La IA y el turismo sostenible: ¿qué hay en los dos lados de la balanza?

Según cálculos de la Agencia Internacional de Energía (IEA), los centros de datos del mundo consumieron aproximadamente 415 teravatios-hora de electricidad en 2024. Esto representó alrededor del 1,5% del consumo eléctrico global. Según el escenario base, el consumo podría acercarse a los 945 teravatios-hora en 2030, más del doble, representando casi el 3% del consumo total de electricidad del mundo. (IEA, 2025)

Uno de los principales impulsores de este crecimiento es la IA, aunque los centros de datos no solo sirven a sistemas de inteligencia artificial. Los servicios en la nube, los videos en línea, los sistemas informáticos empresariales y muchos otros servicios digitales también requieren una capacidad significativa.

Sin embargo, el impacto ambiental de una sola consulta de IA puede ser mucho menor de lo que sugerían estimaciones generales anteriores.

Según mediciones operativas publicadas por Google en agosto de 2025, una solicitud de texto promedio, o más precisamente mediana, de Gemini:

• consumió 0,24 vatios-hora de energía,
• emitió 0,03 gramos de equivalente de dióxido de carbono,
• y requirió aproximadamente 0,26 mililitros de agua.

El consumo de energía fue aproximadamente equivalente a nueve segundos de ver televisión, y la cantidad de agua a unas cinco gotas. (Elsworth et al., 2025)

La mayoría de las empresas turísticas hoy en día se encuentran con la inteligencia artificial por primera vez en el ámbito del marketing. La utilizan para redactar textos, traducir, crear publicaciones en redes sociales, generar imágenes para boletines y responder a reseñas de clientes. Esto tiene una razón comprensible. Los resultados son visibles de inmediato, el uso es relativamente sencillo y generalmente no se requiere desarrollo informático adicional.

Desde una perspectiva de sostenibilidad, sin embargo, el marketing es mucho más importante que simplemente acelerar la creación de una publicación en Facebook. La comunicación puede tener un impacto significativo en:

• quiénes visitan un lugar;
• cuándo viajan;
• cuánto tiempo permanecen allí;
• qué atracciones visitan;
• y dónde gastan su dinero.

Por ejemplo, una campaña bien diseñada en primavera u otoño puede reducir la presión de la temporada alta de verano. Presentar una parte menos conocida de una localidad o un negocio local puede ayudar a distribuir a los visitantes de manera más equitativa. La IA permite que incluso un pequeño proveedor o organización turística cree mensajes específicos para diferentes grupos objetivo. Se pueden dirigir contenidos distintos a quienes desean viajar en períodos más tranquilos, a familias con niños pequeños, ciclistas o aquellos que buscan alimentos y productores locales.

La comunicación multilingüe también puede volverse más económica y rápida. Esto es especialmente útil para mercados emisores más pequeños que anteriormente no tenían un presupuesto de marketing dedicado.

La IA también puede ayudar a destacar atracciones menos conocidas, historias locales y pequeños proveedores. En muchos sitios web de destinos, las atracciones más conocidas tienen descripciones detalladas, mientras que los valores más pequeños apenas se mencionan. La tecnología puede acelerar el procesamiento de información, pero el conocimiento local y las historias auténticas aún deben ser aportados por personas.

Predicción de demanda y planificación de capacidad

Basándose en datos de reservas anteriores, calendarios de eventos, clima, información de transporte y otros factores, se pueden hacer predicciones más precisas sobre la demanda esperada.

Esto puede ayudar en:

• la planificación de turnos de trabajo;
• la gestión de inventarios;
• la adaptación de capacidades de transporte;
• la creación de franjas horarias de visita;
• y la detección temprana de momentos de alta demanda.

La predicción no elimina la congestión, pero puede hacer visible el problema con antelación, dejando más tiempo para intervenir.

Uno de los problemas de las recomendaciones basadas en IA es que a menudo hacen más visibles los lugares ya populares.

El estudio preliminar de Lee y Pennington-Gray basado en un millón de viajes simulados dentro de Estados Unidos encontró que los grandes modelos lingüísticos estudiados generaron flujos turísticos más estacionales, desiguales y menos diversos que los patrones turísticos reales. Los sistemas reforzaron especialmente las combinaciones de destinos y períodos ya populares (Lee–Pennington-Gray, 2026).

Como se trata de un estudio preliminar, los resultados deben ser confirmados por investigaciones adicionales, pero el riesgo identificado merece atención.

Si muchas personas buscan consejos de los mismos pocos sistemas y estos sistemas regularmente recomiendan los mismos lugares, esto puede aumentar aún más la congestión.

El otro problema es la invisibilidad.

El estudio preliminar de Chen, Weng y Moro de 2026 examinó las recomendaciones de restaurantes de tres grandes modelos lingüísticos en cinco ciudades estadounidenses y 304 barrios. Incluso cuando los modelos podían elegir de una lista controlada de restaurantes reales, el 47,5% de los lugares nunca fueron recomendados. El 31,9% de los negocios invisibles fueron los mismos en las tres familias de modelos estudiadas (Chen–Weng–Moro, 2026).

Esto muestra que la IA no simplemente recopila información disponible. También selecciona entre ella. Algunos lugares se destacan regularmente, mientras que otros apenas o nunca se muestran.

Esto puede ser especialmente perjudicial para negocios locales más pequeños, con pocas reseñas o una presencia digital débil.

Primero asegúrate de que los datos estén correctos

La IA solo puede trabajar con lo que está disponible y es interpretable digitalmente.

Si el sitio web tiene horarios incorrectos, falta la dirección o ubicación geográfica, no se menciona la accesibilidad y la descripción de los servicios no es clara, los sistemas de IA también pueden proporcionar información incorrecta o incompleta.

Es especialmente importante:

• el nombre, dirección y contacto precisos;
• los horarios de apertura actuales;
• los precios y condiciones de reserva;
• las opciones de transporte;
• la información de accesibilidad;
• la categorización adecuada del servicio;
• y que el sitio web esté equipado con datos estructurados.

Los datos bien mantenidos y comprensibles para las máquinas ya no son solo una cuestión de optimización para motores de búsqueda. También pueden ser un requisito para aparecer en recomendaciones basadas en IA.

No pretendemos observar este proceso desde fuera. En el desarrollo de I-DEST y nuestro trabajo profesional, también usamos inteligencia artificial regularmente. No la vemos como un tomador de decisiones autónomo, sino como una herramienta de trabajo que puede acelerar ciertos procesos, ayudar a descubrir conexiones y reducir errores derivados de la falta de atención humana.

Creación de predicciones y escenarios

Analizamos series temporales de demanda, estacionalidad, carga de capacidad y diferentes escenarios de desarrollo.

La IA es útil aquí no porque proporcione respuestas infalibles, sino porque permite analizar muchas variantes en poco tiempo y detectar conexiones que serían más difíciles de identificar manualmente.

Sin embargo, la calidad de los datos de entrada lo determina todo. A partir de datos básicos incorrectos o incompletos, el sistema puede generar rápidamente predicciones erróneas. Por lo tanto, la IA no reemplaza la verificación de datos, sino que la hace aún más importante.

Desarrollo de software y detección de errores

También utilizamos inteligencia artificial en el desarrollo técnico de I-DEST. Ayuda a revisar rápidamente fragmentos de código más largos, identificar ciertos errores lógicos, inconsistencias y riesgos de seguridad, así como a preparar casos de prueba más fácilmente. El objetivo no es que la IA programe el sistema sin supervisión humana. La usamos para revisar los desarrollos desde múltiples perspectivas, detectar problemas más rápidamente y, si es posible, corregirlos antes de que los usuarios los encuentren. Esto es especialmente importante en un sistema tan complejo como I-DEST, donde diversas fuentes de datos, idiomas, interfaces de usuario, módulos de evaluación y funciones de recomendación están interconectados. Una sola modificación puede afectar el funcionamiento de varias otras funciones.

El análisis y prueba de código basado en IA agrega una capa adicional de control a las pruebas tradicionales de desarrolladores y usuarios. Sin embargo, el uso de IA por sí solo no garantiza un software libre de errores. El código sugerido por la máquina también puede contener errores, soluciones obsoletas o problemas de seguridad. Por eso, todos los cambios significativos son revisados por desarrolladores y el funcionamiento del sistema se prueba antes de su implementación.

El objetivo, por lo tanto, no es reemplazar al desarrollador, sino reducir el número de errores, apoyar las pruebas y hacer que el trabajo de desarrollo sea más confiable.

Traducción y control terminológico

También utilizamos IA para procesar estrategias, documentos de licitación, descripciones turísticas y estándares en varios idiomas. Toda traducción automática en documentos relevantes es seguida por una revisión humana. En el vocabulario técnico de turismo, sostenibilidad y la Unión Europea, un término mal traducido puede cambiar el significado de una frase o requisito. Sin embargo, la IA ayuda a garantizar que se utilicen los mismos términos y denominaciones de manera coherente en un documento más largo. La coherencia terminológica es especialmente importante en estándares internacionales, requisitos de certificación y plataformas digitales multilingües. Además, la IA asegura la accesibilidad multilingüe de I-DEST para que los destinos y proveedores no tengan que cargar datos en varios idiomas en el sistema: todos trabajan solo lo mínimo necesario.

Marketing y creación de contenido

La IA ayuda a preparar los primeros borradores de textos, contenidos multilingües y comunicaciones dirigidas a diferentes grupos objetivo.

Seguimos algunas reglas simples en su uso:

• comunicamos con nuestro propio estilo;
• trabajamos con datos verificables y reales;
• el contenido final es aprobado por una persona;
• vinculamos las afirmaciones de sostenibilidad a evidencias;
• y no consideramos solo los clics o reservas como resultados.

En el marketing, el impacto de sostenibilidad de la IA depende en gran medida de los objetivos que se le asignen. Si solo se consideran las conversiones a corto plazo, el algoritmo puede reforzar fácilmente los períodos y lugares ya populares. Sin embargo, si la estacionalidad, la distribución territorial o la visibilidad de los proveedores locales también se incluyen entre los objetivos, se pueden crear campañas y recomendaciones de otro tipo. A veces, aunque muy rara vez, la inteligencia artificial también ayuda a preparar resúmenes para carteles y anuncios.

El impacto ambiental de la inteligencia artificial es real. Sin embargo, las mayores cargas ambientales del turismo siguen estando relacionadas principalmente con los viajes, el transporte, el funcionamiento de edificios, el consumo y la sobrecarga estacional de lugares populares.

Los beneficios de la IA también son reales, pero no automáticos.

El mismo sistema puede ayudar a evitar un lugar concurrido o enviar aún más visitantes allí. Puede ayudar a encontrar un negocio local o hacerlo invisible. Puede reducir el desperdicio de alimentos o generar una campaña de sostenibilidad atractiva pero sin datos que la respalden.

La pregunta clave no es IA o sostenibilidad.

Lo que importa es qué datos utiliza el sistema, qué le pedimos, qué objetivos configuramos y quién verifica los resultados.

Esto no es solo una cuestión tecnológica. Es una decisión profesional y de liderazgo.

Por eso, los destinos, las empresas turísticas y los viajeros también pueden influir en si la inteligencia artificial fomenta una mayor concentración del turismo o un funcionamiento más equilibrado, accesible y eficiente.