Assessing the Dual Impacts of Artificial Intelligence on Green Growth in Vietnam Using the Analytic Hierarchy Process

Resumen Técnico: Evaluación de los Impactos Duales de la Inteligencia Artificial en el Crecimiento Verde en Vietnam

Planteamiento del Problema
Vietnam enfrenta una tensión política crítica en la intersección de su Estrategia Nacional de IA (Decisión No. 127/QD-TTg, 2021) y su compromiso de la COP26 para alcanzar las emisiones netas cero para 2050. Si bien la IA ofrece oportunidades sustanciales para el crecimiento verde —particularmente en la agricultura de precisión y el monitoreo climático—, simultáneamente genera riesgos ambientales significativos a través de las operaciones de centros de datos con alto consumo energético y la rápida obsolescencia del hardware que conduce a residuos electrónicos (e-waste). La literatura existente trata estos impactos mayoritariamente de forma aislada o se enfoca en economías de ingresos altos, dejando un vacío cuantitativo en la comprensión de las compensaciones específicas para el contexto de desarrollo de Vietnam, su mezcla energética dependiente de combustibles fósiles y su economía agrícola. Este estudio aborda la ausencia de un marco integrado para sopesar los beneficios ambientales de la IA frente a sus costos dentro de un único modelo analítico.

Metodología
El estudio emplea el Proceso de Jerarquía Analítica (AHP), un método de toma de decisiones multicriterio desarrollado por Saaty (1980), para cuantificar la importancia relativa de los impactos contrapuestos de la IA. La metodología se estructura de la siguiente manera:

1. Construcción del Modelo Jerárquico: Se desarrolló un modelo de tres niveles que comprende:
   • Objetivo: Evaluar la magnitud y prioridad de los impactos duales de la IA en el crecimiento verde en Vietnam.
   • Nivel 2 (Cuatro Criterios Principales):
     • C1: Huella de Carbono y Energía (Riesgo)
     • C2: Recursos Físicos y Residuos Electrónicos (Riesgo)
     • C3: Eficiencia Agrícola y Economía (Beneficio)
     • C4: Adaptación Climática y Conservación (Beneficio)
   • Nivel 3 (Doce Subcriterios): Métricas específicas como el consumo de energía operativa, las emisiones en la fase de entrenamiento, la generación de residuos electrónicos, el ahorro de insumos agrícolas y la alerta temprana ante desastres.
2. Recolección de Datos:
   • Panel de Expertos: Diez expertos en la materia (TI, ciencias ambientales, políticas públicas) con al menos cinco años de experiencia realizaron comparaciones pareadas estructuradas utilizando la escala de 9 puntos de Saaty.
   • Validación Comunitaria: Una encuesta secundaria a 50 usuarios intensivos de IA (que utilizan IA >80% de su tiempo laboral) validó las prioridades de los expertos mediante una escala Likert de 5 puntos.
3. Computación: Los pesos de prioridad se derivaron utilizando la media geométrica para la agregación y la media aritmética para la normalización. La consistencia se verificó mediante la Relación de Consistencia (CR), cumpliéndose todos los matrices finales con un CR ≤ 0.10.

Resultados Clave
El análisis arroja un ranking de prioridad cuantificado de los impactos de la IA, revelando un equilibrio matizado entre beneficios y riesgos:

• Relación Beneficio-Riesgo: El peso agregado de los beneficios (C3 + C4) se sitúa en el 53.16%, superando ligeramente el peso agregado de los riesgos (C1 + C2) del 46.84%. Esto indica un potencial neto positivo, aunque el estrecho margen sugiere que los resultados favorables están condicionados a una gestión de riesgos proactiva.
• Beneficios Dominantes: La Eficiencia Agrícola y la Economía (C3) es el grupo de criterios con mayor peso (41.79%). Específicamente, el Ahorro de insumos agrícolas (C3.1) y la Optimización del agua para riego inteligente (C3.2) son las dos prioridades globales, con pesos del 22.52% y 13.79%, respectivamente.
• Riesgos Críticos: Contrario al enfoque público común en el consumo de energía, los Residuos Electrónicos (C2.2) surgieron como el riesgo ambiental más crítico (12.25%), posicionándose por encima del consumo de energía operativa (11.14%). Los expertos citaron la infraestructura subdesarrollada de gestión de residuos electrónicos en Vietnam como un peligro más severo e irreversible que los costos energéticos, los cuales son parcialmente mitigables mediante la optimación de la red.
• Validación: La encuesta comunitaria corroboró los hallazgos de los expertos, donde los beneficios agrícolas recibieron las puntuaciones de acuerdo más altas (4.32/5) y los riesgos de residuos electrónicos/energía fueron calificados con una severidad igualmente alta (4.20/5).

Contribuciones Clave
El artículo realiza tres contribuciones distintas al discurso literario y de políticas:

1. Metodológica: Demuestra la eficacia del AHP para operacionalizar las compensaciones del "crecimiento verde" en contextos de países en desarrollo con escasos datos, utilizando el mecanismo de la Relación de Consistencia para asegurar la validez donde no hay datos secundarios disponibles.
2. Empírica: Proporciona el primer ranking de prioridad cuantificado de los impactos ambientales de la IA calibrado específicamente para Vietnam, distinguiendo entre la tratabilidad inmediata de las aplicaciones agrícolas y la severidad estructural de los residuos de hardware.
3. Orientada a Políticas: Va más allá de las afirmaciones cualitativas para ofrecer recomendaciones basadas en evidencia y priorizadas. El estudio identifica que el potencial de crecimiento verde de Vietnam no reside en el desarrollo de modelos de lenguaje de gran escala capital-intensivos, sino en la transformación sectorial de la agricultura y una gobernanza rigurosa del hardware.

Significancia y Reivindicaciones
Los autores sostienen que el mensaje central de esta investigación es que los resultados de las transiciones digital y de descarbonización de Vietnam no están predeterminados ni son simétricos. El estudio argumenta que realizar el potencial de crecimiento verde de la IA requiere:

• Inversión Deliberada: Priorizar las aplicaciones de IA en la agricultura (el motor de mayor peso) sobre la IA de propósito general.
  el establecimiento de marcos para la gestión de residuos electrónicos (el riesgo de mayor rango) para evitar que los costos ambientales físicos superen los beneficios operativos.
• Planificación Estratégica: Integrar paradigmas de "IA Ligera" (Lean AI)—favoreciendo modelos pequeños y específicos para tareas sobre modelos generales de alto consumo energético—para alinearse con las restricciones de recursos.

El artículo concluye que, si bien la IA ofrece un beneficio neto ligero para el crecimiento verde en Vietnam, este margen es demasiado estrecho para permitir la complacencia. El éxito de la implementación depende de la institucionalización de la gobernanza de residuos de hardware y de la integración de la IA en la agenda nacional de crecimiento verde con un enfoque en el sector agrícola.