Inteligencia artificial y sostenibilidad: innovación para el desarrollo sustentable y la eficiencia energética
DOI:
https://doi.org/10.62452/whgwy586Palabras clave:
Inteligencia artificial, sostenibilidad, energías renovables, eficiencia energética, innovación tecnológicaResumen
La convergencia entre la Inteligencia Artificial (IA) y las tecnologías sustentables está redefiniendo la eficiencia de los sistemas energéticos y ambientales. Este estudio examina el impacto de la IA en la optimización de energías renovables, la gestión de residuos y la reducción de la huella de carbono. Mediante un enfoque de investigación mixto, que combina revisión sistemática de literatura, análisis de datos cuantitativos y modelado predictivo, se identifican tendencias clave y oportunidades emergentes. Los hallazgos confirman que la IA mejora la eficiencia operativa hasta en un 35 %, reduce el desperdicio de recursos en un 30 % y contribuye a la gestión inteligente de redes eléctricas y sistemas de reciclaje. Se discuten también los desafíos relacionados con el alto consumo energético de los modelos de IA y la necesidad de infraestructura adecuada para su implementación a gran escala. Se llega a comprobar que el uso de algoritmos de aprendizaje automático puede incrementar la eficiencia operativa de sistemas energéticos y mejorar la gestión de residuos a través de técnicas de visión artificial. Asimismo, el análisis estadístico ha revelado una reducción significativa en el desperdicio de recursos mediante la aplicación de IA en la predicción y optimización del consumo energético.
Descargas
Referencias
Alvarado Bastidas, E. A. (2024). Evaluación de sistemas electrónicos de bajo consumo energético en IoT: Aplicaciones educativas para reducir el consumo energético. Sage Sphere International Journal, 1(2). https://sagespherejournal.com/index.php/SSIJ/article/view/6
Buitrón-Barros, H. O. (2024). Integración de inteligencia artificial en redes eléctricas inteligentes y su potencial transformador. Horizon Nexus Journal, 2(2), 29-42. https://doi.org/10.70881/hnj/v2/n2/37
Castillo, D., & Aguas Bucheli, L. F. (2021). Uso de la visión artificial para la clasificación de residuos sólidos. Nexos científicos, 5(2), 48–57. https://nexoscientificos.vidanueva.edu.ec/index.php/ojs/article/view/61
Concha Vargas, G. .(2024). Análisis preliminar del impacto ambiental de la Inteligencia Artificial. Revista Avante De Ciencias Sociales Y Humanidades, 4(1), 49–57. https://doi.org/10.5281/zenodo.14028841
Marasco, D., Bufanio , R. D., Monte, G., Scarone, N., Agnello , A., Zappa, A., Amadio, M., & Wild Cañon, C. (2023). Propuesta de electrónica de potencia para la protección y optimización del desempeño de una turbina eólica de baja potencia conectada a la red eléctrica de baja tensión. Ingenio Tecnológico, 5. https://ingenio.frlp.utn.edu.ar/index.php/ingenio/article/view/83
Montúfar Chiriboga , G. J. (2025). El estado del arte de la integración de sistemas inteligentes en la edificación y su impacto en la eficiencia energética. REICIT, 4(2), 169–182. https://doi.org/10.48204/reict.v4n2.6759
Mora Pin, G. S., Delgado Segovia, M. L., Pico Macias, J. J., & Vélez Sánchez, A. (2025). Modelo basado en Redes Neuronales para medir la huella de carbono en emprendimientos ecuatorianos. Serie Científica De La Universidad De Las Ciencias Informáticas, 18(1), 232-146. https://publicaciones.uci.cu/index.php/serie/article/view/1809
Salas, H., Quispe, H., Soto, J., & Jurado, V. (2023). Diseño de redes de distribución de abastecimiento de agua utilizando métodos racionales complejos e inteligencia artificial en Callqui Grande-Huancavelica. Revista Científica Ciencias Ingenieriles, 3(1), 12–26. https://doi.org/10.54943/ricci.v3i1.221
Sánchez Yáñez, J. M., & Márquez Benavides, L. (2024). Gestión de residuos sólidos y la inteligencia artificial en el contexto mexicano. Ciencia Nicolaita, (90). https://doi.org/10.35830/cn.vi90.722
Sies, H. B., Belousov, V., Chandel, N., Davies, M., Jones, D., Mann, D., Murphy, M., Yamamoto, M., & Winterbourn, C. (2022). Defining roles of specific reactive oxygen species (ROS) in cell biology and physiology . Nature reviews Molecular cell biology, 23(7), 499 - 515. https://pubmed.ncbi.nlm.nih.gov/35190722/
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Byron Oviedo-Bayas, Cristian Zambrano-Vega, Eduardo Amable Samaniego-Mena, Ángel Torres-Quijije (Autor/a)

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Los autores conservan los derechos de autor, garantizando a la Revista el derecho a la primera publicación del trabajo. Los autores ceden a la Revista los derechos de explotación de la obra autorizándola a la distribución y comunicación pública con fines no comerciales. Los autores conservan los derechos morales sobre la obra publicada. Los derechos patrimoniales le corresponden a la Revista.