IA pode tornar a biodiversidade mais mensurável, confiável e útil para decisões financeiras.
O estudo analisa como a inteligência artificial pode aprimorar a medição da biodiversidade, um dos principais gargalos para escalar soluções financeiras baseadas na natureza. Segundo o relatório, embora a natureza sustente mais de US$ 13 trilhões em valor econômico, os dados disponíveis ainda são fragmentados, caros, pouco padronizados e insuficientes para orientar decisões de investimento, gestão de risco e reporte regulatório.
A pesquisa foi conduzida pelo MIT-IBM Watson AI Lab, com apoio da Goldman Sachs, e testou três pilotos em estágio de pesquisa. O primeiro, Deep Occupancy Modeling, combinou imagens de câmeras de campo e dados de satélite para estimar a presença de espécies com maior confiabilidade, alcançando melhora de 27% na precisão das estimativas em 16 espécies. O segundo, Distribution Modeling, usou dados escassos, imagens de satélite e conhecimento de especialistas para mapear espécies em regiões onde levantamentos de campo são difíceis ou caros.
O terceiro piloto aplicou o modelo TerraMind ao monitoramento de turfeiras, ecossistemas relevantes para armazenamento de carbono. A solução atingiu 95% de precisão na identificação de turfeiras e detectou cerca de 12 hectares de perda após um incêndio em 2022. Esses casos mostram que a IA pode ampliar a escala, reduzir custos e aumentar a confiabilidade do monitoramento ambiental.
A principal mensagem do estudo é que melhorar a mensuração da natureza é essencial para destravar o financiamento da biodiversidade. A IA não substitui a validação humana, mas pode fortalecer a criação de métricas, linhas de base, monitoramento, verificação e transparência, apoiando instrumentos como créditos de carbono, títulos ligados à natureza, mitigação ambiental, relatórios regulatórios e decisões de portfólio.
Para ter acesso a esse e outros estudos, associe-se aqui!
Associados: para acessar o estudo entre na área exclusiva.
