De la soberanía indígena sobre los datos a la digitalización del patrimonio y los modelos capaces de interpretar secuencias genéticas, tres desarrollos recientes plantean una misma pregunta. ¿Quién produce, interpreta y gobierna el conocimiento cuando se convierte en información procesable por máquinas?
La UNESCO y el gobierno indígena de los datos
El 21 de octubre, la UNESCO publicó las conclusiones de un encuentro celebrado en Nueva York el 22 de septiembre, en paralelo al 81.º periodo de sesiones de la Asamblea General de Naciones Unidas. Lo convocaron la UNESCO, Microsoft y The GovLab, y reunió a liderazgos indígenas, personas tecnólogas, organismos internacionales, sociedad civil, fundaciones, equipos de investigación e industria.
La pregunta que plantea el encuentro alcanza mucho más que la presencia de lenguas infrarrepresentadas en los modelos. ¿Quién decide cómo se usan los conocimientos de una comunidad y quién obtiene los beneficios de su aprovechamiento tecnológico?
La propuesta gira en torno a los data commons, acuerdos de gobernanza compartida con los que las comunidades pueden fijar las condiciones de acceso, uso y gestión de sus datos lingüísticos y culturales. El texto pide pasar de la inclusión a la capacidad efectiva de decidir, y sitúa a los pueblos indígenas como comunidades colaboradoras, titulares de conocimiento y liderazgos desde el inicio del diseño de los sistemas. El trabajo continúa en el New Commons Incubator for Indigenous Languages and Cultures, un programa de seis meses de formación virtual y mentoría dirigido por el Open Data Policy Lab de The GovLab para una cohorte de cinco o seis iniciativas lideradas por equipos indígenas.
Conviene medir el alcance. Se trata de un diálogo multiactor y de un programa de incubación, sin un régimen internacional vinculante detrás, y las asimetrías de financiación, capacidad técnica y poder negociador entre comunidades, administraciones y empresas siguen ahí. La propia UNESCO subraya que las iniciativas indígenas necesitan apoyo sostenido en recursos, capacidades y relaciones. También es significativo quién convoca, porque una empresa tecnológica comparte mesa con las comunidades que deberían fijar las condiciones de uso de sus datos.
Desde la antropología, el debate cuestiona la presunción de que todo conocimiento puede separarse de su contexto y tratarse como información disponible. Una lengua contiene memoria, relaciones sociales, prácticas y formas situadas de comprender el mundo, además de palabras y estructuras gramaticales. Reconocer la autoridad de las comunidades implica aceptar que ellas deciden qué conocimientos compartir, cuáles proteger y en qué condiciones. La inclusión tecnológica sin capacidad de decisión puede convertirse en una nueva forma de extracción.
Fuentes. UNESCO, «Turning global interest into support for Indigenous-led AI», 21 de octubre de 2026 y New Commons, «New Commons Incubator for Indigenous Languages & Cultures»
Patrimonio cultural e IA, ¿quién decide qué merece conservarse?
El 15 de octubre, la revista Built Heritage publicó una revisión bibliométrica de Yangting Wen y Marzudi Md Yunus, de la Academia de Estudios Malayos de la Universiti Malaya (Kuala Lumpur). El trabajo analiza 382 publicaciones sobre inteligencia artificial aplicada al patrimonio cultural inmueble (edificios históricos, yacimientos arqueológicos, monumentos y paisajes culturales) entre enero de 2015 y octubre de 2025.
La producción crece con fuerza a partir de 2020 y se concentra en pocos países. China firma el 44 % de los trabajos de la muestra, Italia el 17 % y España el 8 %, mientras África y Sudamérica apenas aparecen. Las aplicaciones dominantes son la documentación digital, la detección de daños, la monitorización estructural y la reconstrucción virtual, y el peso disciplinar recae en ingeniería, ciencia de materiales, informática y teledetección. Las perspectivas comunitarias y humanísticas tienen una presencia comparativamente menor.
El propio estudio pide leer estos datos con cautela. La muestra se limita a publicaciones en inglés indexadas en la Web of Science Core Collection, de modo que buena parte de la investigación en lenguas locales o en revistas regionales queda fuera del mapa. El reparto describe lo que capta una base de datos concreta y deja abierta la situación del conjunto de los estudios patrimoniales, incluido el lugar de las humanidades.
Su aportación más interesante está en las consecuencias. Si los conjuntos de datos y los modelos se producen en pocos contextos, sus supuestos sobre materiales, tradiciones constructivas o autenticidad pueden trasladarse a otros lugares sin adaptación. El artículo nombra ese riesgo como colonialismo algorítmico y propone datos diversos, validación entre regiones, taxonomías desarrolladas localmente y participación comunitaria en la recogida e interpretación de la información.
Un algoritmo puede localizar una grieta en un muro. El significado de ese lugar para quienes lo habitan se construye en otro plano, hecho de memorias colectivas, usos cotidianos, prácticas rituales y disputas sobre la interpretación del pasado. Decidir qué conservar, cómo intervenir o qué versión de una historia difundir exige juicios culturales y políticos que ningún modelo digital resuelve por sí solo. En el patrimonio vivo, señala el estudio, el conocimiento comunitario puede ser la base misma del sentido y de la gestión del lugar.
Carbon-X, un modelo que conversa con el ADN
Hugging Face, la Academia Zhongguancun de Pekín y el Instituto Telethon de Genética y Medicina (TIGEM) con la Universidad de Nápoles Federico II han publicado Carbon-X, un modelo abierto de 14.800 millones de parámetros entrenado de forma conjunta con secuencias de ADN y texto en lenguaje natural. Recibe una secuencia dentro de una conversación y responde en inglés. Estima si una mutación es benigna o patógena, identifica regiones que regulan la actividad de los genes, clasifica secuencias por grupo de organismos y predice las bases siguientes. Parte del modelo Qwen3-14B y se distribuye con licencia Apache 2.0.
La apertura tiene consecuencias prácticas. El modelo cabe en una sola GPU de 80 GB, lo que permite a los equipos de investigación trabajar con secuencias sensibles o inéditas en su propia infraestructura, sin pasar por plataformas comerciales cerradas. Ese requisito de hardware, aun así, sigue fuera del alcance de muchos laboratorios. Se entrenó con fragmentos de hasta unos 49.000 pares de bases, una escala que corresponde a regiones genómicas acotadas.
La ficha técnica es explícita sobre sus límites. Carbon-X carece de validación clínica y no debe usarse para tomar decisiones médicas. Sus predicciones tampoco han sido validadas mediante experimentos de laboratorio. Puede inventar la identidad o la función de una secuencia cuando le falta contexto y rinde poco en tareas como la detección de sitios de empalme. Advierte, además, de que los datos genéticos son altamente sensibles y de que su tratamiento depende de cómo y a través de qué proveedor se use el modelo.
La cuestión epistemológica es qué ocurre cuando las estructuras de la vida se interpretan con tecnologías diseñadas para procesar lenguaje. La metáfora de «hablar con el ADN» ayuda a entender la propuesta y conviene tomarla como metáfora. Las secuencias genéticas contienen información biológica y carecen de la dimensión social y significativa que tiene una lengua humana en sentido antropológico. El modelo identifica regularidades estadísticas cuyos resultados deben contrastarse con conocimiento biológico y procedimientos experimentales, y esa nueva mediación entre datos, hipótesis y pruebas transforma la manera en que se construye el conocimiento científico.
La advertencia sobre la sensibilidad de los datos genéticos enlaza con el primer bloque. La pregunta por quién gobierna los datos alcanza también a las secuencias genómicas de las comunidades.
Fuentes. HuggingFaceBio, ficha técnica de Carbon-X y WIRED, 22 de octubre de 2026
Una pregunta común
Lenguas y conocimientos indígenas, patrimonio inmueble y secuencias genéticas son ámbitos distintos que comparten un desplazamiento. Saberes, objetos y procesos que antes exigían vías especializadas de acceso e interpretación pasan a tratarse como información susceptible de procesamiento automatizado.
Esa capacidad abre posibilidades para la investigación, la conservación y la circulación del conocimiento. También obliga a separar tres operaciones, que son acceder a la información, comprender su contexto y tener legitimidad para decidir sobre su uso. En los conocimientos indígenas, esa legitimidad remite a los derechos, prioridades y decisiones de las comunidades. En el patrimonio, a las relaciones entre quienes investigan, gestionan y habitan los lugares. En la genómica, a la validación experimental, la responsabilidad científica, la protección de datos sensibles y las condiciones de aplicación.
Son problemas diferentes y cada uno pide respuestas propias. Los reúne la necesidad de examinar quién fija las categorías, qué queda fuera de ellas y quién tiene la última palabra.
El desafío pasa por desarrollar formas de conocimiento tecnológico que reconozcan sus límites, respeten la pluralidad de saberes y repartan con más justicia la capacidad de decidir. Conocer el mundo sin apropiarse de él sigue siendo la tarea pendiente.