Dilemas de ética de la IA con ejemplos de la vida real
Aunque la inteligencia artificial está cambiando la forma en que trabajan las empresas, existen preocupaciones sobre cómo puede influir en nuestras vidas. Se trata tanto de un problema académico y social como de un riesgo reputacional para las empresas; ninguna compañía quiere verse perjudicada por escándalos de ética de datos o de IA que dañen su reputación.
Explore las perspectivas sobre los problemas éticos que surgen con el uso de la IA, ejemplos de mal uso y los principios clave para mitigar estos problemas.
Sesgo algorítmico
Los algoritmos y los datos de entrenamiento pueden contener sesgos, al igual que los humanos, ya que los humanos también los generan. Estos sesgos impiden que los sistemas de IA tomen decisiones justas. Encontramos sesgos en los sistemas de IA por dos razones:
- Los desarrolladores pueden programar sistemas de IA sesgados sin siquiera darse cuenta
- Los datos históricos utilizados para entrenar algoritmos de IA pueden no ser suficientes para representar con precisión a toda la población.
Ejemplo de la vida real:
Large language models (LLMs) se utilizan cada vez más en los lugares de trabajo para mejorar la eficiencia y la equidad, pero también pueden reproducir o amplificar sesgos sociales. El estudio Silicon Ceiling examina el impacto de los LLMs en la contratación mediante la auditoría de sesgos de raza y género en OpenAI’s GPT-3.5, basándose en métodos tradicionales de auditoría de currículums.
Los investigadores llevan a cabo dos estudios que utilizan nombres asociados con distintas razas y géneros: evaluación de currículums y generación de currículums. En el Estudio 1, GPT califica currículums con nombres variados en múltiples ocupaciones y criterios de evaluación, revelando sesgos basados en estereotipos. En el Estudio 2, GPT genera currículums ficticios y muestra diferencias sistemáticas: los currículums de las mujeres reflejan menos experiencia, mientras que los currículums de personas asiáticas e hispanas incluyen marcadores de inmigrantes.
Estos hallazgos se suman a la evidencia de sesgo en los LLMs, particularmente en contextos de contratación.1
Para construir una IA ética y responsable, es necesario eliminar los sesgos en los sistemas de IA. Sin embargo, 47 % de las organizaciones realizan pruebas de sesgo en los datos, los models y el uso humano de los algoritmos.2
Aunque eliminar todos los sesgos en los sistemas de IA es casi imposible, dados los numerosos sesgos humanos existentes y el continuo descubrimiento de otros nuevos, minimizarlos puede ser un objetivo empresarial.
Cosas autónomas
Las cosas autónomas (AuT, por sus siglas en inglés) son dispositivos y máquinas que realizan tareas específicas sin intervención humana. Estas máquinas incluyen coches autónomos, drones y robótica. Dado que la ética de los robots es un tema amplio, nos centramos en los problemas éticos derivados del uso de vehículos autónomos y drones.
Coches autónomos
A pesar del creciente valor de los vehículos autónomos, estos plantean diversos riesgos para las directrices de ética de la IA. La responsabilidad y la rendición de cuentas de los vehículos autónomos siguen siendo objeto de debate.
Ejemplo de la vida real:
Por ejemplo, en 2018, un coche autónomo de Uber atropelló a un peatón que falleció posteriormente en un hospital.3 El accidente quedó registrado como la primera muerte relacionada con un coche autónomo.
Tras la investigación del Departamento de Policía de Arizona y de la Junta Nacional de Seguridad en el Transporte de Estados Unidos (NTSB), los fiscales decidieron que la empresa no es penalmente responsable de la muerte del peatón. Esto se debe a que la conductora de seguridad estaba distraída con su teléfono móvil y los informes policiales califican el accidente como "completamente evitable".
Armas autónomas letales (LAW, por sus siglas en inglés)
Las LAW (armas autónomas letales, por sus siglas en inglés) son armas impulsadas por IA que pueden identificar y atacar objetivos por sí mismas sobre la base de reglas programadas. Estos sistemas existen desde hace décadas, especialmente en aplicaciones defensivas como minas, defensa antimisiles, sistemas centinela y municiones merodeadoras.
Las plataformas más recientes incluyen vehículos terrestres y marítimos con capacidades autónomas, principalmente para reconocimiento, pero a veces con funciones ofensivas.
Ejemplo de la vida real:
En el conflicto entre Ucrania y Rusia, las armas autónomas se utilizan principalmente mediante drones habilitados con IA y municiones merodeadoras, en lugar de sistemas totalmente independientes.
Rusia emplea municiones merodeadoras que pueden buscar y atacar de forma autónoma objetivos militares predefinidos con un control humano mínimo una vez lanzadas. Ucrania utiliza principalmente drones semiautónomos, en los que los humanos autorizan los ataques mientras la IA ayuda con la navegación, el seguimiento de objetivos y la intervención rápida.
Estos sistemas aumentan la velocidad y la precisión en el campo de batalla, pero reducen una supervisión humana significativa, lo que plantea desafíos jurídicos y éticos en virtud del derecho internacional humanitario, en particular en relación con los principios de distinción, proporcionalidad y rendición de cuentas.4
Ejemplo de la vida real:
Desde 2018, las Naciones Unidas se han opuesto sistemáticamente a los sistemas de armas autónomas letales (LAW). El Secretario General António Guterres los ha calificado de políticamente inaceptables y moralmente inaceptables, y ha instado a su prohibición.
En 2023, reiteró la necesidad de un instrumento internacional jurídicamente vinculante para prohibir las armas totalmente autónomas y regular otras, citando graves riesgos humanitarios, jurídicos y para los derechos humanos. Expertos en derechos humanos de la ONU se han hecho eco de estas preocupaciones y han apoyado una prohibición mundial.5
Desempleo y desigualdad de ingresos debido a la automatización
Se espera que la automatización impulsada por la IA remodele significativamente los mercados laborales, contribuyendo a presiones de desempleo a corto plazo y ampliando la desigualdad de ingresos si no se gestiona.
Según el análisis de AIMultiple, las proyecciones actuales sugieren que 15-25 % de los empleos se enfrentarán a una perturbación significativa para 2027, con un desplazamiento neto de empleo del 5-10 % después de que se creen nuevos puestos.
Al mismo tiempo, la IA complementa el trabajo humano en áreas como la toma de decisiones, el razonamiento y la creatividad, desplazando la demanda hacia habilidades de mayor valor. Con más del 40 % de los trabajadores necesitando una actualización sustancial de habilidades para 2030, el acceso desigual a la reconversión profesional corre el riesgo de profundizar la desigualdad de ingresos entre quienes pueden adaptarse a los puestos habilitados por la IA y quienes no pueden.
Usos indebidos de la IA
Disputas de gobernanza de la IA por las armas autónomas
Las recientes tensiones entre las empresas de IA y los gobiernos ilustran lo difícil que es establecer límites al uso militar de la IA. A principios de 2026, la empresa de IA Anthropic se negó a firmar un contrato con el Departamento de Defensa de Estados Unidos que permitiría al gobierno "acceso sin restricciones" a sus models para "todos los fines lícitos".
Anthropic director ejecutivo Dario Amodei declaró que la empresa participaría si se incluían dos salvaguardas: prohibir la vigilancia masiva nacional y evitar el desarrollo de armas totalmente autónomas sin supervisión humana.6
El desacuerdo pone de relieve preocupaciones más amplias sobre el papel de los sistemas avanzados de IA en la guerra. Aunque los large language models no son armas en sí mismos, pueden integrarse en sistemas militares para analizar inteligencia, generar listas de objetivos potenciales, priorizar amenazas y recomendar acciones militares.
Las armas totalmente autónomas representan la etapa más controvertida de esta progresión. Una vez activadas, estos sistemas pueden buscar, seleccionar y atacar objetivos de forma independiente mediante sensores como cámaras y radares, así como algoritmos de IA.
Los críticos advierten que eliminar a los humanos del circuito de decisión plantea importantes preocupaciones éticas y jurídicas, en particular en torno a la rendición de cuentas y el cumplimiento del derecho internacional humanitario.
Prácticas de vigilancia que limitan la privacidad
"El Gran Hermano te vigila". Esta famosa frase de la novela distópica de George Orwell 1984 fue en su día una obra de ciencia ficción. Hoy, sin embargo, se siente cada vez más como una realidad, a medida que los gobiernos despliegan IA para la vigilancia masiva. En particular, el uso de la tecnología de reconocimiento facial en los sistemas de vigilancia ha suscitado serias preocupaciones sobre el derecho a la privacidad
Según el Índice de Vigilancia Global de la IA (AIGS), 176 países utilizan sistemas de vigilancia con IA, y las democracias liberales son importantes usuarias de la vigilancia con IA.7
El mismo estudio muestra que 51 % de las democracias avanzadas despliegan sistemas de vigilancia con IA, en comparación con 37 % de los estados autocráticos cerrados. Sin embargo, es probable que esto se deba a la brecha de riqueza entre estos dos grupos de países.
Desde una perspectiva ética, la pregunta importante es si los gobiernos están abusando de la tecnología o utilizándola de manera lícita.
Ejemplos de la vida real:
Algunos gigantes tecnológicos también manifiestan preocupaciones éticas sobre la vigilancia impulsada por IA. Por ejemplo, el presidente de Microsoft, Brad Smith, publicó una entrada de blog en la que pedía la regulación gubernamental del reconocimiento facial.8
Además, IBM dejó de ofrecer la tecnología para la vigilancia masiva debido a su potencial de uso indebido, como la elaboración de perfiles raciales, que viola los derechos humanos fundamentales.9
Manipulación del juicio humano
El análisis impulsado por IA puede ofrecer información práctica sobre el comportamiento humano, pero abusar del análisis para manipular las decisiones humanas es éticamente incorrecto.
Ejemplo de la vida real:
Cambridge Analytica vendió datos de votantes estadounidenses extraídos de Facebook a campañas políticas y proporcionó asistencia y análisis a las campañas presidenciales de 2016 de Ted Cruz y Donald Trump.
La información sobre la filtración de datos se reveló en 2018, y la Comisión Federal de Comercio multó a Facebook con 5.000 millones de dólares debido a sus violaciones de la privacidad.10
Proliferación de deepfakes
Los deepfakes son imágenes o vídeos generados sintéticamente en los que una persona de un medio de comunicación imagen o vídeo es sustituida por la apariencia de otra persona.
Crear una narrativa falsa mediante deepfakes puede dañar la confianza de las personas en los medios de comunicación (que se encuentra en su nivel más bajo histórico).11Esta desconfianza es peligrosa para las sociedades, teniendo en cuenta que los medios de comunicación de masas siguen siendo la opción número uno de los gobiernos para informar a la población sobre eventos de emergencia, como una pandemia mundial o un gran terremoto que cause daños generalizados y víctimas.
Ejemplo de la vida real:
La Comisión Europea ha abierto una investigación sobre la plataforma X de Elon Musk por acusaciones de que su herramienta de IA, Grok, se utilizó para generar imágenes deepfake sexualizadas de personas reales, tras una acción similar del regulador británico Ofcom.
Si se determina que X ha infringido la Ley de Servicios Digitales de la UE, podría enfrentarse a multas de hasta el 6 % de sus ingresos anuales globales, y los reguladores podrían imponer medidas provisionales si no se refuerzan las salvaguardias.
Funcionarios y activistas de la UE han condenado los deepfakes por considerarlos perjudiciales y degradantes, en particular para las mujeres y los niños, y han cuestionado si X evaluó y mitigó adecuadamente los riesgos relacionados con potentes herramientas de IA.12
Inteligencia artificial general (IAG) / Singularidad
La perspectiva de la inteligencia artificial general (IAG) o singularidad plantea preocupaciones éticas sobre el valor de la vida humana a medida que las máquinas superan la inteligencia humana. Al mismo tiempo, el camino hacia la IAG sigue siendo incierto, sin consenso científico sobre si surgirá del escalado de arquitecturas existentes como los transformadores o del desarrollo de enfoques fundamentalmente nuevos, ni sobre cómo debería validarse en última instancia la IAG.
Dilemas prácticos, como si los coches autónomos deben priorizar la seguridad de los pasajeros o la de los peatones, ponen de manifiesto cuestiones morales no resueltas que deben abordarse antes de que estas tecnologías se desplieguen ampliamente. De manera más general, la aparición de sistemas superinteligentes desafía el dominio humano y plantea cuestiones fundamentales sobre los derechos, las responsabilidades y los marcos morales de los seres artificiales.
Analizamos más de 8.500 predicciones de científicos, emprendedores y la comunidad en general, y descubrimos que la mayoría de los expertos consideran que la IAG es inevitable. Sobre la base de esta creencia, encuestas recientes a investigadores de IA estiman su llegada alrededor de 2040, un cambio notable respecto a previsiones anteriores más cercanas a 2060, mientras que los emprendedores son aún más optimistas y proyectan plazos cercanos a 2030.
Ética de los robots
La ética de los robots, o roboética, se ocupa de cómo los humanos diseñan, utilizan y tratan a los robots. Los debates sobre este tema existen desde la década de 1940, y cuestionan principalmente si los robots deberían tener derechos comparables a los de los humanos y los animales.
El autor Isaac Asimov fue el primero en hablar de leyes para robots en su relato corto titulado "Runaround". Introdujo las Tres Leyes de la Robótica:13
- Un robot no puede dañar a un ser humano ni, por inacción, permitir que un ser humano sufra daño.
- Un robot debe obedecer las órdenes dadas por los seres humanos, excepto cuando dichas órdenes entren en conflicto con la Primera Ley.
- Un robot debe proteger su propia existencia siempre que dicha protección no entre en conflicto con la Primera o la Segunda Ley.
¿Cómo afrontar estos dilemas?
Se trata de preguntas difíciles, y pueden ser necesarias soluciones innovadoras y controvertidas, como la renta básica universal, para abordarlas. Existen numerosas iniciativas y organizaciones destinadas a minimizar el posible impacto negativo de la IA.
Por ejemplo, el Instituto para la Ética en la Inteligencia Artificial (IEAI) de la Universidad Técnica de Múnich lleva a cabo investigaciones sobre IA en diversos ámbitos como la movilidad, el empleo, la atención sanitaria y la sostenibilidad.14
He aquí algunas recomendaciones para mitigar las controversias en torno a los usos adversarios de la IA:
Considere las políticas y mejores prácticas de la UNESCO
Política de gobernanza de datos
Esta política destaca la importancia de frameworks detallados para la recopilación, el uso y la gobernanza de los datos, a fin de garantizar la privacidad individual y mitigar los riesgos. Fomenta la creación de datasets de calidad para el entrenamiento de IA, la adopción de datasets abiertos y confiables, y la implementación de estrategias eficaces de protección de datos.
Por ejemplo, establecer datasets estandarizados para la IA sanitaria garantiza precisión y reduce sesgos.
Gobernanza ética de la IA
Los mecanismos de gobernanza deben ser inclusivos, multidisciplinarios y multilaterales, e incorporar a diversas partes interesadas, como comunidades afectadas, responsables políticos y expertos en IA. Este enfoque se extiende a la aplicación de la rendición de cuentas y a la reparación de los daños.
Por ejemplo, garantizar una contratación justa de los sistemas de IA requiere auditorías continuas para abordar los sesgos.
Política de educación e investigación
Promueve la alfabetización en IA y la conciencia ética integrando la educación sobre IA y datos en los planes de estudio. También prioriza la participación de los grupos marginados y fomenta la investigación ética en IA.
Por ejemplo, las escuelas podrían enseñar los fundamentos de la IA junto con la programación y el pensamiento crítico, preparando a las generaciones futuras para afrontar los impactos sociales de la IA.
Salud y bienestar social
Esta política fomenta el despliegue de la IA para mejorar la atención sanitaria, abordar los riesgos sanitarios mundiales y promover la salud mental. Destaca la necesidad de aplicaciones de IA que estén médicamente probadas, sean seguras y eficientes.
Igualdad de género en la IA
La igualdad de género tiene como objetivo reducir las disparidades de género en la IA apoyando a las mujeres en los campos STEM y evitando sesgos en los sistemas de IA.
Por ejemplo, asignar fondos para orientar a las mujeres en la investigación de IA y abordar los sesgos de género en los algoritmos de contratación laboral.
Sostenibilidad ambiental
Esta política se centra en evaluar y mitigar el impacto ambiental de la IA, como su huella de carbono y el consumo de recursos. Se incentiva el uso de la IA en la predicción y mitigación del clima.
Por ejemplo, la IA puede utilizarse para vigilar la deforestación y optimizar las redes de energías renovables.
Metodología de evaluación de la preparación (RAM)
Esta técnica ayuda a los estados a evaluar su preparación para implementar políticas éticas de IA mediante la evaluación de los frameworks jurídicos, la infraestructura y la disponibilidad de recursos.
Por ejemplo, RAM puede identificar lagunas en la regulación y la infraestructura de la IA, orientando a las naciones hacia una adopción ética de la IA.
Evaluación del impacto ético (EIA)
Este método evalúa los posibles impactos sociales, ambientales y económicos de los proyectos de IA. Al colaborar con las comunidades afectadas, la EIA garantiza la asignación de recursos para prevenir daños.
Por ejemplo, una EIA podría identificar los riesgos de sesgo en un sistema de policía predictiva y recomendar medidas de mitigación.
Observatorio mundial sobre la ética de la IA
Se refiere a una plataforma digital que ofrece análisis de los desafíos éticos de la IA y supervisa la implementación mundial de las recomendaciones de la UNESCO.
Por ejemplo, el observatorio podría proporcionar informes sobre los impactos sociales de la IA en diversos países.
Formación en ética de la IA y concienciación pública
Este enfoque fomenta una educación accesible y la participación ciudadana para mejorar la comprensión pública de la ética de la IA.
Por ejemplo, las campañas para educar a los usuarios sobre los riesgos de privacidad en las plataformas de redes sociales impulsadas por IA pueden formar ciudadanos digitales informados.
Ilustración 1: Áreas de política ética de la IA de la UNESCO15
Mejores prácticas recomendadas por la UNESCO
- Gobernanza inclusiva y de múltiples partes interesadas:
- Involucrar a diversas partes interesadas, incluidas las comunidades marginadas, en la creación de políticas y en la gobernanza de la IA.
- Utilizar equipos multidisciplinarios para garantizar que las decisiones sean equilibradas y equitativas.
- Ejemplo: Celebrar consultas públicas al desplegar sistemas de vigilancia con IA.
- Transparencia y explicabilidad:
- Desarrollar sistemas de IA con procesos de toma de decisiones interpretables.
- Equilibrar la transparencia con las preocupaciones de seguridad y privacidad.
- Ejemplo: Proporcionar a los usuarios explicaciones en lenguaje sencillo sobre cómo un model de IA toma decisiones.
- Evaluaciones de sostenibilidad:
- Evaluar periódicamente el impacto ambiental de los sistemas de IA, incluido el consumo de energía y la huella de carbono.
- Ejemplo: Reducir el uso de energía en el entrenamiento de grandes models de aprendizaje automático.
- Programas de alfabetización en IA:
- Educar al público y a los responsables políticos sobre las implicaciones éticas de la IA.
- Incorporar la ética de la IA en los planes de estudio educativos en todos los niveles.
- Ejemplo: Talleres sobre los riesgos de privacidad en las redes sociales impulsadas por IA.
- Auditorías continuas y mecanismos de rendición de cuentas:
- Establecer auditorías periódicas de los sistemas de IA para detectar y abordar sesgos, inexactitudes o violaciones éticas.
- Garantizar que exista un proceso claro de reparación en los casos de daños causados por la IA.
- Ejemplo: Revisiones periódicas de las herramientas de contratación de IA para prevenir el sesgo de género.
Aprenda frameworks de IA responsable
He aquí algunos frameworks de IA responsable para superar dilemas éticos como el sesgo de la IA:
Transparencia
Los desarrolladores de IA tienen la obligación ética de ser transparentes de una manera estructurada y accesible, ya que la tecnología de IA tiene el potencial de infringir la ley y afectar negativamente a la experiencia humana. Para que la IA sea accesible y transparente, el intercambio de conocimientos puede ayudar.
Por ejemplo, OpenAI fue fundada en 2015 como un laboratorio de investigación de IA sin ánimo de lucro por Elon Musk, Sam Altman y otros, con la misión de desarrollar "inteligencia digital" en beneficio de la humanidad.
Sin embargo, tras su reestructuración en una Corporación de Beneficio Público (PBC, por sus siglas en inglés), OpenAI opera ahora como una entidad con fines de lucro gobernada por una fundación sin ánimo de lucro.16
Al conceder a Microsoft una licencia exclusiva de sus frontier models, OpenAI ha pasado de un model de investigación transparente y abierto a uno propietario, lo que ha suscitado un importante debate sobre su misión original.
Explicabilidad
Los desarrolladores de IA y las empresas deben explicar cómo llegan sus algoritmos a sus predicciones para superar los problemas éticos que surgen con las predicciones inexactas. Existen diversos enfoques técnicos para explicar cómo estos algoritmos alcanzan sus conclusiones y qué factores afectan a sus decisiones.
Alineación
Numerosos países, empresas y universidades están construyendo sistemas de IA y, en la mayoría de las áreas, no existe un legal framework adaptado a los recientes avances en IA.
La modernización de los legal frameworks tanto a nivel nacional como superior (por ejemplo, la ONU) aclarará el camino hacia un desarrollo ético de la IA. Las empresas pioneras deberían liderar estos esfuerzos para aportar claridad a su sector.
Utilice frameworks y herramientas de ética de la IA
Los académicos y las organizaciones se centran cada vez más en frameworks éticos para orientar el uso de las tecnologías de IA. Estos frameworks abordan las implicaciones morales de la IA a lo largo de su ciclo de vida, incluido el entrenamiento de los sistemas de IA, el desarrollo de models de IA y el despliegue de sistemas inteligentes.
He aquí una lista de herramientas que pueden ayudarle a aplicar las prácticas de ética de la IA:
Herramientas de gobernanza de la IA
Las herramientas de gobernanza de la IA garantizan que las aplicaciones de IA se desarrollen y desplieguen en consonancia con los principios éticos. Estas herramientas ayudan a las organizaciones a supervisar y controlar los programas de IA a lo largo del ciclo de vida de la IA, abordan los riesgos relacionados con los resultados no éticos y respaldan una IA confiable.
Al implementar prácticas integrales de gobernanza de la IA, las empresas pueden gestionar mejor los riesgos potenciales y lograr el cumplimiento de la IA con los organismos reguladores.
LLMOps
A medida que las tecnologías de IA se vuelven más sofisticadas, ha crecido la necesidad de herramientas especializadas para supervisar y desplegar estos models.
En este contexto, las herramientas LLMOps, prácticas operativas utilizadas para gestionar large language models, desempeñan un papel clave en el apoyo al uso ético de los large language models, al ayudar a garantizar que no perpetúen las desigualdades existentes ni contribuyan a problemas como los deepfakes.
MLOps
Las herramientas MLOps (operaciones de aprendizaje automático, por sus siglas en inglés) implican la integración de models de IA en producción garantizando la alineación con las normas éticas.
Esta práctica enfatiza la supervisión humana de los sistemas autónomos, especialmente en áreas críticas como la atención sanitaria y la justicia penal.
Gobernanza de datos
La gobernanza de datos es crucial para el uso ético de la IA, e implica una gestión responsable de los datos con los que se entrenan los sistemas de IA.
Una gobernanza de datos eficaz garantiza la protección de los datos y tiene en cuenta las implicaciones sociales del uso de los datos, respaldando las consideraciones éticas a lo largo del ciclo de vida de la IA. Esto es especialmente importante a medida que las grandes empresas tecnológicas configuran el futuro de las tecnologías de IA.
Añadir como fuente preferidaPreguntas frecuentes
La ética de la IA es el estudio de los principios morales que guían el diseño, el desarrollo y el despliegue de la inteligencia artificial. Aborda cuestiones como la equidad, la transparencia, la privacidad y la rendición de cuentas para garantizar que los sistemas de IA beneficien a la sociedad, eviten daños y respeten los derechos humanos, al tiempo que mitigan los sesgos y las consecuencias no deseadas.
La Recomendación de la UNESCO sobre la Ética de la IA, adoptada en noviembre de 2021, insta a minimizar los resultados discriminatorios y sesgados en los sistemas de IA, promoviendo al mismo tiempo la equidad, la transparencia, la rendición de cuentas y el respeto de los derechos humanos.
Destaca la creación de frameworks institucionales y jurídicos para gobernar la IA en favor del bien público. Describe políticas concretas para la gobernanza de datos, la igualdad de género y el uso ético de la IA en todos los sectores. La Recomendación incluye mecanismos de seguimiento, evaluación e implementación para impulsar un cambio significativo.
Cita esta investigación
Elige el formato que se ajuste al lugar donde vas a publicar. Pegar la versión con enlace en tu CMS conserva el enlace de retroceso.
@misc{dilmegani2026,
author = {Dilmegani, Cem and Ermut, Sıla},
title = {{Dilemas de ética de la IA con ejemplos de la vida real}},
year = {2026},
month = mar,
howpublished = {\url{https://aimultiple.com/ai-ethics}},
note = {AIMultiple. Recuperado el 11 de Marzo de 2026}
}Registro de cambios
12 actualizaciones- 2026
Añadido disputas de gobernanza de IA sobre armas autónomas a la sección Misuses of AI.
Se añadió un ejemplo de la vida real a la sección Armas Autónomas.
Se eliminó la sección "Preocupaciones éticas específicas de la IA generativa".
- 2025
Se eliminó la sección "¿Qué es la ética de la IA?" de la introducción.
Se reemplazó toda la sección "Fundamentos y definiciones de la ética de la IA" con contenido nuevo.
Se reemplazó la sección "Dilemas éticos de la IA con ejemplos de la vida real" por "Fundamentos y definiciones de la ética de la IA".
Se añadió una figura a la sección "Considerar las políticas y mejores prácticas de la UNESCO".
- 2024
Se añadió un ejemplo de la vida real a la sección de sesgos algorítmicos.
Se añadió una definición de ética de la IA a la sección "¿Qué es la ética de la IA?".
- 2023
Se agregaron marcos de ética de IA a la sección de Alineación.
Se añadió una sección sobre preocupaciones éticas específicas de la IA generativa.
- 2022
Se amplió la sección "Algoritmos de IA sesgados" con un enfoque centrado en datos para el desarrollo de IA.
Enlaces de referencia
El trabajo de Cem en AIMultiple ha sido citado por publicaciones líderes mundiales como Business Insider, Forbes, Morning Brew y Washington Post, empresas globales como Deloitte y HPE, ONG como World Economic Forum y organizaciones supranacionales como European Commission. [1], [2], [3], [4], [5]
A lo largo de su carrera, Cem trabajó como consultor tecnológico, comprador de tecnología y emprendedor tecnológico. Asesoró a empresas en sus decisiones tecnológicas en McKinsey & Company y Altman Solon durante más de una década. También publicó un informe de McKinsey sobre digitalización.
Dirigió la estrategia tecnológica y las adquisiciones de una empresa de telecomunicaciones reportando al CEO. También lideró el crecimiento comercial de la empresa de deep tech Hypatos, que alcanzó unos ingresos recurrentes anuales de 7 dígitos y una valoración de 9 dígitos desde 0 en 2 años. El trabajo de Cem en Hypatos fue cubierto por publicaciones tecnológicas líderes como TechCrunch y Business Insider.
Cem participa habitualmente en conferencias internacionales de tecnología. Se graduó en Bogazici University como ingeniero informático y tiene un MBA de Columbia Business School.
Anteriormente trabajó como reclutadora en empresas de gestión de proyectos y consultoría. Sıla tiene un máster en Psicología Social y una licenciatura en Relaciones Internacionales.
Sé el primero en comentar
Tu dirección de correo electrónico no será publicada. Todos los campos son obligatorios. Los comentarios se dejan en su idioma original.