Dilemas éticos de la IA con ejemplos de la vida real
Aunque la inteligencia artificial está cambiando la forma en que funcionan las empresas, existen preocupaciones sobre cómo podría influir en nuestras vidas. Esto no es solo un problema académico o social, sino un riesgo reputacional para las empresas; ninguna empresa desea verse socavada por escándalos de datos o ética de la IA que dañen su reputación.
Explore información sobre los problemas éticos que surgen con el uso de la IA, ejemplos de uso indebido y los principios clave para mitigar estos problemas.
Sesgo algorítmico
Los algoritmos y los datos de entrenamiento pueden contener sesgos, como los humanos, ya que también son generados por humanos. 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:
Los modelos de lenguaje grandes (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 auditorías de sesgos raciales y de género en OpenAI’s GPT-3.5, basándose en métodos tradicionales de auditoría de currículos.
Los investigadores realizan dos estudios utilizando nombres asociados con diferentes razas y géneros: evaluación de currículos y generación de currículos. En el Estudio 1, GPT puntúa currículos con nombres variados en múltiples ocupaciones y criterios de evaluación, revelando sesgos basados en estereotipos. En el Estudio 2, GPT genera currículos ficticios, mostrando diferencias sistemáticas: los currículos de mujeres reflejan menos experiencia, mientras que los currículos asiáticos e hispanos incluyen marcadores de inmigrante.
Estos hallazgos aportan evidencia sobre el 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, solo el 47 % de las organizaciones prueba la existencia de sesgos en datos, modelos y uso humano de algoritmos.2
Aunque eliminar todos los sesgos en los sistemas de IA es casi imposible, dada la cantidad de sesgos humanos existentes y el descubrimiento continuo de nuevos, minimizarlos puede ser un objetivo empresarial.
Cosas autónomas
Cosas Autónomas (AuT) 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 no éticos derivados del uso de vehículos autónomos y drones.
Coches autónomos
El mercado de vehículos autónomos tuvo un valor de 54 mil millones de dólares en 2019 y se proyecta alcanzar 557 mil millones de dólares para 2026.3 A pesar de su creciente valor, los vehículos autónomos plantean diversos riesgos para las directrices éticas de la IA. La responsabilidad y rendición de cuentas de los vehículos autónomos sigue siendo objeto de debate.
Ejemplo de la vida real:
Por ejemplo, en 2018, un coche autónomo de Uber atropelló a un peatón que posteriormente murió en un hospital.4 El accidente fue registrado como la primera muerte relacionada con un coche autónomo.
Tras la investigación realizada por el Departamento de Policía de Arizona y la Junta Nacional de Seguridad en el Transporte (NTSB) de EE. UU., los fiscales decidieron que la empresa no era penalmente responsable por la muerte del peatón. Esto se debió a que el conductor de seguridad estaba distraído con su teléfono móvil, y los informes policiales calificaron el accidente como "completamente evitable".
Armas autónomas letales (LAWs)
LAWs (Armas Autónomas Letales) son armas impulsadas por IA que pueden identificar y atacar objetivos por sí solas según reglas programadas. Dichos sistemas han existido durante décadas, especialmente en aplicaciones defensivas como minas, defensa antimisiles, sistemas centinela y municiones en espera.
Plataformas más recientes incluyen vehículos terrestres y marinos 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 a través de drones con IA y municiones en espera, en lugar de sistemas completamente independientes.
Rusia emplea municiones en espera, que pueden buscar y atacar objetivos militares predefinidos de forma autónoma con un control humano mínimo una vez lanzadas. Ucrania utiliza principalmente drones semiautónomos, en los que los humanos autorizan los ataques mientras que la IA ayuda con la navegación, el seguimiento de objetivos y el compromiso rápido.
Estos sistemas aumentan la velocidad y precisión en el campo de batalla, pero reducen la supervisión humana significativa, creando desafíos legales y éticos bajo el derecho internacional humanitario, particularmente en relación con los principios de distinción, proporcionalidad y rendición de cuentas.5
Ejemplo de la vida real:
Desde 2018, las Naciones Unidas se han opuesto constantemente a los sistemas de armas autónomas letales (LAWS). 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 completamente autónomas y regular las demás, citando graves riesgos humanitarios, legales y de derechos humanos. Expertos en derechos humanos de la ONU han respaldado estas preocupaciones y apoyado una prohibición global.6
Desempleo y desigualdad de ingresos debido a la automatización
Se espera que la automatización impulsada por la IA transforme significativamente los mercados laborales, contribuyendo a presiones de desempleo a corto plazo y ampliando la desigualdad de ingresos si no se gestiona adecuadamente.
Las proyecciones actuales sugieren que entre el 15 % y el 25 % de los empleos enfrentarán una importante interrupción para 2025-2027, con un desplazamiento neto de empleos 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 capacitación podría profundizar la desigualdad de ingresos entre quienes pueden adaptarse a roles habilitados por IA y quienes no pueden. Lea pérdida de empleo por IA para obtener más predicciones sobre el efecto de la IA en el mercado laboral actual.
Usos indebidos de la IA
Disputas de gobernanza de IA sobre armas autónomas
Las tensiones recientes entre empresas de IA y gobiernos ilustran lo difícil que es establecer límites sobre el 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 EE. UU. que permitiría al gobierno "acceso ilimitado" a sus modelos para "todos los fines legales".
El CEO de Anthropic, Dario Amodei, declaró que la empresa solo participaría si se incluían dos salvaguardias: prohibir la vigilancia masiva doméstica y evitar el desarrollo de armas completamente autónomas sin supervisión humana.7
El desacuerdo destaca preocupaciones más amplias sobre el papel de los sistemas avanzados de IA en la guerra. Aunque los modelos de lenguaje grandes no son armas en sí mismos, pueden integrarse en sistemas militares para analizar inteligencia, generar listas de posibles objetivos, priorizar amenazas y recomendar acciones militares.
Las armas completamente autónomas representan la etapa más controvertida de esta evolución. Una vez activadas, estos sistemas pueden buscar, seleccionar y atacar objetivos de forma independiente utilizando sensores como cámaras y radares, así como algoritmos de IA.
Los críticos advierten que eliminar a los humanos del bucle de decisión plantea grandes preocupaciones éticas y legales, especialmente 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 está vigilando". Esta famosa frase de la novela distópica de George Orwell 1984 alguna vez fue una obra de ciencia ficción. Hoy en día, sin embargo, cada vez parece más una realidad, ya que los gobiernos despliegan IA para vigilancia masiva. En particular, el uso de la tecnología de reconocimiento facial en sistemas de vigilancia ha generado serias preocupaciones sobre los derechos de privacidad
Según el Índice de Vigilancia Global de IA (AIGS), 176 países están utilizando sistemas de vigilancia con IA, y las democracias liberales son grandes usuarios de esta vigilancia.8
El mismo estudio muestra que el 51 % de las democracias avanzadas despliegan sistemas de vigilancia con IA en comparación con el 37 % de los estados autocráticos cerrados. Sin embargo, esto probablemente 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 la están utilizando legalmente.
Ejemplos de la vida real:
Algunas grandes tecnológicas también expresan preocupaciones éticas sobre la vigilancia impulsada por IA. Por ejemplo, el presidente de Microsoft, Brad Smith, publicó una entrada en su blog pidiendo la regulación gubernamental del reconocimiento facial.9
Además, IBM dejó de ofrecer la tecnología para vigilancia masiva debido a su potencial de uso indebido, como el perfilado racial, que viola derechos humanos fundamentales.10
Manipulación del juicio humano
Los análisis impulsados por IA pueden proporcionar información accionable sobre el comportamiento humano, pero abusar de los análisis para manipular decisiones humanas es éticamente incorrecto.
Ejemplo de la vida real:
Cambridge Analytica vendió datos de votantes estadounidenses extraídos de Facebook a campañas políticas y brindó 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 mil millones de dólares debido a sus violaciones de privacidad.11
Proliferación de deepfakes
Los deepfakes son imágenes o videos generados sintéticamente en los que una persona en una imagen o video multimedia es reemplazada por la apariencia de otra persona.
Crear una narrativa falsa usando deepfakes puede dañar la confianza de las personas en los medios (que ya está en su nivel más bajo).12 Esta desconfianza es peligrosa para las sociedades, considerando que los medios masivos siguen siendo la principal opción de los gobiernos para informar a las personas sobre eventos de emergencia como una pandemia global o un terremoto importante que cause daños y víctimas generalizados.
Ejemplo de la vida real:
La Comisión Europea ha abierto una investigación sobre la plataforma X de Elon Musk por alegaciones de que su herramienta de IA, Grok, se utilizó para generar imágenes deepfake sexualizadas de personas reales, tras acciones similares del regulador británico Ofcom.
Si se encuentra que X ha incumplido la Ley de Servicios Digitales de la UE, podría enfrentar multas de hasta el 6 % de sus ingresos anuales globales, y los reguladores podrían imponer medidas provisionales si no se fortalecen las salvaguardias.
Funcionarios de la UE y activistas han condenado los deepfakes por ser dañinos y degradantes, especialmente para mujeres y niños, cuestionando si X evaluó y mitigó adecuadamente los riesgos asociados con herramientas de IA potentes.13
Inteligencia general artificial (AGI) / Singularidad
La posibilidad de una inteligencia general artificial (AGI) 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 AGI sigue siendo incierto, sin consenso científico sobre si surgirá de la escalabilidad de arquitecturas existentes como los transformadores o del desarrollo de enfoques fundamentalmente nuevos, ni sobre cómo debería validarse finalmente la AGI.
Dilemas prácticos, como si los coches autónomos deberían priorizar la seguridad de los pasajeros o de los peatones, destacan preguntas morales no resueltas que deben abordarse antes de que estas tecnologías se desplieguen ampliamente. Más ampliamente, la aparición de sistemas superinteligentes desafía el dominio humano y plantea preguntas fundamentales sobre los derechos, responsabilidades y marcos morales de los seres artificiales.
Analizamos más de 8.500 predicciones de científicos, empresarios y la comunidad en general y descubrimos que la mayoría de los expertos consideran la AGI inevitable. Basándonos en esta creencia, encuestas recientes de investigadores en IA estiman su llegada alrededor del 2040, un cambio notable frente a pronósticos anteriores más cercanos al 2060, mientras que los empresarios son aún más optimistas, proyectando plazos cercanos al 2030.
Ética de los robots
La ética de los robots, o roboética, trata sobre cómo los humanos diseñan, usan y tratan a los robots. Los debates sobre este tema han existido desde la década de 1940, cuestionando 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 sobre leyes para robots en su cuento llamado "Runaround". Introdujo las Tres Leyes de la Robótica:14
- Un robot no puede herir a un ser humano ni, por inacción, permitir que un ser humano sufra daño.
- Un robot debe obedecer las órdenes dadas por seres humanos, excepto cuando tales órdenes entren en conflicto con la Primera Ley.
- Un robot debe proteger su propia existencia siempre que tal protección no entre en conflicto con la Primera o Segunda Ley.
Añadir como fuente preferida¿Cómo navegar estos dilemas?
Estas son preguntas difíciles, y soluciones innovadoras y controvertidas como la renta básica universal podrían ser necesarias para abordarlas. Existen numerosas iniciativas y organizaciones destinadas a minimizar el impacto negativo potencial de la IA.
Por ejemplo, el Instituto de Ética en Inteligencia Artificial (IEAI) de la Universidad Técnica de Múnich realiza investigaciones sobre IA en diversos ámbitos como movilidad, empleo, salud y sostenibilidad.15
Aquí hay algunas recomendaciones para mitigar las controversias en torno a los usos adversariales de la IA:
Considere las políticas y mejores prácticas de la UNESCO
Política de gobernanza de datos
Esta política enfatiza la importancia de marcos detallados para la recopilación, uso y gobernanza de datos para garantizar la privacidad individual y mitigar riesgos. Fomenta la creación de conjuntos de datos de calidad para el entrenamiento de IA, la adopción de conjuntos de datos abiertos y confiables, y la implementación de estrategias efectivas de protección de datos.
Por ejemplo, establecer conjuntos de datos estandarizados para la IA en salud asegura precisión y reduce sesgos.
Gobernanza ética de la IA
Los mecanismos de gobernanza deben ser inclusivos, multidisciplinarios y multilaterales, incorporando diversas partes interesadas como comunidades afectadas, responsables de políticas y expertos en IA. Este enfoque se extiende a hacer cumplir la rendición de cuentas y proporcionar reparación por daños.
Por ejemplo, garantizar una contratación justa de sistemas de IA requiere auditorías continuas para abordar el sesgo.
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 grupos marginados y avanza en la investigación ética sobre IA.
Por ejemplo, las escuelas podrían enseñar lo básico de la IA junto con la programación y el pensamiento crítico, preparando a las futuras generaciones para navegar los impactos sociales de la IA.
Salud y bienestar social
Esta política fomenta el despliegue de IA para mejorar la atención médica, abordar riesgos sanitarios globales y avanzar en la salud mental. Destaca la necesidad de aplicaciones de IA que estén científicamente comprobadas, sean seguras y eficientes.
Igualdad de género en la IA
La calidad de género tiene como objetivo reducir las disparidades de género en la IA apoyando a las mujeres en campos STEM y evitando sesgos en los sistemas de IA.
Por ejemplo, asignar fondos para mentorar a mujeres en investigación sobre IA y abordar sesgos de género en algoritmos de reclutamiento laboral.
Sostenibilidad ambiental
Esta política se centra en evaluar y mitigar el impacto ambiental de la IA, como su huella de carbono y consumo de recursos. Se fomenta incentivar el uso de IA en la predicción y mitigación del cambio climático.
Por ejemplo, la IA puede usarse para monitorear la deforestación y optimizar redes de energía renovable.
Metodología de evaluación de preparación (RAM)
Esta técnica ayuda a los estados a evaluar su preparación para implementar políticas éticas de IA mediante la evaluación de marcos legales, infraestructura y disponibilidad de recursos.
Por ejemplo, RAM puede identificar brechas en la regulación y la infraestructura de IA, guiando a las naciones hacia la 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. Colaborando con comunidades afectadas, la EIA asegura la asignación de recursos para prevenir daños.
Por ejemplo, una EIA podría identificar los riesgos de sesgo en un sistema de vigilancia predictiva y recomendar mitigaciones.
Observatorio global sobre ética de la IA
Se refiere a una plataforma digital que ofrece análisis sobre los desafíos éticos de la IA y monitorea la implementación global de las recomendaciones de la UNESCO.
Por ejemplo, el observatorio podría proporcionar informes sobre los impactos sociales de la IA en varios países.
Capacitación en ética de la IA y conciencia pública
Este enfoque fomenta la educación accesible y la participación ciudadana para mejorar la comprensión pública de la ética de la IA.
Por ejemplo, campañas para educar a los usuarios sobre los riesgos de privacidad en plataformas de redes sociales impulsadas por IA pueden crear ciudadanos digitales informados.
Figura 1: Áreas de política de IA ética de la UNESCO16
Mejores prácticas recomendadas por la UNESCO
- Gobernanza inclusiva y multilateral:
- Involucrar a diversas partes interesadas, incluidas comunidades marginadas, en la creación de políticas y la gobernanza de la IA.
- Utilizar equipos multidisciplinarios para asegurar que las decisiones sean equilibradas y justas.
- Ejemplo: Realizar 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 modelo de IA toma decisiones.
- Evaluaciones de sostenibilidad:
- Evaluar regularmente los sistemas de IA por su impacto ambiental, incluido el consumo de energía y la huella de carbono.
- Ejemplo: Reducir el consumo de energía en el entrenamiento de modelos grandes de aprendizaje automático.
- Programas de alfabetización en IA:
- Educar al público y a los responsables de políticas sobre las implicaciones éticas de la IA.
- Incorporar la ética de la IA en los planes de estudio a todos los niveles.
- Ejemplo: Talleres sobre riesgos de privacidad en redes sociales impulsadas por IA.
- Auditorías continuas y mecanismos de rendición de cuentas:
- Establecer auditorías regulares de sistemas de IA para detectar y abordar sesgos, inexactitudes o violaciones éticas.
- Asegurar que exista un proceso claro de reparación en casos de daño causado por la IA.
- Ejemplo: Revisiones periódicas de herramientas de reclutamiento con IA para prevenir sesgos de género.
Aprenda marcos de IA responsable
Aquí hay algunos marcos 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 leyes y afectar negativamente la experiencia humana. Para hacer que la IA sea accesible y transparente, el intercambio de conocimiento puede ayudar.
Por ejemplo, OpenAI fue fundada en 2015 como un laboratorio de investigación de IA sin fines de lucro por Elon Musk, Sam Altman y otros, con la misión de desarrollar "inteligencia digital" para beneficio de la humanidad.
Sin embargo, tras su reestructuración en una Corporación de Beneficio Público (PBC), OpenAI ahora opera como una entidad con fines de lucro gobernada por una fundación sin fines de lucro.17
Al otorgar a Microsoft una licencia exclusiva para sus modelos avanzados, OpenAI ha pasado de un modelo de investigación abierto y transparente a uno propietario, generando un debate significativo sobre su misión original.
Explicabilidad
Los desarrolladores de IA y las empresas necesitan explicar cómo sus algoritmos llegan a sus predicciones para superar los problemas éticos que surgen con predicciones inexactas. Diversos enfoques técnicos pueden explicar cómo estos algoritmos llegan a sus conclusiones y qué factores afectan sus decisiones.
Alineación
Numerosos países, empresas y universidades están construyendo sistemas de IA, y en la mayoría de los ámbitos, no existe un marco legal adaptado a los recientes avances en IA.
Modernizar los marcos legales tanto a nivel nacional como superior (por ejemplo, ONU) aclarará el camino hacia el desarrollo ético de la IA. Las empresas pioneras deberían liderar estos esfuerzos para crear claridad en su sector.
Utilice marcos y herramientas de ética de la IA
Académicos y organizaciones se están enfocando cada vez más en marcos éticos para guiar el uso de tecnologías de IA. Estos marcos abordan las implicaciones morales de la IA durante todo su ciclo de vida, incluyendo el entrenamiento de sistemas de IA, el desarrollo de modelos de IA y el despliegue de sistemas inteligentes.
Aquí hay una lista de herramientas que pueden ayudarle a aplicar prácticas de ética de la IA:
Herramientas de gobernanza de IA
Las herramientas de gobernanza de IA aseguran que las aplicaciones de IA se desarrollen y desplieguen alineadas con principios éticos. Estas herramientas ayudan a las organizaciones a monitorear y controlar programas de IA durante todo el ciclo de vida de la IA, abordar riesgos relacionados con resultados no éticos y apoyar una IA confiable.
Al implementar prácticas integrales de gobernanza de IA, las empresas pueden gestionar mejor los riesgos potenciales y lograr el cumplimiento de IA con 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 modelos.
En este contexto, las herramientas de LLMOps, prácticas operativas utilizadas para gestionar modelos de lenguaje grandes, desempeñan un papel clave en apoyar el uso ético de los modelos de lenguaje grandes al ayudar a asegurar que no perpetúen desigualdades existentes ni contribuyan a problemas como los deepfakes.
MLOps
Las herramientas de MLOps (Operaciones de Aprendizaje Automático) implican integrar modelos de IA en producción mientras se asegura el cumplimiento con estándares éticos.
Esta práctica enfatiza la supervisión humana de sistemas autónomos, particularmente en áreas críticas como la atención médica y la justicia penal.
Gobernanza de datos
La gobernanza de datos es crucial para el uso ético de la IA, implicando la gestión responsable de los datos que entrenan a los sistemas de IA.
Una gobernanza de datos efectiva asegura la protección de datos y considera las implicaciones sociales del uso de datos, apoyando consideraciones éticas durante todo el ciclo de vida de la IA. Esto es particularmente importante ya que las grandes empresas tecnológicas moldean el futuro de las tecnologías de IA.
Preguntas frecuentes
La ética de la IA es el estudio de los principios morales que guían el diseño, desarrollo y despliegue de la inteligencia artificial. Aborda cuestiones como equidad, transparencia, privacidad y responsabilidad para asegurar que los sistemas de IA beneficien a la sociedad, eviten daños y respeten los derechos humanos, mientras mitigan sesgos y consecuencias no deseadas.
La Recomendación de la UNESCO sobre la Ética de la IA, adoptada en noviembre de 2021, pide minimizar resultados discriminatorios y sesgados en los sistemas de IA mientras promueve equidad, transparencia, responsabilidad y respeto por los derechos humanos.
Enfatiza la creación de marcos institucionales y legales para gobernar la IA en beneficio público. Describe políticas concretas para la gobernanza de datos, igualdad de género y uso ético de la IA en diversos sectores. La Recomendación incluye mecanismos para monitoreo, 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},
title = {{Dilemas éticos 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}
}Enlaces de referencia
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.