El Big Data no es el mundo
El Big Data no es el mundo
Cómo la realidad se convierte en dato - y qué desaparece antes de que una IA siquiera comience a aprender
Imagine a dos personas frente al mismo río.
Una llegó esa mañana. La otra nació allí. Reconoce cuándo el agua cambia de olor, recuerda dónde cede el suelo después de una lluvia intensa, sabe qué peces aparecían en determinadas épocas del año y asocia aquel lugar con trabajo, historias, miedo, pertenencia y supervivencia.
Una cámara puede registrar prácticamente la misma imagen para ambas.
Pero la imagen no contiene la experiencia de ninguna de ellas.
Este es un buen punto de partida para pensar la Inteligencia Artificial. Antes de que un modelo pueda aprender algo sobre el mundo, una parte de ese mundo tuvo que ser percibida, seleccionada, medida, transducida, clasificada y transformada en algo computacionalmente accesible.
Por eso:
El Big Data no es el mundo. Es una enorme colección de recortes que consiguieron convertirse en datos.
Antes del dato existe un recorte
Una cámara transforma la luz en señales. Un micrófono convierte las variaciones de presión del aire. Un satélite mide determinadas bandas del espectro electromagnético. Una historia clínica traduce parte de la trayectoria de una persona en campos, códigos y textos. Una plataforma convierte clics, búsquedas, tiempo de permanencia y compartidos en rastros de comportamiento.
Podemos imaginar el recorrido:
realidad → recorte → transducción → codificación → dato → base digital → modelo → inferencia.
El problema no es que exista un recorte.
Sin seleccionar aspectos de la realidad no tendríamos mapas, fotografías, estadísticas, historias clínicas, EEG, fNIRS ni ciencia.
El problema comienza cuando olvidamos que hubo un recorte.
La investigadora mexicano-ecuatoriana Paola Ricaurte llama la atención sobre este punto al abordar los sistemas de IA como ensamblajes sociotécnicos atravesados por instituciones, intereses, relaciones de poder y formas particulares de producir conocimiento. Por lo tanto, el problema algorítmico no comienza solamente cuando un dataset presenta un “sesgo”; puede comenzar en las propias estructuras que determinaron qué sería medido, preservado, clasificado y transformado en información.
Esto nos obliga a hacer una pregunta incluso antes de preguntar por la IA:
¿Quién tuvo las condiciones necesarias para transformar su realidad en dato?
¿Y si estamos buscando la llave solamente donde hay luz?
La antropóloga mexicana Renée de la Torre, al comentar Ciudadanos reemplazados por algoritmos, de Néstor García Canclini, recupera una pequeña historia especialmente útil.
Un hombre busca sus llaves debajo de un poste iluminado. Alguien le pregunta si las perdió allí. No, responde. Se le cayeron cerca de un árbol, varios metros más adelante.
Entonces, ¿por qué las busca debajo del poste?
Porque allí hay luz.
Es una metáfora poderosa para el Big Data.
Podemos disponer de millones de registros sobre ingresos, compras, crédito, desplazamientos, producción, búsquedas, consumo y comportamiento en redes sociales porque hemos construido sensores, plataformas e instituciones capaces de iluminar continuamente esas dimensiones.
Al mismo tiempo, un territorio puede disponer de muchos menos registros sobre la calidad del agua percibida localmente, cambios en las especies, conocimientos tradicionales, vínculos comunitarios, pertenencia o transformaciones graduales del Bioma percibidas por quienes realmente viven allí.
Esos fenómenos no tienen que estar registrados de manera incorrecta.
Pueden simplemente no estar registrados.
Quizás estemos buscando la realidad precisamente allí donde nuestras bases de datos consiguen iluminarla mejor.
Esto es lo que llamamos invisibilidad epistemológica: aquello que no consigue entrar en el universo de representación también puede dejar de participar en las inferencias y decisiones posteriores.
Big Data puede significar mucha información sobre una pequeña parte del mundo vivido.
El propio García Canclini ha mostrado cómo opiniones y comportamientos convertidos en datos pueden ser posteriormente reorganizados por corporaciones y algoritmos, transformando las formas de ciudadanía y participación.
El signo no es el objeto completo
La Semiótica nos permite evitar dos extremos.
No necesitamos que una representación contenga toda la realidad. Un mapa funciona precisamente porque reduce.
Pero no podemos olvidar aquello que el mapa dejó fuera.
Anderson Vinícius Romanini viene aproximando la semiosis peirceana a la Inferencia Activa. En una publicación de 2025, analiza los procesos inteligentes como procesos inferenciales capaces de navegar por ambientes, enfrentar incertidumbre y estabilizar hábitos.
Junto con Marcelo Hamdan Alvim, Romanini también investiga cómo las mediaciones algorítmicas pueden participar en los propios procesos inferenciales de los usuarios, moldeando creencias y orientando patrones de interacción.
Esto significa que el dato no permanece simplemente almacenado.
Regresa.
Es organizado por algoritmos, se convierte en recomendación, respuesta, ranking o decisión y vuelve a entrar en el ambiente perceptivo del Cuerpo-Territorio.
Maria Eunice Quilici Gonzalez y sus colaboradores agregan otra capa importante. Al discutir la autonomía en la era del Big Data, sostienen que las personas pueden continuar siendo capaces de tomar decisiones relativamente racionales y, al mismo tiempo, tener sus opiniones influenciadas por información insuficiente o distorsionada, hábitos y disposiciones emocionales previamente adquiridas.
Por eso no basta con preguntar:
¿La inferencia es correcta en relación con los datos disponibles?
También necesitamos preguntar:
¿Los datos disponibles representan suficientemente el mundo sobre el cual esa inferencia pretende actuar?
La pantalla transduce. El Cuerpo-Territorio vive.
En BrainLatam utilizamos 12D como una cartografía perceptiva del Cuerpo-Territorio.
No estamos afirmando que la neurociencia reconozca exactamente doce sentidos independientes, ni que el universo físico posea doce dimensiones.
La propuesta busca recordar que estar en el mundo implica mucho más que visión y audición: propiocepción, interocepción, equilibrio, nocicepción, termosensación, señales químicas internas, movimiento y múltiples relaciones corporales y ambientales. En la formulación de BrainLatam, la pertenencia permanece como una hipótesis que debe ser investigada, y no como una modalidad sensorial ya establecida.
Un bosque mostrado en 8K puede ser visualmente extraordinario.
Pero la pantalla no contiene un fragmento más pequeño de aquel bosque.
Produce otra configuración material —píxeles, luz y sonido— capaz de representar determinadas relaciones presentes en el acontecimiento original.
En otro artículo de BrainLatam utilizamos la metáfora “El Logos se cristalizó en IA” para pensar cómo una parte de la producción lingüística y lógico-formal de la humanidad fue incorporada a sistemas computacionales.
Ahora podemos retroceder un paso:
Antes de que el Logos se cristalizara en IA, el mundo tuvo que cristalizarse en datos.
Y no todos los mundos tuvieron la misma posibilidad de hacerlo.
La Neurociencia también recorta la realidad
Esta cautela también debe aplicarse a nuestros propios instrumentos.
El EEG no mide “a la persona” ni lee directamente sus pensamientos. Registra diferencias de potencial eléctrico en el cuero cabelludo, de las cuales podemos extraer propiedades temporales, espectrales y espaciales relacionadas con la actividad neural.
El fNIRS no mide “la conciencia”. Utiliza luz en el infrarrojo cercano para acompañar cambios hemodinámicos, incluyendo variaciones relacionadas con las concentraciones de hemoglobina oxigenada y desoxigenada en regiones corticales accesibles a la técnica.
Son ventanas extraordinarias.
Pero continúan siendo ventanas.
Reconocer esto no disminuye el valor del EEG ni del NIRS. Por el contrario: evita que el registro fisiológico sea confundido con el fenómeno completo.
En 2025, Faisal Mushtaq y Agustín Ibáñez defendieron precisamente el potencial del EEG para construir una neurociencia verdaderamente global. Su portabilidad, costo relativamente menor y escalabilidad pueden ayudar a incluir poblaciones históricamente subrepresentadas. Al mismo tiempo, los autores destacan la necesidad de armonización entre centros, hardware adecuado a la diversidad humana, participación comunitaria y metodologías culturalmente sensibles.
Aquí, la Neurociencia Decolonial deja de ser solamente una crítica conceptual.
Entra en el propio método.
Llevar un sistema EEG portátil a una comunidad no convierte automáticamente una investigación en decolonial. Si la pregunta científica fue formulada lejos de aquel territorio, las categorías llegaron ya definidas, los datos salen de la comunidad y nunca regresan, y solamente investigadores externos conservan la autoridad para interpretarlos, quizás simplemente hayamos vuelto portátil una antigua asimetría.
El territorio puede participar en la señal sin estar “escrito” en ella
Una investigación publicada en Nature Medicine en 2024 ayuda a hacer cuantificable este problema.
El estudio analizó 5.306 participantes de 15 países, siete de ellos de América Latina y el Caribe, utilizando EEG y fMRI. La investigación examinó diferencias entre la edad cerebral estimada y la edad cronológica, y encontró asociaciones con diversidad geográfica y disparidades socioeconómicas, sociodemográficas y ambientales.
El equipo internacional contó con una importante participación latinoamericana, incluyendo investigadores como Sebastián Moguilner, Sandra Báez, Pedro Valdés-Sosa, Francisco Lopera y Agustín Ibáñez.
Esto no significa que podamos mirar un EEG y “leer” el territorio de una persona.
Significa algo más cuidadoso:
El cerebro que llega al sistema de registro ya posee una historia.
Educación, salud, alimentación, contaminación, desigualdad, cultura y ambiente participaron de esa trayectoria antes de que se colocara el primer electrodo.
Por eso, una Neurociencia Decolonial no debería buscar un supuesto “cerebro latinoamericano”.
Debería preguntar:
¿Cuánto de aquello que clasificamos como diferencia individual también carga historias territoriales que nuestro protocolo experimental no midió?
EEG y NIRS pueden ayudar a devolver la Neurociencia al mundo
Las propias tecnologías están abriendo nuevas posibilidades.
En 2023, Ernesto Vidal-Rosas y colaboradores destacaron cómo los sistemas fNIRS vestibles y de alta densidad pueden aproximar la neuroimagen funcional a ambientes y comportamientos más cercanos a la vida cotidiana.
En Brasil, Priscila Benitez y colaboradores utilizaron fNIRS en una situación clínica naturalística durante actividades educativas con niños y jóvenes con autismo y/o discapacidad intelectual, demostrando la viabilidad de llevar el registro hacia tareas menos alejadas de las situaciones vividas.
Esta puede ser una oportunidad especialmente importante para América Latina.
Podemos utilizar EEG y fNIRS para producir una capa cuantificable del Cuerpo-Territorio, relacionándola cuidadosamente con el comportamiento, la experiencia en primera persona, la cultura y el ambiente, sin pretender que la señal fisiológica sea equivalente a la experiencia completa.
La ciencia se vuelve más fuerte cuando sabe dónde termina su instrumento.
Pregunta NeuroDesafio LATAM
Como patrocinadora del NeuroDesafio LATAM, BrainLatam propone transformar esta discusión en una pregunta experimental:
¿Cómo cambian las respuestas EEG y fNIRS ante un mismo estímulo digital cuando ese estímulo se presenta a Cuerpos-Territorio que viven en diferentes contextos culturales, sociales y ambientales de América Latina?
Un estudio multicéntrico podría presentar estímulos digitales idénticos —incluyendo estímulos producidos por IA— en diferentes regiones latinoamericanas, combinando EEG y/o fNIRS con comportamiento, relatos en primera persona y variables territoriales.
La pregunta no sería:
“¿Qué población tiene un cerebro diferente?”
Sería:
¿Cuánto de la respuesta que llamamos individual depende de las condiciones en las que ese Cuerpo-Territorio aprendió a percibir, significar y actuar?
Tal vez sea precisamente allí donde Big Data, Semiótica, Inteligencia Artificial y Neurociencia Decolonial puedan encontrarse de forma más productiva.
No necesitamos colocar el mundo entero dentro de una base de datos.
Eso sería imposible.
Necesitamos construir ciencia —e inteligencias— capaces de reconocer que:
aquello que pueden representar nunca es el mundo entero.
Referencias comentadas — una segunda lectura del artículo
Ricaurte Quijano, P. (2025). Algorithmic Assemblages of Power: AI Harm and the Question of Responsibility. Teknokultura.
Ricaurte desplaza la discusión más allá de la noción estrecha de “sesgo algorítmico” hacia las estructuras sociotécnicas que producen datos, categorías, infraestructuras y decisiones. Su trabajo sustenta la primera pregunta de este artículo: ¿quién tuvo el poder y la infraestructura necesarios para transformar su realidad en datos y qué relaciones de poder determinaron aquello que sería visible para la IA?De la Torre Castellanos, A. R. (2021). “Ciudadanos reemplazados por algoritmos, Néstor García Canclini”. Alteridades, 31(62).
La antropóloga mexicana recupera la metáfora de buscar unas llaves perdidas debajo de un poste porque allí existe luz. Resume una de las ideas centrales de este artículo: la ciencia y la IA pueden alcanzar una resolución extraordinaria allí donde ya existe infraestructura de medición, mientras dimensiones decisivas de la realidad permanecen fuera del campo iluminado. Es una metáfora particularmente accesible para aquello que denominamos invisibilidad epistemológica.García Canclini, N. (2019). Ciudadanos reemplazados por algoritmos. Universidad de Guadalajara / CALAS / FLACSO Ecuador.
El antropólogo argentino-mexicano analiza cómo opiniones y comportamientos capturados como datos se integran en las relaciones de poder de plataformas y corporaciones. Su obra ayuda a diferenciar hacer al ciudadano digitalmente legible de ampliar realmente su ciudadanía: una mayor visibilidad de datos puede aumentar la capacidad de los sistemas para observar a las personas sin incrementar proporcionalmente la capacidad de estas para observar o cuestionar dichos sistemas.Gonzalez, M. E. Q.; Broens, M. C.; Quilici-Gonzalez, J. A.; Kobayashi, G. (2023). “Hábitos e racionalidade: um estudo filosófico-interdisciplinar sobre autonomia na era dos Big Data”. Trans/Form/Ação, 46, 367–386.
Los autores muestran que la autonomía no desaparece simplemente frente a los sistemas digitales. Las personas pueden actuar racionalmente y, aun así, tener sus opiniones moduladas por información insuficiente o distorsionada, hábitos previos y disposiciones emocionales. Para este artículo, la publicación es fundamental porque muestra que la calidad de una decisión depende no solamente de la información falsa, sino también de aquello que está ausente del campo informacional.Romanini, A. V. (2025). “Semiose, inteligência e inferência ativa”. deSignis, 43, 61–72.
Romanini aproxima la Semiótica Peirceana a la Inferencia Activa, creando un puente entre Semiótica, Ciencia Cognitiva e IA. Su trabajo sustenta nuestra idea de que los signos no son simplemente representaciones almacenadas: participan en procesos inferenciales mediante los cuales los sistemas navegan ambientes y estabilizan formas de actuar.Alvim, M. H.; Romanini, A. V. (2025). “Mediações algorítmicas e cognição: conexões entre a semiótica e a inferência ativa”. Esferas, 32.
Este trabajo relaciona directamente algoritmos, cognición y redes sociales, analizando cómo las mediaciones algorítmicas pueden moldear creencias y patrones de respuesta. Completa el circuito recursivo que proponemos: el mundo se convierte en dato, los datos alimentan algoritmos y los algoritmos regresan como nuevos signos capaces de modificar el comportamiento que generará los próximos datos.Moguilner, S.; Báez, S.; Hernandez, H. et al. (2024). “Brain clocks capture diversity and disparities in aging and dementia across geographically diverse populations”. Nature Medicine, 30, 3646–3657.
Utilizando datos EEG y fMRI de 5.306 participantes de 15 países, el estudio relaciona diversidad geográfica y disparidades socioeconómicas, sociodemográficas y ambientales con medidas de edad cerebral. Ofrece un apoyo cuantitativo especialmente relevante para la perspectiva Cuerpo-Territorio: el cerebro medido por un instrumento llega al laboratorio después de una larga trayectoria social y ambiental.Mushtaq, F.; Ibáñez, A. (2025). “Electroencephalography (EEG) and the Quest for an Inclusive and Global Neuroscience”. European Journal of Neuroscience, 61(6), e70078.
Los autores presentan el EEG como una tecnología especialmente prometedora para una neurociencia global debido a su portabilidad, accesibilidad y escalabilidad, pero subrayan la necesidad de diversidad de hardware, armonización entre centros y métodos culturalmente coproducidos. Su argumento ayuda a definir la Neurociencia Decolonial como una transformación en la forma de producir datos neurocientíficos, y no solamente como un cambio de discurso alrededor de esos datos.Vidal-Rosas, E. E.; von Lühmann, A.; Pinti, P.; Cooper, R. J. (2023). “Wearable, high-density fNIRS and diffuse optical tomography technologies: a perspective”. Neurophotonics, 10(2), 023513.
Este artículo describe avances en fNIRS vestible y sistemas ópticos de alta densidad que permiten realizar neuroimagen cortical en condiciones más naturalistas. Sustenta uno de nuestros puntos metodológicos centrales: podemos aproximar la medición al mundo vivido sin confundir una señal hemodinámica, por sofisticada que sea, con la totalidad de la experiencia.Benitez, P.; Domeniconi, C. et al. (2023). “Análise da Viabilidade de Uso do fNIRS em Atividades Educacionais com Crianças e Jovens com Deficiência Intelectual e Autismo”. Revista Brasileira de Educação Especial, 29, e0158.
Este estudio brasileño utilizó fNIRS en una situación clínica naturalística durante actividades educativas con niños y jóvenes con discapacidad intelectual y autismo. Proporciona un ejemplo latinoamericano concreto de cómo NIRS puede registrar respuestas corticales en contextos más próximos a las prácticas reales, ayudando a desplazar la neurociencia más allá de tareas de laboratorio excesivamente artificiales.BrainLatam (2026). “Bolhas vivas — Jiwasa, transcendência e o retorno ao planeta”.
Este artículo desarrolla una distinción fundamental para el presente texto: “La pantalla transduce el mundo. El Cuerpo-Territorio lo vive.” También presenta 12D como una cartografía perceptiva de BrainLatam, diferenciándola explícitamente de una afirmación sobre doce dimensiones físicas o de un supuesto consenso neurocientífico acerca de exactamente doce sentidos.BrainLatam (2026). “O Logos se cristalizou em IA — por que ainda precisamos aprender a pensar?”.
Este artículo sostiene que la IA generativa incorpora solamente una parte de la producción lingüística y lógico-formal preservada en los archivos humanos y pregunta: “¿Qué Logos se cristalizó?” El presente Blog 01 retrocede una etapa: si los propios archivos ya contienen ausencias, debemos preguntar cómo determinados acontecimientos lograron convertirse en registros. Antes de que el Logos se cristalizara en IA, el mundo tuvo que cristalizarse en datos.
