¿La IA ayuda o perjudica a las finanzas sostenibles? Huella de carbono frente a innovación ESG

¿La IA ayuda o perjudica a las finanzas sostenibles?

La inteligencia artificial (IA) ayuda y perjudica a las finanzas sostenibles al mismo tiempo, y es la institución financiera la que decide cuál de los dos efectos predomina a través de sus propias decisiones de compra, medición y divulgación. Del lado del coste, la Agencia Internacional de la Energía (IEA) informa en Energy and AI, publicado en abril de 2025, que los centros de datos consumieron alrededor de 415 teravatios-hora (TWh) de electricidad en 2024 — aproximadamente el 1,5% del consumo eléctrico mundial — tras crecer en torno al 12% anual desde 2017, más de cuatro veces más rápido que la demanda eléctrica total. Del lado de la innovación, el Innovation Hub del Banco de Pagos Internacionales (BIS) mostró en el Proyecto Gaia, publicado el 19 de marzo de 2024, que los grandes modelos de lenguaje pueden extraer 20 indicadores clave de desempeño relacionados con el clima de la información divulgada por 187 instituciones financieras a lo largo de cinco años. Las finanzas sostenibles, por tanto, no tienen un veredicto que aceptar, sino un arbitraje que realizar, despliegue a despliegue.

¿Qué dimensión tiene la huella de cómputo detrás de la IA financiera?

La huella de cómputo detrás de la IA financiera se mide a nivel de centros de datos y no de bancos individuales, de modo que un profesional de las finanzas trabaja con datos de infraestructura y los asigna. Las cifras de la IEA describen el panorama global: 415 TWh en 2024, concentrados en Estados Unidos (45% del consumo eléctrico mundial de centros de datos), China (25%) y Europa (15%), con una inversión mundial en centros de datos que alcanzó medio billón de dólares estadounidenses en 2024 y un consumo que se proyecta que más que se duplique hasta unos 945 TWh en 2030. El panorama estadounidense es más granular. El 2024 United States Data Center Energy Usage Report, publicado en diciembre de 2024 por el Lawrence Berkeley National Laboratory para el Departamento de Energía de Estados Unidos, siguió el consumo nacional de los centros de datos desde 58 TWh en 2014 hasta 176 TWh en 2023. La tabla siguiente reúne las cifras que un equipo de tesorería o de ESG puede citar directamente.

¿Dónde aterriza la huella de IA de una institución en sus propias cuentas?

La huella de IA de una institución aterriza en distintas partes de su inventario de gases de efecto invernadero según quién sea el propietario del hardware, razón por la cual la cifra falta tan a menudo. La electricidad adquirida para centros de datos que un banco posee o controla se contabiliza en el Alcance 2 del Greenhouse Gas Protocol. La capacidad de cómputo comprada como servicio — plataformas en la nube, interfaces de programación de aplicaciones de modelos, inferencia gestionada — se incluye en el Alcance 3, habitualmente en la categoría 1, bienes y servicios adquiridos, donde las estimaciones suelen basarse en el gasto y son, por tanto, insensibles a la eficiencia real con la que se ejecutó la carga de trabajo. Una institución financiera que quiera una huella de IA defendible debe especificar lo que necesita en el contrato: energía y carbono por unidad de servicio, eficacia en el uso de la energía (PUE), eficacia en el uso del agua (WUE), el límite del sistema aplicado y el derecho a auditar las cifras. Es en las compras, no en la ingeniería, donde esa cifra se vuelve obtenible.

¿Qué desbloquea realmente la IA en las finanzas sostenibles?

La IA desbloquea en las finanzas sostenibles un trabajo que antes estaba limitado por la lectura manual más que por la capacidad analítica. El Proyecto Gaia, desarrollado por el BIS Innovation Hub Eurosystem Centre junto con el Deutsche Bundesbank, el Banco Central Europeo y el Banco de España, utilizó grandes modelos de lenguaje para buscar en la información climática corporativa y devolver indicadores armonizados — emisiones totales, emisión de bonos verdes, compromisos voluntarios de cero neto — pese a las convenciones de denominación y definiciones inconsistentes entre jurisdicciones. El Financial Stability Board (FSB), en The Financial Stability Implications of Artificial Intelligence publicado el 14 de noviembre de 2024, concluyó que la adopción por parte de bancos, aseguradoras y gestoras de activos está generando ganancias de eficiencia en la modelización de riesgos, la negociación, la gestión de siniestros, la detección de fraude y la prevención del delito financiero, al tiempo que señalaba que el uso de IA generativa en instituciones reguladas sigue siendo en gran medida exploratorio y centrado en la eficiencia operativa. Las aplicaciones siguientes son aquellas en las que los equipos de finanzas sostenibles ven retornos hoy:

• Extracción de información divulgada — obtener indicadores climáticos comparables a partir de informes corporativos no estructurados, como se demostró con 187 instituciones financieras y 20 indicadores en el Proyecto Gaia.
• Modelización del riesgo climático — construir y someter a pruebas de estrés escenarios de riesgo físico y de transición en grandes carteras de contrapartes, un área de ganancia de eficiencia en modelización de riesgos identificada por el FSB.
• Cribado de carteras — contrastar las posiciones de forma continua frente a listas de exclusión y reglas de umbral, en lugar de hacerlo en revisiones trimestrales.
• Gestión de siniestros en seguros — acelerar la evaluación tras eventos de pérdida impulsados por el clima, citada por el FSB entre las ganancias de eficiencia actuales.
• Detección de delito financiero y fraude — detección de patrones a una escala que los sistemas basados en reglas no pueden cubrir, también citada por el FSB.
• Seguimiento de planes de transición — verificar si las contrapartes están cumpliendo año tras año lo que sus planes de transición publicados comprometieron.

¿Qué cuatro competencias contrata ahora el sector financiero?

Las instituciones financieras reclutan el conjunto de habilidades de IA y sostenibilidad como cuatro competencias diferenciadas, cada una con un núcleo técnico que un empleador puede evaluar y un núcleo conductual que determina si el trabajo técnico llega a cambiar una decisión. Los candidatos que las presentan como un único perfil indiferenciado de «ESG e IA» rinden mal en entrevista, porque el entrevistador busca un artefacto concreto y solo escucha vocabulario. Las cuatro competencias siguientes estructuran el resto de este artículo, y cada sección indica qué produce la competencia, qué normativa o evidencia medida impulsa su demanda y qué demuestra que un candidato la posee:

• Green fintech — construir y gobernar productos financieros digitales cuyo propósito es un resultado ambiental, dentro de las clasificaciones regulatorias que ahora se aplican a la IA en crédito y seguros.
• Optimización sostenible de carteras — construir y reequilibrar carteras bajo restricciones, umbrales y reglas de exclusión de sostenibilidad vinculantes, y no en función del sentimiento de mercado.
• Análisis del ciclo de vida (ACV) para la tecnología — cuantificar la huella de energía, carbono y agua de la IA y la infraestructura digital que la propia institución compra, con un límite del sistema declarado.
• Analítica de datos ESG — obtener, conciliar y gobernar datos de sostenibilidad de modo que una calificación, un cribado o una divulgación puedan rastrearse hasta su origen.

¿Qué es la green fintech y qué exige?

La green fintech es el diseño y la operación de productos e infraestructuras financieras digitales cuyo propósito principal es un resultado ambiental — analítica de riesgo climático, préstamos vinculados a emisiones, plataformas de financiación de la transición, tecnología supervisora del tipo que el Proyecto Gaia prototipó. Su núcleo técnico es poco glamuroso: canalizaciones de datos, despliegue de modelos, documentación y pruebas de riesgo de modelo. Su núcleo regulatorio es ya explícito en la Unión Europea. El Reglamento de Inteligencia Artificial, Reglamento (UE) 2024/1689, clasifica como de alto riesgo, en su Anexo III, los sistemas de IA utilizados para evaluar la solvencia de personas físicas o establecer su calificación crediticia, y los sistemas de IA utilizados para la evaluación de riesgos y la fijación de precios en seguros de vida y de salud. El Digital Omnibus, que entró en vigor el 27 de julio de 2026, aplazó el plazo de cumplimiento para los sistemas autónomos de alto riesgo del Anexo III al 2 de diciembre de 2027, y al 2 de agosto de 2028 para la IA integrada en productos regulados. El núcleo de habilidades blandas consiste en traducir ese calendario a una hoja de ruta de producto sin tratar un aplazamiento como un indulto.

¿Cómo cambia la optimización sostenible de carteras con la IA?

La optimización sostenible de carteras se ha convertido en un problema de optimización restringida con restricciones definidas legalmente, que es exactamente la forma de problema que el aprendizaje automático maneja bien — y exactamente la forma en la que un modelo inexplicado se convierte en un pasivo. Las Directrices de la Autoridad Europea de Valores y Mercados (ESMA) sobre los nombres de los fondos que utilizan términos relacionados con ESG o la sostenibilidad (referencia ESMA34-472-440) exigen que al menos el 80% de las inversiones de un fondo cumplan las características ambientales o sociales o los objetivos de inversión sostenible divulgados en su estrategia; los fondos que utilizan términos ambientales o de sostenibilidad deben aplicar las exclusiones de los Índices de Referencia Alineados con París, los fondos que usan términos sociales o de gobernanza aplican las exclusiones de los Índices de Referencia de Transición Climática, y los fondos que se denominan «sostenibles» deben invertir de forma significativa en inversiones sostenibles. El FSB advierte en ese mismo informe de 2024 de que la adopción de IA puede amplificar las correlaciones de mercado, las dependencias de terceros y el riesgo de modelo. La competencia es, por tanto, optimización más explicación: mostrar a un comité de inversiones por qué un modelo excluyó una posición.

¿Por qué el análisis del ciclo de vida de la tecnología pertenece a una descripción de puesto en finanzas?

El análisis del ciclo de vida (ACV) para la tecnología pertenece a una descripción de puesto en finanzas porque la IA que compra un banco es ya una partida material en sus propias cuentas ambientales, y nadie fuera de la institución la va a cuantificar. El ACV aplica los principios y requisitos de ISO 14040 e ISO 14044 a un servicio digital: declarar el límite del sistema, separar la huella de entrenamiento amortizada de la huella marginal de inferencia, e informar energía, carbono y agua indicando la metodología. ISO/IEC 21031:2024, la especificación de Intensidad de Carbono del Software, proporciona una medida comparable por unidad funcional entre versiones y proveedores. El Reglamento de IA refuerza esta disciplina aguas arriba, al exigir a los proveedores de modelos de IA de propósito general que documenten el consumo energético conocido o estimado en su documentación técnica. El núcleo de habilidades blandas es la negociación: un ACV solo es posible cuando se ha exigido contractualmente a un proveedor que divulgue, lo cual es una conversación de compras más que una cuestión técnica.

¿Qué exige la analítica de datos ESG más allá de los cuadros de mando?

La analítica de datos ESG exige un trabajo de trazabilidad que los cuadros de mando ocultan, y la normativa europea acaba de hacer que ese trabajo sea supervisable. El Reglamento (UE) 2024/3005 sobre la transparencia e integridad de las actividades de calificación ESG se aplica desde el 2 de julio de 2026 y somete a los proveedores de calificaciones ESG a autorización y supervisión directas por parte de ESMA, con requisitos sobre transparencia metodológica y separación de actividades; ESMA emitió una declaración pública el 1 de julio de 2026 sobre la publicación y distribución de calificaciones ESG por terceros durante la transición hacia la autorización. La comparabilidad de los insumos subyacentes está mejorando en paralelo: la IFRS Foundation informó el 12 de junio de 2025 de que 36 jurisdicciones han adoptado o utilizado de otro modo las Normas del ISSB, o están ultimando los pasos para introducirlas, publicando perfiles de 17 de ellas, de las cuales 14 apuntan a una adopción plena. Los analistas que comprenden el reporting ambiental, social y de gobernanza (ESG) en origen pueden defender una cifra; los analistas que heredan una puntuación, no.

¿Qué habilidades técnicas y blandas sustentan cada competencia?

Cada una de las cuatro competencias se contrata por una afirmación de habilidad técnica y se conserva por una de habilidad blanda, y el artefacto de la última columna es lo que un entrevistador pide ver. El emparejamiento importa porque los modos de fallo son simétricos: un candidato cuantitativo que no sabe explicar a un cliente la exclusión de un modelo pierde el mandato, y un candidato persuasivo que no sabe reconstruir una cifra pierde la auditoría. La tabla sirve también como autoevaluación. Marque cada fila como evidenciada, parcial o ausente para su puesto actual; las dos filas más débiles constituyen el plan de estudios y suelen indicar qué ruta SUMAS de las siguientes merece el tiempo invertido.

¿Cómo decidir si un despliegue de IA es netamente positivo para una institución financiera?

Una institución financiera determina si un despliegue de IA es netamente positivo ejecutando una secuencia fija antes de la aprobación, no debatiendo sobre la tecnología en general. La secuencia siguiente produce artefactos que un comité de riesgos, un auditor interno y un supervisor pueden inspeccionar, y sitúa deliberadamente la medición antes que la ambición: un sistema de IA cuya huella nunca se ha cuantificado no puede describirse como infraestructura de finanzas sostenibles, sea lo que sea lo que analice. Aplicada con honestidad, la secuencia rechaza algunas propuestas, redimensiona muchas otras hacia modelos más pequeños o alcances más estrechos, y aprueba el resto con condiciones de seguimiento. Los seis pasos se ejecutan en orden:

1. Cuantificar la huella de energía, carbono y agua del despliegue frente a un límite del sistema declarado, siguiendo ISO 14040/14044 o ISO/IEC 21031:2024, y asignarla al Alcance 2 o al Alcance 3 según quién sea el propietario del hardware.
2. Nombrar el contrafactual: ¿qué proceso analítico, con qué coste medido y qué año base, sustituye realmente este despliegue?
3. Clasificar el sistema conforme al Reglamento de IA — la calificación crediticia de personas físicas y la fijación de precios de seguros de vida y salud figuran en el Anexo III — y registrar la clasificación incluso cuando las obligaciones solo se apliquen a partir del 2 de diciembre de 2027.
4. Poner a prueba los datos: procedencia, linaje, licencias y conservación de cada insumo que llegue a una cifra publicada o a una decisión de cara al cliente.
5. Poner a prueba la afirmación: ¿puede reconstruirse cada cifra publicada externamente para un auditor, con su fuente, límite, año base y estado de verificación?
6. Volver a medir al cabo de seis a doce meses, porque el crecimiento del uso borra habitualmente una ganancia de eficiencia por consulta a escala de cartera.

¿Dónde trabajan hoy los graduados de finanzas sostenibles de SUMAS?

SUMAS — Sustainability Management School, con un campus junto al Lake Geneva en Gland, Suiza, y un campus urbano en Milan, Italia — publica sus alumni de finanzas sostenibles por nombre, programa, año de graduación y empleador, lo que permite comprobar la afirmación en lugar de confiar en ella. Los destinos se agrupan en cuatro ámbitos relevantes para este artículo: banca privada y gestión de patrimonios, reporting de seguros y reaseguros, investigación en sostenibilidad dentro de la gestión de activos, y funciones de política o asesoría en organizaciones ambientales y reguladores. Los testimonios en vídeo de los graduados se publican en la página de alumni de SUMAS y en las páginas individuales de los programas enlazadas a continuación, junto a estos perfiles escritos. Los datos de los alumni se reproducen exactamente como fueron publicados en agosto de 2026, y SUMAS reporta una tasa de empleabilidad de graduados del 90% en el conjunto de sus programas.

¿Quién enseña finanzas sostenibles e IA en SUMAS?

Los contenidos de IA y finanzas en SUMAS los imparten profesionales que trabajaron en los mercados antes de enseñarlos. El profesor Jan Erik Meidell, Ph.D., trabaja en la intersección entre sostenibilidad, finanzas y tecnología, con más de 25 años tendiendo puentes entre la estrategia empresarial y la tecnología cuantitativa, y pasó más de dos décadas en el sector financiero en trading, en funciones de director financiero y en el emprendimiento antes de pasar a la investigación académica. Imparte los cursos de IA, incluido el Capstone: AI for Good, y da clase en Statistics and Machine Learning, Blockchain and Decentralized Finance y Applied AI for Business, con una investigación actual sobre gobernanza e implementación ESG. La vertiente de contabilidad y auditoría la imparte el profesor Domenico Lamanna Di Salvo, Ph.D., censor jurado de cuentas, auditor y abogado, cuya investigación académica analiza estados financieros y compara principios contables entre Estados europeos — la disciplina que decide si una cifra de sostenibilidad generada por IA sobrevive al aseguramiento.

¿Qué ruta SUMAS encaja con tu perfil?

SUMAS enseña finanzas sostenibles e innovaciones de IA a través de cuatro rutas que difieren en nivel de acceso, duración y formato más que en materia, por lo que la elección parte de tu titulación actual y del tiempo de estudio del que realmente dispones. Las cuatro se imparten en inglés, están acreditadas por ACBSP y conllevan una tasa de solicitud no reembolsable de CHF 200 junto con gastos y tasas de materiales publicados por separado. Los detalles de matrícula y de fechas de inicio que figuran a continuación se reproducen tal como fueron publicados en agosto de 2026; confirma las cifras vigentes con admisiones antes de solicitar plaza, ya que los calendarios de tasas cambian según el año de inicio. La tabla compara las rutas según los criterios que en la práctica deciden la elección, incluidos los cursos que vehiculan las cuatro competencias descritas más arriba.

¿Cómo empezar a desarrollar estas competencias este trimestre?

Desarrollar competencia en IA y finanzas sostenibles comienza con una auditoría de lo que ya puedes evidenciar, no con otro marco conceptual. Toma los cuatro artefactos de la tabla de habilidades — una evaluación de clasificación de alto riesgo, una nota de construcción de cartera con exclusiones y motivos, una declaración de huella de un servicio de IA con un límite declarado y un mapa de linaje de datos para una métrica publicada — y marca cada uno como evidenciado, parcial o ausente. Quienes estén sopesando la cuestión tecnológica más amplia pueden leer también nuestra guía sobre la paradoja de la IA generativa para directivos, que aborda el uso de recursos y el beneficio climático fuera del sector financiero, y nuestra explicación sobre el reporting ambiental, social y de gobernanza (ESG) para los fundamentos de divulgación que este artículo da por supuestos. En SUMAS, estos artefactos se producen dentro de los Sustainability Industry Projects con organizaciones socias y del trabajo de capstone. El siguiente paso práctico es elegir la ruta cuya duración y formato cierren más rápido tus dos líneas más débiles.