En las reservas naturales de Colombia, una cámara trampa captó a un pequeño marsupial. La inteligencia artificial, tras recibir la foto y la información sobre la zona, lo identificó con seguridad como una especie que no habita en el país. Los expertos, en cambio, determinaron al verdadero morador: Metachirus myosuros. Este caso se convirtió en el punto de partida de un nuevo estudio que mostró hasta qué punto los modelos generales de IA están lejos de funcionar de forma fiable con la vida silvestre.
El científico Gustavo Nicolás Páez Salamanca puso a prueba el modelo GPT-5.2 con diez mil fotografías de vertebrados de Colombia subidas a iNaturalist. El modelo debía indicar la familia, el género y la especie de cada imagen, conociendo solo el país de la toma y sin derecho a negarse a responder. El resultado exacto a nivel de especie fue de apenas el 9,5 por ciento: aproximadamente una de cada diez fotografías.
La precisión varió mucho según los grupos de animales. En mamíferos y reptiles alcanzó el 17–19 por ciento, mientras que en anfibios, aves y peces descendió por debajo del cinco. Los errores se produjeron con mayor frecuencia en especies con pocas fotografías públicas y en aquellas descritas por la ciencia recientemente, como Coendou vossi, reconocido como especie independiente tan solo en el año 2025.
Este tipo de fallos no es una simple minucia técnica. Si un animal raro se confunde con otro más conocido, su presencia puede pasar desapercibida. Un nombre incorrecto o la indicación de una especie fuera de su área de distribución natural puede distorsionar los datos sobre la distribución de los animales e influir en los planes de conservación de los territorios.
El estudio no hace un llamamiento a renunciar a la IA. Al contrario, el autor propone usarla como primer filtro: verificar las sugerencias automáticas con las clasificaciones actualizadas y las áreas de distribución conocidas, y remitir a los especialistas los registros dudosos o importantes. Convendría permitir que los modelos reconozcan su incertidumbre en lugar de verse obligados a responder.
Aunque el trabajo se centra en la fauna colombiana, los problemas identificados son característicos del monitoreo de la biodiversidad en otras regiones. La fiabilidad de la identificación automática depende directamente del volumen y la calidad de los datos disponibles sobre las especies.
Para que la IA contribuya de verdad a conservar la naturaleza, sus predicciones deben combinarse con información científica verificada y con la pericia de los biólogos de campo.
