La Inteligencia Artificial y la Innovación Orientada a la Sostenibilidad

05/08/2020 51

A lo largo de la historia del management diversos autores han aportado modelos conceptuales para que las empresas puedan incorporar la sostenibilidad como un área estratégica. Por ejemplo, la triple cuenta de resultados es un concepto acuñado a mediados de la década de 1980 por autores como Freer Spreckley, que alcanza gran notoriedad con la publicación en 1998 del libro Cannibals with forks: the triple bottom line of 21st century business de John Elkington.

La triple cuenta de resultados es un marco contable que fomenta los negocios sostenibles en base a tres dimensiones fundamentales: económica, social y ambiental.

La adopción de la triple cuenta de resultados aporta beneficios importantes para la empresa, ya que facilita el acceso a nuevos mercados potenciales, aumenta la motivación de los empleados, fomenta la innovación, mejora la reputación y fideliza a los clientes.

Diversos estudios, como el de Richard Adams et al. (2012) titulado «Innovating for Sustainability, A Systemic Review of the Body of Knowledge», aportaron claves fundamentales y facilitaron el desarrollo de un modelo conceptual diseñado para ayudar a posicionar diferentes tipos de actividades en el área de la innovación orientada a la sostenibilidad.

La Red Canadiense para la Sostenibilidad Empresarial (NBS) publicó en 2012 la guía para ejecutivos titulada «Innovating for sustainability». En dicho trabajo se incluye un marco conceptual para trabajar los negocios sostenibles.

El primer nivel se denomina “Optimización operacional”. El objetivo de innovación en este nivel se caracteriza por el cumplimiento y la eficiencia. Lo que se busca es “hacer las mismas cosas mejor”.

El segundo nivel es la “Transformación organizacional” y el objetivo de innovación es desarrollar productos, servicios y modelos de negocio novedosos. En este caso, lo que se busca es “hacer el bien haciendo cosas nuevas”.

El tercer nivel es la “Construcción de sistemas” y se caracteriza por el desarrollo de nuevos productos, servicios o modelos de negocio en colaboración con otros stakeholders. Este último nivel permite alcanzar rendimientos empresariales teniendo en cuenta la triple cuenta de resultados.

En este sentido, la Inteligencia Artificial puede ser un gran aliado para el desarrollo de la innovación orientada a la sostenibilidad. Recordemos que la IA se puede definir como la ciencia e ingeniería que posibilitan desarrollar máquinas y programas informáticos capaces de resolver problemas que normalmente requieren la inteligencia humana.

En un artículo de este mes de Bernard Marr para Forbes titulado «10 Wonderful Examples Of Using Artificial Intelligence (AI) For Good», el autor revisa 10 ejemplos del uso de la Inteligencia Artificial para resolver problemas sociales y medio ambientales. La IA nos permite analizar los problemas sociales desde una perspectiva diferente.

Los 10 ejemplos son: detección del cáncer, protección de las abejas, herramientas para personas con discapacidad, cambio climático, conservación de la vida salvaje, combatir el hambre mundial, reducir la desigualdad y la pobreza, detectar las noticias falsas, evaluar imágenes médicas y priorizar actualizaciones.

El caso del cambio climático resulta especialmente interesante ya que, según el estudio “Global Risks Report 2020” del Foro Económico Mundial y Marsh & McLennan, las preocupaciones sobre los riesgos ambientales han aumentado en la última década.

De cara al futuro, las principales amenazas son: el fallo en la acción del clima, temperaturas extremas, pérdida de biodiversidad, desastres naturales y daños causados al medioambiente ocasionados por la acción del ser humano.

Bernard Marr explicaba en su artículo para Forbes cómo la IA puede ser fundamental para resolver el problema del cambio climático. Los algoritmos de aprendizaje automático potencian aproximadamente 30 modelos climáticos utilizados por el Panel Intergubernamental sobre Cambio Climático.

La Inteligencia Artificial también puede ayudar a predecir e informar los impactos del cambio climático en diferentes regiones. Por ejemplo, investigadores del Instituto de Algoritmos de Aprendizaje de Montreal (MILA) utilizan GAN (redes adversas generativas) para simular el daño de tormentas severas y el aumento del nivel del mar.