🎯 Avanzado · Lección 1

AI que Ves Cada Día

La inteligencia artificial ya forma parte de tu rutina diaria, desde que despiertas hasta que te duermes — aunque rara vez la reconoces como tal.

En 2012, Netflix perdió 1 millón de dólares al día durante semanas porque su sistema de recomendaciones falló tras una migración de servidores. Los suscriptores que no recibían sugerencias personalizadas simplemente dejaban de usar el servicio. Este incidente documentado reveló algo crucial: los usuarios modernos no solo toleran la personalización impulsada por AI — la esperan. Cuando desaparece, el comportamiento cambia de inmediato. Netflix invierte hoy más de 1,000 millones de dólares anuales en su motor de recomendaciones.

Sistemas de Recomendación: la AI Invisible

El 80% del contenido que consume un usuario de Netflix llega a través de recomendaciones generadas por AI, no por búsquedas directas. Spotify usa un modelo similar llamado Collaborative Filtering: analiza los hábitos de escucha de millones de usuarios para predecir qué canción querrás oír a continuación. Cuando Spotify lanzó "Discover Weekly" en 2015, los usuarios escucharon más de 1,500 millones de canciones en el primer mes.

Estos sistemas no son magia: son matemáticas. Construyen vectores de preferencia — representaciones numéricas de tus gustos — y calculan distancias entre tú y otros usuarios similares. Si a personas parecidas a ti les gustó algo que tú no has visto, el modelo asume que probablemente también te gustará.

Dato Verificado

Amazon atribuye el 35% de sus ingresos totales directamente a su motor de recomendaciones basado en AI, según reportes de la empresa desde 2017.

Asistentes de Voz y Mapas Inteligentes

Cuando le preguntas algo a Siri, Google Assistant o Alexa, tu voz se convierte en texto mediante reconocimiento de habla (ASR), luego ese texto se procesa con modelos de lenguaje natural para interpretar la intención, y finalmente se genera una respuesta. Todo esto ocurre en menos de un segundo, en servidores remotos.

Google Maps usa AI para predecir tiempos de tráfico con hasta dos horas de anticipación, analizando datos históricos y patrones en tiempo real de millones de dispositivos. En 2020, Google anunció que su modelo de predicción de tráfico redujo los errores de estimación en un 50% usando grafos de redes neuronales (Graph Neural Networks). En ciudades como Ciudad de México — una de las más congestionadas del mundo — esta tecnología tiene impacto directo en la movilidad de millones de personas diariamente.

Filtros de Correo y Detección de Fraude

Gmail usa AI para clasificar el 99.9% del spam antes de que llegue a tu bandeja de entrada, procesando más de 100 mil millones de correos por día. El modelo evalúa más de 100 señales por mensaje: remitente, estructura del texto, patrones de envío, reputación del dominio.

Los bancos como BBVA y Santander, con fuerte presencia en América Latina, usan modelos de detección de anomalías que analizan cada transacción en milisegundos. Si compras algo en Madrid y cinco minutos después aparece un cargo en Tokio, el sistema lo bloquea automáticamente. BBVA publicó en 2022 que su sistema de AI evitó fraudes por valor de 600 millones de euros ese año.

  • Los modelos de detección de fraude se reentrenan continuamente con nuevos patrones
  • Un falso positivo (bloquear una compra legítima) cuesta confianza del cliente
  • Un falso negativo (aprobar fraude) cuesta dinero real
  • Equilibrar estos dos errores es el reto central del diseño de estos sistemas
📝 Quiz · Lección 1

AI que Ves Cada Día

Responde las siguientes preguntas sobre lo que aprendiste.

1. Según datos documentados de Netflix, ¿qué porcentaje del contenido consumido llega a través de recomendaciones de AI?
✓ Correcto. El 80% del contenido visto en Netflix proviene de recomendaciones de AI, lo que demuestra cuánto depende la plataforma de este sistema.
✗ Incorrecto. La cifra documentada es el 80%. Netflix invierte más de 1,000 millones de dólares anuales en este sistema precisamente por su impacto.
2. ¿Qué técnica matemática usa Spotify para predecir qué canción querrás escuchar?
✓ Correcto. El filtrado colaborativo compara tus preferencias con las de usuarios similares para hacer predicciones. Discover Weekly fue su aplicación más exitosa.
✗ Incorrecto. Spotify usa Collaborative Filtering: analiza patrones de millones de usuarios para predecir gustos individuales. El ASR es para reconocimiento de voz.
3. En sistemas de detección de fraude bancario, ¿qué representa un "falso negativo"?
✓ Correcto. Un falso negativo ocurre cuando el modelo no detecta algo que debería. En fraude, eso significa dejar pasar una transacción fraudulenta — con coste económico real.
✗ Incorrecto. Un falso negativo es cuando el sistema no detecta el fraude y lo deja pasar. Bloquear una compra legítima sería un falso positivo.
🧪 Lab · Lección 1

Laboratorio: AI en tu Rutina

Analiza con tu asistente de AI cuántos sistemas inteligentes ya forman parte de tu vida diaria.

Tu Misión

En este laboratorio vas a explorar los sistemas de AI que ya usas sin darte cuenta. Tu asistente te hará preguntas para ayudarte a identificarlos y entender cómo funcionan realmente.

Sugerencia: Piensa en lo que hiciste esta mañana — desde que te despertaste hasta que llegaste a donde estás ahora. ¿Cuántos sistemas de AI interactuaron contigo?
🤖 Asistente de AI — Lección 1 AI en el Día a Día
🎯 Avanzado · Lección 2

AI en la Escuela y el Juego

Los sistemas educativos y los videojuegos llevan años usando AI para adaptarse a cada persona — con resultados documentados que van desde el éxito hasta la controversia.

En 2011, el sistema de tutoría inteligente Cognitive Tutor de Carnegie Learning llevaba más de una década en aulas de matemáticas de Estados Unidos. Un estudio aleatorio controlado publicado en el Journal of Research on Educational Effectiveness en 2014 demostró que los estudiantes que usaban el sistema obtenían resultados un 8% superiores en álgebra comparado con instrucción tradicional. Sin embargo, el mismo estudio reveló que en escuelas con escasos recursos tecnológicos, el sistema generaba brechas más profundas entre alumnos con y sin acceso estable a computadoras.

Plataformas de Aprendizaje Adaptativo

Khan Academy introdujo su sistema Khanmigo en 2023, un tutor basado en GPT-4 que responde preguntas de los estudiantes sin darles directamente la respuesta — guía el razonamiento con preguntas socráticas. La plataforma tiene más de 150 millones de usuarios registrados globalmente y opera en español para millones de estudiantes en América Latina.

Duolingo usa un modelo llamado "Birdbrain" que decide en tiempo real qué ejercicio mostrarte a continuación, basado en tu historial de errores, velocidad de respuesta y tiempo entre sesiones. En 2023, Duolingo publicó que su modelo reduce la tasa de abandono de la aplicación en un 22% comparado con un currículo fijo. El sistema clasifica tu nivel de dominio en cada concepto individualmente, no en el idioma completo.

Consecuencia Documentada

La empresa de aprendizaje Chegg experimentó una caída del 40% en su precio de acciones en mayo de 2023 después de que su CEO admitió que ChatGPT estaba perjudicando el crecimiento de suscripciones. Los estudiantes preferían la AI gratuita al servicio de pago.

AI en los Videojuegos

Los videojuegos han usado AI desde los años 80, pero los sistemas modernos son cualitativamente diferentes. En Halo 2 (2004), Bungie introdujo personajes enemigos con comportamiento dinámico capaz de coordinarse tácticamente. En 2016, AlphaGo de DeepMind derrotó al campeón mundial de Go, Lee Sedol, usando redes neuronales y aprendizaje por refuerzo — un hito porque Go tiene más posibles tableros que átomos en el universo observable.

Hoy, empresas como Electronic Arts usan AI para ajustar dificultad en tiempo real (Dynamic Difficulty Adjustment). El sistema mide métricas del jugador — tasa de muertes, tiempo por nivel, precisión — y ajusta la resistencia enemiga para mantener un estado de "flujo" donde el reto es estimulante pero no frustrante. FIFA y Madden implementan versiones de este sistema desde 2018.

  • Los NPCs (personajes no jugables) modernos usan árboles de comportamiento y máquinas de estado para simular toma de decisiones
  • El juego Alien: Isolation (2014) usa dos sistemas de AI: uno que observa al jugador y otro que controla al alien, sin que este último "vea" al jugador directamente
  • Los juegos de estrategia como StarCraft II fueron campo de entrenamiento para los sistemas de AI más avanzados del mundo

Detección de Trampas y Plagio

Turnitin, usado por universidades en todo el mundo incluidas las principales de México, Colombia y Argentina, lanzó en 2023 un detector de contenido generado por AI. La herramienta analiza patrones estadísticos en el texto para identificar escritura generada por modelos de lenguaje. Sin embargo, la empresa reconoció tasas de falsos positivos de hasta el 4% — lo que significa que texto genuinamente humano puede ser marcado como AI incorrectamente, con consecuencias académicas graves para el estudiante.

📝 Quiz · Lección 2

AI en la Escuela y el Juego

Demuestra lo que aprendiste sobre AI educativa y videojuegos.

1. ¿Qué problema ético documentado reveló el estudio de 2014 sobre el sistema Cognitive Tutor?
✓ Correcto. Aunque el sistema mejoraba resultados promedio, en escuelas sin acceso estable a computadoras creaba desventajas adicionales — un ejemplo clásico de AI que amplifica desigualdades existentes.
✗ Incorrecto. El problema documentado fue la brecha digital: el sistema beneficiaba a escuelas con recursos pero perjudicaba a las que no tenían acceso tecnológico estable.
2. ¿Por qué la derrota de Lee Sedol ante AlphaGo en 2016 fue considerada un hito histórico?
✓ Correcto. La complejidad astronómica del Go significaba que ningún sistema de búsqueda clásico podía abordarlo. AlphaGo resolvió esto con aprendizaje por refuerzo y redes neuronales.
✗ Incorrecto. El hito fue la complejidad del juego: Go tiene más posibles estados que átomos en el universo observable, lo que requirió AI de nueva generación para dominarlo.
3. ¿Cuál es el riesgo documentado del detector de AI de Turnitin según la propia empresa?
✓ Correcto. Una tasa de falsos positivos del 4% significa que estudiantes honestos pueden ser acusados incorrectamente de usar AI — con consecuencias académicas reales y graves.
✗ Incorrecto. El problema reconocido por Turnitin es la tasa de falsos positivos: hasta un 4% del texto humano genuino puede ser marcado incorrectamente como generado por AI.
🧪 Lab · Lección 2

Laboratorio: AI Educativa y Juegos

Reflexiona sobre cómo la AI en educación y videojuegos afecta tu aprendizaje y entretenimiento.

Tu Misión

Explora con tu asistente las implicaciones reales de la AI en contextos educativos y de juego. Se discutirán casos concretos como el detector de Turnitin y los sistemas de dificultad adaptativa.

Reflexiona: ¿Preferirías aprender con un sistema que se adapta automáticamente a ti, o con un currículo fijo igual para todos? ¿Qué ventajas y riesgos ves en cada opción?
🤖 Asistente de AI — Lección 2 AI Educativa
🎯 Avanzado · Lección 3

AI en Nuestra Comunidad

Desde la seguridad pública hasta la gestión de residuos, la AI está siendo desplegada en ciudades de todo el mundo con consecuencias que impactan directamente la vida comunitaria.

Entre 2011 y 2014, el Departamento de Policía de Chicago usó un sistema de AI llamado "Strategic Subject List" para identificar personas con mayor probabilidad de cometer o ser víctimas de delitos violentos. La lista llegó a incluir 400,000 nombres. En 2020, una investigación de la ACLU reveló que el sistema tenía sesgos raciales sistemáticos y que muchos individuos en la lista nunca habían cometido delitos. El programa fue oficialmente cancelado en agosto de 2020. El caso se convirtió en referencia mundial sobre los peligros de la predicción algorítmica en justicia criminal.

Gestión Urbana con AI

Singapur ha sido pionera en el uso de AI para gestión urbana. Su sistema de semáforos inteligentes coordina más de 3,000 cruces usando datos en tiempo real de cámaras y sensores, reduciendo tiempos de espera en un 13% documentado. Barcelona instaló contenedores de basura inteligentes con sensores que notifican al sistema municipal cuando están al 70% de capacidad, reduciendo rutas de recolección innecesarias en un 25%.

En América Latina, Medellín (Colombia) implementó un sistema de monitoreo con AI para detectar zonas de riesgo de inundación en tiempo real. El sistema analiza datos pluviométricos y de nivel de ríos para emitir alertas tempranas. Entre 2019 y 2022, el sistema contribuyó a reducir las víctimas fatales por inundaciones en la ciudad en más de un 30% comparado con el periodo anterior.

Reconocimiento Facial y Vigilancia

Clearview AI construyó una base de datos de más de 30,000 millones de imágenes faciales recopiladas de redes sociales sin consentimiento explícito. La empresa vendió acceso a más de 600 agencias policiales en Estados Unidos. En 2022, fue multada con 9 millones de euros en el Reino Unido y con 20 millones en Australia por violaciones de privacidad. En la Unión Europea, el servicio fue declarado ilegal bajo el GDPR.

Un estudio del MIT Media Lab de 2019 (Joy Buolamwini y Timnit Gebru) demostró que los sistemas de reconocimiento facial de IBM, Microsoft y Face++ tenían tasas de error del 34% en mujeres de piel oscura, comparado con menos del 1% en hombres de piel clara. IBM discontinuó su producto de reconocimiento facial en 2020 citando estos problemas de sesgo.

Consecuencia Real

En 2020, Robert Williams en Detroit fue arrestado incorrectamente por reconocimiento facial. La policía lo detuvo frente a su familia basándose en una coincidencia errónea del sistema. Williams se convirtió en el primer caso documentado públicamente de arresto injusto por error de AI en EE.UU.

Transporte Público e Infraestructura

El metro de Beijing usa AI para predecir la demanda por estación y hora, ajustando frecuencias de trenes en consecuencia. El sistema procesa datos de 10 millones de viajes diarios. En Madrid, la empresa de transporte EMT implementó en 2021 un sistema de optimización de rutas de autobús basado en AI que redujo los tiempos de espera promedio en un 18% en las rutas piloto.

📝 Quiz · Lección 3

AI en Nuestra Comunidad

Evalúa tu comprensión sobre AI en contextos comunitarios y urbanos.

1. ¿Por qué fue cancelado el sistema "Strategic Subject List" de la policía de Chicago?
✓ Correcto. La investigación de la ACLU reveló sesgos raciales sistemáticos e incluía personas sin antecedentes delictivos. El caso se volvió referencia global sobre los riesgos de la predicción algorítmica en justicia.
✗ Incorrecto. El sistema fue cancelado porque una investigación reveló sesgos raciales sistemáticos y que muchos de los 400,000 individuos en la lista nunca habían cometido delitos.
2. ¿Qué encontró el estudio del MIT Media Lab de 2019 sobre reconocimiento facial?
✓ Correcto. Esta disparidad dramática en tasas de error demostró cómo los datos de entrenamiento no representativos producen sistemas que discriminan sistemáticamente a grupos subrepresentados.
✗ Incorrecto. El estudio de Buolamwini y Gebru documentó una disparidad enorme: 34% de error en mujeres de piel oscura frente a menos del 1% en hombres de piel clara — evidencia de sesgo algorítmico grave.
3. ¿Qué impacto documentado tuvo el sistema de monitoreo de inundaciones con AI en Medellín entre 2019 y 2022?
✓ Correcto. Las alertas tempranas del sistema permitieron evacuaciones a tiempo, reduciendo las víctimas fatales. Es un ejemplo de AI con impacto humanitario positivo documentado.
✗ Incorrecto. El sistema de Medellín contribuyó a reducir las víctimas fatales por inundaciones en más del 30% mediante alertas tempranas que permitían evacuaciones oportunas.
🧪 Lab · Lección 3

Laboratorio: AI en la Ciudad

Debate con tu asistente los dilemas éticos del uso de AI en espacios públicos y seguridad comunitaria.

Tu Misión

Explora el equilibrio entre seguridad pública y privacidad individual cuando se usa AI en comunidades. Usarás casos reales como referencia para argumentar tu posición.

Piensa en esto: Si el reconocimiento facial puede ayudar a encontrar personas desaparecidas pero también puede provocar arrestos injustos, ¿en qué circunstancias estaría justificado usarlo?
🤖 Asistente de AI — Lección 3 AI Comunitaria
🎯 Avanzado · Lección 4

AI en Medicina y Ciencia

La AI está redefiniendo el diagnóstico médico, el descubrimiento de fármacos y la investigación científica — con avances verificables y riesgos que la comunidad médica aún debate.

En noviembre de 2020, DeepMind publicó en la revista Nature que su sistema AlphaFold2 había resuelto el problema del plegamiento de proteínas con precisión sin precedentes. La estructura tridimensional de una proteína determina su función biológica, y predicirla había sido uno de los grandes problemas abiertos de la biología durante 50 años. En 2022, AlphaFold2 publicó predicciones de estructuras para más de 200 millones de proteínas — prácticamente todas las proteínas conocidas de la ciencia. Investigadores en más de 190 países usaron la base de datos en el primer año de disponibilidad gratuita.

Diagnóstico Médico por Imágenes

En 2020, la FDA de Estados Unidos aprobó el primer sistema de AI para detección de retinopatía diabética sin supervisión de oftalmólogo: IDx-DR de la empresa Digital Diagnostics. El sistema analiza fotografías del fondo de ojo y detecta señales de daño con una sensibilidad del 87% y especificidad del 90% — comparable con especialistas humanos. Esto permite que médicos de atención primaria, sin formación en oftalmología, hagan el cribado en su consulta.

Un estudio publicado en Nature Medicine en 2019 demostró que un sistema de AI de Google detectaba cáncer de pulmón en tomografías computarizadas con mayor precisión que seis radiólogos especializados, reduciendo los falsos negativos en un 11% y los falsos positivos en un 5%. El sistema entrenó con 45,856 imágenes de pacientes.

Dilema Ético Activo

Cuando una AI médica comete un error diagnóstico, ¿quién es responsable: el médico que confió en ella, la empresa que la fabricó, o el hospital que la desplegó? En 2023, ninguna legislación del mundo había resuelto definitivamente esta pregunta.

Descubrimiento de Fármacos

El desarrollo tradicional de un nuevo medicamento tarda entre 10 y 15 años y cuesta más de 2,000 millones de dólares en promedio. La AI está comprimiendo las primeras fases. En 2023, Insilico Medicine obtuvo aprobación para iniciar ensayos clínicos en humanos con un fármaco para fibrosis pulmonar identificado y diseñado completamente por AI — el proceso tomó 18 meses y 2.6 millones de dólares. Fue el primer caso documentado de este tipo.

Durante la pandemia de COVID-19, BenevolentAI identificó en menos de 48 horas el baricitinib como potencial tratamiento para la inflamación severa causada por el virus, analizando literatura científica con procesamiento de lenguaje natural. Los ensayos clínicos posteriores confirmaron su eficacia, y la FDA lo aprobó como tratamiento en 2022.

  • AlphaFold2 aceleró la investigación de fármacos contra la tuberculosis, la malaria y la enfermedad de Chagas
  • Los modelos de AI pueden explorar miles de millones de moléculas candidatas en días — algo imposible con métodos experimentales tradicionales
  • Los ensayos clínicos en humanos siguen siendo obligatorios y no pueden ser sustituidos por simulaciones de AI

AI en Investigación Climática

En 2023, Google DeepMind publicó que su sistema GraphCast producía predicciones meteorológicas a 10 días más precisas que los mejores modelos numéricos tradicionales del Centro Europeo de Previsiones Meteorológicas a Medio Plazo (ECMWF) — y lo hacía en menos de un minuto, frente a las horas que requieren los modelos convencionales. El sistema usa 1 millón de puntos de datos históricos de temperatura, presión y humedad.

📝 Quiz · Lección 4

AI en Medicina y Ciencia

Comprueba tu comprensión sobre los avances y dilemas de la AI en salud y ciencia.

1. ¿Cuál fue el logro histórico de AlphaFold2 publicado en Nature en 2020?
✓ Correcto. AlphaFold2 resolvió un problema abierto de la biología durante 50 años: predecir la estructura tridimensional de proteínas a partir de su secuencia de aminoácidos, lo cual tiene implicaciones enormes para la medicina.
✗ Incorrecto. AlphaFold2 resolvió el problema del plegamiento de proteínas — uno de los grandes retos abiertos de la biología durante medio siglo — y publicó estructuras de más de 200 millones de proteínas.
2. ¿Por qué el fármaco de Insilico Medicine para fibrosis pulmonar fue históricamente significativo en 2023?
✓ Correcto. Fue el primer caso documentado de un medicamento completamente diseñado por AI que obtuvo aprobación para ensayos en humanos, completando en 18 meses lo que normalmente toma 10-15 años.
✗ Incorrecto. Su importancia histórica radica en ser el primer fármaco enteramente concebido por AI en llegar a ensayos clínicos en humanos — una comprensión del proceso de descubrimiento sin precedente.
3. Según el estudio de Nature Medicine (2019), ¿en qué superó el sistema de AI de Google a seis radiólogos especializados?
✓ Correcto. El sistema redujo ambos tipos de error — tanto los casos que se pierden (falsos negativos) como los que se diagnostican incorrectamente (falsos positivos) — superando el rendimiento colectivo de seis especialistas.
✗ Incorrecto. El estudio documentó que la AI reducía los falsos negativos en un 11% y los falsos positivos en un 5% en la detección de cáncer de pulmón en tomografías, superando a los radiólogos especializados.
🧪 Lab · Lección 4

Laboratorio: AI Médica y Científica

Profundiza con tu asistente sobre las implicaciones de la AI en el diagnóstico médico y la investigación científica.

Tu Misión

Analiza con tu asistente los límites y posibilidades de la AI en medicina. Discutirás casos reales y explorarás el dilema de la responsabilidad cuando la AI comete errores médicos.

Considera: Si un sistema de AI detecta cáncer de pulmón con mayor precisión que un radiólogo, ¿debería reemplazar al médico o trabajar junto a él? ¿Qué rol debe mantener el ser humano?
🤖 Asistente de AI — Lección 4 AI Médica
🎯 Avanzado · Lección 5

AI en Negocios y Trabajo

La AI está transformando mercados laborales, cadenas de suministro y estrategias empresariales — creando valor en algunos sectores mientras desplaza trabajadores en otros, con consecuencias ya documentadas.

En 2018, Amazon desarrolló una herramienta de AI para revisar currículums y seleccionar candidatos automáticamente. El sistema fue entrenado con los perfiles de empleados contratados durante los 10 años previos — un período en que Amazon contrataba predominantemente hombres en roles técnicos. El resultado: el sistema penalizaba automáticamente currículums que contenían palabras como "mujeres" (por ejemplo, "presidenta del club de mujeres en ingeniería"). Amazon descubrió el problema en 2015 y desactivó el sistema en 2018 sin haberlo usado en producción. El caso se publicó en Reuters en octubre de 2018 y se convirtió en referencia global sobre sesgo algorítmico en contratación.

Automatización y Empleo

Un informe del McKinsey Global Institute de 2017 estimó que entre 400 y 800 millones de empleos en el mundo podrían ser automatizados para 2030. Sin embargo, el mismo informe señalaba que se crearían nuevos roles. La historia confirma esta dualidad: cuando los cajeros automáticos (ATMs) se expandieron en los años 80, el número de cajeros bancarios humanos en EE.UU. no disminuyó — aumentó, porque los bancos pudieron abrir más sucursales a menor coste por sucursal.

Los empleos en riesgo más documentados son los que involucran tareas repetitivas y predecibles: procesamiento de datos, conducción, manufactura de precisión. Los empleos más resistentes a la automatización involucran empatía, creatividad compleja y razonamiento ético situacional.

Caso Documentado: Goldman Sachs

En 2000, Goldman Sachs empleaba 600 traders en su mesa de operaciones de acciones en Nueva York. En 2017, eran dos. Los sistemas de trading algorítmico con AI reemplazaron 598 puestos en 17 años — mientras el banco contrataba ingenieros de software en esa misma proporción.

AI en Cadenas de Suministro y Logística

UPS usa un sistema de optimización de rutas llamado ORION (On-Road Integrated Optimization and Navigation) desde 2012. El sistema procesa 250 millones de puntos de datos diarios para diseñar las rutas óptimas de sus 55,000 conductores en EE.UU. UPS estima que ORION ahorra 100 millones de millas de conducción al año y reduce emisiones en 100,000 toneladas métricas de CO₂.

Zara, la marca española del grupo Inditex, usa AI para analizar tendencias de compra y ajustar producción en semanas, en lugar de meses como el sector fashion tradicional. Su modelo de AI analiza ventas por tienda, clima local y patrones de devoluciones para predecir qué tallas y colores producir para cada mercado. Este sistema es considerado una ventaja competitiva central de Inditex, que tiene presencia en más de 90 países.

AI Generativa en el Trabajo

Desde el lanzamiento de ChatGPT en noviembre de 2022, múltiples empresas documentaron cambios en productividad. Un estudio de Nielsen Norman Group de 2023 encontró que consultores que usaban GPT-4 completaban tareas analíticas un 25% más rápido que sus colegas sin acceso. Sin embargo, el estudio también encontró que los trabajadores de menor nivel de habilidad se beneficiaban más — los expertos a veces se volvían menos precisos al confiar en la AI.

📝 Quiz · Lección 5

AI en Negocios y Trabajo

Evalúa tu comprensión sobre AI en el mundo empresarial y laboral.

1. ¿Por qué el sistema de selección de currículums de Amazon discriminaba a las mujeres?
✓ Correcto. El sesgo no fue intencional: el sistema aprendió de patrones históricos donde la mayoría de contratados eran hombres, y reprodujo esa desigualdad automáticamente. Esto ilustra cómo los datos históricos pueden perpetuar discriminación.
✗ Incorrecto. El sesgo fue consecuencia del entrenamiento con datos históricos que reflejaban una fuerza laboral predominantemente masculina. El sistema aprendió a preferir patrones asociados con hombres contratados anteriormente.
2. ¿Cuántos traders humanos reemplazaron los sistemas de trading algorítmico en Goldman Sachs entre 2000 y 2017?
✓ Correcto. De 600 traders en 2000, solo quedaban 2 en 2017. Goldman Sachs compensó esta reducción contratando ingenieros de software en cantidades similares — un ejemplo documentado de sustitución de perfiles laborales.
✗ Incorrecto. Goldman Sachs pasó de 600 a solo 2 traders en su mesa de operaciones, es decir, 598 puestos fueron sustituidos por sistemas algorítmicos. Los dos restantes supervisaban los sistemas automáticos.
3. Según el estudio de Nielsen Norman Group (2023), ¿qué grupo se beneficiaba más del uso de GPT-4 en el trabajo?
✓ Correcto. El estudio encontró que la AI ayudaba más a los menos especializados — elevando sus resultados. Los expertos, paradójicamente, a veces bajaban su precisión al confiar excesivamente en la AI.
✗ Incorrecto. El estudio de Nielsen Norman Group encontró que los trabajadores de menor nivel de habilidad se beneficiaban más de GPT-4, mientras que los expertos en algunos casos reducían su precisión al depender demasiado de la herramienta.
🧪 Lab · Lección 5

Laboratorio: AI y el Futuro del Trabajo

Analiza con tu asistente cómo la AI está cambiando los mercados laborales y qué habilidades serán más valiosas en el futuro.

Tu Misión

Explora con tu asistente las implicaciones del desplazamiento laboral por AI y las estrategias para prepararse. Hablarás de casos reales y construirás argumentos propios.

Piensa en una profesión que conoces bien (la de un familiar, la que te interesa a ti). ¿Qué tareas dentro de esa profesión crees que la AI podría automatizar? ¿Qué tareas permanecerían siendo humanas?
🤖 Asistente de AI — Lección 5 AI y Trabajo
🎯 Avanzado · Lección 6

AI en Arte, Música y Cultura

La AI generativa ha irrumpido en el mundo creativo con una velocidad que ha sorprendido a artistas, músicos, legisladores y a la industria del entretenimiento — generando tanto admiración como conflictos legales sin precedentes.

En agosto de 2022, Jason Allen ganó el primer premio en la categoría de Arte Digital de la Feria Estatal de Colorado con una imagen creada usando Midjourney, una herramienta de AI generativa. La controversia fue inmediata: artistas digitales protestaron que competir contra AI era injusto. Allen argumentó que había pasado semanas refinando los prompts y haciendo ajustes creativos. El jurado, que desconocía el uso de AI, otorgó el premio legítimamente. El debate subsiguiente sobre la autoría en arte generado por AI llegó a publicaciones académicas, parlamentos y tribunales de justicia en menos de seis meses.

Generación de Imágenes y Propiedad Intelectual

Los modelos de generación de imágenes como DALL-E (OpenAI), Midjourney y Stable Diffusion se entrenan con cientos de millones de imágenes extraídas de internet, muchas de ellas con derechos de autor. En enero de 2023, un grupo de artistas visuales demandó a Stability AI, Midjourney y DeviantArt por infracción de derechos de autor, argumentando que sus obras habían sido usadas sin consentimiento para entrenar los modelos. El caso está en proceso judicial y establecerá precedente.

Getty Images demandó a Stability AI en febrero de 2023, argumentando que el modelo había copiado más de 12 millones de imágenes de su biblioteca protegida. Como evidencia, Getty mostró que el sistema generaba imágenes con marcas de agua distorsionadas que recordaban al logotipo de Getty — lo que sugería que las imágenes con marca habían sido incluidas en el entrenamiento.

Estado Legal en 2024

La Oficina de Derechos de Autor de EE.UU. estableció en 2023 que las imágenes generadas enteramente por AI no son elegibles para protección de copyright, porque requieren "autoría humana". Sin embargo, obras donde la AI es una herramienta con dirección creativa humana sustancial sí pueden ser protegidas.

AI en Música y Voz

En abril de 2023, una canción titulada "Heart on My Sleeve" apareció en Spotify y Apple Music usando voces sintéticas que imitaban a Drake y The Weeknd. La canción acumuló millones de reproducciones antes de ser retirada por Universal Music Group. El caso planteó preguntas sin respuesta clara: ¿quién es responsable cuando una AI clona la voz de un artista? ¿El usuario que generó el audio, la plataforma de streaming, o el creador de la herramienta?

En España, la empresa Voctro Labs ha desarrollado tecnología de síntesis de voz cantada que es usada por compositores para prototipar canciones. En 2022, el sello barcelonés BCore comenzó a explorar AI generativa para crear portadas de álbumes — lo que provocó una discusión pública sobre el rol de los diseñadores gráficos en la industria musical.

  • En 2023, más de 100,000 canciones generadas o asistidas por AI se subían a Spotify cada día
  • Sony Music, Universal y Warner enviaron en 2023 cartas a empresas de AI exigiendo que retiraran música de sus bases de entrenamiento
  • El sindicato de actores SAG-AFTRA incluyó en su huelga de 2023 demandas específicas sobre el uso de AI para clonar voces y apariencias

AI en Literatura y Periodismo

El New York Times demandó a OpenAI y Microsoft en diciembre de 2023, argumentando que GPT-4 había sido entrenado con millones de artículos del Times sin permiso ni compensación. Como evidencia, el Times mostró que el modelo podía reproducir verbatim párrafos extensos de artículos bajo paywall cuando se le hacía prompt de determinada manera. La demanda solicitaba miles de millones de dólares en daños.

📝 Quiz · Lección 6

AI en Arte, Música y Cultura

Evalúa tu comprensión sobre AI generativa y sus impactos en la cultura.

1. ¿Qué evidencia presentó Getty Images para demostrar que Stability AI había usado sus imágenes sin permiso?
✓ Correcto. La evidencia técnica fue que el sistema producía imágenes con restos de marcas de agua de Getty — indicando que esas imágenes protegidas habían sido incluidas en el entrenamiento del modelo.
✗ Incorrecto. Getty demostró que el modelo generaba imágenes con marcas de agua distorsionadas similares al logotipo de Getty, evidenciando que las imágenes marcadas habían sido incluidas en el entrenamiento sin autorización.
2. ¿Qué estableció la Oficina de Derechos de Autor de EE.UU. en 2023 sobre las imágenes generadas por AI?
✓ Correcto. La decisión establece que el copyright requiere autoría humana. Sin embargo, obras donde la AI es una herramienta con dirección creativa humana sustancial sí pueden ser protegidas — una distinción matizada y debatida.
✗ Incorrecto. La Oficina de Derechos de Autor determinó que las imágenes generadas enteramente por AI no son elegibles para copyright porque requieren "autoría humana" — aunque sí cuando la AI es usada como herramienta con dirección creativa humana.
3. ¿Cuál fue la causa principal de la huelga del sindicato SAG-AFTRA en 2023 relacionada con AI?
✓ Correcto. Los actores temían que sus voces y apariencias digitalizadas pudieran ser usadas indefinidamente sin compensación ni consentimiento. La huelga logró acuerdos con protecciones específicas contra este uso.
✗ Incorrecto. El punto central fue la protección contra la clonación de voz y apariencia con AI — los actores querían garantías de que sus identidades digitales no serían usadas sin su consentimiento ni compensación.
🧪 Lab · Lección 6

Laboratorio: AI Creativa

Explora con tu asistente las fronteras de la creatividad artificial y los debates sobre autoría y propiedad intelectual.

Tu Misión

Debate con tu asistente qué significa ser "creativo" en la era de la AI generativa. Explorarás los casos de Jason Allen y la canción de Drake clonada para construir tu propio punto de vista.

Reflexiona: ¿Debería una imagen ganadora de un concurso de arte revelar si fue creada con AI? ¿Cambiaría eso su valor artístico? ¿Por qué sí o por qué no?
🤖 Asistente de AI — Lección 6 AI Creativa
🎯 Avanzado · Lección 7

AI en Gobierno e Infraestructura

Los gobiernos están usando AI para tomar decisiones que afectan a millones de ciudadanos — desde la asignación de beneficios sociales hasta la gestión de redes eléctricas — con consecuencias que han llegado a tribunales de justicia.

Entre 2014 y 2020, el gobierno de los Países Bajos usó un sistema de AI llamado SyRI (System Risk Indication) para detectar posible fraude en beneficios sociales. El sistema cruzaba datos de 17 fuentes gubernamentales — incluyendo historial de empleo, deudas, registros municipales y datos de vivienda — para asignar puntuaciones de riesgo a los ciudadanos. En 2020, un tribunal de La Haya declaró SyRI ilegal porque violaba el Artículo 8 del Convenio Europeo de Derechos Humanos (privacidad). El tribunal señaló que el sistema no podía ser auditado ni cuestionado por los ciudadanos afectados. Fue la primera sentencia judicial europea que detuvo un sistema de vigilancia gubernamental por AI.

AI en Decisiones de Bienestar Social

El estado de Arkansas (EE.UU.) implementó en 2016 un algoritmo para calcular las horas de atención médica en el hogar que recibirían personas con discapacidad. El sistema redujo drásticamente las asignaciones de muchos pacientes sin explicación comprensible. En 2019, un tribunal federal falló que el sistema violaba el debido proceso porque los ciudadanos no podían entender ni cuestionar las decisiones del algoritmo. El caso Ledgerwood vs. Arkansas se convirtió en precedente sobre el derecho a explicación en decisiones algorítmicas.

En Australia, el programa "Robodebt" del gobierno federal usó un algoritmo para identificar supuestos beneficiarios fraudulentos comparando declaraciones de ingresos con promedios de la Agencia Tributaria. El sistema emitió 470,000 deudas injustas entre 2015 y 2019, afectando a personas vulnerables. En 2021, el gobierno pagó 1,800 millones de dólares australianos en compensaciones y el escándalo llevó a una comisión real de investigación en 2023.

AI en Redes Eléctricas y Energía

DeepMind publicó en 2021 que su sistema de AI redujo el consumo de energía de refrigeración en los centros de datos de Google en un 40%, aprendiendo a optimizar miles de sensores y actuadores de forma autónoma. Esta misma tecnología está siendo adaptada para optimizar redes eléctricas nacionales.

En España, Red Eléctrica de España (REE) usa sistemas de predicción basados en AI para gestionar la integración de energías renovables. La intermitencia del viento y el sol hace necesario predecir con horas de anticipación cuánta energía estará disponible para balancear la red. En 2022, REE anunció que sus modelos de predicción de demanda habían alcanzado una precisión del 98.5% en el horizonte de 24 horas.

Infraestructura Crítica

El Pentágono de EE.UU. usa AI para detectar ciberataques a infraestructuras críticas. En 2021, el hackeo al oleoducto Colonial Pipeline (que suministra el 45% del combustible de la costa este de EE.UU.) no fue detectado a tiempo por los sistemas automáticos — el ataque fue descubierto por un empleado que encontró una nota de rescate en un ordenador.

Regulación de AI por Gobiernos

La Unión Europea aprobó el AI Act en marzo de 2024 — la primera legislación integral sobre AI del mundo. La ley clasifica los sistemas de AI por nivel de riesgo: los sistemas de "riesgo inaceptable" (como el reconocimiento facial en tiempo real en espacios públicos) están prohibidos. Los sistemas de "alto riesgo" (como los usados en selección de empleo, crédito o justicia criminal) requieren auditorías obligatorias y explicabilidad. Las multas por incumplimiento llegan al 7% de la facturación global anual de la empresa.

📝 Quiz · Lección 7

AI en Gobierno e Infraestructura

Evalúa tu comprensión sobre AI en el sector público y la infraestructura.

1. ¿Por qué el tribunal de La Haya declaró ilegal el sistema SyRI en 2020?
✓ Correcto. El tribunal señaló dos problemas clave: violación del derecho a privacidad (Artículo 8 del CEDH) y la opacidad del sistema que impedía a los ciudadanos entender y cuestionar las decisiones que les afectaban.
✗ Incorrecto. El tribunal declaró SyRI ilegal porque violaba el derecho a la privacidad y porque los ciudadanos clasificados como de riesgo no podían entender ni impugnar las decisiones del algoritmo — un problema de transparencia y debido proceso.
2. ¿Cuánto pagó el gobierno australiano en compensaciones por el escándalo "Robodebt"?
✓ Correcto. El programa Robodebt emitió 470,000 deudas injustas y el gobierno australiano tuvo que compensar a las víctimas con 1,800 millones de dólares — uno de los mayores escándalos de gobernanza algorítmica del mundo.
✗ Incorrecto. El gobierno australiano pagó 1,800 millones de dólares australianos en compensaciones por las 470,000 deudas injustas generadas por el algoritmo Robodebt entre 2015 y 2019.
3. Según el AI Act de la UE (2024), ¿qué ocurre con el reconocimiento facial en tiempo real en espacios públicos?
✓ Correcto. El AI Act clasifica el reconocimiento facial en tiempo real en espacios públicos como de "riesgo inaceptable" — la categoría más alta — y lo prohíbe directamente. Las infracciones pueden costar hasta el 7% de la facturación global anual.
✗ Incorrecto. El AI Act prohíbe el reconocimiento facial en tiempo real en espacios públicos clasificándolo como de "riesgo inaceptable". Otros usos de alto riesgo, como en selección de empleo o crédito, requieren auditorías pero no están prohibidos.
🧪 Lab · Lección 7

Laboratorio: AI y Gobierno

Analiza con tu asistente los límites de las decisiones algorítmicas en el sector público y cómo los gobiernos deberían regular la AI.

Tu Misión

Explora con tu asistente el dilema central de la AI gubernamental: ¿cuándo está justificado que un algoritmo tome decisiones que afectan a ciudadanos? ¿Qué salvaguardias deberían existir?

Considera el caso australiano: un algoritmo generó 470,000 deudas injustas afectando a personas vulnerables. ¿Quién debería ser responsable? ¿El gobierno que lo implementó, los ingenieros que lo programaron, o nadie porque fue un "error del sistema"?
🤖 Asistente de AI — Lección 7 AI Gubernamental
🎯 Avanzado · Lección 8

Panorama Global de la AI

El desarrollo de la inteligencia artificial está geopolíticamente concentrado, regulatoriamente fragmentado y tecnológicamente acelerado — con implicaciones que van mucho más allá de la tecnología misma.

En octubre de 2022, el gobierno de Estados Unidos anunció las restricciones de exportación de semiconductores más amplias de la historia: las empresas americanas (y sus socias internacionales) quedaron prohibidas de vender chips avanzados de AI a China sin licencia especial. Las restricciones afectaban específicamente a chips de Nvidia como el A100 y H100 — los más usados para entrenar grandes modelos de lenguaje. En 2023, se ampliaron las restricciones. El objetivo declarado era impedir que China desarrollara AI militar avanzada. La consecuencia fue acelerar la inversión china en semiconductores domésticos y crear una fractura tecnológica global sin precedente desde la Guerra Fría.

La Carrera Global por la AI

En 2017, el presidente chino Xi Jinping publicó el Plan de Desarrollo de Nueva Generación de AI, con el objetivo de que China fuera el líder mundial en AI para 2030. El plan incluía inversiones gubernamentales de 150,000 millones de dólares. En ese mismo año, Vladimir Putin declaró que "quienquiera que lidere en AI liderará el mundo". Estados Unidos respondió con la Iniciativa AI Americana de 2019 bajo la administración Trump, y la Ley CHIPS de 2022 bajo Biden, que invirtió 52,000 millones de dólares en fabricación de semiconductores en suelo americano.

La Unión Europea lanzó su Estrategia de AI en 2018 y comprometió 20,000 millones de euros anuales en inversión pública y privada. Sin embargo, Europa no tiene actualmente ninguna empresa de AI de escala comparable a OpenAI, Google DeepMind o Baidu — su ventaja competitiva se ha posicionado en regulación y ética, no en capacidad tecnológica bruta.

Concentración del Poder

A finales de 2023, el 80% de la investigación en grandes modelos de lenguaje del mundo se realizaba en solo cinco organizaciones: OpenAI, Google DeepMind, Anthropic, Meta AI y Baidu. Ninguna de estas empresas tiene sede en América Latina, África o el Sur de Asia.

AI en el Sur Global

India lanzó su National AI Strategy en 2018 con el lema "AI for All", enfocándose en aplicaciones de AI para agricultura, salud y educación en contextos de bajos recursos. En 2023, India tenía el tercer ecosistema de startups de AI del mundo por número de empresas, detrás de EE.UU. y China.

En América Latina, Brasil tiene la estrategia nacional de AI más desarrollada, publicada en 2021. México lanzó su agenda de AI en 2023. Argentina, Chile y Colombia tienen iniciativas activas. Sin embargo, la región enfrenta un reto estructural: la mayoría de los modelos de AI más potentes fueron entrenados con datos predominantemente en inglés, lo que significa que su rendimiento en español, portugués y lenguas indígenas es inferior. Un estudio de 2023 encontró que GPT-4 respondía preguntas de comprensión en inglés con un 85% de precisión, pero bajaba a un 72% en español y a menos del 60% en quechua.

  • África tiene menos del 2% de los investigadores de AI del mundo, a pesar de representar el 17% de la población global
  • La empresa keniana Utu Technologies usa AI para análisis de crédito en contextos sin historial bancario tradicional
  • El proyecto Masakhane desarrolla modelos de procesamiento de lenguaje natural para idiomas africanos subrepresentados

El Futuro: Riesgos y Oportunidades

En marzo de 2023, más de 1,000 investigadores y tecnólogos — incluyendo Elon Musk, Yoshua Bengio y Stuart Russell — firmaron una carta abierta pidiendo una pausa de seis meses en el desarrollo de sistemas de AI más potentes que GPT-4 para establecer estándares de seguridad. La carta no tuvo efecto práctico: ninguna empresa de AI pausó su desarrollo. OpenAI lanzó GPT-4 dos semanas antes de que la carta circulara.

En mayo de 2023, el CEO de OpenAI Sam Altman, Demis Hassabis de DeepMind y Geoffrey Hinton (Premio Nobel de Física 2024) firmaron una declaración de una sola oración: "Mitigar el riesgo de extinción de la AI debe ser una prioridad global, igual que otras amenazas a escala social como las pandemias y la guerra nuclear." La declaración fue firmada por más de 350 investigadores de AI.

📝 Quiz · Lección 8

Panorama Global de la AI

Evalúa tu comprensión sobre la geopolítica y el contexto global de la inteligencia artificial.

1. ¿Cuál fue el objetivo declarado de las restricciones de exportación de semiconductores de EE.UU. a China en 2022?
✓ Correcto. Las restricciones apuntaban específicamente a chips usados para entrenar modelos de AI de gran escala. La consecuencia no anticipada fue acelerar la inversión china en semiconductores propios y crear una fractura tecnológica global.
✗ Incorrecto. El objetivo declarado era impedir el desarrollo de AI militar avanzada en China, restringiendo el acceso a chips como el Nvidia A100 y H100. Esto creó una de las fracturas tecnológicas más significativas desde la Guerra Fría.
2. ¿Qué problema específico enfrenta América Latina con los modelos de AI actuales según datos de 2023?
✓ Correcto. El desequilibrio en los datos de entrenamiento produce sistemas que rinden mejor en inglés. GPT-4 pasó del 85% de precisión en inglés al 72% en español y menos del 60% en quechua — una brecha de equidad lingüística documentada.
✗ Incorrecto. El problema estructural es que los modelos más potentes fueron entrenados principalmente con datos en inglés, lo que reduce su precisión en español y la hace aún más baja en lenguas indígenas como el quechua.
3. ¿Qué consecuencia práctica tuvo la carta abierta de más de 1,000 firmantes en 2023 que pedía pausar el desarrollo de AI más potente que GPT-4?
✓ Correcto. A pesar de las firmas de figuras relevantes, ninguna empresa detuvo su desarrollo. OpenAI había lanzado GPT-4 dos semanas antes de que circulara la carta. Esto ilustra la brecha entre las preocupaciones expresadas y las acciones tomadas en la industria.
✗ Incorrecto. La carta no tuvo efecto práctico: ninguna empresa de AI pausó su desarrollo. OpenAI incluso había lanzado GPT-4 dos semanas antes — un ejemplo de que las declaraciones de intención en la industria de AI rara vez se traducen en cambios de comportamiento.
🧪 Lab · Lección 8

Laboratorio: AI Global

Debate con tu asistente las implicaciones geopolíticas y de equidad del desarrollo global de la AI.

Tu Misión

Explora con tu asistente la pregunta central de este módulo: ¿quién se beneficia y quién queda excluido del desarrollo de la AI? Construirás un argumento sobre cómo debería gestionarse la AI a escala global.

Reflexiona: El 80% de la investigación en AI se concentra en cinco organizaciones, todas en EE.UU. o China. ¿Qué implicaciones tiene esto para países como México, Argentina o Colombia? ¿Qué debería hacer América Latina al respecto?
🤖 Asistente de AI — Lección 8 AI Global

📋 Examen del Módulo 2

AI en Nuestro Mundo — 15 preguntas que abarcan las 8 lecciones. Demuestra tu dominio del módulo completo.

1. ¿Cuánto invierte Netflix anualmente en su motor de recomendaciones basado en AI?
✓ Correcto. Netflix invierte más de 1,000 millones de dólares anuales en su sistema de recomendaciones, que genera el 80% del contenido consumido en la plataforma.
✗ Incorrecto. Netflix invierte más de 1,000 millones de dólares anuales en su motor de recomendaciones — una inversión que justifica porque el 80% del contenido visto viene de sugerencias de AI.
2. ¿Qué tipo de tarea realizan los "vectores de preferencia" en los sistemas de recomendación?
✓ Correcto. Los vectores de preferencia son representaciones matemáticas de gustos que permiten calcular distancias entre usuarios y hacer recomendaciones basadas en similitudes.
✗ Incorrecto. Los vectores de preferencia son representaciones numéricas de los gustos de un usuario que permiten al sistema encontrar usuarios similares y hacer recomendaciones basadas en sus patrones.
3. ¿Qué problema reveló el estudio de 2014 sobre el sistema de tutoría Cognitive Tutor en escuelas con escasos recursos?
✓ Correcto. Aunque el sistema mejoraba resultados en promedio, en escuelas sin acceso tecnológico estable creaba desventajas adicionales — un ejemplo de cómo la AI puede amplificar desigualdades estructurales.
✗ Incorrecto. El estudio reveló que en escuelas sin recursos tecnológicos, el sistema generaba brechas más profundas — un problema de equidad que acompaña a muchos despliegues de AI educativa.
4. ¿Por qué el caso de Robert Williams en Detroit (2020) es históricamente relevante?
✓ Correcto. El caso de Williams se convirtió en referencia global sobre los peligros del reconocimiento facial en contextos policiales, especialmente sus tasas de error dispares en personas de piel oscura.
✗ Incorrecto. Robert Williams fue el primer caso documentado públicamente de un arresto injusto basado en un error de reconocimiento facial — detenido frente a su familia basándose en una coincidencia errónea del sistema.
5. ¿Cuál fue el logro principal de AlphaFold2 de DeepMind en 2022?
✓ Correcto. AlphaFold2 puso a disposición gratuita las estructuras predichas de prácticamente todas las proteínas conocidas — un recurso usado por investigadores en más de 190 países en el primer año.
✗ Incorrecto. El logro de AlphaFold2 fue publicar predicciones estructurales para más de 200 millones de proteínas, resolviendo un problema de biología abierto durante 50 años y creando un recurso científico global.
6. ¿Qué pasó con los traders de Goldman Sachs entre 2000 y 2017 debido a la AI en trading algorítmico?
✓ Correcto. Este caso es uno de los más citados sobre automatización laboral: 598 de 600 traders fueron sustituidos en 17 años, mientras el banco compensaba contratando ingenieros de software en proporciones similares.
✗ Incorrecto. Goldman Sachs pasó de 600 traders a solo 2 en 17 años — 598 puestos eliminados por sistemas algorítmicos. Es uno de los ejemplos más documentados de sustitución laboral por AI en el sector financiero.
7. ¿Qué sistema usa UPS para optimizar rutas y qué ahorro genera anualmente?
✓ Correcto. ORION procesa 250 millones de puntos de datos diarios para 55,000 conductores y genera ahorros documentados de 100 millones de millas y 100,000 toneladas métricas de CO₂ anuales.
✗ Incorrecto. UPS usa ORION (On-Road Integrated Optimization and Navigation), un sistema de AI que procesa 250 millones de puntos de datos diarios y ahorra 100 millones de millas y 100,000 toneladas de CO₂ al año.
8. ¿Por qué la canción "Heart on My Sleeve" de 2023 con voces de Drake y The Weeknd generadas por AI fue significativa?
✓ Correcto. El caso abrió un debate jurídico sin precedente: sin marcos legales claros, no estaba definido quién era responsable de la clonación — el usuario, la plataforma de streaming o el creador de la herramienta de AI.
✗ Incorrecto. La canción fue retirada por Universal pero su existencia abrió preguntas legales sin resolver: ¿quién responde cuando la AI clona la voz de un artista sin su consentimiento?
9. ¿Qué categorías de riesgo establece el AI Act de la UE (2024)?
✓ Correcto. El AI Act tiene cuatro niveles: mínimo riesgo (sin regulación especial), limitado (obligaciones de transparencia), alto riesgo (auditorías) y riesgo inaceptable (prohibición directa).
✗ Incorrecto. El AI Act de la UE establece cuatro categorías: riesgo mínimo, riesgo limitado, alto riesgo y riesgo inaceptable. Los sistemas prohibidos incluyen el reconocimiento facial en tiempo real en espacios públicos.
10. ¿Qué consecuencia documentada tuvo el programa australiano Robodebt?
✓ Correcto. Robodebt es uno de los mayores escándalos de gobernanza algorítmica del mundo: 470,000 deudas injustas a personas vulnerables y 1,800 millones de dólares australianos en compensaciones, seguido de una comisión real de investigación.
✗ Incorrecto. Robodebt generó 470,000 deudas injustas afectando a personas vulnerables. El gobierno australiano pagó 1,800 millones de dólares en compensaciones y el escándalo llevó a una comisión real de investigación en 2023.
11. Según el estudio del MIT Media Lab de 2019 (Buolamwini y Gebru), ¿qué diferencia de error existía entre el reconocimiento facial de mujeres de piel oscura y hombres de piel clara?
✓ Correcto. La disparidad del 34% vs. menos del 1% fue la evidencia más impactante de sesgo algorítmico en reconocimiento facial, llevando a IBM a discontinuar su producto en 2020.
✗ Incorrecto. El estudio encontró una disparidad extrema: 34% de error en mujeres de piel oscura frente a menos del 1% en hombres de piel clara — evidencia que provocó que IBM discontinuara su sistema de reconocimiento facial.
12. ¿Cuál es el objetivo de la estrategia nacional de AI de China según el plan publicado en 2017?
✓ Correcto. El Plan de Desarrollo de Nueva Generación de AI de China tiene como meta explícita el liderazgo mundial en AI para 2030, con inversiones de 150,000 millones de dólares comprometidos.
✗ Incorrecto. El plan chino de 2017 establece explícitamente el objetivo de ser el líder mundial en AI para 2030, con 150,000 millones de dólares en inversiones planificadas.
13. ¿Qué evidencia presentó el New York Times en su demanda contra OpenAI en 2023?
✓ Correcto. La capacidad de GPT-4 de reproducir textualmente artículos bajo paywall fue evidencia de que el texto completo del Times había sido incluido en el entrenamiento sin permiso ni compensación.
✗ Incorrecto. El Times demostró que GPT-4 podía reproducir verbatim párrafos extensos de artículos bajo paywall cuando se le formulaban prompts específicos — evidencia de que el contenido protegido había sido usado en el entrenamiento.
14. ¿Qué precisión documentó Red Eléctrica de España (REE) en sus modelos de predicción de demanda eléctrica en 2022?
✓ Correcto. Una precisión del 98.5% en la predicción de demanda a 24 horas permite a REE integrar eficientemente energías renovables intermitentes como el viento y la solar.
✗ Incorrecto. REE anunció una precisión del 98.5% en sus modelos de predicción de demanda a 24 horas, lo que permite gestionar con mayor eficiencia la integración de energías renovables en la red eléctrica española.
15. ¿Qué problema específico de equidad lingüística se documentó en GPT-4 en 2023 respecto a América Latina?
✓ Correcto. Esta disparidad de precisión documenta la brecha de equidad lingüística en la AI: los sistemas más potentes funcionan significativamente peor en lenguas con menos datos de entrenamiento, perjudicando a comunidades ya marginadas.
✗ Incorrecto. El estudio documentó que GPT-4 pasaba del 85% de precisión en inglés al 72% en español y menos del 60% en quechua — una brecha que refleja el desequilibrio en los datos de entrenamiento y afecta especialmente a comunidades indígenas latinoamericanas.

Resultado