Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 227-239
https://revistas.ulasalle.edu.pe/innosoft
Esta obra est´a bajo una Licencia
Creative Commons Atribuci´on
4.0 Internacional.
Tipo de art´ıculo: Art´ıculos de revisi´on
Tem´atica: Inteligencia artificial
Recibido: 8/1/2026 | Aceptado: 10/3/2026 | Publicado: 30/3/2026
Identificadores persistentes:
DOI: 10.48168/innosoft.s29.a250
ARK: ark:/42411/s29.a250
Uso de la inteligencia artificial en la preservacion de
ecosistemas y biodiversidad: Una Revisi´on Sistematica
Using artificial intelligence in the preservation of ecosystems
and biodiversity: A systematic review
Fernando Marcelo Infante Villalobos
1[0009-0001-1945-4307]*
, Marcelino Torres
Villanueva
2[0000-0002-9797-1510]
1
Universidad Nacional de Trujillo. Trujillo, Per´u.. t033300420@unitru.edu.pe
2
Universidad Nacional de Trujillo. Trujillo, Per´u.. mtorres@unitru.edu.pe
∗
Autor para correspondencia: t033300420@unitru.edu.pe
Resumen
El uso de la inteligencia artificial (IA) en la preservaci´on de ecosistemas y biodiversidad, destacando sus
aplicaciones en el monitoreo de especies, predicci´on de cambios ecosist´emicos, detecci´on de actividades ilegales
y educaci´on ambiental. Se resaltan beneficios como el an´alisis r´apido de datos, la restauraci´on eficiente de
ecosistemas y la colaboraci´on global mediante plataformas integradas. Sin embargo, enfrenta desaf´ıos como
la falta de datos de calidad, infraestructura limitada y retos en la integraci´on con m´etodos tradicionales. La
IA, combinada con pr´acticas conservacionistas, tiene un gran potencial para transformar la gesti´on ambiental,
siempre que se superen los obst´aculos relacionados con acceso, formaci´on y uso ´etico.
Palabras claves: biodiversidad, inteligencia artificial, ecosistema, contaminaci´on.
Abstract
The use of artificial intelligence (AI) in the preservation of ecosystems and biodiversity, highlighting its appli-
cations in species monitoring, prediction of ecosystem changes, detection of illegal activities and environmental
education. Benefits such as rapid data analysis, efficient ecosystem restoration and global collaboration through
integrated platforms are highlighted. However, it faces challenges such as lack of quality data, limited infras-
tructure and challenges in integration with traditional methods. AI, combined with conservation practices, has
great potential to transform environmental management, provided that obstacles related to access, training and
ethical use are overcome.
Keywords: biodiversity, artificial intelligence, ecosystem, pollution
Introducci´on
La p´erdida de biodiversidad y la degradaci´on de los ecosistemas representan algunos de los desaf´ıos m´as apre-
miantes del siglo XXI. A medida que los impactos del cambio clim´atico, la contaminaci´on, y la expansi´on
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
227
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 227-239
https://revistas.ulasalle.edu.pe/innosoft
humana en h´abitats naturales se intensifican, se hace imprescindible encontrar soluciones innovadoras para
mitigar estas problem´aticas [1]. En este contexto, la inteligencia artificial (IA) ha emergido como una herra-
mienta poderosa y vers´atil, capaz de transformar la forma en que abordamos la conservaci´on de la naturaleza.
Su capacidad para analizar grandes vol´umenes de datos, identificar patrones complejos y optimizar procesos
la posiciona como un aliado estrat´egico en la gesti´on de ecosistemas y la preservaci´on de especies [2].
El uso de la IA en la conservaci´on incluye aplicaciones tan diversas como el monitoreo de especies en peligro,
la predicci´on de cambios en los ecosistemas, y la planificaci´on de estrategias de restauraci´on. Por ejemplo,
algoritmos de aprendizaje autom´atico han sido empleados para analizar grabaciones ac´usticas y detectar la
presencia de aves o mam´ıferos en ´areas protegidas [2,3]. Asimismo, tecnolog´ıas como redes neuronales y visi´on
por computadora permiten identificar y rastrear especies a trav´es de im´agenes satelitales o c´amaras trampa,
generando datos que ser´ıan imposibles de procesar manualmente [4].
Adem´as, la IA est´a desempe˜nando un papel crucial en la mitigaci´on de los efectos del cambio clim´atico sobre la
biodiversidad. Herramientas basadas en aprendizaje profundo permiten modelar escenarios futuros y evaluar
c´omo las variaciones en temperatura, precipitaci´on u otros factores clim´aticos pueden impactar la distribuci´on
de especies. Este enfoque predictivo facilita la toma de decisiones informadas para la implementaci´on de
estrategias de conservaci´on adaptativa [3, 5].
No obstante, la implementaci´on de estas tecnolog´ıas tambi´en enfrenta desaf´ıos significativos. Entre ellos, la
falta de datos de calidad en muchas regiones biodiversas del planeta, especialmente en pa´ıses en desarrollo,
puede limitar la precisi´on de los modelos. Adem´as, el costo y la complejidad t´ecnica de estas herramientas
pueden dificultar su adopci´on a gran escala, lo que subraya la necesidad de colaboraciones interdisciplinarias
y el desarrollo de tecnolog´ıas m´as accesibles [6].
En este sentido, la combinaci´on de IA con otros enfoques tradicionales de conservaci´on, como el trabajo de cam-
po y la participaci´on de comunidades locales, es clave para maximizar su impacto. La integraci´on de tecnolog´ıas
inteligentes no busca reemplazar los m´etodos existentes, sino complementarlos, ofreciendo nuevas perspectivas
y soluciones que antes no eran posibles. Esto resalta la importancia de la capacitaci´on y sensibilizaci´on sobre
el uso de la IA en la conservaci´on, tanto para profesionales como para tomadores de decisiones [7].
Esta revisi´on sistem´atica tiene como objetivo analizar las principales aplicaciones de la inteligencia artificial
en la preservaci´on de ecosistemas y biodiversidad, destacando sus avances, beneficios, desaf´ıos y oportunidades
futuras. A trav´es de la identificaci´on de estudios relevantes, se busca proporcionar una visi´on integral del
panorama actual y orientar futuras investigaciones en esta ´area interdisciplinaria.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
228
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 227-239
https://revistas.ulasalle.edu.pe/innosoft
Materiales y m´etodos
Este estudio se realiz´o siguiendo el procedimiento PRISMA, una herramienta ampliamente utilizada para llevar
a cabo revisiones sistem´aticas en diversos campos del conocimiento, la aplicaci´on rigurosa permite responder
de manera objetiva y estructurada a las preguntas de investigaci´on, minimizando sesgos y errores que podr´ıan
comprometer la validez de los resultados obtenidos. Este enfoque es particularmente relevante en la exploraci´on
de aplicaciones tecnol´ogicas en la conservaci´on de ecosistemas y biodiversidad [8].
La presente revisi´on tiene como prop´osito responder a tres preguntas de investigaci´on, dise˜nadas para cumplir
con el objetivo principal de analizar el uso de la inteligencia artificial en la preservaci´on de ecosistemas y
biodiversidad:
P1: ¿Cu´ales son las aplicaciones m´as destacadas de la inteligencia artificial en la conservaci´on de ecosistemas y
biodiversidad? P2: ¿Qu´e beneficios se han identificado en el uso de la inteligencia artificial para la preservaci´on
de especies y h´abitats? P3: ¿Cu´ales son los principales desaf´ıos y limitaciones asociados con la implementaci´on
de inteligencia artificial en este campo?
Para garantizar una selecci´on rigurosa y relevante de estudios, se estableci´o un protocolo de revisi´on que incluy´o
la definici´on de estrategias de b´usqueda, t´erminos clave utilizados en las fuentes de datos, y los criterios de
inclusi´on y exclusi´on. Este protocolo fue dise˜nado para recopilar informaci´on de alta calidad que permitiera
responder a las preguntas de investigaci´on de manera integral.
La estrategia de b´usqueda se desarroll´o con base en una cadena de b´usqueda cuidadosamente elaborada, que
incluy´o un conjunto de palabras clave relacionadas con el uso de la inteligencia artificial en conservaci´on, tales
como: .
a
rtificial intelligence AND biodiversity conservation”, ”machine learning AND ecosystem monitoring”,
y .
A
I applications AND species preservation”. Adem´as, se aplicaron filtros espec´ıficos como el rango de a˜nos
(2020-2024), el tipo de publicaci´on (art´ıculos revisados por pares) y el idioma (ingl´es y espa˜nol).
La recopilaci´on de datos se realiz´o a partir de bases de datos acad´emicas de alto impacto, como Scopus,
Scielo, Dialnet y Google Scholar. En cada una de estas fuentes se aplicaron los t´erminos de b´usqueda y filtros
establecidos, asegurando la inclusi´on de estudios relevantes y actualizados. La Tabla 1 presenta un resumen
de las fuentes consultadas, las palabras clave empleadas, y los filtros aplicados.
Finalmente, los criterios de inclusi´on se definieron para garantizar la relevancia y calidad de los estudios se-
leccionados. Solo se incluyeron art´ıculos que abordaran aplicaciones pr´acticas de inteligencia artificial en la
conservaci´on de ecosistemas o biodiversidad, estudios publicados entre 2020 y 2024, y aquellos que proporciona-
ran datos emp´ıricos o an´alisis te´oricos significativos sobre el tema. Por otro lado, se excluyeron investigaciones
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
229
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 227-239
https://revistas.ulasalle.edu.pe/innosoft
duplicadas, publicaciones sin acceso completo y estudios que no presentaran una relaci´on directa con las pre-
guntas de investigaci´on.
Tabla 1. Resumen de fuentes consultadas
Base de datos Cadena de b´usqueda
Scopus (TITLE-ABS-KEY(.
a
rtificial intelligence.
O
R ”machine learning”)
AND TITLE-ABS-KEY(”biodiversity conservation.
O
R .
ec
osystem
preservation.
O
R ”species monitoring.
O
R ”habitat protection”))
Scielo inteligencia artificial y conservaci´on de biodiversidad
Dialnet aplicaciones de inteligencia artificial en la conservaci´on de ecosis-
tema
Google Scholar (“inteligencia artificial” OR “machine learning” OR “aprendizaje
autom´atico”) AND (“conservaci´on de biodiversidad” OR “preser-
vaci´on de ecosistemas” OR “monitoreo de especies” OR “protec-
ci´on de h´abitats”)
Criterios de exclusi´on e inclusion
Para asegurar la relevancia y calidad de los estudios incluidos en esta revisi´on sistem´atica, se definieron cri-
terios espec´ıficos de inclusi´on y exclusi´on. Los criterios de inclusi´on permitieron seleccionar investigaciones
actualizadas y directamente relacionadas con el uso de la inteligencia artificial en la preservaci´on de ecosis-
temas y biodiversidad, mientras que los criterios de exclusi´on se emplearon para descartar estudios que no
cumpl´ıan con estos par´ametros o que pod´ıan afectar la validez de los hallazgos. Estos criterios est´an detallados
a continuaci´on en la Tabla 2.
Tabla 2. Criterios de exclusi´on e inclusi´on.
Criterios Descripci´on
3*Inclusi´on Investigaciones publicadas entre el a˜no 2020 y 2024
Investigaciones en idioma ingl´es y espa˜nol
Estudios que aborden aplicaciones de inteligencia artificial en conserva-
ci´on de biodiversidad, monitoreo de especies, o preservaci´on de ecosiste-
mas.
4*Exclusi´on Investigaciones que son revisiones sistem´aticas.
Investigaciones duplicadas.
Investigaciones en otros idiomas distintos al ingl´es y espa˜nol.
Estudios que no aborden directamente el uso de inteligencia artificial o
conservaci´on de biodiversidad.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
230
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 227-239
https://revistas.ulasalle.edu.pe/innosoft
Los resultados de la b´usqueda se ordenaron por t´ıtulo para facilitar la identificaci´on de estudios duplicados
y priorizar aquellos disponibles en bases de datos reconocidas como SCOPUS, SciELO, Dialnet o Google
Scholar. Posteriormente, se revisaron los t´ıtulos y res´umenes para evaluar su relevancia en relaci´on con la
investigaci´on sobre el uso de la inteligencia artificial en la conservaci´on de biodiversidad y ecosistemas. Este
proceso de filtrado y revisi´on permiti´o compilar una lista final de art´ıculos seleccionados, que se presenta en
la Tabla 3. Esta tabla incluye documentos clave que analizan diferentes aplicaciones, beneficios y desaf´ıos de
la inteligencia artificial en este campo, contribuyendo a una comprensi´on m´as integral de su impacto en la
preservaci´on ambiental.
Clasificaci´on de estudios a revisar
Al final del proceso de selecci´on de art´ıculos para el an´alisis, los elegidos se muestran en la Tabla 3.
Documento Pa´ıs A˜no Autores
[9] M´exico 2020 Alma L, Torres D, Delia A, Rivera T, Nacional
I.
[10] M´exico 2024 Guzm´an ER, Rodr´ıguez AG, Garnica JGF,
Mungu´ıa SM.
[11] Ecuador 2024 Felipe J.
[12] Colombia 2024 Bola˜nos JA, Jurado MA, Herrera SG
[13] Espa˜na 2024 Jim´enez G´omez, Xabier
[14] Per´u 2023 Hugo R.
[15] Espa˜na 2024 Borque D.
[16] M´exico 2024 Cruz S, Ricardo B, Consuelo L.
[17] Colombia 2024 Alberto, Andres E, Laura PC, Carolina M, Bo-
tero R
[18] Espa˜na 2024 Lara M.
[19] Ecuador 2024 Erika V.
[20] Espa˜na 2023 Rey-Rocha J, Mart´ın, Mar´ıa P, Marta VM
[21] Indonesia 2024 Jorge MR
Resultados y discusi´on
P1: ¿Cu´ales son las aplicaciones m´as destacadas de la inteligencia artificial en la conservaci´on de ecosistemas
y biodiversidad?
La inteligencia artificial (IA) ha demostrado ser una herramienta poderosa en la conservaci´on de ecosistemas y
biodiversidad, brindando soluciones innovadoras para abordar los desaf´ıos ambientales m´as urgentes. Una de
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
231
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 227-239
https://revistas.ulasalle.edu.pe/innosoft
las aplicaciones m´as destacadas es el monitoreo de especies en peligro de extinci´on mediante c´amaras trampa
y drones equipados con algoritmos de visi´on por computadora [9]. Estas tecnolog´ıas permiten identificar y
rastrear animales en tiempo real, ayudando a los investigadores a recopilar datos esenciales sobre sus h´abitos
y distribuci´on sin perturbar su entorno natural [15, 18].
Otra aplicaci´on clave es la predicci´on de la p´erdida de biodiversidad y cambios en los ecosistemas a trav´es de
modelos basados en aprendizaje autom´atico. Estos sistemas analizan grandes conjuntos de datos clim´aticos,
geoespaciales y biol´ogicos para prever el impacto de actividades humanas, como la deforestaci´on o el cambio
clim´atico, en la salud de los ecosistemas. Esto permite a las autoridades tomar decisiones informadas y dise˜nar
estrategias de conservaci´on m´as efectivas [10].
La detecci´on de actividades ilegales, como la caza furtiva y la tala no autorizada, es otra ´area donde la IA
est´a marcando la diferencia. Sensores ac´usticos equipados con inteligencia artificial pueden detectar disparos o
sonidos de motosierras en ´areas protegidas, alertando a las autoridades de manera inmediata [11]. Este enfoque
no solo mejora la vigilancia, sino que tambi´en reduce la dependencia de recursos humanos para patrullajes
f´ısicos [11, 12].
En la agricultura y manejo de tierras, la IA ayuda a identificar pr´acticas sostenibles que benefician tanto a los
ecosistemas como a las comunidades humanas. Algoritmos de aprendizaje profundo analizan im´agenes sateli-
tales para identificar cultivos en peligro debido a la sequ´ıa o plagas, y al mismo tiempo, sugieren alternativas
que minimicen el impacto ambiental. Esto resulta crucial en regiones donde la conservaci´on de la biodiversidad
depende de pr´acticas agr´ıcolas responsables [14].
En el ´ambito de la educaci´on y concienciaci´on ambiental, aplicaciones basadas en inteligencia artificial crean
simulaciones interactivas que muestran el impacto de las acciones humanas en los ecosistemas. Estas herra-
mientas permiten a los usuarios experimentar virtualmente los efectos de la contaminaci´on, el cambio clim´atico
y otras amenazas, fomentando una mayor comprensi´on y compromiso con la conservaci´on [15, 16].
La IA facilita adem´as la creaci´on de sistemas de alerta temprana para eventos ambientales catastr´oficos,
como incendios forestales, inundaciones o sequ´ıas. Al combinar datos meteorol´ogicos y patrones hist´oricos,
los modelos predictivos ayudan a mitigar el da˜no a los ecosistemas al proporcionar tiempo suficiente para
responder de manera efectiva [18].
Finalmente, la colaboraci´on global en conservaci´on se potencia con plataformas impulsadas por inteligencia
artificial. Estas herramientas integran datos de diversas fuentes, como ONG, universidades y gobiernos, para
ofrecer una visi´on hol´ıstica de los desaf´ıos y avances en la preservaci´on de ecosistemas. Esta integraci´on permite
coordinar esfuerzos y maximizar el impacto de las iniciativas de conservaci´on a nivel mundial [9, 12,16].
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
232
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 227-239
https://revistas.ulasalle.edu.pe/innosoft
En conjunto, estas aplicaciones demuestran el enorme potencial de la inteligencia artificial para transformar la
conservaci´on de ecosistemas y biodiversidad. Al combinar innovaci´on tecnol´ogica con compromiso ambiental,
la IA no solo ayuda a mitigar las amenazas actuales, sino que tambi´en allana el camino hacia un futuro m´as
sostenible para todas las formas de vida en el planeta.
P2: ¿Qu´e beneficios se han identificado en el uso de la inteligencia artificial para la preservaci´on de especies y
h´abitats?
El uso de la IA en la preservaci´on de especies y h´abitats ha generado m´ultiples beneficios que est´an trans-
formando los esfuerzos de conservaci´on a nivel global. Uno de los principales beneficios es la capacidad de
recopilar y analizar grandes vol´umenes de datos de manera r´apida y precisa. Esto permite identificar patrones
de comportamiento en especies, mapear sus movimientos y evaluar la salud de sus poblaciones con un nivel de
detalle que ser´ıa imposible de alcanzar manualmente [14, 15].
Otro beneficio significativo es la mejora en la detecci´on temprana de amenazas ambientales. La IA puede
predecir eventos como incendios forestales, sequ´ıas o inundaciones al analizar datos clim´aticos y geoespaciales
en tiempo real. Esto proporciona a los responsables de la conservaci´on un tiempo valioso para tomar medidas
preventivas, mitigando los da˜nos a los ecosistemas y las especies que los habitan [9].
En el ´ambito marino, la IA facilita el monitoreo de ecosistemas fr´agiles como los arrecifes de coral. Algoritmos
avanzados analizan im´agenes submarinas para identificar signos de blanqueamiento o degradaci´on, permitiendo
intervenciones m´as r´apidas y eficaces. Este enfoque tambi´en se aplica en la detecci´on de especies invasoras,
ayudando a preservar el equilibrio ecol´ogico en h´abitats cr´ıticos [17, 20].
Adem´as, la IA fomenta la colaboraci´on global en conservaci´on al integrar datos de m´ultiples fuentes en plata-
formas centralizadas. Estas herramientas permiten a investigadores, gobiernos y ONG compartir informaci´on
y coordinar estrategias de manera m´as eficiente, aumentando la efectividad de las iniciativas de preserva-
ci´on [13]. En t´erminos de educaci´on y sensibilizaci´on, la IA ha generado experiencias inmersivas que aumentan
la comprensi´on del p´ublico sobre la importancia de conservar especies y h´abitats. Simulaciones interactivas y
aplicaciones de realidad aumentada impulsadas por IA permiten a las personas explorar ecosistemas virtuales
y comprender c´omo las acciones humanas afectan al medio ambiente [15, 21].
En el ´ambito de la restauraci´on de ecosistemas, la IA ha sido fundamental para identificar las mejores es-
trategias de recuperaci´on. Desde determinar las condiciones ´optimas para la reforestaci´on hasta planificar la
reintroducci´on de especies, los algoritmos inteligentes gu´ıan decisiones basadas en datos, aumentando las pro-
babilidades de ´exito en estas iniciativas [10]. Finalmente, la IA promueve la sostenibilidad al integrar soluciones
tecnol´ogicas con enfoques de conservaci´on tradicionales. Al combinar innovaci´on y compromiso ambiental, la
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
233
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 227-239
https://revistas.ulasalle.edu.pe/innosoft
IA no solo aborda los desaf´ıos actuales de la preservaci´on, sino que tambi´en sienta las bases para un futuro m´as
resiliente y en equilibrio con el entorno natural. Estos beneficios destacan la importancia de seguir explorando
y ampliando el uso de la inteligencia artificial en la conservaci´on de especies y h´abitats [15, 17, 20].
P3: ¿Cu´ales son los principales desaf´ıos y limitaciones asociados con la implementaci´on de inteligencia artificial
en este campo?
Aunque la IA ha demostrado ser una herramienta valiosa en la conservaci´on de especies y h´abitats, su imple-
mentaci´on enfrenta varios desaf´ıos y limitaciones. Uno de los principales obst´aculos es la necesidad de grandes
cantidades de datos de alta calidad para entrenar los modelos de IA [13,14]. Sin embargo, en muchas ´areas de
conservaci´on, como los ecosistemas remotos o las especies poco conocidas, los datos disponibles son limitados
o dif´ıciles de obtener. Esto puede afectar la precisi´on y efectividad de los modelos predictivos y de monitoreo
que dependen de estos datos [20].
Adem´as, la variabilidad en los datos es otro desaf´ıo importante. Los ecosistemas son extremadamente com-
plejos y din´amicos, lo que significa que los modelos de IA deben ser altamente sofisticados para abordar las
interacciones entre las especies, el clima y otros factores. Sin embargo, los algoritmos pueden tener dificulta-
des para manejar la gran diversidad de variables ambientales y biol´ogicas, lo que puede llevar a resultados
imprecisos o sesgados [9,17,19].
Otro desaf´ıo significativo es la falta de infraestructura adecuada en muchas regiones. El uso de IA en la
conservaci´on requiere tecnolog´ıas avanzadas como drones, sensores y plataformas de procesamiento de datos,
que no siempre est´an disponibles en las ´areas donde la biodiversidad es m´as vulnerable [11]. Esto puede limitar
la capacidad de las organizaciones de conservaci´on para implementar soluciones de IA a gran escala en ciertos
ecosistemas o especies [14, 15, 19].
La integraci´on de la inteligencia artificial con las pr´acticas tradicionales de conservaci´on tambi´en presenta
obst´aculos. En muchos casos, los expertos en ecolog´ıa y conservaci´on pueden no tener experiencia en el uso de
tecnolog´ıas avanzadas como la IA, lo que requiere un esfuerzo significativo en capacitaci´on y adaptaci´on [15,
16, 18]. Adem´as, algunas comunidades locales pueden desconfiar de las soluciones tecnol´ogicas, especialmente
si no comprenden completamente c´omo la IA contribuye a la conservaci´on, lo que puede generar resistencia a
su adopci´on [11].
La dependencia de algoritmos de IA para la toma de decisiones tambi´en puede generar preocupaciones sobre la
transparencia y la responsabilidad. Los modelos de IA, especialmente aquellos basados en aprendizaje profundo,
a menudo son considerados ¸cajas negras”debido a la dificultad para entender c´omo toman decisiones [20, 21].
Esto puede complicar la validaci´on de los resultados y la confianza en los mismos, particularmente cuando se
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
234
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 227-239
https://revistas.ulasalle.edu.pe/innosoft
trata de pol´ıticas de conservaci´on que afectan directamente a las especies y a las comunidades [9].
Adem´as, el cambio clim´atico representa un desaf´ıo adicional, ya que los modelos de IA dise˜nados para predecir
patrones de biodiversidad pueden no ser lo suficientemente flexibles para adaptarse a los r´apidos cambios en
el clima y el ambiente [18]. A medida que los ecosistemas cambian de manera inesperada, los sistemas de
IA deben ser continuamente actualizados y ajustados para mantener su efectividad, lo que implica costos y
recursos adicionales [10].
La seguridad y la protecci´on de los datos son tambi´en una preocupaci´on importante. La recopilaci´on de
datos sobre especies, h´abitats y comportamientos, especialmente en ´areas sensibles, puede implicar riesgos de
privacidad o incluso el mal uso de la informaci´on. Garantizar que los datos sean manejados de manera ´etica y
segura es fundamental para evitar posibles da˜nos tanto a los ecosistemas como a las comunidades locales [16].
En resumen, aunque la IA ofrece un gran potencial para mejorar la conservaci´on de especies y h´abitats, su
implementaci´on enfrenta varios desaf´ıos relacionados con la calidad y disponibilidad de datos, la infraestructura,
la formaci´on, la equidad y la transparencia. Superar estos obst´aculos ser´a crucial para asegurar que la IA se
utilice de manera efectiva y ´etica en la preservaci´on de la biodiversidad a nivel global.
Conclusiones
La inteligencia artificial ha demostrado ser una herramienta clave en la preservaci´on de especies y h´abitats,
ofreciendo soluciones innovadoras para el monitoreo de biodiversidad, la predicci´on de amenazas ambientales
y la lucha contra actividades ilegales. Su capacidad para procesar grandes vol´umenes de datos y proporcionar
informaci´on detallada y precisa est´a revolucionando la forma en que se gestionan los ecosistemas y las especies
en peligro. No obstante, su implementaci´on exitosa depende de superar desaf´ıos relacionados con la calidad
y accesibilidad de los datos, la infraestructura tecnol´ogica y la formaci´on del personal en el uso de estas
herramientas avanzadas.
A pesar de los avances, la inteligencia artificial enfrenta obst´aculos significativos en su aplicaci´on a la con-
servaci´on. La falta de datos completos y de alta calidad, la complejidad de los ecosistemas y la falta de
infraestructura en ´areas remotas limitan su efectividad. Adem´as, la integraci´on de IA con m´etodos tradicio-
nales de conservaci´on requiere tiempo y esfuerzo en capacitaci´on, lo que puede generar resistencia entre los
profesionales y comunidades locales. Tambi´en existen preocupaciones sobre la transparencia y la equidad en
el uso de estas tecnolog´ıas, especialmente en contextos de recursos limitados.
Para que la inteligencia artificial cumpla su promesa en la conservaci´on de la biodiversidad, es esencial un
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
235
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 227-239
https://revistas.ulasalle.edu.pe/innosoft
enfoque equilibrado que combine la innovaci´on tecnol´ogica con pr´acticas conservacionistas tradicionales. Es
fundamental desarrollar pol´ıticas claras y marcos normativos que aseguren el uso ´etico y responsable de la
IA, garantizando la protecci´on de los ecosistemas, la equidad en su implementaci´on y la transparencia en la
toma de decisiones. Solo a trav´es de una colaboraci´on efectiva entre gobiernos, organizaciones de conservaci´on
y comunidades locales se podr´a maximizar el impacto positivo de la IA en la preservaci´on de la biodiversidad
a largo plazo.
Contribuci´on de Autor´ıa.
Marcelo Infante Villalobos: Introducci´on, Materiales y M´etodos, Resultados y Discusi´on, Conclusiones
Referencias
[1] E. Prado, A. Cobo, S. Sierra,
´
A. Domingo, C. Quiles-Pons, L. Rodr´ıguez, D. D´ıaz Vi˜nolas,
P. Rold´an Varona, P. Anuarbe Cort´es, and F. S´anchez, “Uso de fotogrametr´ıa tridimensional e
inteligencia artificial en el estudio de ecosistemas marinos: Proyecto virtualmar,” Ingenier´ıa Civil, 2023.
[Online]. Available: https://ingenieriacivil.cedex.es/index.php/ingenieria-civil/article/view/2483
[2] B. M. Cristian, “Inteligencia artificial para la protecci´on del medio ambiente y biodiversidad :
herramientas tecnol´ogicas para profesionales del medio ambiente,” MMA, 2021, [cited 2024 Dec 14].
[Online]. Available: https://bibliotecadigital.ciren.cl/items/865315fa-c6e8-4833-a6fd-15a04d71d377
[3] L. Viniegra-Vel´azquez, “El progreso en medicina y la inteligencia artificial,” Bolet´ın M´edico del
Hospital Infantil de M´exico, 2024. [Online]. Available: https://www.scielo.org.mx/scielo.php?pid=
S1665-11462024000300121&script=sci arttext
[4] C. Moyano, “¿la ia usada en biolog´ıa de la conservaci´on es una buena estrategia de justicia ambiental?”
Daimon, vol. 90, pp. 29–44, 2023. [Online]. Available: https://revistas.um.es/daimon/article/view/561551
[5] J. Rodas Trejo, “Camelot: Una herramienta intuitiva para el manejo y procesamiento de
im´agenes de c´amaras trampa utilizando inteligencia artificial,” Ecosistemas, 2024. [Online]. Available:
https://www.revistaecosistemas.net/index.php/ecosistemas/article/download/2797/1824?inline=1
[6] J. Luis and A. Ar´an S´anchez, “Uso de naturalista como refuerzo del programa de estudios de la materia
ecolog´ıa de bachillerato,” Revista latinoamericana ogmios, vol. 3, no. 7, pp. 62–79, 2023. [Online].
Available: https://idicap.com/ojs/index.php/ogmios/article/view/176
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
236
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 227-239
https://revistas.ulasalle.edu.pe/innosoft
[7] M. Elena, “Identificaci´on de aves de humedal mediante inteligencia artificial: informaci´on clave para su
conservaci´on,” Uacjmx, 2024, [cited 2024 Dec 14]. [Online]. Available: https://cathi.uacj.mx/handle/20.
500.11961/28896
[8] J. J. Yepes-Nu˜nez, G. Urr´utia, M. Romero-Garc´ıa, and S. Alonso-Fern´andez, “Declaraci´on prisma
2020: una gu´ıa actualizada para la publicaci´on de revisiones sistem´aticas,” Revista Espa˜nola de
Cardiolog´ıa, vol. 74, no. 9, pp. 790–9, 2021. [Online]. Available: https://www.revespcardiol.org/
es-declaracion-prisma-2020-una-guia-articulo-S0300893221002748
[9] L. Alma, D. Torres, A. Delia, T. Rivera, and I. Nacional, 2020. [Online]. Available: https:
//www.iseor-formations.com/pdf/ACTESCOLMCD2021/DIAZ%20TORRES.pdf
[10] E. R. Guzm´an, A. G. Rodr´ıguez, J. G. F. Garnica, and S. M. Mungu´ıa, “Aplicaci´on de sensores remotos
e inteligencia artificial en la gesti´on y conservaci´on de bosques frente al cambio clim´atico en m´exico :
Application of remote sensors and artificial intelligence in the management and conservation of forests
in the face of climate change in mexico,” e-CUCBA, no. 21, pp. 142–9, 2024. [Online]. Available:
http://e-cucba.cucba.udg.mx/index.php/e-Cucba/article/view/332
[11] J. Felipe, “Inteligencia artificial en el manejo forestal: Una revisi´on sistem´atica basada en el marco
metodol´ogico salsa,” Revista Ingenier´ıa e Innovaci´on del Futuro, vol. 3, no. 1, pp. 38–53, 2024, [cited 2024
Dec 14]. [Online]. Available: https://www.editorialscientificfuture.com/index.php/riif/article/view/79
[12] J. A. Bola˜nos, M. A. Jurado, and S. G. Herrera, “An´alisis de la influencia de la cobertura del suelo en la
calidad del agua de la laguna de la cocha mediante inteligencia artificial,” Umarianaeduco, 2024, [cited
2024 Dec 14]. [Online]. Available: https://repositorio.umariana.edu.co/handle/20.500.14112/28366
[13] X. Jim´enez G´omez, “Detecci´on y an´alisis de datos sobre especies ex´oticas en biomas diferenciados en
apoyo a la biodiversidad empleando la herramienta yolo y microcontroladores,” Rucudces, 2025, [cited
2024 Dec 14]. [Online]. Available: https://ruc.udc.es/dspace/handle/2183/39543
[14] R. Hugo, “An´alisis de la cobertura boscosa en el parque nacional tingo mar´ıa - per´u utilizando
algoritmos de inteligencia artificial,” 128413, 2023, [cited 2024 Dec 14]. [Online]. Available:
http://190.12.84.13:8080/handle/20.500.13084/6956
[15] D. Borque, “Un camino hacia la sostenibilidad: la huella medioambiental en la industria alimentaria. el
papel de la anal´ıtica de datos - d´ıez borque, diego,” Comillasedu, 2024, [cited 2024 Dec 14]. [Online].
Available: https://repositorio.comillas.edu/xmlui/handle/11531/79026
[16] S. Cruz, B. Ricardo, and L. Consuelo, “Aplicaciones de la inteligencia artificial en microbiolog´ıa agroam-
biental,” RECIBE REVISTA ELECTR
´
ONICA DE COMPUTACI
´
ON INFORM
´
ATICA BIOM
´
EDICA
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
237
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 227-239
https://revistas.ulasalle.edu.pe/innosoft
Y ELECTR
´
ONICA, vol. 13, no. 2, pp. C2–25, 2024, [cited 2024 Dec 14]. [Online]. Available:
https://recibe.cucei.udg.mx/index.php/ReCIBE/article/view/362
[17] Alberto, E. Andres, P. C. Laura, M. Carolina, and R. Botero, “Gesti´on inteligente de residuos y generaci´on
de una cultura verde. kan connect ; una propuesta para la utilizaci´on de inteligencia artificial en conjuntos
residenciales en la ciudad de bogot´a,” Repositorio Digital Institucional de la Universidad Externado
de Colombia. Universidad Externado de Colombia, 2024, [cited 2024 Dec 14]. [Online]. Available:
https://bdigital.uexternado.edu.co/entities/publication/8030ab69-3bc6-4cb0-879a-3f6cb8ffbcd1
[18] M. Lara, “Detecci´on de disparos en el parque natural de la albufera mediante inteligencia artificial,”
Riunetupves, 2024, [cited 2024 Dec 14]. [Online]. Available: https://riunet.upv.es/handle/10251/209554
[19] V. Erika, “Uso de la inteligencia artificial en la eficiencia y sustentabilidad en la producci´on agropecuaria,”
Utbeduec, 2024, [cited 2024 Oct 21]. [Online]. Available: http://dspace.utb.edu.ec/handle/49000/16023
[20] J. Rey-Rocha, M. P. Mart´ın, and V. M. Marta, “La paradoja de la p´erdida de biodiversidad y la
aparici´on de nuevas formas de vida, ligadas a efectos antr´opicos,” Csices, 2023, [cited 2024 Dec 14].
[Online]. Available: https://digital.csic.es/handle/10261/341909
[21] M. R. Jorge, “Inteligencia artificial aplicada a la predicci´on del dengue e incendios forestales en indonesia,”
Upcedu, 2024, [cited 2024 Dec 14]. [Online]. Available: https://upcommons.upc.edu/handle/2117/406714
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
238
