El debate en torno al consumo energ\u00e9tico de la Inteligencia Artificial se intensifica d\u00eda a d\u00eda. Diversas investigaciones han advertido que la emisi\u00f3n de CO2 generada por el entrenamiento de algoritmos puede superar con creces a la de varios autos durante su vida \u00fatil; espec\u00edficamente tambi\u00e9n que s\u00f3lo una sesi\u00f3n de entrenamiento de GPT-3 utiliza la misma cantidad de energ\u00eda que 126 hogares daneses durante un a\u00f1o, lo que, a su vez, es comparable con la huella de carbono de un autom\u00f3vil recorriendo 700.000 millas. A esto se suma la infraestructura ligada a la IA, como los grandes centros de datos, que consumen una enorme cantidad de agua en tiempos de creciente d\u00e9ficit h\u00eddrico.<\/p>\n
Sin embargo, en la actualidad tambi\u00e9n se observa a la IA como una herramienta que puede adquirir una importancia fundamental en la lucha contra el cambio clim\u00e1tico, por ejemplo, para optimizar el consumo energ\u00e9tico de edificios; monitorear y prevenir la contaminaci\u00f3n atmosf\u00e9rica; controlar y predecir la demanda de agua; detectar vertidos de petr\u00f3leo; y reducir emisiones de gases de efecto invernadero por parte de las empresas; entre otros.<\/p>\n
Recientemente, en el Foro Anual de Desarrollo de China, el CEO de Apple Inc., Tim Cook, afirm\u00f3 que la inteligencia artificial proporciona un enorme conjunto de herramientas para cualquier empresa que quiera ser neutra en carbono o reducir sus emisiones en una cantidad sustancial. Una de ellas es la mejora de rutas de transporte. Desde la automatizaci\u00f3n de rutas mediante chatbots, hasta el despliegue de veh\u00edculos aut\u00f3nomos, las rutas din\u00e1micas y el auto-reabastecimiento de inventarios, la inteligencia artificial ha transformado radicalmente la manera en que concebimos la entrega de mercanc\u00edas y productos en menos de una d\u00e9cada.<\/p>\n
Principalmente, hemos visto que la inteligencia artificial (IA) y el aprendizaje autom\u00e1tico (ML) est\u00e1n revolucionando la log\u00edstica de \u00faltima milla, proporcionando soluciones innovadoras que no s\u00f3lo permiten entregas personalizadas, sino que m\u00e1s eficientes. Este tipo de tecnolog\u00edas han permitido optimizar las rutas de entrega en tiempo real, considerando factores como el tr\u00e1fico y las condiciones clim\u00e1ticas, lo que reduce significativamente los tiempos de tr\u00e1nsito y, con ello, la huella de carbono por concepto de despachos, sumado a los costos operativos.<\/p>\n
Adem\u00e1s, el ML puede prever con precisi\u00f3n las ventanas de entrega m\u00e1s convenientes para los clientes, bas\u00e1ndose en patrones de comportamiento y preferencias anteriores, lo que reduce las entregas fallidas, que tambi\u00e9n son hoy un costo energ\u00e9tico. Por su parte, la retroalimentaci\u00f3n recopilada y analizada mediante machine learning posibilita una mejora continua, que permite optimizar constantemente las operaciones log\u00edsticas. Un ejemplo de esto es lograr ajustar las rutas seg\u00fan la experiencia previa.<\/p>\n
El uso de softwares de \u00faltima milla est\u00e1 ayudando hoy d\u00eda a reducir la huella de carbono. Se estima que quienes utilizan este recurso pueden ahorrar aproximadamente 30% en gastos de combustible. En ese sentido, la IA puede ser un actor de gran importancia en el rubro para responder a la cada vez mayor necesidad de sostenibilidad y eficiencia, no s\u00f3lo en la log\u00edstica de entregas, sino en todos los \u00e1mbitos del quehacer humano.<\/p>\n
Por Carlos D\u00edaz Ojeda, General Manager de DispatchTrack para Latinoam\u00e9rica<\/p>\n","protected":false},"excerpt":{"rendered":"
El debate en torno al consumo energ\u00e9tico de la Inteligencia Artificial se intensifica d\u00eda a d\u00eda. Diversas investigaciones han advertido que la emisi\u00f3n de CO2 generada por el entrenamiento de algoritmos puede superar con creces a la de varios autos durante su vida \u00fatil; espec\u00edficamente tambi\u00e9n que s\u00f3lo una sesi\u00f3n de entrenamiento de GPT-3 utiliza la misma cantidad de energ\u00eda que 126 hogares daneses durante un a\u00f1o, lo que, a su vez, es comparable con la huella de carbono de un autom\u00f3vil recorriendo 700.000 millas. A esto se suma la infraestructura ligada a la IA, como los grandes centros de datos, que consumen una enorme cantidad de agua en tiempos de creciente d\u00e9ficit h\u00eddrico.<\/p>\n","protected":false},"author":1,"featured_media":14653,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"jnews-multi-image_gallery":[],"jnews_single_post":[],"jnews_primary_category":[],"jnews_social_meta":[],"jnews_override_counter":[],"footnotes":""},"categories":[83],"tags":[],"class_list":["post-14668","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-analisis"],"acf":[],"yoast_head":"\n