UNA LLAMADA A LA ACCIÓN
FORJAR UN FUTURO INTERDISCIPLINAR CON LA INTELIGENCIA ARTIFICIAL
DOI:
https://doi.org/10.36674/mythos.v17i2.1041Palabras clave:
Ethics, Interdisciplinarity, Innovation, Governance, Algorithmic Bias, SustainabilityResumen
La Inteligencia Artificial (IA) ha evolucionado de un subcampo de la Ciencia de la Computación a una tecnología fundamental que está transformando diversas esferas, desde la biología molecular y las finanzas globales hasta la educación y la salud, lo que indica un profundo cambio de paradigma. Este editorial propone un nuevo imperativo de colaboración interdisciplinaria entre la academia, la industria y los formuladores de políticas para superar la fragmentación y movilizar el poder de la IA a través de un enfoque integrado, ético y centrado en el ser humano. A pesar de su innegable potencial en diagnósticos médicos, agricultura y modelización climática, la adopción de la IA se enfrenta a desafíos prácticos y éticos urgentes. Los problemas críticos incluyen: 1) el sesgo algorítmico, que puede perpetuar desigualdades sociales; 2) la privacidad y seguridad de los datos, agravadas por la dependencia de grandes volúmenes de datos sensibles y el riesgo de la IA en la Sombra (Shadow AI); 3) los costos ambientales significativos del entrenamiento de grandes modelos lingüísticos (LLMs); y 4) el doble impacto económico, que promete productividad, pero exige una recualificación profesional masiva. Adicionalmente, la responsabilidad por errores de la IA sigue siendo ambigua, lo que exige marcos regulatorios claros, como el AI Act europeo y el Proyecto de Ley 2.338/2023 brasileño. Superar estos desafíos requiere un abordaje multifacético, que combine soluciones técnicas (ej. Green AI, mitigación de sesgos) con políticas públicas, regulación y educación, con el objetivo de establecer un andamiaje de gobernanza que fomente la innovación y garantice la distribución justa y equitativa de los beneficios de la IA.
Citas
Bahoo, S., Cucculelli, M., & Qamar, D. (2023). Artificial intelligence and corporate innovation: A review and research agenda. Technological Forecasting and Social Change, 188(March 2022), 122264. https://doi.org/10.1016/j.techfore.2022.122264
Barmer, H., Dzombak, R., Gaston, M., Palat, J., Redner, F., Smith, C., & Smith, T. (2021). Human-Centered AI Human-Centered AI. In Software Engineering Institute. https://doi.org/10.1184/R1/16560183.v1
Bianchini, S., Müller, M., & Pelletier, P. (2022). Artificial intelligence in science: An emerging general method of invention. Research Policy, 51(10), 104604. https://doi.org/10.1016/j.respol.2022.104604
Brynjolfsson, E., & McAfee, A. (2017). The Business of Artificial Intelligence. Harvard Business Review. https://hbr.org/2017/07/the-business-of-artificial-intelligence
Buolamwini, J., & Gebru, T. (2018). Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification. Proceedings of Machine Learning Research, 81, 77–91.
Callaway, E. (2022). What’s next for the AI Protein-Folding Revolution. Nature, 604(April), 234–238.
Damioli, G., Van Roy, V., & Vertesy, D. (2021). The impact of artificial intelligence on labor productivity. Eurasian Business Review, 11(1), 1–25. https://doi.org/10.1007/s40821-020-00172-8
Faiz, A., Kaneda, S., Wang, R., Osi, R., Sharma, P., Chen, F., & Jiang, L. (2024). Llmcarbon: Modeling the End-To-End Carbon Footprint of Large Language Models. 12th International Conference on Learning Representations, ICLR 2024, 1–15.
Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., Luetge, C., Madelin, R., Pagallo, U., Rossi, F., Schafer, B., Valcke, P., & Vayena, E. (2018). AI4People—An Ethical Framework for a Good AI Society: Opportunities, Risks, Principles, and Recommendations. Minds and Machines, 28(4), 689–707. https://doi.org/10.1007/s11023-018-9482-5
Gawande, M. S., Zade, N., Kumar, P., Gundewar, S., Weerarathna, I. N., & Verma, P. (2025). The role of artificial intelligence in pandemic responses: from epidemiological modeling to vaccine development. Molecular Biomedicine, 6(1), 1–25. https://doi.org/10.1186/s43556-024-00238-3
Hang, H., & Chen, Z. (2022). How to realize the full potentials of artificial intelligence (AI) in digital economy? A literature review. Journal of Digital Economy, 1(3), 180–191. https://doi.org/10.1016/j.jdec.2022.11.003
Hurlin, C., Pérignon, C., & Saurin, S. (2024). The Fairness of Credit Scoring Models. Management Science, September 2025. https://doi.org/10.1287/mnsc.2022.03888
Kafila, Swetha, S., Mittal, S., Vijaya Lakshmi, V., Lourens, M., & Soni, M. (2024). Combining AI with Machine Learning to Improve Decision-Making in New Business Technologies. TQCEBT 2024 - 2nd IEEE International Conference on Trends in Quantum Computing and Emerging Business Technologies 2024, 22–26. https://doi.org/10.1109/TQCEBT59414.2024.10545201
Korobenko, D., Nikiforova, A., & Sharma, R. (2024). Towards a Privacy and Security-Aware Framework for Ethical AI: Guiding the Development and Assessment of AI Systems. ACM International Conference Proceeding Series, 740–753. https://doi.org/10.1145/3657054.3657141
Mehrabi, N., Morstatter, F., Saxena, N., Lerman, K., & Galstyan, A. (2021). A Survey on Bias and Fairness in Machine Learning. ACM Comput. Surv., 54(6). https://doi.org/10.1145/3457607
Ng, D. T. K., Leung, J. K. L., Su, J., Ng, R. C. W., & Chu, S. K. W. (2023). Teachers’ AI digital competencies and twenty-first century skills in the post-pandemic world. Educational Technology Research and Development, 71(1), 137–161. https://doi.org/10.1007/s11423-023-10203-6
Pflanzer, M., Traylor, Z., Lyons, J. B., Dubljevi?, V., & Nam, C. S. (2023). Ethics in human–AI teaming: principles and perspectives. AI and Ethics, 3(3), 917–935. https://doi.org/10.1007/s43681-022-00214-z
Pigola, A., Scafuto, I. C., Costa, P. R. da, & Nassif, V. M. J. (2023). Artificial Intelligence in Academic Research. International Journal of Innovation, 11(3), 01–09. https://doi.org/10.5585/2023.24508
Rahmani, A. M., Azhir, E., Ali, S., Mohammadi, M., Ahmed, O. H., Ghafour, M. Y., Ahmed, S. H., & Hosseinzadeh, M. (2021). Artificial intelligence approaches and mechanisms for big data analytics: a systematic study. PeerJ Computer Science, 7, 1–28. https://doi.org/10.7717/peerj-cs.488
Rahwan, I., Cebrian, M., Obradovich, N., Bongard, J., Bonnefon, J. F., Breazeal, C., Crandall, J. W., Christakis, N. A., Couzin, I. D., Jackson, M. O., Jennings, N. R., Kamar, E., Kloumann, I. M., Larochelle, H., Lazer, D., McElreath, R., Mislove, A., Parkes, D. C., Pentland, A. ‘Sandy,’ …
Wellman, M. (2019). Machine behaviour. Nature, 568(7753), 477–486. https://doi.org/10.1038/s41586-019-1138-y
Reichstein, M., Camps-Valls, G., Stevens, B., Jung, M., Denzler, J., Carvalhais, N., & Prabhat. (2019). Deep learning and process understanding for data-driven Earth system science. Nature, 566(7743), 195–204. https://doi.org/10.1038/s41586-019-0912-1
Ren, S., Tomlinson, B., Black, R. W., & Torrance, A. W. (2024). Reconciling the contrasting narratives on the environmental impact of large language models. Scientific Reports, 14(1), 1–8. https://doi.org/10.1038/s41598-024-76682-6
Rillig, M. C., Ågerstrand, M., Bi, M., Gould, K. A., & Sauerland, U. (2023). Risks and Benefits of Large Language Models for the Environment. Environmental Science and Technology, 57(9), 3464–3466. https://doi.org/10.1021/acs.est.3c01106
Schwartz, R., Dodge, J., Smith, N. A., & Etzioni, O. (2020). Green AI. Communications of the ACM, 63(12), 54–63. https://doi.org/10.1145/3381831
Sharma, R. (2021). Artificial intelligence in agriculture: A review. Proceedings - 5th International Conference on Intelligent Computing and Control Systems, ICICCS 2021, Iciccs, 937–942. https://doi.org/10.1109/ICICCS51141.2021.9432187
Silic, M., Silic, D., & Kind-Trüller, K. (2025). From Shadow It to Shadow AI–Threats, Risks and Opportunities for Organizations. Strategic Change, 1–16. https://doi.org/10.1002/jsc.2682
Topol, E. J. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature Medicine, 25(1), 44–56. https://doi.org/10.1038/s41591-018-0300-7
Trabelsi, M. A. (2024). The impact of artificial intelligence on economic development. Journal of Electronic Business & Digital Economics, 3(2), 142–155. https://doi.org/10.1108/jebde-10-2023-0022
Villarreal-Espinosa, J. B., Berreta, R. S., Allende, F., Garcia, J. R., Ayala, S., Familiari, F., & Chahla, J. (2024). Accuracy assessment of ChatGPT responses to frequently asked questions regarding anterior cruciate ligament surgery. Knee, 51(March 2023), 84–92. https://doi.org/10.1016/j.knee.2024.08.014
Wang, H., Fu, T., Du, Y., Gao, W., Huang, K., Liu, Z., Chandak, P., Liu, S., Van Katwyk, P., Deac, A., Anandkumar, A., Bergen, K., Gomes, C. P., Ho, S., Kohli, P., Lasenby, J., Leskovec, J., Liu, T. Y., Manrai, A., … Zitnik, M. (2023). Scientific discovery in the age of artificial intelligence. Nature, 620(7972), 47–60. https://doi.org/10.1038/s41586-023-06221-2
WEF. (2025). Future of Jobs Report 2025. In Insight Report. https://doi.org/10.1007/978-1-137-40325-4
Whittlestone, J., Nyrup, R., Alexandrova, A., Dihal, K., & Cave, S. (2019). Ethical and societal implications of algorithms, data, and artificial intelligence: a roadmap for research. In London: Nuffield …. https://www.nuffieldfoundation.org/sites/default/files/files/Ethical-and-Societal-Implications-of-Data-and-AI-report-Nuffield-Foundat.pdf
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Rodrigo Franklin Frogeri; Fabrício Pelloso Piurcosky, Pedro dos Santos Portugal Júnior
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
A partir de enero de 2024, los autores conservan los derechos de autor de su artículo y conceden a la revista Mythos de FEPESMIG el derecho de primera publicación, estando la obra simultáneamente bajo la licencia Creative Commons Reconocimiento 4.0 Internacional (CC BY 4.0), tal y como se recoge en el documento PDF del artículo. Esta licencia establece que el artículo publicado puede ser compartido (permite copiar y redistribuir el material en cualquier medio o formato) y adaptado (permite remezclar, transformar y crear a partir del material para cualquier fin, incluido el comercial) por cualquier persona.
