La importancia de la IA para una Responsabilidad Social Empresarial eficaz

Cristina Cardona, directora de Transformación y Cultura Ética en Planética y auditora líder ISO para la implementación de Inteligencia Artificial, dialogó con Santos Suárez de El Norte sobre la importancia de la IA para la Responsabilidad Social Empresarial y la Sostenibilidad en general, remarcando en que es muy importante, pero su aplicación debe desarrollarse con condiciones.

Pregunta Santos Suárez:

¿Es la IA una herramienta poderosa para impulsar acciones socialmente responsables y sostenibles?

Responde Cristina Cardona: Absolutamente. Y me alegra que esa pregunta se esté haciendo cada vez más en espacios como este. La IA nos permite hacer cosas que antes simplemente no podíamos: saber en tiempo real cómo está impactando una operación empresarial al medio ambiente, detectar si una empresa está contratando de manera inequitativa, o llevar servicios financieros a personas que nunca habían tenido acceso a un banco.

Lo que antes tomaba meses de auditoría hoy puede procesarse en horas, lo que abre posibilidades reales para actuar con mayor velocidad y precisión frente a los compromisos sociales y ambientales. Eso es poderoso.

Eso cambia vidas. Ahora bien, hay algo que siempre digo cuando me hacen esta pregunta: una herramienta funciona tan bien como el propósito con el que fue diseñada y las personas que la usan. Si una organización usa IA con compromisos sociales claros y valores reales detrás, los resultados pueden ser extraordinarios.

Pero si la implementa sin ese marco, los mismos sistemas que podrían reducir desigualdades terminan reproduciéndolas, concentrando poder en pocas manos y profundizando brechas entre quienes tienen acceso a la tecnología y quienes quedan fuera.

Cada sistema refleja las prioridades de quienes lo construyen y financian. Por eso insisto tanto en que la responsabilidad social tiene que entrar desde el primer día del diseño. Las organizaciones que integran criterios éticos desde el momento en que conciben sus sistemas de IA son las que logran resultados sostenibles en el tiempo. El potencial es real y es genuino. Pero activarlo de manera justa e inclusiva depende enteramente de nosotros.

S.S. ¿Qué límites deben aplicarse en todos los sectores en la aplicación de la IA?

C.C. Yo prefiero hablar de límites como condiciones, porque eso es exactamente lo que son: las condiciones para que el progreso sea legítimo y duradero. Y hay cinco que considero innegociables en cualquier sector, público o privado: transparencia, no discriminación, supervisión humana, uso responsable de los datos, y rendición de cuentas.

Estos principios aplican a cualquier organización, sin importar su tamaño o el país donde opere, y representan el piso mínimo de cualquier implementación seria de inteligencia artificial. La transparencia significa que si un sistema apoya una decisión que afecta a una persona, esa persona tiene derecho a entender por qué.

Cuando están en juego el acceso a un empleo, a un crédito, a un servicio de salud o a la justicia, la oscuridad en los criterios de decisión es inaceptable. La no discriminación exige que estos sistemas no reproduzcan las desigualdades que ya existen en la sociedad por raza, género, origen o condición económica.

Y la supervisión humana garantiza que en decisiones de alto impacto siempre haya alguien con nombre y apellido que pueda revisar, corregir y responder. Y de todos esos límites, el que más me preocupa en la práctica es la rendición de cuentas. Cuando algo sale mal, y a veces sale mal, tiene que haber un responsable claro, una persona o una institución que pueda mirar a los ojos a quien resultó afectado y dar una respuesta.

En Colombia todavía no tenemos una política aprobada específica para inteligencia artificial, pero eso no significa que estemos partiendo de cero. Tenemos marcos de protección de datos, principios de buen gobierno corporativo, lineamientos de la Superintendencia de Industria y Comercio, y compromisos internacionales que ya nos orientan.

Las organizaciones que se apoyan en esos marcos hoy, y que construyen sus prácticas con seriedad, no están esperando que llegue una norma para actuar bien. Se están adelantando a lo que viene. Y esa anticipación, en un entorno regulatorio que se está moviendo rápido en todo el mundo, es una ventaja real.

S.S. ¿La IA es aliada de la sostenibilidad o puede convertirse en su peor enemigo?

C.C. Las dos cosas. Y esa tensión es exactamente lo que me parece más importante entender hoy. Cuando la usamos bien, la IA es una aliada extraordinaria: nos ayuda a detectar incendios forestales antes de que se propaguen, a diseñar ciudades más eficientes, a modelar escenarios climáticos con una precisión que antes no teníamos, a monitorear ecosistemas en tiempo real.

En manos de organizaciones comprometidas con el medio ambiente, potencia el impacto de cada decisión sostenible. Pero hay una contradicción que no podemos ignorar. Los centros de datos que sostienen toda esta tecnología ya consumen entre el 1 y el 2% de la electricidad mundial, y esa cifra crece rápido.

Entrenar uno solo de estos modelos grandes de inteligencia artificial genera emisiones equivalentes a cientos de vuelos transa-tlánticos. A esto se suman el consumo masivo de agua para refrigerar los servidores y la extracción de minerales para fabricar los chips, muchos de ellos provenientes de regiones con graves conflictos sociales y ambientales.

Hay un coste real ahí que no podemos ignorar. Entonces la pregunta que debemos hacernos no es si usamos IA o no. La pregunta es cómo la usamos y con qué criterios. Migrar a energías renovables, diseñar modelos más eficientes, y ser honestos sobre qué aplicaciones justifican ese coste ambiental y cuáles no. Eso es coherencia. Y sin coherencia, cualquier discurso de sostenibilidad queda vacío.

S.S. ¿Cómo es vista la IA en función del cuidado medioambiental?

C.C. Con dos miradas que conviven, y creo que las dos tienen razón. La primera la ve como una herramienta ambiental muy poderosa: detecta deforestación ilegal desde el espacio, predice desastres naturales con anticipación, apoya la reducción de emisiones en logística y transporte, mejora la gestión de residuos, y acelera el desarrollo de materiales sostenibles a través de simulaciones que antes requerían décadas de investigación.

El propio IPCC y múltiples agencias ambientales ya la usan como parte central de su trabajo de análisis y planificación. Desde esa mirada, la IA forma parte activa de la solución. Pero hay otra mirada, cada vez más fuerte, que pregunta con razón: ¿y cuál es el impacto ambiental de la IA misma? El agua que consumen los centros de datos, las emisiones que genera entrenar modelos complejos, los minerales que se extraen para fabricar los chips.

Eso también existe, e ignorarlo sería deshonesto. Esta mirada pide coherencia, y cada vez más inversionistas, reguladores y consumidores la están exigiendo con datos en la mano. Lo que me parece más interesante es que hoy, en los reportes de sostenibilidad empresarial, la IA ya aparece de dos maneras: como herramienta de mejora, y como variable a auditar en sí misma.

Las empresas más maduras en este tema ya se preguntan cuánto emite su propia infraestructura digital. Eso es una señal muy positiva. Las que lleguen ahí primero van a liderar esta conversación con datos reales y con credibilidad genuina.

S.S. ¿Qué mensaje le envía al sector productivo sobre el uso de la IA?

C.C. El primero y más importante es este: paren antes de comprar. Antes de contratar cualquier solución de inteligencia artificial, siéntense con sus equipos y mapeen sus procesos. Uno por uno. Entiendan cómo fluye el trabajo hoy, dónde están los cuellos de botella, dónde se pierde tiempo, dónde se cometen errores repetitivos, dónde hay decisiones que podrían tomarse con mejor información.

Ese ejercicio, que parece básico, es el que la mayoría de las organizaciones se salta. Y cuando se lo saltan, terminan implementando tecnología costosa sobre problemas que nunca entendieron bien. La IA amplifica lo que encuentra. Un proceso bien diseñado, con datos de calidad y objetivos claros, potencia resultados extraordinarios.

Un proceso confuso, con datos desordenados y sin propósito definido, produce decisiones equivocadas a mayor velocidad y escala. Por eso el diagnóstico previo es el paso más valioso de todo el proceso.

Una organización que llega a una implementación sabiendo exactamente qué problema quiere resolver, por qué ese problema importa, y qué va a medir para saber si lo resolvió, tiene una ventaja enorme frente a una que llegó porque su competidor ya lo estaba haciendo.

La claridad estratégica vale más que cualquier tecnología. Una vez que ese diagnóstico está hecho, viene algo igual de crítico: los protocolos de gobernanza. Gobernanza significa tener políticas claras sobre qué datos usa el sistema y quién los autoriza, quién supervisa las decisiones que apoya la IA, cómo se detectan y corrigen errores, cómo se protege la privacidad de empleados y clientes, y qué pasa cuando algo falla.

Muchas empresas me dicen que eso lo harán después, cuando el sistema ya esté funcionando. Y yo les digo siempre lo mismo: después es tarde. Los protocolos tienen que construirse antes de encender el sistema, porque una vez que está operando e influyendo en decisiones, cambiar las reglas del juego es mucho más difícil, más costoso y más riesgoso.

Y aquí viene un consejo que doy siempre: no intenten hacer ese camino solos. Busquen expertos que los acompañen, personas que ya hayan recorrido ese proceso con otras organizaciones, que conozcan los errores más comunes y que sepan construir marcos de gobernanza adecuados para cada sector y cada tamaño de empresa.

Con el acompañamiento correcto, las decisiones son mejores, los riesgos se reducen y los tiempos se acortan significativamente. Un buen acompañamiento experto en esta etapa se paga solo, y con creces.

La IA bien implementada, con diagnóstico previo, gobernanza sólida y el acompañamiento adecuado, tiene un retorno claro y medible. Las organizaciones que hacen ese trabajo con seriedad logran resultados reales, generan confianza interna y externa, y llegan preparadas al entorno regulatorio que ya viene.