Es una realidad, los consultores ambientales todavía evaluamos los impactos ambientales utilizando métodos cualitativos básicos. Ha llegado el momento de introducir paulatinamente un enfoque innovador basado en Inteligencia Artificial (en adelante IA) generando así índices de evaluación de impacto ambiental que reflejen estadísticamente las relaciones entre los diferentes factores ambientales y el medio, aportando patrones entre los datos minimizando así la influencia del sesgo humano, pero sin olvidar la experiencia del consultor ambiental como componente crucial en el proceso de evaluación.
Y es que la IA en el ámbito de la evaluación del impacto ambiental puede usar algoritmos de aprendizaje automático para analizar grandes y complejos conjuntos de datos. Estos se pueden además entrenar para identificar patrones y tendencias en datos que pueden ser difíciles o imposibles de detectar por el ser humano lo que permitirá predecir los posibles impactos ambientales con mayor rigor.
Otra forma en que la IA puede ayudar en la evaluación de impacto ambiental es mediante técnicas de procesamiento del lenguaje natural, analizando y extrayendo información relevante de grandes volúmenes de texto, como informes científicos, documentos regulatorios y comentarios públicos, agilizando así el proceso de revisión y garantizando que toda la información relevante (propia o no) se considere en la evaluación.
Hasta la fecha los principales trabajos de inteligencia artificial relacionados con el medio ambiente son muy diversos: destacan los relacionados con la evaluación de la biodiversidad, el análisis del ciclo de vida, la modelización de sistemas ambientales (aire, aguas subterráneas,…) o la gestión de recursos naturales pero sobre todo despuntan los trabajos relacionados con el análisis de datos medioambientales procedentes de satélites, drones, sensores, cámaras,…así como la optimización de fuentes y sistemas como por ejemplo de energías renovables o el diseño y aplicación de soluciones sostenibles para la gestión de residuos entre otros.
A pesar del gran número de publicaciones los casos de uso de la predicción en la evaluación ambiental mediante inteligencia artificial son más reducidos. Algunos ejemplos representativos y recientes son por ejemplo en el ámbito de la minería donde se ha aplicado un proceso AutoML desarrollado con una red bayesiana no supervisada capaz de evaluar dinámicamente los potenciales impactos ambientales de una mina de pizarra en Galicia (España) rodeada por la Red Natura 2000. Este estudio permitió identificar los factores de escorrentía superficial y subsuperficial, formas y volúmenes, especies o concentración individual y degradación del duelo como los posibles nodos de mayor impacto ambiental en el área de estudio.
En el ámbito de la acústica ambiental se ha usado la IA para la predicción del impacto ambiental en la voladura de túneles utilizando redes neuronales artificiales ordinarias, enjambres de partículas y redes neuronales artificiales optimizadas.
A pesar de los beneficios potenciales de la IA para mejorar la evaluación de impacto ambiental, tenemos que reconocer que estas tecnologías no son la panacea y es esencial garantizar que el uso de la IA en la evaluación ambiental no socave la importancia del juicio y la experiencia del consultor ambiental ya que es un componente crucial en el proceso de evaluación.
Nos encontramos en los albores del uso de la IA en la evaluación ambiental debido entre otros aspectos a la problemática de la calidad de los datos, el sesgo algorítmico y la necesidad de colaboración interdisciplinaria entre expertos en IA y profesionales medioambientales y es por ello que Ideas Medioambientales ya ha encontrado un gran compañero de viaje con el que ya ha comenzado recorrer el camino de la inteligencia artificial aplicada a la evaluación de impacto ambiental.
Bibliografía:
- Curmally, A., Sandwidi, B. W., & Jagtiani, A. (2022). Artificial intelligence solutions for environmental and social impact assessments. Handbook of Environmental Impact Assessment, 163.
- Gerassis, S., Giráldez, E., Pazo-Rodríguez, M., Saavedra, Á., & Taboada, J. (2021). AI approaches to environmental impact assessments (EIAs) in the mining and metals sector using AutoML and Bayesian modeling. Applied Sciences, 11(17), 7914.
- Lawal, A. I., Kwon, S., & Kim, G. Y. (2021). Prediction of an environmental impact of tunnel blasting using ordinary artificial neural network, particle swarm and Dragonfly optimized artificial neural networks. Applied Acoustics, 181, 108122.
- Yassine Himeur, Bhagawat Rimal, Abhishek Tiwary, Abbes Amira, Using artificial intelligence and data fusion for environmental monitoring: A review and future perspectives, Information Fusion, Volumes 86–87, 2022, Pages 44-75, ISSN 1566-2535
Luis A. Monteagudo, Evaluación ambiental
Caso_1_franja_h2 dentro de un div cón otra imagen

¿Te has preguntado qué habilidad podría catapultar tu carrera en los próximos años? Si estás leyendo esto, probablemente ya intuyes la respuesta: el Prompt Engineering se está convirtiendo rápidamente en la competencia más codiciada del ecosistema de IA generativa. Y no, no es una moda pasajera – hay razones muy sólidas detrás de esta tendencia.
1.1 La IA generativa está en todas partes (y apenas estamos empezando)
Seamos sinceros: desde que ChatGPT irrumpió en nuestras vidas, la IA generativa ha pasado de ser una curiosidad tecnológica a una herramienta fundamental en miles de empresas. Ya no es "si" implementarán IA, sino "cómo" lo harán mejor que su competencia.
Caso_2_seccion_idea_destacada_con_titulo_y_subtitulo este es el titular en grande que resume la idea fuerza
Caso_2_seccion_idea_destacada_con_titulo_y_subtitulo, este es el mini párrafo interior que expande y explica la frase del titular de este mismo div.
1.2 Nuevos roles que pagan (muy) bien
¿Has visto últimamente ofertas de trabajo para "Prompt Engineers" o "AI Interaction Specialists"? Estos puestos, que ni siquiera existían hace dos años, ahora ofrecen salarios iniciales de 70.000€ en Europa y más de $120.000 en Estados Unidos.
¿Por qué empresas están dispuestas a pagar tanto? Porque un buen Prompt Engineer multiplica el retorno de la inversión en tecnología de IA. No solo ahorras tiempo a toda la organización, sino que desbloqueas posibilidades de negocio que de otro modo serían inalcanzables. Es como tener una superpotencia que traduce necesidades empresariales en soluciones concretas.
1.3 Tu ventaja competitiva (mientras los demás siguen confundidos)
Piénsalo así: mientras todos aprenden a usar herramientas de IA a nivel básico, dominar el Prompt Engineering te coloca varios pasos por delante del 99% de profesionales. Es como la diferencia entre saber conducir un coche y saber diseñar un sistema de transporte eficiente.
Caso_3_seccion_frase_destacada aquí va un texto que queramos destacar de manera importante visualmente.
Además, esta habilidad es transferible entre diferentes plataformas y modelos. No importa si tu empresa usa OpenAI, Anthropic, Mistral o cualquier otra IA – los principios fundamentales del Prompt Engineering se mantienen, haciendo que tu perfil sea valioso independientemente de qué tecnología específica esté de moda.
1.4 Un camino formativo accesible desde diversos backgrounds
Una de las mejores noticias es que no necesitas ser programador para convertirte en un excelente Prompt Engineer. Si bien los conocimientos técnicos ayudan, personas de marketing, diseño, recursos humanos o prácticamente cualquier campo pueden desarrollar esta especialización.
Caso_1_franja_h2 dentro de un div cón otra imagen

Universidades y centros formativos (como nosotros en MBIT School) están incorporando módulos específicos de Prompt Engineering en sus programas, abriendo puertas a perfiles que quizás no encajarían en roles tecnológicos más tradicionales.
Dominar el Prompt Engineering no es cuestión de suerte ni de probar comandos al azar. Hay principios fundamentales que diferencian a los profesionales de los aficionados. Veamos cuáles son:
2.1 Define el objetivo y el contexto (antes de escribir una sola palabra)
El error más común que vemos en nuestras clases es lanzarse a escribir prompts sin haber definido claramente caso_4_negrita_con_interaccion sirve para poner en negrita una idea dentro de un texto y que haya una microinteracción que capture tu atención. Un prompt efectivo siempre comienza estableciendo el contexto adecuado:
Caso_5_grid_ideas sirve para dividir un contenido en varias fichas visualmente para entender mejor el contenido
Proporciona información relevante (sin abrumar con detalles innecesarios)
Establece limitaciones importantes que la IA debe considerar
Compara estos dos prompts:
❌ "Dame ideas para mi negocio"
✅ "Soy propietario de una panadería artesanal en Barcelona con clientela principalmente local. Necesito 5 ideas innovadoras para aumentar mis ventas durante los meses de verano, considerando un presupuesto máximo de 2.000€."
¿Notas la diferencia? El segundo prompt orienta a la IA con precisión y evita respuestas genéricas que no aportarían valor real.
2.2 Estructura tus instrucciones (las IAs aman el orden)
Los modelos de IA no "piensan" como nosotros. Responden mejor cuando les das instrucciones claras, secuenciales y bien estructuradas.
Para conseguir respuestas precisas:
Usa listas numeradas para secuencias de pasos
Emplea viñetas para características relacionadas
Separa visualmente las diferentes partes de tu instrucción
Un truco que funciona sorprendentemente bien: divide una tarea compleja en subtareas más sencillas. Obtendrás mejores resultados que con una única instrucción complicada.
Recuerda: si tú mismo tienes que releer tu prompt para entenderlo,
la IA probablemente también tendrá dificultades.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique. caso_8_link es un ejemplo de cómo se maqueta visualmente un enlace que queramos destacar a otro sitio.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique. Duis cursus, mi quis viverra ornare, eros dolor interdum nulla, ut commodo diam libero vitae erat. Aenean faucibus nibh et justo cursus id rutrum lorem imperdiet. Nunc ut sem vitae risus tristique posuere.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique.

caso_6_cita_autor aquí va el nombre del autor
caso_6_cita_autor aquí va el texto de la propia opinión del autor.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique. Duis cursus, mi quis viverra ornare, eros dolor interdum nulla, ut commodo diam libero vitae erat. Aenean faucibus nibh et justo cursus id rutrum lorem imperdiet. Nunc ut sem vitae risus tristique posuere.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique.
caso_7_cita_externa aqui va el nombre de la fuente caso_7_cita_externa aquí va el texto que hace referencia a la fuente externa, como un estudio, un dato oficial o similares.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Suspendisse varius enim in eros elementum tristique. Duis cursus, mi quis viverra ornare, eros dolor interdum nulla, ut commodo diam libero vitae erat. Aenean faucibus nibh et justo cursus id rutrum lorem imperdiet. Nunc ut sem vitae risus tristique posuere.