From data engineering to financial resilience: how AI-based decisions optimize assets and protect EBITDA in the face of climate risk.
Marian Buraschi
Socia y Directora de Libélula
Would you prefer to listen to it? Play the audio here
En el actual escenario de volatilidad climática, la sostenibilidad corporativa en el Perú ha dejado de ser un ejercicio de relaciones públicas para transformarse en un desafío crítico de ingeniería de datos. Con el Banco Central de Reserva del Perú (BCRP) advirtiendo que fenómenos como El Niño pueden restar hasta 1.5 puntos porcentuales al PBI nacional (BCRP, 2025), la Inteligencia Artificial (IA) emerge como el sistema operativo indispensable para la resiliencia financiera del sector privado. Para el CEO peruano, la IA no es solo una herramienta de productividad, es la llave para gestionar riesgos climáticos y optimizar activos en tiempo real en un territorio geográficamente complejo.
La integración de Machine Learning en procesos críticos está demostrando retornos inmediatos. En sectores intensivos como la minería y la agroindustria, el uso de analítica avanzada permite ahorros de energía de entre el 8% y 15% (EY, 2025), optimizando el EBITDA sin requerir inversiones masivas en activos fijos. Esta capacidad de anticipación permite ajustar la producción para evitar picos tarifarios y episodios de estrés hídrico que protegen directamente los márgenes operativos. Asimismo, la IA actúa como un escudo en la logística inversa, reduciendo los costos de recolección hasta en un 22% (MIT CTL, 2024). Este enfoque fortalece la resiliencia ante cambios climáticos y reduce riesgos ante la volatilidad de productos vírgenes, permitiendo recuperar parte de los S/ 1,100 millones que el país pierde anualmente en residuos aprovechables (MINAM).
Sin embargo, este avance enfrenta una paradoja energética crítica, pues el crecimiento de los centros de datos proyecta una presión sin precedentes sobre la demanda eléctrica global (AIE, 2024). Gestionar el riesgo reputacional y financiero implica adoptar una evaluación honesta de la huella de carbono digital y la medición de emisiones de Alcance 3; de lo contrario, el riesgo de caer en el «AI-washing», automatizar procesos a un costo energético insostenible, impactará negativamente en la valoración de la compañía ante inversionistas conscientes.
Finalmente, la IA es el núcleo de la gestión del riesgo de cumplimiento. Al integrar datos operativos con métricas de sostenibilidad, las empresas pueden alinear sus resultados con los estándares IFRS S1 y S2, cuya exigencia para 2026 ya es ineludible (Fundación IFRS, 2025). Esta capacidad de transformar datos no financieros en activos auditables mitiga riesgos legales y desbloquea el acceso a financiamiento sostenible. Como advierte BloombergNEF (2025), el capital hoy fluye hacia las organizaciones que demuestran control y trazabilidad.
En la hoja de ruta de adopción de IA, ¿está considerando estratégicamente su enlace con la resiliencia climática y la sostenibilidad como un motor de rentabilidad?
Published in the Diario Gestión.
