La huella de carbono digital denota el impacto ambiental generado por las tecnologías digitales a lo largo de su ciclo de vida. Los entornos de fabricación de la Industria 4.0 dependen en gran medida del procesamiento de datos, el almacenamiento de información y la inteligencia artificial, aumentando así la demanda de energía y las emisiones de carbono asociadas. Estas condiciones han intensificado el interés en la IA Verde, particularmente en aplicaciones como el mantenimiento predictivo y los sistemas colaborativos humano-máquina. Esta investigación investiga los determinantes de la intención de comportamiento para adoptar IA Verde a través de un modelo ampliado de la Teoría Unificada de Aceptación y Uso de Tecnología (UTAUT) adaptado a los contextos de la Industria 4.0 y la sostenibilidad. El marco incorpora la expectativa de rendimiento, la elegibilidad de la Industria 4.0, la influencia de la tecnología, la competencia en fabricación digital, las condiciones de sostenibilidad, el reconocimiento de la IA Verde y la preocupación por la fabricación ecológica. Los datos se obtuvieron de una encuesta anónima a 1003 estudiantes de la Generación Z matriculados en disciplinas técnicas y que se preparan para carreras orientadas a la fabricación. Las relaciones entre los constructos se analizaron utilizando modelado de ecuaciones estructurales de mínimos cuadrados parciales (PLS-SEM). El modelo demuestra una fuerte capacidad explicativa y predictiva. La intención de adopción está principalmente asociada con la expectativa de rendimiento, la elegibilidad de la Industria 4.0 y la competencia en fabricación digital, mientras que las percepciones orientadas a la sostenibilidad juegan un papel contextual más que un papel de comportamiento directo. El estudio ofrece una extensión empírica específica del dominio de UTAUT dentro de la educación técnica previa a la fuerza laboral en lugar de proponer una nueva teoría de aceptación. Los hallazgos reflejan la formación de intenciones antes de la entrada al mercado laboral y requieren validación en entornos de fabricación operativa antes de una generalización más amplia.