¿Podría la IA desbloquear el financiamiento de la restauración de la naturaleza?
Restaurar las tierras degradadas es uno de los grandes retos del mundo.
Tenemos claro el problema: el planeta pierde cada minuto el equivalente a 18 campos de fútbol de selva primaria, ecosistemas esenciales para proveer agua, aire limpio, empleos y muchos otros beneficios. Los gobiernos se han comprometido a restaurar 1,000 millones de hectáreas de tierra para 2030, pero lo que falta es financiamiento.
El financiamiento destinado a la naturaleza debe cuadruplicarse hasta alcanzar los 269 000 millones de dólares anuales en 2030 para cumplir los compromisos mundiales de restauración. Solo en África se necesitan por lo menos 8.000 millones de dólares para técnicas como la reforestación, la agrosilvicultura y la restauración de manglares. Es simplemente imposible que los proyectos de restauración, por muy beneficiosos que sean, logren atraer financiamiento a la velocidad y la escala necesarias sin una inversión pública y privada significativa.
Afortunadamente, está surgiendo un nuevo modelo que aprovecha el poder de la inteligencia artificial (IA) para determinar exactamente dónde están volviendo a crecer los árboles y dirigir el financiamiento a los proyectos de restauración con más probabilidades de reportar mayores beneficios.
¿Por qué la restauración no atrae suficiente financiamiento?
Para entender cómo la IA podría desbloquear el financiamiento de la restauración, es necesario comprender por qué invertir en la naturaleza es tan difícil.
Se calcula que los ecosistemas naturales aportan cada año 125 billones de dólares a la economía mundial. Los paisajes sanos sustentan industrias como la agricultura, la silvicultura y el turismo, que dan empleo a 1 200 millones de personas. Cada dólar invertido en restaurar paisajes degradados puede reportar entre 7 y 30 dólares de beneficios económicos.
Pero, aunque la oportunidad de inversión es clara, el momento es difícil. La restauración aporta beneficios que se producen con el tiempo: agua limpia, suelos sanos, mayores ingresos - pero los mercados dan prioridad a los beneficios a corto plazo. Por eso, las comunidades y los propietarios dan prioridad a las inversiones que generan beneficios rápidos o abandonan los proyectos de restauración antes de que alcancen la madurez.
Aunque el mercado empezara a valorar los beneficios a largo plazo, los sistemas de seguimiento de los resultados de la restauración (conocidos como "seguimiento, notificación y verificación" o "MRV", por sus siglas en inglés) no son escalables ni rentables. Sin datos precisos, es imposible saber qué proyectos de restauración funcionan y ofrecen la mejor ganancia. Por ejemplo, en las regiones semiáridas de África, menos de la mitad de los árboles plantados sobreviven, pero los mejores proyectos tienen tasas de supervivencia superiores al 80%. Esta incertidumbre socava la confianza en el sector y limita el financiamiento disponible.
Por último, las personas más capacitadas para restaurar la tierra son las que tienen menos probabilidades de obtener financiamiento. Los estudios demuestran que las organizaciones locales y los dueños de la tierra, como los agricultores, que gestionan más del 50% de las tierras del mundo, son entre 6 y 20 veces más eficaces en la restauración de tierras que las grandes organizaciones. Sin embargo, los financiadores favorecen a los grupos bien establecidos con visibilidad internacional y un historial con los principales financiadores.
Los mercados de carbono y biodiversidad podrían ayudar, pero los sistemas de certificación suelen ser demasiado complejos, ya que exigen que miles de agricultores suscriban acuerdos a largo plazo y se sometan a costosos procesos de verificación sobre los terrenos. Estas opciones pueden funcionar en países con grandes extensiones de tierra en manos de una sola persona o empresa, pero tienen dificultades en lugares como Ruanda y Kenia, donde los pequeños agricultores dominan el paisaje.
Un nuevo enfoque para el financiamiento de la restauración, impulsado por la IA
Asociaciones como TerraFund han creado la infraestructura necesaria para encontrar, seleccionar y financiar proyectos de restauración de alta calidad dirigidos a nivel local. Por ejemplo, en colaboración con One Tree Planted y Realize Impact, y con el financiamiento principal del Bezos Earth Fund, el WRI ha destinado 33 millones de dólares en financiamiento filantrópico y ha conectado subvenciones, deuda e inversiones de capital a casi 200 proyectos de restauración en toda África. También hemos iniciado esta labor en Brasil y la India.
Pero la filantropía por sí sola no puede financiar organizaciones locales a mayor escala. Tenemos que aprovechar el capital filantrópico para desbloquear el financiamiento privado y público de los grupos locales y, para ello, tenemos que verificar sus resultados para generar confianza en el mercado.
Esto podría ser finalmente posible gracias a un modelo de IA de código abierto llamado DINOv3, desarrollado por Meta con la ayuda del WRI. Estamos adaptando este modelo para contar árboles individuales desde el espacio utilizando imágenes de satélite de alta resolución. Este es un gran avance respecto a los métodos actuales de seguimiento de la restauración, que requieren informes sobre el terreno para estimar el número de árboles que crecen en un lugar del proyecto.
Calibrado con datos recogidos sobre el terreno en proyectos de TerraFund, este algoritmo de IA nos permite medir a distancia el crecimiento de árboles individuales tan pronto como 8 meses después de la plantación. Los resultados preliminares son un 80% más precisos que los métodos forestales tradicionales que miden los árboles sobre el terreno, a un 3% del coste.
Gracias a esta verificación escalable y de bajo costo, podemos aportar una nueva transparencia al sector de la restauración. Podemos saber qué proyectos producen las tasas más altas de supervivencia de los árboles plantados, seleccionar proyectos en los paisajes más importantes para revitalizar la biodiversidad y la calidad del agua, y seguir el impacto de cada proyecto durante décadas a un coste muy bajo.
Y lo que es más importante, también podemos utilizar la IA para crear un nuevo modelo de financiamiento de la restauración. Si podemos contar cada árbol plantado y seguir su crecimiento a lo largo del tiempo, podemos desarrollar estructuras financieras que recompensen a las organizaciones locales por cultivar los árboles adecuados en los lugares adecuados. Luego podemos revender el impacto de esos árboles verificados a compradores que dependen de una tierra sana: desde empresas agrícolas mundiales hasta empresas locales de servicios públicos.
Este planteamiento podría ampliar considerablemente la financiamiento de la restauración al reunir fondos procedentes de organizaciones filantrópicas, gobiernos y el sector privado.
DINOv3 contabilizó 7 064 árboles agroforestales plantados en enero de 2022 en Ashanti (Ghana) por Eco-Care Ghana. El límite azul es el lugar de plantación; cada punto amarillo representa un árbol. Crédito: WRI
¿Qué es el modelo DINOv3?
Desarrollado por Meta AI con el apoyo de Land & Carbon Lab, una iniciativa de investigación de datos geoespaciales convocada por el WRI y el Bezos Earth Fund, DINOv3 es un modelo avanzado de visión por ordenador. DINOv3 escanea enormes conjuntos de datos de imágenes sin etiquetar y aprende por sí mismo a identificar objetos distintos.
Es un "modelo básico", diseñado para ser ampliamente reutilizable en innumerables tareas visuales. A diferencia de muchos modelos de inteligencia artificial diseñados para un fin específico —como la vigilancia por satélite, la obtención de imágenes médicas o la fabricación—, DINOv3 solo necesita unos datos de entrenamiento mínimos para adaptarse a cada nueva tarea, como contar los árboles que aparecen en una imagen de satélite. Esto reduce drásticamente la necesidad de etiquetadores humanos de datos y agiliza la alineación del modelo con los datos recogidos sobre el terreno. Sin necesidad de crear un nuevo modelo para cada caso de uso, DINOv3 representa un gran avance en la aplicación de la IA a la observación de la Tierra.
Los modelos DINOv3 ya están superando a los modelos especializados para la vigilancia geoespacial sin necesidad de adaptarse a cada conjunto de datos específico analizado por satélite, avión o dron. Las versiones anteriores, como DINOv2, que el WRI y Meta utilizaron para cartografiar la altura de las copas de los árboles con un detalle sin precedentes, requerían grandes cantidades de imágenes de satélite etiquetadas para producir resultados precisos. Con DINOv3, podemos construir, probar y mejorar los modelos más rápidamente, ofreciendo resultados consistentes a través de diferentes fuentes de imágenes, ya sea desde un satélite, el dron de un investigador o el smartphone de un agricultor.
Por ejemplo, podemos comparar el número de árboles que el modelo de IA cuenta en una imagen por satélite de un proyecto de restauración con el número que un equipo de campo contó manualmente. Si las cifras no coinciden, los investigadores pueden ajustar el modelo y aplicarlo a otros miles de lugares sin necesidad de recopilar más datos sobre el terreno.
Calibrado con datos recogidos sobre el terreno en proyectos de TerraFund, este algoritmo de IA nos permite medir a distancia el crecimiento de árboles individuales tan pronto como 8 meses después de la plantación. Los resultados preliminares son un 80% más precisos que los métodos forestales tradicionales que miden los árboles sobre el terreno, a un 3% del coste.
Gracias a esta verificación escalable y de bajo costo, podemos aportar una nueva transparencia al sector de la restauración. Podemos saber qué proyectos producen las tasas más altas de supervivencia de los árboles plantados, seleccionar proyectos en los paisajes más importantes para revitalizar la biodiversidad y la calidad del agua, y seguir el impacto de cada proyecto durante décadas a un coste muy bajo.
Y lo que es más importante, también podemos utilizar la IA para crear un nuevo modelo de financiamiento de la restauración. Si podemos contar cada árbol plantado y seguir su crecimiento a lo largo del tiempo, podemos desarrollar estructuras financieras que recompensen a las organizaciones locales por cultivar los árboles adecuados en los lugares adecuados. Luego podemos revender el impacto de esos árboles verificados a compradores que dependen de una tierra sana: desde empresas agrícolas mundiales hasta empresas locales de servicios públicos.
Este planteamiento podría ampliar considerablemente el financiamiento de la restauración al reunir fondos procedentes de organizaciones filantrópicas, gobiernos y el sector privado.
Este nuevo modelo de restauración requiere la colaboración de tres agentes clave:
- Las organizaciones y empresas locales que dirigen proyectos de restauración de alta calidad. Se trata de grupos comunitarios como la Asociación del Bosque de la Esperanza de Ruanda, que trabaja con los agricultores para regenerar un bosque cercano, o empresas como la Unión Cooperativa de Productores y Comercializadores de Cacao de Fanteakwa, que ayuda a los agricultores ghaneses a revitalizar sus campos poco productivos incorporando árboles de sombra autóctonos.
- Un inversor o donante dispuesto a sufragar los costos iniciales y asumir los primeros riesgos. Este papel puede ser desempeñado por inversores que buscan rentabilidad, como bancos, instituciones financieras de desarrollo o fondos; por donantes, como filantropías o gobiernos; o por flujos de financiación que combinen ambos. Realize Impact, por ejemplo, es un inversor sin ánimo de lucro que facilita préstamos y subvenciones a empresas locales, con el objetivo explícito de minimizar los costos de transacción.
- Un comprador de los resultados que tal vez no pueda pagar por adelantado, pero que puede asumir todo el costo de la restauración a lo largo del tiempo pagando por los árboles supervivientes por cada año que pueda verificarse. Podría tratarse de proveedores mundiales de materias primas, como una empresa de cacao, un supermercado internacional que se abastezca de frutas, empresas locales de agua o energía, o cualquier empresa con un incentivo económico directo para invertir en paisajes sanos.
Tres estructuras de financiamiento podrían aprovechar los datos de IA y reunir a estos tres actores para financiar árboles verificados.
1)Financiamiento de explotaciones agrícolas productivas y arboladas
La transición de la agricultura convencional a la agrosilvicultura, en la que los árboles se integran con los cultivos alimentarios, no es financiable para la mayoría de los agricultores, dados los elevados costos iniciales y la lentitud de los beneficios. Pero la creciente normativa sobre sostenibilidad y la presión de los consumidores están impulsando la demanda de soluciones de mercado creativas.
Imaginemos un grupo de empresas que se abastecen de cacao de Ghana. Para demostrar que cumplen sus compromisos de sostenibilidad, quieren plantar árboles en las explotaciones de cacao de su cadena de suministro, pero no disponen del capital inicial para pagarlos. Las empresas podrían pedir a un donante que pague a una organización local para que ayude a los agricultores a plantar árboles autóctonos en cada explotación. Cada año que los datos independientes de IA puedan verificar que esos árboles sobreviven, las empresas de cacao pagan al donante. Al cabo de unos años, el donante recibe el reembolso completo, e incluso puede destinar ese capital a nuevos proyectos, comenzando de nuevo el ciclo.
La empresa no tiene que asumir el riesgo de proporcionar financiación inicial, y el donante recupera su dinero. Y lo que es más importante, los pagos por la supervivencia de los árboles hacen que la agrosilvicultura sea más viable económicamente para los agricultores, ayudándoles en los años previos a que sus nuevos sistemas agroforestales sean más rentables que las explotaciones convencionales sin árboles.
2) Financiación de árboles para el clima y la naturaleza
Los ecosistemas degradados pueden perjudicar los resultados de una empresa. Por ejemplo, si la deforestación destruye el hábitat de una fauna emblemática, un operador turístico de alto nivel no tendrá nada que mostrar a sus visitantes. Es muy sencillo: Menos árboles, menos animales, menos visitantes y menos beneficios.
Pero los proyectos de restauración ecológica suelen tener dificultades para atraer financiación porque no tienen forma de valorar los servicios que producen. Por ejemplo, la Autoridad Forestal de Ruanda y la Sociedad para la Conservación de la Vida Silvestre identificaron 10 lugares prioritarios que podrían restaurarse para convertirlos en hábitats vibrantes para los chimpancés y secuestrar cantidades significativas de carbono, pero no pudieron movilizar la financiación necesaria.
Los nuevos modelos podrían ayudar. Por ejemplo, los compradores, como los operadores turísticos y los organismos públicos, podrían asociarse con investigadores para elaborar indicadores indirectos que asocien los árboles con la biodiversidad, el carbono, el agua u otros resultados, y pagar una prima por cada árbol que permanezca en pie. Un banco multilateral de desarrollo podría emitir un bono en el mercado financiero, que sería adquirido por los inversores a un tipo de interés cercano al del mercado. Los inversores asumen un riesgo porque una parte de los ingresos del bono se canalizará a organizaciones comunitarias, que plantarán árboles en zonas prioritarias para mejorar el hábitat de los chimpancés.
Cuando las organizaciones comunitarias completen el trabajo y el conjunto de datos de IA, verifique que un número acordado de nuevos árboles esté creciendo en las zonas prioritarias, el operador turístico de vida salvaje se compromete a pagar al banco por esos árboles a un precio acordado. El banco utiliza entonces el capital para reembolsar a los inversores y puede emitir otro bono para pagar más restauración.
3) Financiamiento de cadenas de valor agrícolas restauradoras
Las cadenas de valor agrícolas restauradoras ofrecen un enorme potencial de inversión —solo Kenia presenta una oportunidad de inversión de 1.500 millones de dólares—, pero las empresas locales se enfrentan a los bajos precios del mercado debido a la escasa demanda y a las deficiencias de la cadena de suministro. El financiamiento disponible suele conllevar tipos de interés elevados y plazos cortos que no se ajustan a las necesidades de las empresas. Como resultado, muchas fracasan y las cosechas se echan a perder.
Tomemos el ejemplo de una empresa keniana que vende plántulas de mango a pequeños agricultores, les ayuda a plantar en lugares con agua suficiente y el suelo adecuado, recoge la fruta de los agricultores a un precio garantizado y luego la convierte en zumo comercializable para el mercado local. La empresa necesita una nueva línea de procesado para aumentar su capacidad de exportación a un comprador europeo con el que tiene una relación establecida. Pero un inversor de impacto solo concederá un préstamo al 15% de interés anual, y la empresa solo puede asumir un tipo del 8%.
El inversor y el comprador podrían firmar un acuerdo con la empresa: El inversor emitirá el préstamo a tipo de mercado, y el comprador se comprometerá a pagar una prima por la pulpa de mango si la empresa alcanza un objetivo anual en el número de árboles cultivados verificados.
La empresa puede utilizar el pago de esa prima para reducir el tipo de interés efectivo al 8% en su préstamo a tipo de mercado. Con más de este tipo de financiamiento creativo, estas empresas pueden demostrar su capacidad para devolver la deuda, lo que las hace atractivas para los inversores comerciales.
Los árboles dan dinero
Sabemos que el recuento de árboles es un sustituto incompleto de la enorme cantidad de servicios ecosistémicos y beneficios económicos que proporcionan los proyectos integrales de restauración de tierras. Pero es lo que podemos medir a escala, a bajo coste y con gran precisión gracias a los nuevos modelos de IA. Empecemos por ahí.
La capacidad de DINOv3 para contar árboles con una precisión sin precedentes, como en este sitio de Eco-Care Ghana, puede ayudar a desbloquear fondos para la restauración. Crédito: WRI. Desliza el punto blanco al centro de la imagen para ver los árboles en el polígono.
Necesitamos organizaciones filantrópicas que financien a las organizaciones locales y pongan a prueba este enfoque, así como inversores privados y públicos que puedan crear un mercado para soluciones verificables. Necesitamos que los responsables políticos sepan cómo repartir equitativamente los beneficios de los árboles verificados, una vez vendidos. Necesitamos éticos de los datos y comunidades locales que desarrollen barreras para proteger los datos sensibles.