Esta sinopsis se basa en el artículo completo que aparece aquí: paper.
Los importantes costes ecológicos de la IA están suscitando una preocupación cada vez mayor. Los Modelos de Lenguaje Grande (Large Language Models), en particular, se han convertido en un elemento clave en la IA y en la economía en general. Asimismo, la traducción automática neuronal (NMT) también se suele considerar como un ejemplo paradigmático de los logros de la IA. En pleno agravamiento de la crisis climática, los profesionales del lenguaje y los estudiosos de la traducción luchan contra las consecuencias medioambientales que resultan del frecuente uso de estas tecnologías en su campo.
Hacer frente a los daños medioambientales que causa la IA dentro y fuera del ámbito de la traducción profesional implica luchar contra las poderosas fuerzas estructurales que configuran y potencian el uso de estas tecnologías en toda la sociedad. Con este fin, el artículo recoge el llamamiento de Piñeiro (2022) a favor de la «traducción contrahegemónica» y en pro de los esfuerzos colectivos para retar a los poderosos actores que perpetúan los daños socioambientales. Este enfoque pone en primer plano “las prácticas traductoras (profesionales y no profesionales) con las cuales los pueblos que se organizan en la primera línea de la lucha contra el extractivismo acceden a la información que necesitan, se apropian de materiales claves y construyen redes de solidaridad internacional” (Piñeiro, 2022, p. 159). Tomando como punto de partida este espíritu de resistencia, el presente artículo ofrece un marco para la práctica de la eco-traducción que se enfrenta a unas fuerzas extractivistas que perpetúan los daños medioambientales de la IA tanto dentro como fuera del ámbito de la traducción.
A pesar de que cada vez se es más consciente del problema de los costes ecológicos de la IA, la naturaleza y la magnitud de estos daños siguen sin entenderse demasiado bien entre los profesionales de la traducción, los académicos y los activistas. De ahí que este artículo describa el alcance y la naturaleza compleja de los daños medioambientales de la IA en tres áreas principales: las emisiones de carbono, el consumo de agua y la contaminación por la extracción de minerales raros. La complejidad de estos daños deja clara la necesidad de un cambio social importante para hacer frente al impacto ecológico de la IA.
Para que la traducción genere un cambio social positivo, es necesario tener en cuenta cómo los marcos narrativos de los problemas sociales dan lugar a asunciones sobre cómo resolverlos (Baker, 2019). Los marcos narrativos dominantes relativos al problema de los daños medioambientales de la IA y las soluciones propuestas se han centrado en iniciativas voluntarias de sostenibilidad empresarial (por ejemplo, compensación de carbono y compromisos de positividad hídrica), eficiencia tecnológica y mejores prácticas de divulgación. Como señala brevemente el artículo, estos enfoques han demostrado ser insuficientes, sobre todo porque el auge del uso agregado de la IA eclipsa las mejoras en la eficiencia de los modelos (Varoquaux et al., 2024; Bhardwaj et al., 2025, Luccioni et al., 2025). Una aproximación más crítica a los daños planetarios de la IA se basa en el marco de los límites planetarios (Rockström et al., 2009), que evalúa los impactos acumulativos de estas tecnologías en los delicados sistemas y las limitaciones de recursos de la Tierra (véase Falk et al., 2024; Bhardwaj et al., 2025). El artículo destaca cómo el poder económico de la industria tecnológica es un factor muy importante en la configuración y aceleración del consumo de recursos relacionados con la IA (Hogan y Blue, 2024; Kwet, 2024). La concentración de poder entre los gigantes tecnológicos presenta una hegemonía inequívoca a la que hay que hacer frente en la formulación de una agenda de traducción contrahegemónica centrada en los costes medioambientales de la IA.
Los graves desequilibrios de poder suelen provocar un alto grado de distanciamiento con respecto a las formas interrelacionadas de consumo de recursos. Dicho distanciamiento denota «la naturaleza cada vez más aislada de las decisiones de consumo, ya que los responsables de la toma de decisiones en los nodos individuales están desconectados de una comprensión contextualizada de las ramificaciones de sus decisiones, tanto en la parte inicial como final de la cadena» (Princen et al., 2002, p. 16). Princen (2002b, p. 129) asegura que reducir la distancia disminuirá la dispersión de la responsabilidad entre las redes de responsables de la toma de decisiones de las cadenas de producción, fomentando así los bucles de retroalimentación ecológica que inhiben el consumo excesivo de recursos y evitan la degradación medioambiental. La traducción puede desempeñar un papel clave en la reducción de la distancia, gracias a su capacidad para reforzar el acceso a la información de las comunidades de primera línea y las solidaridades internacionales en apoyo de la resistencia frente a las prácticas extractivas (Piñeiro, 2022).
Como se argumenta en este artículo, existe un alto grado de distanciamiento en cada uno de los nodos de la cadena de producción global de la IA, como por ejemplo la construcción de centros de datos. Por lo tanto, enfrentarse a los daños medioambientales de la IA hace necesario ir más allá de los contextos limitados en los que los usuarios finales (por ejemplo, los profesionales de la traducción) se encuentran con estas tecnologías, y, así, enfrentarse a las fuerzas estructurales que impulsan el uso creciente de la IA en toda la sociedad, es decir, el control unilateral de las grandes tecnológicas sobre la cadena de producción global de la IA. En este contexto, las estrategias de resistencia pueden clasificarse en dos niveles o escalas:
La resistencia vocacional se refiere a las estrategias que minimizan el impacto ecológico de las tecnologías lingüísticas de IA desplegadas en la industria de la traducción. Esta perspectiva pone de relieve la traducción como profesión, una profesión que ya se encuentra estrechamente y cada vez más entrelazada con las tecnologías de IA.
La resistencia estructural tiene que ver con estrategias que desafían directamente las fuerzas estructurales más amplias que hay detrás de la intensificación y expansión de los procesos extractivos asociados con el uso de la IA en toda la sociedad. Esta perspectiva subraya la traducción como una práctica con un gran potencial para apoyar el acceso vital a la información y las solidaridades transnacionales.
El artículo ofrece recomendaciones de acciones relativas tanto a la resistencia vocacional como estructural. Aunque las estrategias de resistencia sugeridas aquí son necesariamente una lista provisional e incompleta, también es cierto que pueden ser un punto de partida para que los traductores consideren acciones tangibles para resistir los daños ecológicos de la IA mediante la reducción del distanciamiento. Asimismo, estas recomendaciones amplían y se inspiran en los esfuerzos relevantes de los grupos activistas existentes. El concepto de distanciamiento es útil a la hora de identificar y oponerse a las estructuras de poder que sustentan el extractivismo de la difusa cadena de suministro de la IA. Sin embargo, las acciones aquí propuestas también se inspiran en una rica tradición de traducción activista que surge principalmente del Sur Global (véase Gould y Tahmasebian, 2020), entendiendo igualmente que el activismo implica enfrentarse al poder (Bandia, 2020). Estas acciones recomendadas también siguen la insistencia de Piñeiro (2026) en la necesidad de relacionar la traducción y la investigación en traducción con actos concretos de resistencia, uniéndose a las luchas históricas contra el extractivismo que surgen en el Sur Global y que son muy anteriores a las tecnologías de IA.
Se necesita un cambio radical de perspectiva para enfrentarse a los daños ecológicos que causan las tecnologías de IA utilizadas tanto dentro como fuera de nuestra profesión. Este artículo afirma que la exigencia de las grandes tecnológicas de crecer a toda costa es la principal fuerza detrás del aumento de los daños medioambientales causados por la IA, y que la consolidación del poder entre estos proveedores de servicios en la nube contribuye a un grave distanciamiento a lo largo de la cadena de producción global de la IA. Como se señala aquí, una eficaz resistencia a estos daños medioambientales implica reducir este distanciamiento mediante prácticas de traducción estratégicas tanto a nivel profesional como estructural.
