Los equipos de sostenibilidad están al límite de sus capacidades. Se encargan de todo, desde la elaboración de informes y el cumplimiento normativo hasta el desarrollo de estrategias de abastecimiento responsable y la recopilación de datos de innumerables fuentes. Incluso en las grandes marcas, estos equipos suelen ser reducidos y pasan más tiempo inmersos en hojas de cálculo que impulsando las estrategias de sostenibilidad significativas que originalmente pretendían implementar. No es de extrañar que la promesa de una IA altamente eficiente resulte tan atractiva.

Los expertos del sector sugieren que la IA puede aliviar la presión tanto sobre los equipos de sostenibilidad como sobre sus socios de la cadena de suministro, automatizando los informes medioambientales, mejorando la calidad de los datos, reformateando la información para diferentes necesidades y verificando la trazabilidad. La IA también ofrece posibles ganancias de eficiencia dentro de la propia cadena de suministro, mediante un uso más inteligente de los materiales y una previsión de la demanda más precisa. "La IA está definitivamente ayudando a los equipos de sostenibilidad con la elaboración de informes, permitiéndoles centrarse más en programas estratégicos que en el cumplimiento normativo", afirma Annie Agle, vicepresidenta de impacto y sostenibilidad de la marca de outdoor Cotopaxi.

Sin embargo, hay una advertencia. El verdadero impacto medioambiental del uso de la IA a nivel organizativo sigue siendo en gran medida desconocido. Sin un seguimiento cuidadoso, las marcas podrían aumentar involuntariamente su huella de carbono a través de la misma tecnología destinada a reducirla.

"Los beneficios son claros, pero también sabemos que hay impactos negativos que aún no se comprenden del todo", señala Agle. "Aún no sabemos cómo esa huella digital afecta a nuestras mediciones de gases de efecto invernadero".

Para conocer cómo los equipos de sostenibilidad están integrando la IA y abordando estas incertidumbres, Vogue Business habló con una selección de marcas de distintos tamaños y segmentos de mercado. Mientras que algunas llevan años utilizando la IA, otras aún están experimentando, pero todas coinciden en que la IA desempeñará un papel en sus operaciones futuras.

**Cómo utilizan la IA los equipos de sostenibilidad**

H&M informa que utiliza la IA en toda su cadena de suministro, logística, marketing, ventas y experiencia del cliente. La marca afirma que la IA respalda su objetivo de producir solo lo que vende, optimizando las cantidades de producción, las ubicaciones de venta y la sincronización. "Esto tiene efectos positivos en el uso de recursos, el inventario, las materias primas y las emisiones", explica H&M.

El grupo de lujo Kering, propietario de marcas como Gucci y Balenciaga, nombró a Pierre Houlès director digital, de IA y TI en marzo de 2026. La empresa lleva varios años implementando la IA en casas de moda seleccionadas. Al igual que H&M, Kering utiliza IA analítica para prever la demanda y optimizar los niveles de inventario de cada producto, según Marie-Claire Daveu, directora de sostenibilidad y asuntos institucionales. Al igual que Cotopaxi, también emplea la IA para automatizar y mejorar la fiabilidad de los informes, utilizando herramientas que recopilan automáticamente y corrigen de forma inteligente los datos de los sitios de Kering. A nivel de desarrollo de producto, el Material Innovation Lab de Kering, con sede en Italia —que investiga materiales más sostenibles— creó un agente de IA de ecodiseño para proporcionar orientación técnica a los equipos de diseño. Esto ayuda a tender puentes entre los equipos de diseño y sostenibilidad, a menudo separados, garantizando que el trabajo de un grupo no socave los objetivos del otro.

Mientras que H&M y Kering han integrado la IA en sus operaciones principales durante varios años, otras marcas la utilizan principalmente para aligerar la carga de trabajo. "En lo que respecta a la IA, todavía estamos en las primeras fases de exploración", declaró Alfred Chang, director ejecutivo de Everlane, en un comunicado a Vogue Business. "Nos centramos en cómo podría apoyar los procesos internos del día a día y ahorrar tiempo". H&M SS26.
Foto: Cortesía de H&M Group

Agle señala que su pequeño equipo utiliza la IA para traducir los datos brutos de los proveedores en mediciones de gases de efecto invernadero (GEI), reformatear datos para diversos informes y crear visualizaciones que ayuden a todo el equipo a comprender el impacto de la empresa. "Realmente ayuda con la productividad. Definitivamente creo que las empresas que no adopten la IA tendrán dificultades para competir comercialmente", afirma.

Maximilien Abadie, director general adjunto de la empresa tecnológica francesa Lectra, está de acuerdo. Lectra ofrece soluciones de IA que ayudan a las marcas de moda a cumplir sus objetivos de sostenibilidad, como verificar datos de trazabilidad y optimizar el corte de tejidos para reducir los pedidos excesivos. Pero Abadie cree que la mayor oportunidad radica en acortar el tiempo de comercialización. "El reto para cualquier empresa de moda es cómo mantenerse competitiva en un mundo lleno de disrupciones e incertidumbres diarias, donde no se puede predecir lo que sucederá en tres o seis meses. Hay que estar presente en el momento adecuado, con el producto adecuado, al precio adecuado, en las cantidades adecuadas, para el consumidor adecuado".

Maximilien Abadie, director general adjunto de la empresa tecnológica francesa Lectra.
Foto: Cortesía de Lectra

Mientras que la IA se utiliza para reducir residuos y optimizar las cadenas de suministro, también se despliega ampliamente con fines comerciales y creativos. "Desde 2018, hemos desarrollado más de 15 plataformas internas de aprendizaje automático, todas creadas para potenciar la creatividad, la eficiencia y el servicio al cliente", afirma Jordi Alex, director de tecnología de la información del minorista español Mango.

Según Alex, Mango desarrolló la mayoría de estas plataformas internamente. Esto incluye su asistente de IA Iris, que gestiona más de 7,5 millones de consultas de clientes al año. Otra herramienta, Gaudi, utiliza datos de navegación y compra de los clientes para generar recomendaciones de productos personalizadas. Mango también utiliza IA generativa para crear imágenes de campañas y colecciones. Estas amplias aplicaciones, más allá de la sostenibilidad, aumentan la urgencia de que las marcas examinen los impactos medioambientales subyacentes de la IA.

Una imagen de campaña generada por IA para Mango Teen.
Foto: Cortesía de Mango y generada por IA

**Impactos desconocidos**

Es ampliamente reconocido que el crecimiento de la IA ha aumentado la demanda de energía y agua, esta última utilizada para refrigerar los centros de datos. Un artículo de 2025 en **Nature** afirmaba que, con las tasas de crecimiento actuales, los servidores de IA solo en EE.UU. generarían entre 24 y 44 millones de toneladas métricas de dióxido de carbono (CO₂), equivalente a añadir entre 5 y 10 millones de coches a las carreteras estadounidenses. Su huella hídrica anual oscila entre 731 y 1.125 millones de metros cúbicos, una preocupación agravada por el hecho de que muchos centros de datos se encuentran en algunas de las regiones más secas del mundo. En abril de 2025, la Agencia Internacional de la Energía (AIE) informó de que los centros de datos representaron el 1,5% del consumo energético mundial en 2024, una cifra que se espera que aumente al 3% para 2030.

Aunque los centros de datos dan soporte a más cosas que solo la IA, se prevé que las cargas de trabajo de IA representen la mitad de toda la capacidad de los centros de datos para 2030, lo que subraya su significativa y creciente demanda energética. La empresa estadounidense de IA Anthropic ha reconocido que la capacidad de la red eléctrica y el crecimiento de los centros de datos necesarios para su tecnología aumentarán los precios de la electricidad para los consumidores y ha declarado que cubrirá los costes de infraestructura relacionados. La empresa no respondió a las solicitudes de comentarios.

Aunque se pueden hacer proyecciones más amplias, calcular el impacto de la IA a nivel organizativo es mucho más complicado. "Va a ser muy complicado entender los impactos de la IA como una empresa que no es de IA. Cuando es tu servicio y eres dueño de los centros de datos, puedes contar el uso de electricidad y agua necesarios para la refrigeración", dice Agle de Cotopaxi. Pero para una marca de moda que no controla toda la infraestructura subyacente, evaluar la huella completa sigue siendo un desafío. Es extremadamente difícil llegar a una cifra exacta de cómo utiliza la IA cada empleado, ya sea escribiendo correos electrónicos con ChatGPT o recopilando datos con herramientas internas. Este cálculo también depende de que las empresas de IA midan y validen sus propios impactos para que terceros puedan utilizar los datos. Sin embargo, actores importantes como OpenAI, Perplexity y Anthropic no han hecho públicos datos de emisiones, y ninguno respondió a las solicitudes de comentarios.

"Va a ser muy complicado para una empresa que no es de IA entender los impactos de la IA. Cuando es tu servicio y eres dueño de los centros de datos, puedes contar la electricidad y el agua necesarias para la refrigeración", afirma un experto.

Kering afirma que supervisa estrechamente el impacto medioambiental de la IA en todas sus actividades de TI, incluidos los centros de datos y el uso de la nube, y señala que las TI representan menos del 2% de su huella de carbono total. Entre las empresas contactadas, Kering fue la única que compartió un esbozo de su estrategia de mitigación: priorizar modelos sencillos y eficientes en recursos y trabajar con socios tecnológicos para apoyar la descarbonización y mejorar la transparencia en los informes de carbono.

Kering no especificó la fuente de sus datos, y actualmente no existen métricas estandarizadas. Para permitir evaluaciones comparables en el futuro, la Coalición para una IA Sostenible —impulsada por el gobierno francés, el Programa de las Naciones Unidas para el Medio Ambiente (PNUMA) y la Unión Internacional de Telecomunicaciones (UIT)— pide una estandarización global. Como paso hacia ello, la UIT publicó en febrero de 2026 directrices para evaluar y minimizar el impacto medioambiental de los sistemas de IA. Además, en enero de 2026, el Grupo de Trabajo sobre Divulgaciones Financieras Relacionadas con la Naturaleza (TNFD, por sus siglas en inglés) publicó un borrador de orientación sectorial para el sector de la tecnología y las comunicaciones para ayudar a las organizaciones a evaluar sus dependencias, impactos, riesgos y oportunidades relacionados con la naturaleza. Estos son pasos iniciales hacia un sistema estandarizado, similar a los utilizados para informar sobre los impactos de la producción o el transporte.

Hasta que se establezcan y adopten ampliamente marcos sólidos, las marcas deben encontrar su propio camino. En ausencia de estándares globales para calcular la huella de la IA, Cotopaxi planea usar estimaciones aproximadas para entender su impacto. "El primer paso es entender nuestro uso. ¿Qué contratos tenemos con un proveedor de IA? ¿Qué tipo de uso vemos por parte de los empleados? Si tenemos un cierto número de empleados usando una herramienta como Claude, y Claude reporta un conjunto de emisiones, ¿qué porcentaje de esas emisiones nos corresponde? Va a ser un desafío medirlo, pero tenemos que intentarlo", dice Agle de Cotopaxi.

**De la medición a la mitigación**

Para Cotopaxi, medir el impacto es el primer paso para crear una política de IA responsable. Algunas marcas ya tienen tales políticas en marcha. H&M desarrolló un marco de IA responsable en 2018, mientras que la adopción de la IA en Mango está liderada por un comité directivo. "A través de una gobernanza centralizada, formación y programas como AI Champions —embajadores internos que apoyan la adopción y comparten las mejores prácticas— nos aseguramos de que la IA se adopte correctamente y ayude a nuestra gente a alcanzar su potencial", afirma un representante de Mango. Sin embargo, muchas políticas existentes se centran en la ética de la IA, como la seguridad, la lucha contra los sesgos y la transparencia, más que en los factores medioambientales.

El marco general del Ministerio de Transición Ecológica de Francia para el uso frugal de la IA pretende llenar ese vacío ofreciendo orientación sobre las mejores prácticas y cómo pasar de... De la medición a la mitigación, el ministerio sugiere que las marcas consideren varios pasos. Pueden cuestionar si la IA es realmente necesaria para tareas específicas, programar la formación en IA en momentos en que los centros de datos dependan de energías renovables, utilizar datos de entrenamiento precisos y de alta calidad para reducir las demandas de computación, y explorar si un modelo de IA menos intensivo en energía podría ser eficaz.

Si bien son comunes las grandes plataformas de IA multipropósito impulsadas por centros de datos, existen alternativas. Literal Labs, con sede en el Reino Unido y surgida de la Universidad de Newcastle, se centra en crear modelos de IA eficientes que no requieran unidades de procesamiento gráfico (GPU) especializadas y costosas. En su lugar, sus modelos se ejecutan en chips más pequeños, baratos y eficientes que se encuentran en dispositivos cotidianos como mandos a distancia de televisión o microondas. Lo logran reemplazando las complejas redes neuronales detrás de sistemas como ChatGPT con redes más simples basadas en lógica "si/entonces", que requieren mucha menos potencia de cálculo.

Según Daniel Dykes, director de producto de la empresa, este enfoque no muestra compromisos en cuanto a capacidad. Tanto las redes neuronales como las basadas en lógica pueden realizar aprendizaje profundo para manejar datos complejos. En una prueba de previsión de la demanda para una empresa alimentaria, su red basada en lógica fue un 7% más precisa que un competidor líder de red neuronal.

Dykes señala: "Si un algoritmo no requiere hardware especializado, un centro de datos o una nueva central eléctrica, has resuelto muchos de los problemas que plantea la IA actual". La empresa, que opera en la región EMEA y en sectores como el de los servicios públicos de agua, afirma que su proceso de entrenamiento es más de 50 veces más eficiente energéticamente y 54 veces más rápido que las redes neuronales equivalentes.

Otro innovador británico, DeepGate, está desarrollando una IA que se ejecuta en chips más pequeños, detectando eficientemente "palabras de activación" (como "Oye Siri") y clasificando imágenes. Aunque no es un reemplazo completo para sistemas más exigentes, demuestra que muchas tareas especializadas pueden ejecutarse en hardware más barato y eficiente energéticamente en lugar de en GPU. Algunos ejemplos incluyen la inspección de la calidad de los materiales o la detección de irregularidades en documentos y datos de la cadena de suministro: aplicaciones específicas y dirigidas.

Luke Taylor, cofundador de DeepGate, explica que estos sistemas más simples pueden complementar a los más grandes, manejando tareas especializadas solo cuando es necesario en lugar de funcionar continuamente, lo que desperdicia energía.

Están surgiendo soluciones, pero para utilizarlas estratégicamente, las marcas deben primero comprender el impacto completo de la IA para asegurarse de que beneficia a la sostenibilidad. Como señala Abadie de Lectra: "No tiene sentido mejorar algo en un área mientras se aumenta la contaminación y las emisiones de CO₂ en otra". Él cree que una mayor concienciación conducirá a ciclos de desarrollo más cortos y a una IA mejor. "A medida que avancemos, más gente se dará cuenta de que el impacto medioambiental debe considerarse desde el principio. Si la IA crea más daño que beneficio, no vale la pena invertir en ella".

Preguntas Frecuentes
Preguntas frecuentes: ¿Hará la IA que la moda sea más sostenible o menos?



Preguntas de Nivel Básico



1. ¿Qué significa incluso moda sostenible?

La moda sostenible se refiere a la ropa que está diseñada, fabricada, distribuida y utilizada de formas que son respetuosas con el medio ambiente y socialmente responsables. Su objetivo es minimizar el daño al planeta y garantizar condiciones justas para los trabajadores.



2. ¿Cómo puede ayudar la IA a la moda en absoluto?

La IA puede ayudar de muchas maneras, como predecir tendencias para reducir la sobreproducción, diseñar ropa con menos residuos, optimizar las cadenas de suministro para ahorrar energía y ayudar a los clientes a encontrar artículos que les encantarán y conservarán durante más tiempo.



3. Entonces, ¿es la IA básicamente algo bueno para hacer la moda más ecológica?

Tiene el potencial de ser una herramienta poderosa para el bien, pero no es automático. El resultado depende de cómo las empresas elijan usarla. Si se usa para