Sostenibilidad

Esta es una traducción automática de la página en inglés y todavía no ha sido revisada por una persona hablante nativa.

Sostenibilidad — la intersección de dos preocupaciones: cómo puede usarse la IA para resultados de sostenibilidad en la educación (IA para la sostenibilidad, incluida la educación para el desarrollo sostenible y la educación verde), y cómo hacer que la IA misma sea sostenible (IA sostenible, reduciendo la huella ambiental, ética y social de los sistemas de IA en la educación). Como usuarios y desarrolladores de IA a la vez, las instituciones educativas deben impulsar objetivos ambientales y sociales al tiempo que garantizan un uso responsable y ético de la IA.

Preguntas para reflexionar

• La página distingue dos vías: «IA para la sostenibilidad» (usar la IA para impulsar resultados de sostenibilidad) e «IA sostenible» (reducir la propia huella ambiental y ética de la IA). ¿Se le ocurre una forma en que una herramienta de IA podría impulsar un objetivo y a la vez socavar el otro?
• Entrenar y ejecutar modelos de lenguaje grandes conlleva una huella real de carbono y agua. Cuando una institución promueve la sostenibilidad como valor mientras despliega IA intensiva en energía, ¿qué tensiones surgen y quién debería ponderarlas?
• Antes de seguir leyendo, ¿cómo definiría la «educación sostenible»? La página la trata como un proyecto basado en valores y centrado en las personas, distinto de usar la educación como instrumento para la sostenibilidad; ¿en qué se diferencian?
• Si se espera que la educación construya la «conciencia de sostenibilidad» de quienes aprenden, ¿qué papel podría desempeñar la IA en ello, y podría la integración de la IA en el currículo enseñar sostenibilidad mientras su propia huella contradice silenciosamente la lección?
• ¿Qué significaría que una institución educativa fuera genuinamente sostenible en su uso de la IA, y cuáles de sus decisiones (compra, despliegue, docencia) cree que importan más?

Introducción

La sostenibilidad en el AIED abarca tres encuadres que se solapan: la educación sostenible (un proyecto educativo basado en valores y centrado en las personas), la sostenibilidad en la educación (usar la educación como instrumento para la sostenibilidad) y la educación para el desarrollo sostenible (EDS, la agenda política global, en especial el Objetivo de Desarrollo Sostenible 4). La IA se cruza con cada uno de ellos de forma distinta, y el campo distingue dos vías centrales: la IA para la sostenibilidad (la IA como herramienta para lograr resultados de sostenibilidad) y la IA sostenible (reducir la propia huella ambiental y ética de la IA).

La taxonomía en dos partes

La cobertura de la base de conocimiento, anclada en Daniel et al. (2026), organiza el campo en dos vías interconectadas pero distintas:

• IA para la sostenibilidad — usar la IA para impulsar resultados de sostenibilidad. En educación esto incluye la IA para la gestión energética, la vigilancia climática, los programas de campus verdes y los currículos integrados con IA que construyen la conciencia de sostenibilidad de quienes aprenden (por ejemplo, el marco AI-SEE para la educación en ingeniería sostenible). Se fundamenta en la agenda global de la educación para el desarrollo sostenible.
• IA sostenible — reducir los impactos ambientales y éticos directos de la propia IA. Esto abarca la huella de carbono y de agua de los modelos de lenguaje grandes, el despliegue energéticamente eficiente y en servidores propios, y los marcos éticos y de gobernanza necesarios para garantizar que el uso de la IA en la educación sea en sí mismo responsable y sostenible.

Usar la IA para la sostenibilidad en la educación

Un corpus creciente de trabajo trata la IA como herramienta para la educación y los resultados de sostenibilidad:

• Currículos integrados con IA que construyen conciencia de sostenibilidad. Liu et al. (2026) proponen el marco AI-SEE (impulsado por la inteligencia, capacitado para lo verde, liderado por la responsabilidad, integrado con la práctica), que integra la IA en todo el currículo como andamiaje cognitivo y recurso para el análisis de sostenibilidad a nivel de sistema. En un caso de ingeniería con 144 estudiantes, mejoró la conciencia de sostenibilidad y produjo implicación conductual en los niveles personal, académico, profesional y social, con difusión social más allá del aula.
• La IA en la educación verde y sostenible. Talebzadeh (2026) encontró que el diseño didáctico asistido por IA bajo restricciones de pedagogía del desarrollo sostenible mejoró los flujos de trabajo docentes y el diseño pedagógico. Riandi et al. (2026) encontraron que el uso práctico de la IA por parte del profesorado en ciencias y energía verde, y su implicación en el desarrollo de materiales alineados con la EDS —más que el conocimiento o las actitudes abstractas sobre la IA—, predecía su capacidad para integrar la IA en la educación en energía verde.
• La sostenibilidad como proyecto basado en valores. Alsuhami y Atallah (2026) sostienen que la contribución de la IA a la educación sostenible es condicional y está mediada por la gobernanza: solo apoya la sostenibilidad cuando la adopción se subordina a valores educativos explícitos y a propósitos centrados en las personas, y no a la tecnologización y la mercantilización. Esto vincula la sostenibilidad con la ética y la pedagogía crítica.

Hacer que la IA misma sea sostenible

La segunda vía se ocupa de la propia huella de la IA en entornos educativos:

• Impacto ambiental de los modelos grandes. los estudios sobre el uso de LLM documentan la huella de carbono y de agua de los modelos de lenguaje grandes, que es significativa dada la alta adopción entre el estudiantado universitario. Esta es la dimensión ambiental directa de la IA sostenible.
• Despliegue energéticamente eficiente y en servidores propios. Shen et al. (2026) demuestran que los asistentes de base de conocimiento con IA pueden ejecutarse en hardware de consumo con recursos educativos abiertos, lo que reduce la huella ambiental y de coste de la IA en la educación: un patrón de diseño concreto de IA sostenible.
• Marcos éticos y de gobernanza. La IA sostenible no es solo ambiental: requiere marcos de gobernanza y ética que garanticen la transparencia, la rendición de cuentas, la supervisión humana y un acceso equitativo, algo que, como señalan Daniel et al. (2026), suele faltar en las aplicaciones universitarias actuales.

El aprendizaje sostenible como objetivo pedagógico

Una línea relacionada enmarca la sostenibilidad no solo como una preocupación ambiental o institucional, sino como una propiedad del propio aprendizaje. Zhu et al. (2026) sostienen que el aprendizaje asistido por IA corre el riesgo de externalización cognitiva y de desvinculación de contextos auténticos, y proponen marcos (E3-HOT) para el aprendizaje sostenible: un aprendizaje que persiste, se transfiere y sigue conectado a problemas reales en lugar de quedar cortocircuitado por la dependencia cognitiva. Esto conecta la sostenibilidad con la agencia y el pensamiento crítico.

Conexiones con otros conceptos

La sostenibilidad y la IA en la educación se sitúan en la intersección de la ética, la gobernanza, la IA en la educación y las ciencias ambientales y energéticas. Se apoya en la formación del profesorado y el rol docente para el desarrollo de capacidades, en el diseño del aprendizaje para la pedagogía, y conecta con el tratamiento que hace la base de conocimiento de la dependencia cognitiva y el pensamiento crítico a través de la lente del «aprendizaje sostenible». Como ambas vías son transversales, la sostenibilidad es un tema fundacional que aparece en la educación superior, en K-12 y en contextos profesionales.

Conceptos conectados

• Ética
• Gobernanza de la IA
• IA en la educación
• Educación superior
• K-12
• Desarrollo profesional
• La docencia
• Diseño de aprendizaje
• Educación en ingeniería
• Pensamiento crítico
• Descarga cognitiva
• Agencia de quien aprende
• Código abierto

Artículos conectados

• A Scoping Review of AI for Sustainability and Sustainable AI in Higher Education — Revisión de alcance de la IA para la sostenibilidad y la IA sostenible en la educación superior
• Sustainable Education in the Age of Artificial Intelligence and Digitalization: A Value-Critical Approach — Enfoque crítico con los valores sobre la educación sostenible y la IA
• Enhancing Sustainability Consciousness in Higher Education: Impacts of Artificial Intelligence-Integrated Sustainable Engineering Education — Marco AI-SEE para una educación en ingeniería sostenible
• Teacher Involvement in Developing Sustainable Education Materials for AI Integration in Green Energy Education — Implicación docente en la integración de la IA para la educación en energía verde
• The Role of Artificial Intelligence in Green Education: Optimizing Teacher Workflow and Enhancing Pedagogical Design under Sustainable Development Pedagogy (SDP) Constraints — El papel de la IA en la educación verde
• Towards sustainable AI knowledge-base assistants in computer science education: on-premise deployment and optimization with open educational resources — Asistentes de base de conocimiento con IA sostenible
• When LLMs Slow Down: How Environmental Impacts Mediate University Students' LLM Usage — Impactos ambientales del uso de LLM
• Fostering Sustainable Learning via Embodied Intelligence: The E3-HOT Framework for Higher-Order Thinking in the AI Era — Fomentar el aprendizaje sostenible mediante la inteligencia corporeizada
• Preparing Learners and Teachers for an AI-Driven Future: Emerging Trends, Pedagogical Challenges, and Critical Perspectives in Pre-University AI Education: A Systematic Literature Review — Revisión sistemática de la literatura sobre educación en IA preuniversitaria (encuadre del ODS 4)