1. Introducción

La inteligencia artificial (IA) ha dejado de ser exclusivamente un campo experimental para convertirse en una infraestructura tecnológica con aplicaciones concretas en ámbitos como la salud, la educación, la investigación científica, la administración pública, el trabajo, la agricultura, la industria y los servicios. El International AI Safety Report 2025, elaborado mediante una colaboración internacional de especialistas, señala que los sistemas de IA de propósito general ya se integran en motores de búsqueda, bases de datos jurídicas, herramientas de apoyo a decisiones clínicas y numerosos productos y servicios. El mismo informe identifica avances importantes en conversación, programación, generación de contenido y resolución de problemas científicos.

Sin embargo, una aproximación rigurosa exige evitar una confusión frecuente: que una tecnología pueda realizar tareas complejas no significa que posea conciencia, voluntad propia o personalidad jurídica. Las aplicaciones de IA deben analizarse desde su función, su grado de autonomía, el contexto de utilización, sus efectos y la estructura de responsabilidad que las acompaña.

Desde esta perspectiva, la pregunta central no debería ser únicamente “¿qué puede hacer la IA?”, sino también: ¿para qué se utiliza, quién controla su utilización, qué consecuencias produce y quién responde por ellas?

2. Aplicaciones actuales de la inteligencia artificial

2.1. Salud y medicina

La salud constituye uno de los campos donde las aplicaciones de IA presentan mayor relevancia social. La Organización Mundial de la Salud (OMS) documenta usos en diagnóstico, atención clínica, vigilancia de enfermedades, desarrollo de medicamentos, administración sanitaria y apoyo a profesionales de la salud. También reconoce aplicaciones de modelos multimodales en consultas, documentación clínica, educación médica e investigación científica.

La importancia de esta aplicación no reside solamente en automatizar tareas. La IA puede procesar grandes volúmenes de información y apoyar actividades que resultarían difíciles de realizar manualmente a la misma velocidad.

No obstante, la OMS advierte que los sistemas pueden producir información falsa, incompleta, sesgada o inexacta. Por ello, recomienda evaluación, supervisión, transparencia, auditoría y regulación.

Principio de gobernanza: en ámbitos de alto impacto, la IA debe funcionar como apoyo a la decisión y no como mecanismo para eliminar la responsabilidad profesional e institucional.

2.2. Educación

La IA generativa está siendo aplicada en educación y en investigación mediante herramientas de generación de texto, asistencia personalizada, traducción, apoyo a la escritura, elaboración de materiales y simulación de situaciones de aprendizaje.

UNESCO publicó en 2023 su primera guía mundial sobre IA generativa en educación e investigación, orientada a desarrollar políticas y capacidades desde una perspectiva centrada en las personas. La organización subraya la necesidad de que la incorporación de estas tecnologías preserve una visión humanista de la educación.

Esto conduce a una transformación importante del papel docente. La cuestión ya no consiste simplemente en prohibir o permitir la IA, sino en enseñar al estudiante a formular problemas, verificar información, identificar errores, argumentar y utilizar críticamente herramientas algorítmicas.

En términos de gestión del talento, la competencia fundamental será progresivamente la capacidad de trabajar con IA sin delegarle completamente el juicio profesional.

2.3. Ciencia, investigación e innovación

Los sistemas de IA también están ampliando sus aplicaciones en investigación científica. El International AI Safety Report identifica potenciales beneficios en campos como química, biología y física, además de programación y resolución de problemas matemáticos.

En este contexto, la IA puede funcionar como instrumento de:

• análisis de grandes conjuntos de datos;
• identificación de patrones;
• generación y comparación de hipótesis;
• apoyo a simulaciones;
• programación;
• búsqueda y síntesis de información;
• investigación de nuevos compuestos.

La cuestión epistemológica es especialmente importante: una respuesta generada por IA no constituye por sí misma evidencia científica. La validación continúa dependiendo de métodos de investigación, reproducibilidad, revisión crítica y evidencia empírica.

2.4. Trabajo y gestión del talento humano

Una de las transformaciones más profundas se produce en el mundo laboral. La OIT estima, en su actualización de 2025, que uno de cada cuatro trabajadores en el mundo se encuentra en una ocupación con algún grado de exposición a la IA generativa. Esta cifra procede de una metodología que analiza tareas y ocupaciones y no significa que uno de cada cuatro empleos vaya necesariamente a desaparecer. De hecho, la OIT señala que la transformación de los puestos de trabajo es más probable que su sustitución completa.

La cifra se obtiene mediante una evaluación de exposición ocupacional basada en tareas. El estudio actualizado trabaja con 29.753 tareas de la clasificación ocupacional polaca y utiliza información humana, opinión experta y predicciones de IA para estimar el potencial de automatización.

Por tanto, la transformación del trabajo debe analizarse desde la perspectiva de tareas, no únicamente desde la perspectiva de profesiones.

Una profesión puede mantenerse, pero cambiar profundamente sus actividades.

Por ejemplo:

Profesional → IA realiza tareas repetitivas → profesional verifica, interpreta, decide y responde por el resultado.

Este modelo desplaza el valor profesional desde la ejecución rutinaria hacia competencias como:

• pensamiento crítico;
• criterio ético;
• comunicación;
• resolución de problemas;
• creatividad;
• supervisión algorítmica;
• capacidad de verificar resultados.

3. Inteligencia artificial en la administración pública

La IA también está entrando en la gestión gubernamental. La OCDE identifica posibilidades de utilización para aumentar la productividad, mejorar la capacidad de respuesta de los servicios públicos y fortalecer determinadas dimensiones de la gestión pública. Al mismo tiempo, señala la necesidad de controlar riesgos y establecer condiciones para una IA confiable.

Entre sus posibles aplicaciones se encuentran:

• análisis de información pública;
• atención automatizada a ciudadanos;
• detección de patrones;
• apoyo a la planificación;
• gestión documental;
• análisis de políticas públicas;
• asignación y priorización de recursos;
• predicción y gestión de determinados riesgos.

Pero existe aquí una frontera ética fundamental: la eficiencia administrativa no puede convertirse automáticamente en legitimidad para tomar decisiones automatizadas sobre derechos de las personas.

Cuando una decisión pública puede afectar educación, salud, seguridad, empleo, beneficios sociales o acceso a servicios, la trazabilidad y la posibilidad de revisión humana adquieren una importancia especial.

4. Agricultura y desarrollo rural

La aplicación de IA en agricultura resulta particularmente relevante para países como Ecuador. La FAO identifica aplicaciones relacionadas con agricultura de precisión, optimización del uso de agua y fertilizantes y gestión de cadenas de suministro. También advierte que las desigualdades en acceso a infraestructura, educación y tecnología pueden dejar atrás a comunidades rurales.

La ONU señala igualmente aplicaciones de IA para monitoreo de cultivos, resiliencia climática y análisis de imágenes satelitales y de drones. Incluso documenta iniciativas de análisis de imágenes de observación terrestre para identificar enfermedades de cultivos y elaborar mapas de uso y cobertura del suelo, incluyendo experiencias en Ecuador.

Esto demuestra que la IA no debe analizarse únicamente desde Silicon Valley o desde grandes empresas tecnológicas. También puede convertirse en una herramienta para territorios rurales, agricultura, gestión ambiental y desarrollo local, siempre que exista infraestructura y capacitación suficientes.

5. Aplicaciones futuras: qué podemos afirmar y qué no

Aquí es necesario introducir una distinción científica.

No puedo confirmar cómo será exactamente la IA en el futuro. Las trayectorias tecnológicas no pueden predecirse con certeza. El International AI Safety Report señala precisamente que la evolución de las capacidades de IA puede producirse a diferentes velocidades y que resulta técnicamente difícil medir y caracterizar de manera fiable todas sus capacidades.

Por ello, resulta más riguroso hablar de líneas de desarrollo que de predicciones deterministas.

Entre ellas se encuentran:

1. Mayor colaboración humano–IA: sistemas capaces de asistir a profesionales en tareas cada vez más complejas.
2. Agentes capaces de ejecutar secuencias de tareas: la evolución hacia sistemas con mayor capacidad para planificar y utilizar herramientas plantea nuevos problemas de supervisión y control.
3. Investigación científica asistida por IA: mayor integración de IA en descubrimiento de materiales, medicamentos, programación y análisis científico.
4. Personalización educativa: sistemas capaces de adaptar materiales y actividades a diferentes necesidades de aprendizaje, siempre bajo criterios pedagógicos y humanos.
5. Medicina de precisión: mayor utilización de sistemas capaces de analizar múltiples fuentes de información clínica.
6. Gestión pública algorítmica: incremento del uso de sistemas de IA para análisis y apoyo a políticas públicas.
7. Agricultura inteligente: integración de sensores, imágenes satelitales, robótica y modelos predictivos.
8. Gestión algorítmica del trabajo: utilización creciente de sistemas para asignación de tareas, evaluación, planificación y organización laboral.

Cada una de estas posibilidades incrementa simultáneamente capacidad y responsabilidad.

6. El verdadero problema futuro: no es solamente la autonomía, sino la gobernanza

Desde el modelo de responsabilidad planteado en la pregunta, considero especialmente útil organizar el análisis en cinco capas:

Capa 1. Diseño

¿Con qué datos fue construido el sistema?

¿Qué criterios fueron utilizados?

¿Qué sesgos pueden existir?

Capa 2. Implementación

¿Para qué finalidad se utiliza?

¿Quién lo configura?

¿En qué contexto opera?

Capa 3. Decisión e impacto

¿Qué decisiones produce o influye?

¿A quién afecta?

¿Qué consecuencias genera?

Capa 4. Responsabilidad

¿Quién tenía capacidad efectiva de intervenir?

¿Quién debía supervisar?

¿Qué organización responde jurídicamente?

Capa 5. Auditoría

¿Existen registros?

¿Puede reconstruirse el proceso?

¿Puede impugnarse una decisión?

¿Existe supervisión humana efectiva?

Este modelo resulta compatible con la orientación contemporánea de gobernanza de IA: el NIST AI RMF estructura la gestión del riesgo mediante las funciones Govern, Map, Measure y Manage, mientras que los marcos internacionales enfatizan responsabilidad, trazabilidad y supervisión.

7. El principal riesgo: convertir la IA en una autoridad sin responsable

Aquí aparece el problema que considero más importante desde una perspectiva de gobernanza algorítmica.

La evolución de la IA puede generar sistemas técnicamente muy sofisticados, pero la complejidad técnica no elimina la necesidad de responsabilidad humana y organizacional.

El peligro no es solamente que una IA se equivoque. El problema institucional aparece cuando una organización utiliza el resultado algorítmico como argumento para evitar explicar una decisión:

“Lo decidió el algoritmo”.

Esta formulación es insuficiente desde una perspectiva de accountability.

La IA puede producir una recomendación, clasificación, predicción o contenido; pero debe existir una arquitectura institucional que determine quién autorizó el sistema, quién estableció su finalidad, quién supervisó su funcionamiento y quién debe responder ante las consecuencias.

Esta cuestión adquiere todavía mayor importancia cuando la IA se utiliza en ámbitos de alto impacto.

8. Conclusión

Las aplicaciones actuales de la inteligencia artificial ya son verificables en numerosos sectores: salud, educación, investigación, trabajo, administración pública, agricultura, industria y servicios. La evidencia disponible muestra que la IA no constituye únicamente una tecnología futura; ya forma parte de procesos sociales, económicos e institucionales.

Las aplicaciones futuras pueden ampliar considerablemente esas capacidades, pero no deben presentarse como hechos consumados. Lo científicamente responsable es distinguir entre capacidades observadas, desarrollos tecnológicos en curso y escenarios futuros inciertos.

Desde la perspectiva de la gobernanza algorítmica, la cuestión decisiva no es únicamente cuánto puede hacer una IA, sino cómo se distribuyen poder, autonomía, supervisión y responsabilidad cuando humanos y sistemas algorítmicos participan conjuntamente en una decisión.

Por ello, la evolución hacia sistemas más capaces no debería conducir automáticamente a sustituir al ser humano como responsable. Debe conducir a una arquitectura más sofisticada de supervisión, trazabilidad, auditoría, formación y accountability.

La verdadera transformación del futuro probablemente no consistirá simplemente en que “la IA reemplace al ser humano”. La evidencia disponible apunta más bien hacia una transformación de las tareas, profesiones, organizaciones y formas de tomar decisiones. La OIT, por ejemplo, encuentra que la transformación de los puestos resulta más probable que su sustitución completa.

Desde esta perspectiva, el desafío estratégico consiste en construir un modelo de inteligencia aumentada, en el cual la capacidad computacional de la IA se combine con juicio humano, responsabilidad institucional y criterios éticos.

La pregunta fundamental, por tanto, deja de ser:

“¿Qué puede hacer la IA?”

y pasa a ser:

“¿Qué debemos permitir que haga, bajo qué condiciones, quién debe supervisarla y quién debe responder cuando sus decisiones producen consecuencias?”

Ese cambio de pregunta constituye, a mi juicio, uno de los fundamentos conceptuales más importantes para comprender la gobernanza de la inteligencia artificial en el presente y en las próximas décadas.

Referencias bibliográficas

Food and Agriculture Organization of the United Nations. (2024). FAO Science and Innovation Forum spotlighted inclusive AI for agrifood systems transformation.

Gmyrek, P., Berg, J., Kamiński, K., Filip Konopczyński, F., Ładna, A., Nafradi, B., Rosłaniec, K., & Troszyński, M. (2025). Generative AI and jobs: A refined global index of occupational exposure (ILO Working Paper 140). International Labour Organization. doi:10.54394/QFBQ1907

International AI Safety Report. (2025). International AI Safety Report 2025.

International Labour Organization. (2025). Generative AI and jobs: A 2025 update.

Organisation for Economic Co-operation and Development. (2024). Governing with artificial intelligence: Are governments ready? OECD Artificial Intelligence Papers, No. 20. doi:10.1787/26324bc2-en

United Nations. (2024). ECOSOC examines AI to advance sustainable development.

United Nations. (2026). Artificial intelligence. United Nations.

UNESCO. (2023). Miao, F., & Holmes, W. Guidance for generative AI in education and research. UNESCO.

World Health Organization. (2024). Ethics and governance of artificial intelligence for health: Guidance on large multi-modal models.

World Health Organization. (2024). Artificial intelligence for health: Supporting countries to deploy responsible AI technologies to accelerate equitable health for all.