La inteligencia artificial no empieza cuando un modelo produce una respuesta. Empieza antes, cuando una institución decide qué conflicto merece un expediente, qué investigación merece reconocimiento y qué experiencia llega a existir como dato.

Esa decisión no suele presentarse como tecnológica. Está distribuida entre formularios, tarifas, criterios de evaluación, infraestructuras editoriales y registros administrativos. Por eso la digitalización puede abrir una puerta y, al mismo tiempo, reforzar un límite previo.

Este radar reúne tres escenas. Una deuda impagada en Inglaterra, un debate sobre ciencia abierta en Chile y una brecha de representación en los registros sanitarios chilenos. No describen el mismo problema, pero iluminan una cuestión común: quién dispone de las condiciones materiales e institucionales para reclamar, contar y ser tenido en cuenta.

Cuando una deuda se vuelve reclamable

En mayo de 2026, la consultora autónoma Tamires Camal Taquidir obtuvo una resolución favorable en Inglaterra por una deuda de £7.000. Para preparar el caso recurrió a Garfield.Law, una firma regulada que utiliza automatización para ordenar pruebas, preparar documentos y acompañar litigios de pequeña cuantía.

La noticia merece atención no porque una máquina haya sustituido a la justicia ni a la abogacía. La defensa oral siguió a cargo de un barrister humano. Lo relevante es que una parte de la preparación documental se volvió más asequible. Los aproximadamente £400 citados por la prensa corresponden al servicio de Garfield para la carta legal y el inicio del procedimiento, no al coste total de litigar. Las tasas judiciales y otros posibles gastos continúan existiendo.

Aun con ese límite, el caso abre una pregunta material. Cuando preparar una reclamación cuesta más que lo que se espera recuperar, muchas deudas dejan de ser derechos exigibles y pasan a ser pérdidas asumidas. Una herramienta puede reducir esa barrera. Pero también selecciona qué conflictos encajan en sus formularios, qué pruebas puede procesar y qué personas quedan fuera porque su caso es demasiado complejo, urgente o difícil de documentar.

Qué conocimiento cuenta

En el 12.º Congreso de Bibliotecas Universitarias y Especializadas de la Universidad de Chile, la socióloga argentina María Fernanda Beigel propuso desplazar el centro de la evaluación científica. Frente a un sistema que privilegia productividad, citas y factor de impacto, defendió formas de valorar la incidencia social del conocimiento, su diversidad lingüística y su vínculo con necesidades públicas.

No es una oposición entre cifras y rigor. Las métricas pueden ayudar a observar una parte de la actividad científica. El problema aparece cuando una cifra diseñada para medir la circulación de una revista se convierte en un sustituto de la calidad, la pertinencia o el valor de una investigación. La Declaración de San Francisco sobre la Evaluación de la Investigación cuestiona desde hace años ese uso automático de las métricas de publicación.

Desde América Latina, la discusión incluye una cuestión de infraestructura. Quién controla las bases de datos, quién puede pagar por publicar, en qué idioma se reconoce el conocimiento y qué problemas logran visibilidad internacional. La propuesta de una ciencia abierta democrática y socialmente relevante no plantea solo ampliar el acceso a artículos. Propone disputar las condiciones con las que se decide qué conocimiento cuenta.

Una IA que clasifica, recomienda o evalúa investigaciones no llega a un terreno vacío. Aprende sobre catálogos, repositorios y sistemas de prestigio ya ordenados. La cuestión no es únicamente qué responde, sino qué jerarquías recibe como punto de partida.

Cuando el registro no alcanza

El Censo de Chile de 2024 registró que el 11,5 % de la población se autoidentifica como perteneciente a un pueblo indígena u originario. Sin embargo, la académica Sandra Flores Alvarado ha advertido que, en muchos registros sanitarios, esa presencia puede reducirse al 2–3 %. No se trata de una cifra homogénea para todo el sistema de salud, sino de una señal de alerta sobre una brecha de representación que debe analizarse con cuidado.

Un espacio en blanco no tiene un único significado. Puede señalar una barrera de acceso, una pregunta que no se hizo, un formulario mal diseñado, una base de datos sin interoperabilidad o la decisión razonable de no revelar una pertenencia en un contexto institucional marcado por experiencias de discriminación. Como explica Flores en la Universidad de Chile, confundir estas situaciones convierte una historia social compleja en un simple problema técnico de datos incompletos.

La cuestión se vuelve especialmente importante con la salud digital. Los sistemas de apoyo a la gestión y a la decisión clínica se alimentan de los registros disponibles. Cuando un grupo aparece de forma fragmentaria, el modelo no descubre por sí mismo lo que falta. Puede tratar esa ausencia como una representación suficiente y reproducir una visión parcial de las necesidades, los riesgos y los usos del sistema sanitario.

La respuesta no consiste en extraer más información sin condiciones. Requiere discutir con los pueblos y comunidades implicadas qué datos se recogen, quién los custodia, para qué se utilizan y bajo qué formas de consentimiento, transparencia y control colectivo.

La exclusión antes del modelo

Las tres escenas no prueban que toda digitalización excluya. Muestran algo más preciso. Una herramienta puede abaratar una reclamación, ampliar la circulación de una investigación o mejorar la organización de un servicio. Pero también puede volver operativas categorías, ausencias y jerarquías que ya estaban inscritas en las instituciones.

Por eso la inclusión no se resuelve con añadir más personas a una base de datos ni con ofrecer una interfaz más barata. Supone preguntar quién define las categorías, quién sostiene las infraestructuras, quién puede impugnar una decisión y qué formas de conocimiento o de experiencia siguen quedando fuera del registro.

La IA no comienza en el modelo. Comienza en el momento anterior, cuando se decide quién puede reclamar, quién puede contar y quién queda fuera.

Fuentes