Marcelo Ruiz: "La cuestión clave es determinar dentro de qué tipo de relaciones sociales opera la inteligencia artificial"

Marcelo Ruiz es docente de la Universidad Nacional de Río Cuarto y director de la Diplomatura Superior en Tópicos de Datos y de la Maestría en Matemática Aplicada de la UNRC. En una extensa entrevista con AGENCIA PACO URONDO, Ruiz reflexiona sobre qué es la inteligencia artificial - cómo funciona - y cuáles son los desafíos que presentan para la sociedad.  

¿Qué es la Inteligencia artificial?

APU: Antes de avanzar, una pregunta de base sobre la inteligencia artificial: ¿cuál es tu visión sobre la IA, su desarrollo actual, los desafíos que propone y los miedos que genera en muchos sectores?

MR: Antes que nada, quiero decir que es importante evitar cualquier esquematismo binario que conduzca a posiciones antagónicas —a favor o en contra de la tecnología—, separadas de su contexto. Toda tecnología está inserta en una estructura y en una dinámica de relaciones sociales que son las que le dan contenido, forma y sentido.

Las diferentes formas de IA, como las redes neuronales artificiales, han alcanzado una velocidad de desarrollo inusitada, en relación a otros desarrollos científico-tecnológicos. Como sostiene el físico cordobés Francisco Tamarit en una entrevista reciente, los procedimientos de correlación y predicción que puede realizar este tipo de IA son muy notables —como procesar imágenes, sonidos, voces y textos—, dado que son casi imposibles de llevar a cabo en una computadora convencional mediante programación tradicional.

Estos modelos permiten relacionar numerosas variables de entrada con variables de salida a partir de capas intermedias, formadas por las denominadas neuronas artificiales, que van capturando sucesivamente los patrones de asociación entre las entradas y la salida.

APU: ¿Podrías darme algún ejemplo práctico?

MR: Te doy dos ejemplos. A través de este tipo de redes neuronales, es posible relacionar la expresión de miles de genes obtenidos mediante la biopsia de una persona que padece cierta enfermedad y predecir —con base en experiencias y datos previos— las probabilidades de que obtenga un resultado exitoso con determinado tratamiento. También es posible, a partir de la información sobre cientos de características obtenida mediante un satélite, elaborar un mapa de los tipos de suelo de una zona de las sierras cordobesas.

Al mismo tiempo, considero importantes los señalamientos de Matteo Pasquinelli cuando afirma que la IA, más que imitar alguna forma de inteligencia biológica, imita las relaciones sociales y la inteligencia del trabajo. También puede considerarse un instrumento de magnificación del conocimiento, dado que permite capturar patrones y características presentes en los datos dentro de espacios inaccesibles para la especie humana.

APU: ¿Proponés que hay entender el contexto en el que se desarrolla la IA, más que la IA en sí?

MR: La cuestión clave es determinar dentro de qué tipo de relaciones sociales opera esa tecnología, porque las tecnologías no son neutrales. Una IA que opera en una sociedad caracterizada por una brutal polarización de las clases sociales y por un ejercicio muy asimétrico del poder provoca una polarización aún mayor.

Es decir, cuando nos referimos a los datos y a la inteligencia artificial, siempre debemos mencionar la relación más general entre tecnología, Estado, poder y soberanía, entendida esta última en un sentido amplio.

Voy a dar dos ejemplos. Pensemos en los millones de datos de la población argentina —es decir, de nosotros— que son capturados mediante el uso de teléfonos celulares, correos electrónicos y redes sociales. Actualmente, el procesamiento de esos datos es realizado principalmente por sistemas de IA que pertenecen a un grupo de empresas altamente concentrado y de carácter monopólico a escala mundial. Por ejemplo, la empresa Meta, de Mark Zuckerberg, obtiene datos a través de Facebook, Instagram, Threads y WhatsApp. X, antes Twitter, pertenece a Elon Musk. Podríamos continuar enumerando empresas, pero la lista no es extensa: Google/Alphabet, Microsoft y Apple, entre otras.

Este gigantesco dispositivo de captura de datos genera una imagen del comportamiento social que resulta inaccesible para nosotros como ciudadanos y, me atrevería a decir, también para las instituciones, los Estados provinciales y el Estado nacional de nuestro país. Esa imagen se utiliza con fines de valorización financiera y, al mismo tiempo, como un dispositivo de control, en el sentido de que moldea nuestras conversaciones digitales.

Este panorama no es alentador. Muy diferente sería si el desarrollo de la IA fuera impulsado mediante la articulación de universidades, pymes y organismos científico-tecnológicos que procuraran resolver problemas relacionados con la producción y el empleo. También sería diferente si estuviera a cargo de instituciones provinciales y municipales dedicadas al procesamiento y análisis de imágenes médicas para mejorar la capacidad de diagnóstico preventivo o si clubes de fútbol locales trabajaran en conjunto con clústeres tecnológicos de una ciudad o provincia para desarrollar sistemas de monitoreo de cargas y prevención de lesiones en las jugadoras y los jugadores.

¿Cuál es la diferencia entre un panorama y el otro? El tipo de relaciones sociales de producción. El primer panorama, que es el que estamos atravesando actualmente en nuestro país, corresponde a una sociedad altamente desigual, en la que las tecnologías reproducen la desigualdad socioeconómica y cultural. Más aún, el propio dispositivo tecnológico está diseñado para incrementar esa desigualdad y, además, justificarla mediante la opacidad algorítmica que produce; pensemos, por ejemplo, en las economías de plataforma.

El segundo panorama pertenece a una agenda futura que debemos construir. Pero, para hacerlo, es necesario transformar esas relaciones sociales de producción, así como el proceso político y sociocultural del país y de la región.

APU: Algo explicaste recién, pero quisiera volver sobre cómo funciona la IA: ¿Cuánto hay de modelos matemáticos en su configuración?

MR: El campo de la IA contiene al del aprendizaje automático y éste, al del aprendizaje profundo. En todos ellos, la modelización matemática aparece bajo diferentes formas. Para simplificar, desde un modelo lineal hasta una red neuronal, todos son modelos estadístico-matemáticos que involucran algoritmos e implementaciones sofisticadas al estimar sus parámetros a partir de los datos.

Este tipo de modelización da cuenta de las nuevas dinámicas de producción y extracción de datos. Vamos a hacer un rodeo: si te parece, vamos a ejemplos —momentos— más concretos y luego retomamos algunos caminos más abstractos. En esa ida y vuelta, tal vez logremos planos de concreción más concretos y más claros de comprender.

Me voy a un ejemplo: en un problema clásico, vos querés hallar un modelo simple que te permita predecir el valor de venta —variable respuesta— de un producto, teniendo en cuenta la suma de las inversiones en tres medios de comunicación (televisión, prensa escrita y radio), y contás con los datos de muchos puntos de venta de la empresa en el país. ¿Para qué querés un modelo? Porque, si vos establecés una relación simple, tal vez puedas darte cuenta de que la televisión y la radio están estrechamente asociadas y, entonces, podés eliminar la inversión en televisión, con lo cual achicás costos y mantenés el mismo precio de venta, aumentando la ganancia.

No obstante, en las últimas décadas, el salto en la complejidad de la modelización ha sido radical y se traduce en la emergencia de nuevos problemas de modelización, como los que pertenecen a la estadística de alta dimensión. En este «nuevo mundo», que surgió hace pocas décadas, lo que tenés son pocas observaciones y miles o millones de variables.

El modelo se complejizó porque los tipos de patrones que vos querés detectar están en un espacio de grandes dimensiones. A eso se refería Pasquinelli. Pensemos en un grupo de usuarios —esas son las observaciones— que se conectan a una red social como Instagram y que, en poco tiempo, producen cada uno miles de valores de variables cuando hacen clic y les dan «me gusta» a una película, a un tipo de helado, a una candidata a intendenta, etc. Este salto del número de variables de entrada del modelo, de tres —en el ejemplo del precio de venta— a miles o millones —en las redes sociales—, no solo trae dificultades de cómputo, sino que también provoca una mayor complejidad en la modelización. Al mismo tiempo, ha habido un correlato con otras nuevas tecnologías capaces de producir este tipo de estructuras de datos, que van desde problemas de la agrobiotecnología hasta el procesamiento del lenguaje natural, para poner dos situaciones bien disímiles.

Y es en ese contexto en el que aparecen con tanta fuerza las redes neuronales, por ejemplo, que son también modelos matemáticos, pero «enormes». Sin embargo, no todos son redes neuronales. Es importante decir esto porque, de lo contrario, se produce en el plano de la comunicación (que se da incluso en ámbitos académicos) una fetichización y una reducción del conocimiento científico-técnico existente hoy para resolver desafíos complejos.

APU: ¿Uno podría simplificar y decir qué básicamente lo que llamamos IA es en realidad matemática aplicada? Cuando una IA predice un movimiento, una compra, el valor de una acción o la canción que «querés escuchar», ¿en realidad lo que está haciendo es aplicar algún método matemático específico?

MR: Tu pregunta es muy importante y difícil de responder. En torno a una IA hay problemas de distinto tipo: computacionales y matemáticos, entre otros. Si volvemos al ejemplo del precio de venta, allí tenías tres parámetros constantes para estimar. Tenés una «suma» de tres variables que determinan el peso de la participación relativa de los medios de comunicación en la variable respuesta. Pero ahora, si querés predecir «la canción que querés escuchar» o «la película que querés ver», el modelo de red neuronal que vincula cualquiera de estas dos variables con los cientos de miles de variables restantes —cuyos valores han logrado obtener los diferentes dispositivos de extracción de datos— es altamente no lineal, con millones de parámetros que deben estimarse a partir de los datos.

Este nuevo tipo de modelización conlleva implícitamente un riesgo, dado que va creciendo una cultura en la que no importa demasiado el conocimiento del modelo, sino su capacidad de predicción.

Gemelos digitales: qué son

APU: En ese punto, me interesa tu opinión sobre los gemelos digitales y su aplicación. ¿Qué son y para qué sirven? Decías en alguna entrevista que un gemelo digital puede servir para mejorar la planificación urbana, por ejemplo, o para controlar un territorio.

MR: Sí, claro. Esa entrevista estuvo muy buena. Me la propusieron un grupo de periodistas de la ciudad en la que vivo, Río Cuarto. Esa publicación disparó varios intercambios posteriores, lo que indica que estas problemáticas van adquiriendo interés. Esto es importante porque estamos hablando de la relación entre la disputa tecnológica y procesos de democratización.

Voy a tu pregunta. Un gemelo digital es una representación virtual de un proceso real. Puede ir desde la representación de un corazón humano, del motor de un avión o de un avión completo hasta la de una fábrica, un campus, una ciudad, etc. ¿Para qué se utiliza un gemelo digital? Para diagnosticar, optimizar y predecir, generando una intervención anticipada en la representación virtual antes de hacerlo en el plano real.

Tomá el ejemplo de una fábrica de automóviles: el gemelo digital extrae datos diversos —imágenes, sonidos, videos, etc.— de los trabajadores e incluso de los robots, capturando la dinámica del movimiento interno del ámbito de producción.

Son muy interesantes los ejemplos de gemelos digitales en la planificación urbana. Hay cada vez más experiencias, más complejas y con mayor potencia de intervención.

Vos me preguntás: ¿cuánto control puede desplegarse sobre la población y los territorios? Veamos un ejemplo. Hay una diferencia importante entre un gemelo digital que representa un corazón humano y el de una fábrica. Como dice Amoore, los gemelos digitales en el espacio de la fábrica tienen sus antecedentes en las tecnologías de control sobre el trabajo y los trabajadores de otras etapas, como lo fueron las del fordismo y el toyotismo. Luego, estas tecnologías fueron más allá del taller y de la fábrica y se extendieron hacia todo el conjunto social, constituyendo una lógica de intervención en el plano real y, por ende, de producción de lo real. Este fue el pasaje del taller a la fábrica, que sustituyó al obrero profesional «de oficio» y a su sindicato, como dice Coriat, por el obrero-masa, que, recién inmigrado y no organizado, le permitió al capital modificar a su favor todo el conjunto de relaciones sociales.

Dicho de otro modo, que estos dispositivos se conviertan o no en estrategias de control dependerá del nivel de democratización que una sociedad haya alcanzado. Me refiero a la democratización del aparato del Estado y de los medios de producción, entre otras dimensiones constitutivas del orden social.

Los estudios de Carissa Véliz son importantes. Ella insiste en que un proceso social es democrático si la ciudadanía tiene control sobre los datos, por lo cual la privacidad es una preocupación que debe ser colectiva —y, por eso, política—, no solo individual.

Aquí va una precaución metodológica: hay que comparar cómo se desarrolla la IA en diferentes contextos geopolíticos. En China, el proceso viene siendo diferente. Hay indicadores, especialmente después de la Conferencia Mundial de IA de este año, realizada en Shanghái en 2026, que muestran que la IA se está desarrollando como un bien público y adoptando modelos de código abierto. En contraposición, hoy no podés acceder al código de las grandes empresas tecnológicas que mencioné antes.

APU: Entiendo que estos temas siempre llevan a la pregunta sobre el quién y el para qué. La vieja pregunta sobre la neutralidad de la ciencia o la tecnología. ¿Puede ser neutral la inteligencia artificial? Si la respuesta es no, ¿qué discusiones deben tenerse en cuenta, entonces?

MR: ¡Muy buena pregunta! Cuando digo que la ciencia no es neutral, no me refiero a que la ciencia y la tecnología puedan producir un teorema o un tornillo y que los puedas utilizar para hacer el bien o el mal, dependiendo de las intenciones de quien los utiliza. El problema es más complicado.

La tecnología, en general, reproduce las relaciones sociales, y esa es la razón más radical de su no neutralidad. Algunos estudiosos de las dimensiones sociales de la IA, como Pasquinelli, insisten en que la división del trabajo influye en el diseño de la propia máquina. Dos ejemplos: uno antiguo, como el torno, y uno actual, como el desarrollado con IA por algunas empresas tecnológicas para diseñar y fabricar vehículos no tripulados. Ambos desarrollos se basan en la automatización de los movimientos del trabajo de los trabajadores con el fin de lograr una automatización completa. La automatización, en un contexto de explotación, significa apropiación del trabajo social. Hace un rato te mencioné el pasaje del taller a la fábrica como un ejemplo claro de la no neutralidad de la tecnología. Pero al mismo tiempo en una sociedad democrática la automatización puede implicar lo opuesto.

Otro ejemplo de no neutralidad en relación a la IA: hay análisis muy buenos acerca de cómo ciertas redes sociales, al maximizar la valorización financiera, exacerban los discursos de odio y racistas, por ejemplo.

APU: Los modelos de predicción o de gemelos digitales, ¿creés que tienen potencial para aplicarse a la gestión pública?

MR: Claro que sí. En un proceso de democratización de las relaciones sociales de producción y de apropiación masiva de la programación y la modelización, el carácter opaco y fetichista que hoy tienen las IA que nosotros conocemos cotidianamente se puede debilitar e iniciar un camino que articule IA, democracia y cultura, producción y vida cotidiana bajo otros términos.

Javier Blanco y Emmanuel Biset analizan antecedentes en América Latina de desarrollos científicos y tecnológicos que involucraron modelos matemáticos, numéricos y cibernéticos diseñados para generar una planificación estratégica democrática a favor de la construcción de desarrollos soberanos y de alternativas al modelo unipolar de las grandes potencias.

Tanto estos antecedentes como otras experiencias actuales deben tomarse muy en serio, porque cualquier camino de democratización en nuestro país no puede pensarse al margen de la dimensión «tecnopolítica» que el territorio «tecnológico» de la IA ya configuró.

Referencias:

Anderson, S. (2025, 8 de enero). What is AI? Matteo Pasquinelli. 032c. https://magazine.032c.com/magazine/what-is-ai-matteo-pasquinelli

Amoore, L. (2025). Because the twin is not a copy: On the politics of digital twins. New Media & Society, 27(8), 4549–4564. https://doi.org/10.1177/14614448251338284

Blanco, J., & Biset, E. (2025). Manifiesto geotecnopolítico 0.1. Revista Barda, 11(14), 40–50. https://www.cefc.org.ar/assets/files/Barda%2014%20Manifiesto%20geotecnopol%C3%ADtico%200.1.pdf

Contropiano. (2026, 28 de julio). China ha convertido la IA en un bien público. La Haine. https://www.lahaine.org/mundo.php/china-ha-convertido-la-ia-en-un

González, M. (2026, 20 de mayo). Carissa Véliz: «La maquinaria de vigilancia al servicio de la predicción». RTVE Noticias. https://www.rtve.es/noticias/20260520/filosofa-carissa-veliz-prediccion-ia-oraculo-delfos/17074349.shtml

Hernández Velasco, I. (2020, 15 de octubre). Carissa Véliz, profesora de Oxford: «La falta de privacidad ha causado, indirectamente, más muertes que el terrorismo». BBC News Mundo. https://www.bbc.com/mundo/noticias-54476232

Izquierda Web. (2025, 28 de diciembre). Matteo Pasquinelli: una visión materialista de la inteligencia artificial [Entrevista realizada por Toni Navarro]. https://izquierdaweb.com/matteo-pasquinelli-una-vision-materialista-de-la-inteligencia-artificial/

Pasquinelli, M., & Joler, V. (2021). El Nooscopio de manifiesto: La inteligencia artificial como instrumento de extractivismo del conocimiento (J. Blanco, A. Berti & A. Ilcic, Trads.). laFuga, 25. https://lafuga.cl/el-nooscopio-de-manifiesto/1053

Rouvroy, A., & Berns, T. (2013). Gouvernementalité algorithmique et perspectives d’émancipation: Le disparate comme condition d’individuation par la relation? Réseaux, 177(1), 163–196. https://doi.org/10.3917/res.177.0163

Rouvroy, A., & Stiegler, B. (2016). The digital regime of truth: From the algorithmic governmentality to a new rule of law (A. Nony & B. Dillet, Trads.). La Deleuziana, 3, 6–29. https://ladeleuziana.org/wp-content/uploads/2016/11/Rouvroy-Stiegler_eng.pdf

Sanz, E., & Véliz, C. (2025). Carissa Véliz, filósofa: «Muchos adolescentes ni siquiera alcanzan a imaginar cómo es vivir con privacidad». The Conversation. https://theconversation.com/carissa-veliz-filosofa-muchos-adolescentes-ni-siquiera-alcanzan-a-imaginar-como-es-vivir-con-privacidad-259932

Tamarit, F. (2022). Inteligencia artificial, aprendizaje y transferencia. Revista de Ciencias Empresariales, 7, 88–92. https://doi.org/10.37767/2468-9785(2022)008