El dato debe volver a quien lo produjo

De la pregunta planteada a Roberto Lent al nacimiento de la IA Personalísima

Tal vez una IA Personalísima no comience con la inteligencia artificial.

Tal vez comience con una pregunta mucho más sencilla: ¿adónde están yendo los datos que producimos continuamente sobre nosotros mismos?

Hace algunos años, durante un congreso de Ciência para Educação en Brasil, hicimos al neurocientífico brasileño Roberto Lent una pregunta que permaneció con nosotros:

Si los datos de cada persona son continuamente minados, ¿cómo podemos hacer que los datos de cada uno vuelvan a cada uno, en el lenguaje de cada uno, para que cada persona pueda interactuar con ellos y modificar el dato producido sobre sí misma?

En aquel momento, la pregunta parecía referirse a datos.

Hoy comprendemos que también hablaba de lenguaje, autonomía, plasticidad, significado y participación.

Hablaba de quién puede interpretar a quién.

Y quizás ya contenía la primera pregunta de aquello que hoy llamamos IA Personalísima.

El dato sale de nosotros

Todos los días producimos rastros.

Lo que compramos. Adónde vamos. Qué buscamos. Qué vemos. Cuánto tiempo permanecemos frente a determinado contenido. Cómo escribimos. Cuándo dormimos. Cuánto caminamos.

Los sensores agregan otras capas: frecuencia cardíaca, movimiento, sueño, ubicación y actividad física.

En ambientes científicos y clínicos podemos observar aún más: EEG, fNIRS, ECG, SpO₂, respiración e innumerables otras variables.

Pero existe una diferencia que acompañará toda esta serie:

el dato producido a partir de mí no soy yo.

Un EEG no es el cerebro.

Una medida de hemoglobina oxigenada no es la experiencia.

Una ubicación no es el territorio vivido.

Una compra no es necesariamente una preferencia.

Una palabra aislada no contiene todo aquello que alguien quiso significar.

Incluso miles de estas variables procesadas conjuntamente siguen siendo representaciones producidas a partir de alguna dimensión de un Ser.

Esto no disminuye el valor de los datos.

Al contrario.

Cuanto mejores se vuelven nuestras capacidades de medir e inferir, más importante resulta recordar la diferencia entre aquello que conseguimos representar y aquello que está siendo representado.

Cuando el dato comienza a hablar por nosotros

Está ocurriendo una transformación importante.

Los datos ya no son solamente registros de lo que ocurrió.

Los sistemas de inteligencia artificial pueden utilizarlos para producir inferencias:

“Prefieres esto”.

“Tu perfil es aquel”.

“Tu riesgo es este”.

“Probablemente harás aquello”.

Tal vez la inferencia sea correcta.

Tal vez esté equivocada.

Pero existe una tercera posibilidad particularmente importante:

tal vez haya sido correcta ayer y ya no lo sea hoy.

Es aquí donde la pregunta planteada a Roberto Lent vuelve a encontrarse con la neurociencia.

Un organismo tiene historia, pero también tiene plasticidad. El aprendizaje, la experiencia, el desarrollo y el ambiente participan continuamente de sus posibilidades de reorganización.

Si podemos cambiar, una máquina que aprende nuestro pasado también necesita preservar la posibilidad de que dejemos de ser aquello que aprendió sobre nosotros.

De lo contrario, cuanto mejor sea su memoria, mayor podrá ser el riesgo de transformar la historia en destino.

Profundizaremos esta cuestión más adelante en esta serie. Por ahora, establece un principio:

un modelo sobre una persona debe continuar admitiendo que esa persona puede cambiar.

Tener datos sobre alguien no es lo mismo que producir conocimiento con alguien

En América Latina, esta cuestión adquiere una dimensión especialmente importante.

Trabajos recientes de la CEPAL sobre los pueblos indígenas llaman la atención sobre la relación entre visibilidad estadística y participación. No basta con que las poblaciones aparezcan en las bases de datos. La participación de los propios pueblos en la producción, interpretación y utilización de la información es relevante para su presencia en las decisiones que los afectan.

La diferencia es enorme.

Podemos producir datos sobre alguien.

O podemos construir condiciones para que quien está siendo representado continúe participando del significado producido a partir de esos datos.

En 2023, la UNESCO llegó a un problema relacionado al discutir una inteligencia artificial centrada en los pueblos indígenas de América Latina y el Caribe, destacando diversidad, identidad, derechos y participación en el desarrollo tecnológico.

Esto nos lleva a una pregunta incómoda:

¿quién debe aprender el lenguaje de quién?

¿Debe el Cuerpo-Territorio adaptarse al lenguaje de los sistemas?

¿O pueden los sistemas aprender las diferentes maneras en que los Cuerpos-Territorios comprenden, organizan y significan la información?

“En el lenguaje de cada uno”

Esta pequeña parte de la pregunta original se ha convertido en un problema completo.

Devolver datos no significa necesariamente devolverlos de manera comprensible.

Podemos entregar a alguien una hoja de cálculo con miles de variables y afirmar técnicamente:

“Aquí están tus datos”.

Pero ¿realmente volvieron?

Marcus Maia, a través de sus trabajos en psicolingüística y también con lenguas indígenas brasileñas, ayuda a abrir una cuestión que desarrollaremos en el próximo ensayo: el lenguaje no puede ser tratado simplemente como un envoltorio en el cual colocamos una información previamente terminada.

“En el lenguaje de cada uno” tampoco significa simplemente elegir portugués, español, inglés o una lengua indígena en un menú.

Dos personas que hablan portugués pueden necesitar formas completamente diferentes de presentación para conseguir interactuar significativamente con el mismo conjunto de datos.

El problema no es solamente la traducción.

Es la significación.

El dato necesita volver de una manera en la que quien lo produjo pueda entrar nuevamente en el proceso interpretativo.

Cuerpo-Territorio

Por eso preferimos no comenzar esta propuesta con la palabra “usuario”.

Usuario es una categoría útil para los sistemas.

Consumidor es útil para los mercados.

Paciente es útil para los sistemas de salud.

Elector es útil para los procesos políticos.

Un número de identificación fiscal es útil para la administración.

Pero ninguna de estas categorías, de manera aislada, contiene al Ser.

Proponemos pensar el Cuerpo-Territorio como una unidad en la cual cuerpo, ambiente, historia, cultura, relaciones y posibilidades de transformación no sean artificialmente separados cuando intentamos comprender a una persona.

Esto no significa rechazar categorías o mediciones.

Significa reconocer que son recortes.

La pantalla es una transducción del recorte. Tiene luz, pero no ilumina todo.

El dato también.

De la IA personalizada a la IA Personalísima

Las tecnologías digitales ya son personalizadas.

Las plataformas seleccionan contenidos, los sistemas recomiendan productos y los algoritmos aprenden comportamientos.

Podemos representar este movimiento de manera simplificada:

Cuerpo → datos → plataforma → modelo → decisión/recomendación → Cuerpo.

El Cuerpo proporciona datos y posteriormente recibe algo producido a partir de ellos.

La hipótesis BrainLatam añade otro movimiento:

Cuerpo-Territorio → datos → procesamiento → IA Personalísima → restitución → interpretación por el Cuerpo-Territorio → contestación/transformación → nuevos datos.

La diferencia puede parecer pequeña.

Pero cambia quién permanece dentro del circuito.

La IA Personalísima no sería simplemente una IA que sabe mucho sobre alguien.

Debería permitir que esa persona participe continuamente de aquello que está siendo producido sobre sí misma.

Imaginemos una IA diciendo:

“Prefieres quedarte en casa”.

Y que la persona pueda responder:

“Antes lo prefería. Mi vida cambió”.

O:

“Tus datos muestran determinado comportamiento”.

Y que la persona pueda preguntar:

“¿De qué período estamos hablando?”

O incluso:

“Tu perfil indica determinada categoría”.

Y la persona preguntando:

“¿Qué datos produjeron esa inferencia?”

La IA deja de limitarse a presentar una conclusión.

El proceso vuelve a abrirse.

El derecho a responder al algoritmo

Esto no significa permitir que alguien simplemente borre hechos porque no le gustan.

Un acontecimiento registrado no deja de haber ocurrido porque no estemos de acuerdo con él.

Necesitamos distinguir:

dato primario → procesamiento → inferencia → interpretación.

Es principalmente en las últimas etapas donde pueden surgir diferentes posibilidades.

Vinicius Romanini y la tradición semiótica que atraviesa su trabajo se vuelven importantes para nuestra serie precisamente aquí: una representación no debe confundirse con aquello que representa.

Ricardo Gudwin, recomendado para este ensayo por el investigador Alfredo Pereira Jr., añade otra dimensión a través de sus trabajos con arquitecturas cognitivas y Cognitive Twins: los sistemas computacionales pueden aprender aproximaciones cada vez más sofisticadas del comportamiento de los agentes.

Sin embargo, cuanto mejor se vuelve el espejo, más importante resulta recordar:

el espejo no es aquello que refleja.

Una IA puede aprender mucho sobre mí.

Pero necesita preservar espacio para estar equivocada sobre mí.

Y necesita preservar algo todavía más importante:

mi espacio para cambiar.

Hipótesis BrainLatam: restitución

Llegamos entonces a la primera hipótesis de esta W41/2026:

Los datos y las inferencias producidos a partir de un Cuerpo-Territorio deberían poder regresar a ese Cuerpo-Territorio en formas que pueda comprender, interpretar, cuestionar y transformar, sin que la representación producida por el sistema adquiera automáticamente el estatus de verdad sobre el Ser.

Llamamos a este movimiento restitución.

Restituir no es simplemente poner un archivo a disposición.

Es devolver capacidad de participación.

Tal vez sea exactamente allí donde comienza una IA Personalísima.

No en una máquina capaz de decir:

“Sé quién eres”.

Sino en una relación en la que todavía sea posible responder:

“Esto es lo que tus datos pueden decir sobre mí ahora. Yo también participo de ese significado, y todavía puedo cambiar”.

Hasta aquí hemos hablado de un Cuerpo-Territorio.

Uno.

Pero un Estado está constituido por millones de ellos.

Cada uno produciendo datos, significando, cambiando y cargando posibilidades que ninguna base de datos puede anticipar completamente.

¿Qué ocurriría si esas diferencias pudieran volverse inteligibles unas para otras sin tener que desaparecer?

Aquí comienza a aparecer una palabra que acompañará esta serie:

Jiwasa — “Nosotros / La gente”: sentir pertenencia sin necesidad de reducir el Ser.

Todavía no necesitamos hablar de inteligencia colectiva.

Primero necesitamos devolver el dato.

Porque tal vez el futuro colectivo no comience cuando una inteligencia artificial finalmente consiga conocer a todos.

Tal vez comience cuando cada uno recupere la posibilidad de participar de aquello que se está conociendo sobre sí mismo.

El dato debe volver a quien lo produjo.

Referencias comentadas — América Latina, posteriores a 2021

ACOSTA, Laura Débora; RIBOTTA, Bruno. Visibilidad estadística y mecanismos participativos de los pueblos indígenas en América Latina: avances y desafíos. CEPAL, 2022.
Ayuda a distinguir la simple producción de estadísticas sobre poblaciones de la participación de esas poblaciones en la construcción, interpretación y utilización de la información que las representa.

GONZÁLEZ ZEPEDA, Luz Elena; MARTÍNEZ PINTO, Cristina Elena. Inteligencia artificial centrada en los pueblos indígenas: perspectivas desde América Latina y el Caribe. UNESCO, 2023.
Importante para pensar la IA desde la diversidad cultural latinoamericana, los derechos, la identidad y la participación de los pueblos indígenas en el desarrollo tecnológico.

MAIA, Marcus. Focalizando e Topicalizando na língua Karajá: brincando epilinguisticamente. UFRJ, 2022.
Contribuye a la pregunta que será profundizada en el próximo blog: qué significa realmente hacer que una información vuelva “en el lenguaje de cada uno”, especialmente cuando consideramos diferentes estructuras lingüísticas y culturales.

ROMANINI, Vinicius. Semiose, inteligência e inferência ativa. deSignis, 2025.
Ofrece un puente entre semiosis, cognición e inteligencia, permitiendo distinguir representación, interpretación y aquello que está siendo representado.

RIPOLL, Leonardo; ROMANINI, Vinicius. Considerações sobre a dimensão estética semiótica da desinformação no âmbito da pós-verdade e no desenvolvimento da inteligência artificial. Tríades, 2025.
Relevante para comprender por qué información y significado no son equivalentes y cómo los procesos interpretativos participan en la relación entre seres humanos, signos y sistemas artificiales.

GIBAUT, Wandemberg; GUDWIN, Ricardo R. Building a Cognitive Twin Using a Distributed Cognitive System and an Evolution Strategy. 2025.
La propuesta de Cognitive Twin muestra la posibilidad de construir modelos computacionales que aprenden aproximaciones conductuales de agentes. Para la hipótesis BrainLatam, ofrece también un contrapunto fundamental: un modelo cada vez más preciso de alguien sigue sin ser ese alguien.

W41/2026 — CEPID: De la IA Personalísima al Futuro Colectivo

Hipótesis BrainLatam: el dato no vuelve verdaderamente al Cuerpo-Territorio simplemente cuando se pone a su disposición. Vuelve cuando quien lo produjo puede participar nuevamente en el proceso mediante el cual ese dato adquiere significado.