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. Esto es tanto un problema académico y social como un riesgo reputacional para las empresas; ninguna empresa quiere verse perjudicada por escándalos de datos o de ética de la IA que dañen su reputación.
Explore los conocimientos sobre los problemas éticos que surgen con el uso de la IA, los 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 también los humanos los generan. Estos sesgos impiden que los sistemas de IA tomen decisiones justas. Encontramos sesgos en los sistemas de IA debido a dos razones:
- Los desarrolladores pueden programar sistemas de IA sesgados sin siquiera darse cuenta
- Los datos históricos utilizados para entrenar los 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 los sesgos sociales. El estudio Silicon Ceiling examina el impacto de los LLMs en la contratación mediante la auditoría de los sesgos de raza y género en el OpenAI de GPT-3.5, basándose en los métodos tradicionales de auditoría de currículums.
Los investigadores llevan a cabo dos estudios usando nombres asociados con diferentes razas y géneros: evaluación de currículums y generación de currículums. En el Estudio 1, GPT puntúa currículums con nombres variados en múltiples ocupaciones y criterios de evaluación, revelando sesgos basados en estereotipos. En el Estudio 2, GPT genera currículums ficticios, mostrando 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, en particular en los contextos de contratación.1
Para construir una IA ética y responsable, es necesario eliminar los sesgos en los sistemas de IA. Sin embargo, el 47 % de las organizaciones prueban el 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, dado los numerosos sesgos humanos existentes y el descubrimiento continuo de otros nuevos, minimizarlos puede ser el objetivo de una empresa.
Cosas autónomas
Las cosas autónomas (Autonomous Things, 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 las cuestiones poco éticas que surgen del uso de vehículos autónomos y drones.
Coches autónomos
A pesar del creciente valor de los vehículos autónomos, 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 luego murió en un hospital.3 El accidente fue 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 por su teléfono móvil y los informes policiales califican el accidente como "completamente evitable".
Armas autónomas letales (LAWs)
Las LAWs (armas autónomas letales) son armas impulsadas por IA que pueden identificar y atacar objetivos por sí mismas según reglas programadas. Estos sistemas existen desde hace décadas, en particular en aplicaciones defensivas como minas, defensa antimisiles, sistemas de vigilancia 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 a través de 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 respuesta rápida.
Estos sistemas aumentan la velocidad y la precisión en el campo de batalla, pero reducen la supervisión humana significativa, lo que crea desafíos legales y éticos en virtud del derecho internacional humanitario, en particular en lo que respecta a 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 (LAWS). El secretario general António Guterres los ha calificado de política 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, legales y de 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 modifique significativamente los mercados laborales, contribuyendo a las presiones de desempleo a corto plazo y a una creciente desigualdad de ingresos si no se gestiona adecuadamente.
Según el análisis de AIMultiple, las proyecciones actuales sugieren que 15-25 % de los empleos se enfrentarán a una disrupción significativa para 2027, con un desplazamiento neto de empleo del 5-10 % después de la creación de nuevos puestos.
Al mismo tiempo, la IA complementa el trabajo humano en áreas como la toma de decisiones, el razonamiento y la creatividad, lo que desplaza la demanda hacia habilidades de mayor valor. Dado que más del 40 % de los trabajadores necesitarán una mejora sustancial de sus habilidades para 2030, el acceso desigual a la recualificación corre el riesgo de profundizar la desigualdad de ingresos entre quienes pueden adaptarse a los roles habilitados por la IA y quienes no pueden.
Usos indebidos de la IA
Disputas sobre la gobernanza de la IA en torno a las armas autónomas
Las recientes tensiones entre las empresas de IA y los gobiernos ilustran lo difícil que es poner 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 un "acceso sin restricciones" a sus models para "todos los fines legales".
Anthropic, su director ejecutivo, Dario Amodei, declaró que la empresa participaría si se incluyeran dos salvaguardas: prohibir la vigilancia masiva doméstica y prevenir el desarrollo de armas totalmente autónomas sin supervisión humana.6
El desacuerdo pone de relieve preocupaciones más amplias sobre el papel de los sistemas de IA avanzados en la guerra. Si bien los large language models 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 totalmente autónomas representan la etapa más controvertida de esta progresión. Una vez activados, estos sistemas pueden buscar, seleccionar y atacar objetivos de forma independiente utilizando sensores como cámaras y radar, así como algoritmos de IA.
Los críticos advierten que eliminar a los humanos del circuito de decisiones plantea importantes preocupaciones éticas y legales, 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 está observando". Esta famosa frase de la novela distópica de George Orwell 1984 fue una vez una obra de ciencia ficción. Hoy, sin embargo, se siente cada vez más como una realidad, ya que los gobiernos implementan 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 Global de Vigilancia con IA (AIGS), 176 países están utilizando sistemas de vigilancia con IA, y las democracias liberales son grandes usuarias de la vigilancia con IA.7
El mismo estudio muestra que el 51 % de las democracias avanzadas implementan 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 cuestión importante es si los gobiernos están abusando de la tecnología o la están utilizando de manera legal.
Ejemplos de la vida real:
Algunos gigantes tecnológicos también manifiestan preocupaciones éticas sobre la vigilancia impulsada por IA. Por ejemplo, Microsoft, su presidente Brad Smith, publicó una entrada de blog en la que pedía la regulación gubernamental del reconocimiento facial.8
Asimismo, 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
La analítica impulsada por IA puede proporcionar información procesable sobre el comportamiento humano; sin embargo, abusar de la analítica para manipular las decisiones humanas es éticamente incorrecto.
Ejemplo de la vida real:
Cambridge Analytica vendió los 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 mil millones de dólares por sus violaciones de privacidad.10
Proliferación de deepfakes
Los deepfakes son imágenes o videos generados sintéticamente en los que una persona en una imagen o un video multimedia se sustituye 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 un mínimo 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 contra 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 pueden imponer medidas provisionales si no se refuerzan las salvaguardas.
Los funcionarios de la UE y los activistas han condenado los deepfakes por considerarlos dañinos y degradantes, especialmente para las mujeres y los niños, cuestionando si X evaluó y mitigó adecuadamente los riesgos vinculados a las potentes herramientas de IA.12
Inteligencia artificial general (AGI) / Singularidad
La perspectiva de la inteligencia artificial general (AGI) o la 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 escalar arquitecturas existentes como los transformers o de desarrollar enfoques fundamentalmente nuevos, ni sobre cómo debería validarse en última instancia la AGI.
Los dilemas prácticos, como si los coches autónomos deben priorizar la seguridad de los pasajeros o de los peatones, ponen de relieve cuestiones morales no resueltas que deben abordarse antes de que estas tecnologías se implementen ampliamente. En términos más generales, 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 10.000 predicciones de científicos, emprendedores y la comunidad en general, y descubrimos que la mayoría de los expertos consideran que la AGI 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 pronósticos anteriores cercanos a 2060, mientras que los emprendedores son aún más optimistas, proyectando plazos cercanos a 2030.
Ética de los robots
La ética de los robots, o roboética, trata de cómo los humanos diseñan, usan y tratan a los robots. Los debates sobre este tema existen 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 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 o, 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 navegar estos dilemas?
Estas son 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 de Ética en Inteligencia Artificial (IEAI) de la Universidad Técnica de Múnich lleva a cabo investigaciones sobre IA en diversos ámbitos como la movilidad, el empleo, la salud y la sostenibilidad.14
Aquí hay algunas recomendaciones para mitigar las controversias en torno a los usos adversos de la IA:
Considerar las políticas y mejores prácticas de la UNESCO
Política de gobernanza de datos
Esta política hace hincapié en la importancia de marcos detallados para la recopilación, el uso y la gobernanza de datos a fin de garantizar la privacidad individual y mitigar los riesgos. Fomenta la creación de datasets de calidad para el entrenamiento de la 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 en el ámbito de la salud garantiza la precisión y reduce los sesgos.
Gobernanza ética de la IA
Los mecanismos de gobernanza deben ser inclusivos, multidisciplinarios y multilaterales, incorporando a diversas partes interesadas, como las comunidades afectadas, los responsables de las políticas y los 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 el sesgo.
Política de educación e investigación
Promueve la alfabetización en IA y la conciencia ética integrando la IA y la educación en datos en los planes de estudio. También prioriza la participación de los grupos marginados y promueve 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 avanzar en 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 mentorizar a mujeres en la investigación de IA y abordar los sesgos de género en los algoritmos de contratación.
Sostenibilidad ambiental
Esta política se centra en evaluar y mitigar el impacto ambiental de la IA, como su huella de carbono y su consumo de recursos. Se incentiva el uso de la IA en la predicción y mitigación del cambio climático.
Por ejemplo, la IA puede utilizarse para monitorear la deforestación y optimizar las redes de energía renovable.
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 marcos legales, 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. En colaboración 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 vigilancia policial 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 global de las recomendaciones de la UNESCO.
Por ejemplo, el observatorio podría proporcionar informes sobre los impactos sociales de la IA en varios países.
Formación en ética de la IA y concienciación pública
Este enfoque fomenta la 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 crear ciudadanos digitales informados.
Figura 1: Áreas de política ética de la IA de la UNESCO15
Mejores prácticas recomendadas por la UNESCO
- Gobernanza inclusiva y con múltiples partes interesadas:
- Involucrar a diversas partes interesadas, incluidas las comunidades marginadas, en la creación de políticas y la gobernanza de la IA.
- Utilizar equipos multidisciplinarios para garantizar que las decisiones sean equilibradas y equitativas.
- Ejemplo: Celebrar consultas públicas al implementar 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 los sistemas de IA por su impacto ambiental, incluido el consumo de energía y la huella de carbono.
- Ejemplo: Reducir el uso de energía en el entrenamiento de large machine-learning models.
- Programas de alfabetización en IA:
- Educar al público y a los responsables de las políticas 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, imprecisiones o infracciones 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 con IA para prevenir el sesgo de género.
Aprender 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 las leyes y afectar negativamente la experiencia humana. Para que la IA sea accesible y transparente, compartir 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), OpenAI ahora opera como una entidad con fines de lucro gobernada por una fundación sin ánimo de lucro.16
Al conceder a Microsoft una licencia exclusiva sobre sus models frontera, 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 sus algoritmos llegan a sus predicciones para superar los problemas éticos que surgen con predicciones inexactas. Diversos enfoques técnicos pueden explicar cómo estos algoritmos alcanzan 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 de la IA.
Modernizar los marcos legales tanto a nivel nacional como en niveles superiores (por ejemplo, la ONU) aclarará el camino hacia el desarrollo ético de la IA. Las empresas pioneras deberían liderar estos esfuerzos para generar claridad en su industria.
Utilizar marcos y herramientas de ética de la IA
Los académicos y las organizaciones se centran cada vez más en marcos éticos para guiar el uso de las tecnologías de IA. Estos marcos 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 IA models y el despliegue de sistemas inteligentes.
Aquí hay 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 e implementen en consonancia con los principios éticos. Estas herramientas ayudan a las organizaciones a monitorear y controlar los programas de IA a lo largo del ciclo de vida de la IA, abordar los riesgos relacionados con resultados no éticos y apoyar 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 e implementar estos models.
En este contexto, las herramientas de 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 desigualdades existentes ni contribuyan a problemas como los deepfakes.
MLOps
Las herramientas de MLOps (Machine Learning Operations) implican la integración de IA models en producción, garantizando al mismo tiempo la alineación con los estándares éticos.
Esta práctica hace hincapié en la supervisión humana de los sistemas autónomos, en particular 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, ya que 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 considera las implicaciones sociales del uso de los datos, apoyando las consideraciones éticas a lo largo del ciclo de vida de la IA. Esto es particularmente importante a medida que las grandes empresas tecnológicas dan forma al 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, pide minimizar los resultados discriminatorios y sesgados en los sistemas de IA, al tiempo que promueve la equidad, la transparencia, la rendición de cuentas y el respeto de los derechos humanos.
Hace hincapié en la creación de marcos institucionales y legales para gobernar la IA en beneficio 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 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 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 actualizacionesAñadido 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".
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.