D03 Criterio epistemológico

IA-centrismo

Sesgo explicativo que atribuye a la inteligencia artificial procesos sociales anteriores —concentración económica, precarización, vigilancia, crisis educativa, pérdida de privacidad— que la tecnología acelera, escala o legitima, pero no origina.

Escena cotidiana

La IA está precarizando el trabajo, dice una nota. Provocó la crisis de atención en las aulas, dice un informe. Va a transformar el sector en dieciocho meses, dice una consultora. Las tres frases comparten una gramática: la tecnología actúa, la sociedad reacciona.

El problema invisible

Esa gramática no es inocente. Si la tecnología actúa sola, no hay decisiones que auditar, ni responsables a quién preguntarle, ni alternativas que discutir: queda adaptarse, y discutir la velocidad. El relato de la inevitabilidad —sostenido por empresas, inversores, consultoras, gobiernos y medios— convierte una serie de decisiones humanas en un fenómeno meteorológico.

El concepto

El IA-centrismo nombra ese sesgo. No niega que la inteligencia artificial produzca efectos reales: los produce, y considerables, en educación, trabajo, ciencia, programación, producción cultural y acceso a la información. Lo que sostiene es que buena parte de los problemas que se le atribuyen tiene historias más largas que ella.

La precarización laboral no nació con los modelos generativos. La concentración económica tampoco. La vigilancia comercial es anterior, la crisis de atención en las aulas es anterior, la erosión de la privacidad es anterior. Lo que la IA hace con todo eso es acelerarlo, escalarlo y —esto es lo decisivo— legitimarlo. Un despido explicado por automatización se discute mucho menos que un despido explicado por una decisión gerencial.

De ahí la formulación que ordena el diagnóstico: la IA es un multiplicador de estructuras sociales existentes, no una fuerza autónoma. Un multiplicador puede tener efectos enormes; también revela el tamaño de aquello que multiplica.

El correctivo es metodológico y está a mano: el análisis por capas del stack sociotécnico. Mirando sólo los modelos, todo problema parece un problema de modelos. Mirando el stack completo vuelven a la vista las capas de trabajo, regulación y cultura, que es donde suele estar el problema y también la palanca.

La consecuencia

Evitar el IA-centrismo tiene un efecto inmediato y muy práctico: devuelve responsabilidad, y con ella capacidad de acción. Si el problema es un proceso social que la tecnología amplifica, hay decisiones, actores e intervenciones posibles. Si el problema es la tecnología en sí, sólo quedan dos gestos —adaptarse o rechazar—, que son las dos maneras de no decidir.

Prácticas posibles

  • Ante cada afirmación sobre efectos de la IA, preguntar qué proceso anterior está siendo acelerado, escalado o legitimado.
  • Identificar, en cada diagnóstico, qué actores toman las decisiones que la narrativa atribuye a la tecnología.
  • Distinguir efectos verificados de proyecciones comerciales, y ambos de expectativas.
  • Revisar los incentivos de la fuente: quién gana si el público cree que el cambio es inevitable.
  • Formular las intervenciones sobre la capa donde está el problema, no sobre la capa más visible.

Precisiones frecuentes

¿Es minimizar el impacto de la inteligencia artificial?

No. Es ubicarlo. Un multiplicador puede tener efectos enormes; sostener que multiplica no es sostener que da igual. Es sostener que el factor multiplicado ya existía y que también puede intervenirse sobre él.

¿No es una forma de tecnoescepticismo?

Es lo contrario del escepticismo y también lo contrario del entusiasmo. Ambas posiciones tratan a la tecnología como un sujeto. El correctivo consiste en devolver la discusión a las decisiones, los actores y las capas.

¿Cómo se distingue una explicación IA-céntrica de una correcta?

Una explicación correcta puede responder qué actor decidió qué, en qué capa, con qué incentivo. Una explicación IA-céntrica tiene como sujeto a la tecnología y no puede responder ninguna de esas tres preguntas.