. En Argentina, biólogos y físicos trabajan de la mano para grabar y procesar los cantos de un ave esquiva que se creyó extinta durante 40 años y así conocer más sobre su comportamiento y sus movimientos. En Ecuador, un proyecto científico detecta en tiempo real los sonidos de las motosierras y los disparos para que dos comunidades indígenas kichwa puedan proteger su territorio en la Amazonía. En Colombia, una investigadora se alió con una institución pública para sobrevolar un páramo calcinado y al procesar los videos de dron reconocer cuántos frailejones murieron y cuántos sobrevivieron.

El Instituto Smithsonian trabaja contrarreloj en Panamá para describir la gran variedad de insectos que habita en la isla de Barro Colorado antes de que se extingan, mientras que científicos tratan de identificar por sus manchas a cada jaguar que habita en la Reserva Nacional Tambopata en Perú y un proyecto innovador en Costa Rica clasificó con precisión y devolvió a los océanos más de una tonelada de conchas que los turistas intentaban sacar ilegalmente del país.

Estos son sólo algunos de los casos de éxito que Mongabay Latam presenta en este especial periodístico donde la IA se ha convertido en una aliada para conservar la biodiversidad.

Lee más | La guardería de frailejones “bebés” que busca restaurar los páramos del Parque El Cocuy en Colombia

Procesando datos a gran velocidad

“Instalamos cámaras hace 20 o 25 años, cuando tenían rollo. La tecnología de las cámaras evolucionó, son digitales, las puedes dejar cuatro meses en el campo y ahora instalamos hasta 200 cámaras. Tienes muchas más imágenes que antes y necesitas inteligencia artificial para procesar toda esa cantidad. En un muestreo, fácil te salen 500 000 imágenes”, dice Mathias Tobler, investigador del San Diego Zoo Wildlife Alliance en Tambopata, Perú.

De hecho, un artículo publicado en la revista Biología Futura en 2024 ya mencionaba que la inteligencia artificial, especialmente el deep learning —que utiliza redes neuronales artificiales para imitar el aprendizaje humano, permitiendo que las computadoras procesen datos complejos, reconozcan patrones y realicen tareas de forma autónoma—, ya es muy relevante para la conservación de la biodiversidad porque ayuda a procesar enormes volúmenes de datos que antes eran demasiado lentos de analizar manualmente. Es por esto que la IA está pasando de ser una herramienta experimental a una infraestructura central para monitoreo, predicción y priorización de acciones de conservación.

Con el paso de los años, la IA está pasando, efectivamente, de un rol secundario a uno central en la conservación. Luego de que un voraz incendio consumiera más de 300 hectáreas del páramo de Berlín, en Santander (Colombia), la investigadora Paula Uzcátegui utilizó drones para sobrevolar el área y con el uso de la IA estimó qué tanto afectó el fuego a los frailejones de la zona, una tarea que a escala manual sería supremamente lenta.

“Desde los drones se pueden ver patrones a una escala a la que antes tú no podías ver. Puedes ver patrones a nivel de cientos de hectáreas y también puedes tener datos de miles de individuos [frailejones]”, comenta Uzcátegui. “La mortalidad la determinamos a partir de la información multiespectral del sensor. No teníamos que ir al lugar para saber si los frailejones estaban vivos o muertos, sino que se veía por el sensor”, agrega.

El procesamiento de imágenes de cámaras trampa y satélites para detectar fauna o cambios en la cobertura forestal es uno de los principales desarrollos de la IA en el campo de la conservación, pero no es el único. El artículo menciona también el análisis de bioacústica y textos, por ejemplo para reconocer cantos de aves o extraer observaciones de redes sociales. También hay sistemas híbridos más eficientes, como el active learning —subcampo del aprendizaje automático donde el algoritmo elige inteligentemente qué datos necesita aprender en lugar de procesar grandes cantidades de información de forma pasiva—, que reducen el trabajo de etiquetado y clasificación humana casi por completo en algunos casos.

Aunque la IA está cada vez más presente en los proyectos, aún no se ha desarrollado todo su potencial. Jorge Ahumada es gerente de conservación en WildMon, una ONG dedicada al monitoreo de biodiversidad y conservación de ecosistemas mediante herramientas de IA, y director ejecutivo de Wildlife Insights, una plataforma global basada en la nube que con IA ayuda a gestionar, analizar y compartir fotos y datos de cámaras trampa para la conservación de la fauna. Según dice, el campo de la IA en conservación “está ahora comenzando”.

“El mayor uso lo veo en tratar de desembotellar el procesamiento de la información básica, mientras que los ecólogos se encargan de los análisis más grandes, ya que llevan muchos años enfocados en métodos para trabajar con la biodiversidad. Yo veo que hay un potencial muy grande para automatizar muchas cosas”, asegura Ahumada.

Muchos científicos están convencidos de esto. Gabriel Mindlin, director del Laboratorio de Sistemas Dinámicos de la Universidad de Buenos Aires, asegura que “la inteligencia artificial va a modificar dramáticamente los esfuerzos de conservación porque va a incorporar un montón de herramientas que permitirán procesamientos masivos de datos cuantitativos para su posterior manejo por parte de expertos”.

Lee más | Bosques deforestados en Costa Rica vuelven a «cantar» tras décadas de regeneración

El control sigue siendo humano

“La tecnología CNN [Red Neuronal Convolucional en español] actual es capaz de alcanzar más del 90 % de la precisión humana en la identificación de especies en imágenes de cámaras trampa”, indica el artículo publicado en la revista Biología Futura. Sin embargo, reconoce que para llegar a ese éxito se depende de una gran inversión previa de trabajo humano, pues se deben tener identificadas las especies para que el modelo pueda aprender.

Los expertos enfatizan en que no se trata de reemplazar a los científicos —es más, consideran que es muy poco probable que esto ocurra— sino que puedan dedicarse a asuntos de fondo al ahorrarles tiempo en trabajo repetitivo y hasta operativo. Jorge Ahumada afirma que el valor de un científico radica en responder preguntas mucho más complejas que suceden en los sistemas naturales y la inteligencia artificial aún está muy lejos de eso.

Por ejemplo, una de las preocupaciones de Maxim Larrivée, director del Insectario de Montreal, Canadá, es que los insectos están extinguiéndose a gran velocidad y aún se desconoce el nombre de muchos de ellos. En este momento, dice, existen algoritmos de IA capaces de identificar insectos y nombrarlos, pero sólo pueden hacerlo con las especies que conocen. “Lo que hicimos fue dar vuelta al guión y entrenamos a un algoritmo para reconocer insectos —mariposas nocturnas, en este caso— que nunca había visto. De modo que es capaz de decir: ‘nunca he visto esto, pero se parece mucho a algo que conozco’, y eso ayuda a acotar qué es esta nueva especie y con qué está asociada”.

Para Larrivée, esto es un avance importante porque “todos estos insectos existen allá afuera en el neotrópico y en los trópicos del mundo, pero no tienen nombre porque no tenemos el ‘ancho de banda’ humano para describirlos y catalogarlos”.

Pero no solo se trata de procesamiento y análisis de imágenes, sino también de sonidos. “Con los audios nos ha tomado más tiempo, pero ya empezamos a ver resultados. Tenemos la información, pero siempre hace falta una validación humana. Igual que con las imágenes de cámaras trampa, los audios tienen que pasar por un humano que confirme lo que dice la inteligencia artificial”, comenta David Parra, director de conservación de la Fundación Jocotoco en Ecuador, sobre el trabajo que realizan en la Amazonía para detectar, por sonido, diferentes especies de animales y amenazas como motosierras y disparos.

En Argentina, la IA también permitió que un grupo de científicos conociera más sobre la enigmática gallineta chica (Rallus antarcticus). Como esta ave es muy difícil de observar, sólo a través de sus sonidos pudieron detectar los sitios de la Patagonia donde aún habita.

Pero no se conformaron con esto: “Lo que se hace bastante es identificar especies por su canto, usando redes neuronales. Lo que estamos haciendo es ir un paso más allá y decir: ‘bueno, no sólo queremos identificar qué especie está cantando, sino qué individuo de esa especie está cantando’”.

Estas experiencias de conservación se sustentan en un concepto que aparece cada vez con mayor frecuencia en estudios sobre inteligencia artificial: human in the loop, mediante el cual los expertos participan proporcionando retroalimentación y evaluando las respuestas del sistema durante el entrenamiento del modelo, lo cual es esencial para limitar sesgos y alucinaciones. La IA trabaja a gran escala y reduce esfuerzo, pero el humano conserva el control en las etapas críticas.

“Mi postura definitivamente es: necesitamos a los expertos más que nunca, y todas las nuevas técnicas, desde el metabarcoding [técnica genética que identifica a la vez a todas las especies presentes en una muestra compleja, como agua o tierra] hasta la acústica, necesitan a los expertos urgentemente”, afirma el profesor Jörg Müller.

Yolanda Camacho, bióloga de la Universidad de Costa Rica, asegura que su experiencia utilizando la inteligencia artificial —para clasificar las conchas marinas que se iban a devolver a las playas costarricenses— le permitió comprobar el enorme potencial de esta herramienta para apoyar programas de conservación ambiental. “A mí sola me hubiera tomado mucho tiempo clasificar las conchas, hubiera tenido que pedir hasta seis meses sabáticos para completar la tarea”, dice Camacho, pero agrega que la IA no reemplaza el conocimiento y el trabajo de campo de años de un científico, pues su precisión depende completamente de la calidad de datos con los que se entrena el algoritmo. “Como taxónoma tenía que estar constantemente validando lo que la aplicación estaba mostrando. Si los datos son malos, la respuesta va a ser errónea”.

La premisa para Jorge Ahumada es simple: “no le vamos a creer a la inteligencia artificial todo lo que nos dice. Hay que verificar los datos”. Y esa verificación está en manos de los investigadores.

Lee más | Mujeres kewiña: indígenas quechua restauran bosques andinos para proteger el agua de Bolivia

El impacto ambiental y otros retos de la IA

El boom de la IA en conservación ha traído expectativas pero también preocupaciones. Por ejemplo, la industria de los centros de datos quiere construir nuevas instalaciones en la Latinoamérica a toda velocidad, prometiendo inversión, empleo y crecimiento para los países. Sin embargo, las comunidades vecinas a esos centros han mostrado varias preocupaciones, entre las que destacan menos agua y cortes de energía, como lo mostró el Centro Latinoamericano de Investigación Periodística (CLIP) en una investigación de 2025.

Las empresas tecnológicas que utilizan agua para el funcionamiento y la refrigeración de estos centros de datos podrían necesitar entre 4200 y 6600 millones de metros cúbicos de agua para 2027.

Los expertos consultados para este reportaje reconocen que mitigar y reducir los impactos ambientales es un asunto en el que se debe trabajar, pero también creen que poco a poco la industria tecnológica se enfocará en ser cada vez más sostenible.

Juan Lavista Ferres, director científico de datos de Microsoft, comenta que el principal reto es la transición de la generación eléctrica hacia fuentes de energía renovable para alimentar estos centros de datos, aunque el mercado de energías renovables aún no es lo suficientemente amplio para satisfacer toda la demanda actual.

“Hay muchos algoritmos que requieren un montón de generación eléctrica, por ejemplo, los grandes modelos de lenguaje (LLM por sus siglas en inglés), pero es importante destacar que no todos los algoritmos de inteligencia artificial consumen la misma cantidad de energía porque no están hechos de la misma forma”, destaca Lavista.

Pedro Galindo, científico de datos y líder del departamento de Tecnología Aplicada a la Conservación de la Fundación Jocotoco, señala que los modelos más pequeños, como las redes neuronales convolucionales (CNN), utilizadas para identificar cantos de aves, ranas o mamíferos, son mucho menos exigentes en términos de energía. Sin embargo, reconoce que casi siempre habrá algún tipo de impacto medioambiental.

En el caso de las CNN, dice Galindo, a pesar de su bajo consumo, necesitan paneles solares para su alimentación, los cuales contienen minerales específicos que tienen una vida útil limitada. Además, requieren baterías (de litio o gel) para almacenar la energía, lo que añade un impacto adicional, y los componentes electrónicos de estos dispositivos, como las tierras raras y los semiconductores, también contribuyen a afectar el medioambiente. Si bien considera que siempre hay que buscar el menor impacto posible, se cuestiona: “todo esto también lo tienes en tu teléfono. ¿Por qué no tenerlo a servicio de la conservación?”.

Jorge Ahumada plantea un camino a seguir: “Los que estamos trabajando en conservación debemos hacer mucho más énfasis en la necesidad de regulación ambiental en los países y que las compañías sean responsables en el manejo de la energía”, y añade que actualmente hay tanta inversión en inteligencia artificial, que lograrlo no debería ser un problema.

Lo que para Ahumada sí sigue siendo un problema es la financiación, pues gran parte de ella “todavía está muy orientada a inteligencia artificial en cosas comerciales, un poquito en ciencias aplicadas, pero poco en conservación”. Este es un gran reto porque las organizaciones que trabajan en el área de biodiversidad a menudo carecen de recursos, destaca Lavista.

Los expertos consideran que la IA en conservación debe ser incluyente y participativa, por lo que se debe proyectar su uso no sólo para los científicos sino para las comunidades campesinas y étnicas. Lavista asegura que “no queremos a nivel de sociedad que el uso de la inteligencia artificial amplíe la brecha digital que se generó entre la gente que sabe usar computadoras y la gente que no las sabe usar”.

Evitar esa brecha a su vez generará nuevos retos como un trabajo intensivo en capacitación y educación, pero es un trabajo que vale la pena “porque la inteligencia artificial permite separar la parte técnica y hacerla mucho más fácil para un grupo mucho más grande de personas”, concluye Ahumada.

*Imagen destacada: Cada una de las especies incluidas en el modelo fue validada por Yolanda Camacho, quien es curadora de colección en el Museo de Zoología de la UCR. Esto con tal de garantizar que la información que recibía la IA fuera exacta. Foto: cortesía FIFCO / Heineken.

El artículo original fue publicado por Antonio José Paz Cardona en Mongabay Latam. Puedes revisarlo aquí.

Si quieres leer más noticias ambientales en Latinoamérica, puedes revisar nuestra colección de artículos. Y si quieres estar al tanto de las mejores historias de Mongabay Latam, puedes suscribirte al boletín aquí, unirte a nuestro canal de WhatsApp o seguirnos en Facebook, X, Instagram, Tiktok y Youtube.