1

Inteligencia Artificial (IA)

desde La Educación, Teoría, Arquitectura e
Investigación

Coordinadoras:
Dra. María Eugenia Molar Orozco
Dra. Gabriela Carmona Ochoa
Dra. Areli Magdiel López Montelongo

2
Primera Edición: agosto 2025

TODOS LOS DERECHOS RESERVADOS CONFORME A LA LEY D.R. ©

Universidad Autónoma de Coahuila
Boulevard Venustiano Carranza s/n
Colonia República, C.P. 25280
Saltillo, Coahuila, México.

Diseño de Portada: Generada por Inteligencia Artificial en Adobe Photoshop por Álvaro Morán.

HECHO EN MÉXICO.

ISBN: 978-607-506-539-7

Como parte de la política del Departamento Editorial de la Dirección de Investigación y Posgrado de la Universidad Autónoma
de Coahuila, la presente obra, así como sus contenidos fueron sujetos al arbitraje científico de doble ciego y una prueba por
similitud, garantizando así que el material es académicamente pertinente y conveniente para su publicación. La universidad no
se hace responsable de lo expresado en el contenido ni de aspectos legales entre los autores.

3
COMITÉ EVALUADOR METODOLÓGICO

DR. VÍCTOR MANUEL MARTÍNEZ LÓPEZ

DR. ANDREU MARFULL PUJADAS
DR. OMAR ALEJANDRO REYES ORTEGA
DR. ISMAEL CALDERÓN RAMOS

COMITÉ EVALUADOR EXPERTO EN EL TEMA

DRA. RUTH GRAJEDA ROSADO

DR. ISMAEL LARA OCHOA
DRA. GLADYS ORTIZ HENDERSON
DRA. REBECCA RODRÍGUEZ RÍOS
DR. ISMAEL OSUNA GALÁN

4
INTRODUCCIÓN

La inteligencia artificial (IA) no es solo para expertos, está abierto a todo aquel que le interese para su uso
cotidiano o de trabajo; el saberlo usar es importante en la sociedad actual. La gran mayoría de los datos
que encontramos está vinculada con descubrimientos a nivel científico que ofrecen alternativas
trasformadoras en especializaciones, como la prevención de nuevos padecimientos, la investigación de los
océanos y el universo, el cómo proteger el medio ambiente, maneras de ver y analizar las ciudades del
pasado, todo ello gracias a la aplicación de algoritmos de reconocimiento de patrones.

Hoy en día, las personas se relacionan de manera cotidiana con la tecnología, ya sea a través de asistentes
de voz como Alexa, Siri o Google Assistant para gestionar tareas; disfrutando de entretenimiento en
plataformas de streaming como Netflix o Spotify; utilizando redes sociales como Facebook, Instagram y
TikTok; accediendo a traductores en línea, buscadores, filtros de correo electrónico, o navegación en
tiempo real; e interactuando con servicios de atención al cliente personalizados, como los chatbots, así
como con sistemas de reconocimiento facial o de huella dactilar para el acceso. Todo esto crea una valiosa
oportunidad para influir en el desarrollo de la inteligencia artificial (IA).

Debido a esto, es fundamental reconocer que cada una de estas interacciones diarias contribuye a la
construcción de modelos de IA. Comprender este proceso nos permite tomar decisiones informadas y
defender prácticas éticas en la creación y aplicación de la inteligencia artificial. La IA brinda un horizonte
lleno de alternativas y descubrimientos que pueden ser beneficiosos tanto para la sociedad en su conjunto
como para individuos específicos. Aprender sobre el funcionamiento de la inteligencia artificial nos
empodera para involucrarnos de forma activa y crítica en debates relacionados con la ética, la privacidad,
y el impacto social y económico de estas tecnologías.

Dra. María Eugenia Molar Orozco

5
PRÓLOGO
La emergencia de la inteligencia artificial (IA) como fenómeno técnico, cognitivo y cultural ha suscitado una profunda
reconfiguración de los marcos epistémicos que tradicionalmente estructuraban las disciplinas proyectuales, arquitectónicas,
pedagógicas y urbanas. Este libro compila diez contribuciones que, desde metodologías rigurosas y marcos teóricos
consistentes, abordan la incorporación de la IA en el entorno construido, las dinámicas educativas, los procesos de diseño
computacional y la reflexión filosófica sobre la subjetividad y la creatividad. Más allá de una perspectiva instrumental, los
capítulos aquí reunidos entienden la IA como un fenómeno sociotécnico con capacidad de incidir en estructuras cognitivas,
normativas y culturales. Por ello, el enfoque adoptado es transdisciplinario y crítico: cada uno articula conocimientos
provenientes de campos diversos —biología evolutiva, filosofía, ingeniería, arquitectura, estudios urbanos, pedagogía y ciencia
de datos— con el objetivo de configurar una cartografía compleja de los efectos, límites y potencialidades de la inteligencia
artificial en contextos proyectuales contemporáneos.

En la primera contribución, Azael Pérez Peláez y Eska Elena Solano Meneses proponen un marco teórico para el
diseño relacional como práctica ontológica que genera vínculos entre entidades biológicas y artificiales. Desde una postura
posdisciplinaria, introducen la noción de “sociedad sublimada” para describir la coexistencia de lo físico, simbólico y virtual
como dimensiones simultáneas del habitar contemporáneo. Su tesis desplaza las narrativas tecnocentristas y posiciona al diseño
como mediador ético y semiótico de una nueva ecología cognitiva. El segundo artículo, elaborado por Carlos Alberto Fuentes-
Pérez, Laura del Carmen Moreno-Chimely y Miguel Enrique Beltrán Aguirre, ofrece una validación empírica del software
EnergyPlus aplicado al análisis higrotérmico de vivienda en zonas urbanas con climas extremos. A través de una metodología
cuantitativa de enfoque sincrónico, los autores integran simulaciones térmicas con monitoreo ambiental, evidenciando cómo la
IA puede informar decisiones arquitectónicas fundamentadas en datos objetivos. La precisión del modelado y la replicabilidad
del análisis posicionan su estudio como un referente técnico en diseño térmico pasivo asistido por algoritmos computacionales.

Desde una perspectiva crítica en salud y tecnología, Káteri Samantha Hernández Pérez y Frida Montserrat Garza
Hernández examinan el impacto de la IA en la vivienda residencial a través de una revisión exhaustiva del estado del arte.
Enfatizan las implicaciones sociotécnicas de los sistemas automatizados, el monitoreo del bienestar, la vulnerabilidad de la
privacidad y la dependencia tecnológica. Al establecer conexiones con normativas internacionales —como las directrices ISO
y del Parlamento Europeo— las autoras delinean escenarios futuros que exigen una arquitectura informada por principios
bioéticos y justicia ambiental. Gerardo Vázquez Rodríguez problematiza la noción de “creatividad computacional” mediante
un análisis epistemológico de las redes neuronales aplicadas al diseño de productos. Basado en teorías de la mente como las de
Boden, Schmidhuber y Coeckelbergh, el documento examina la hibridación entre agencia humana y algoritmos generativos. A
través de una metodología cualitativa, Vázquez Rodríguez propone cuatro principios rectores: complementariedad creativa,
transparencia algorítmica, autoría responsable e innovación ética, sentando las bases para una praxis de diseño informada por
una reflexión ontológica sobre el pensamiento proyectual.

En el ámbito de los estudios urbanos, Claudia Canobbio Rojas aporta una perspectiva sociológica y tecnológica sobre
la “invisibilidad operativa” de la IA en las ciudades. Mediante una revisión de 90 estudios empíricos y teóricos, analiza cómo
las infraestructuras algorítmicas inciden en la movilidad, la vigilancia, la eficiencia energética y la toma de decisiones urbanas.
La autora argumenta que esta disociación perceptual entre ciudadanos y sistemas inteligentes produce una nueva forma de

6
exclusión cognitiva, y propone principios de gobernanza digital urbana centrados en la transparencia, la equidad y la
participación ciudadana. En una línea metodológica experimental, Vicente Legorreta Acevedo y Jorge Armando Ojeda Sánchez
implementan una combinación de IA generativa, modelado tridimensional y simulación lumínica para diseñar celosías
arquitectónicas. A través del software Velux Daylight Visualizer y condiciones climáticas reales, validan una propuesta que
cumple con los estándares de iluminación natural conforme a la NOM-025-STPS-2008. El estudio no sólo aporta un modelo
técnico reproducible, sino que problematiza la autoría proyectual en el contexto de la creación asistida por inteligencia artificial.

El Dr. Gabriel Ángel Rosete Lima propone un desarrollo tecnológico aplicado a la salud ambiental y la arquitectura
circadiana mediante la creación del sensor SF-Ros 4.02. Su propuesta se sustenta en principios de cronobiología, fotometría y
automatización basada en IA. El dispositivo detecta condiciones lumínicas y ajusta la iluminación artificial para simular ciclos
diurnos, respetando los ritmos biológicos humanos. Esta innovación contribuye a consolidar un campo emergente: la
arquitectura bioadaptativa orientada al bienestar del usuario y la optimización energética contextual. En el contexto formativo,
Moisés Barrera Sánchez, Luis Felipe Mendoza Díaz e Ismael Artemio Castro Aguilar analizan los efectos de integrar IA
generativa en la enseñanza del diseño arquitectónico. Desde una metodología fenomenológica y el enfoque del Design
Thinking, muestran cómo herramientas como Midjourney o Perplexity pueden complementar —mas no reemplazar— la
creatividad humana. El artículo plantea la IA como mediación didáctica que favorece la exploración material, formal y
contextual del espacio habitable, destacando la necesidad de alfabetización crítica y ética en los entornos de formación
profesional.

Por su parte, María Eugenia Molar Orozco, Areli Magdiel López Montelongo y Gabriela Carmona Ochoa realizan un
estudio descriptivo de plataformas de IA en procesos de búsqueda científica. Identifican fortalezas y limitaciones de
herramientas como SciSpace, ResearchRabbit y EvidenceHunt, y enfatizan los riesgos de desinformación, falta de
replicabilidad y superficialidad argumentativa. El capítulo aporta criterios pedagógicos para una integración responsable de la
IA en la investigación académica, subrayando el valor del juicio humano en la verificación, interpretación y contextualización
del conocimiento. Finalmente, Adolfo Benito Narváez Tijerina presenta una reflexión filosófica rigurosa sobre la mente, el
alma y la conciencia artificial. Desde una genealogía metafísica que recorre desde Pitágoras hasta Agustín de Hipona, el autor
plantea que las entidades digitales emergentes podrían desarrollar formas de subjetividad autónoma. La tesis sobre la
colonización virtual de los espacios mentales humanos abre un campo de debate ineludible: el de la coexistencia con
inteligencias no humanas en un horizonte no especulativo, sino operativo.

En conjunto, esta obra constituye un aporte fundamental para la comprensión crítica del papel de la IA en el presente.
Su enfoque transdisciplinario no sólo articula tecnologías emergentes con metodologías proyectuales, sino que también
cuestiona los límites de la creatividad, la cognición y la ética en la era de las máquinas inteligentes. Lejos de celebrar
acríticamente el desarrollo técnico, los autores invitan a una praxis reflexiva, situada y comprometida con la sostenibilidad, la
justicia social y la dignidad humana.

Dr. Ismael Lara Ochoa

7
 ÍNDICE

INTRODUCCIÓN 5

Dra. María Eugenia Molar Orozco

PRÓLOGO 6

Dr. Ismael Lara Ochoa

CAPÍTULO DISEÑO Y ARQUITECTURA

Diseño relacional: una visión transhumanista de la IA 11

Dr. Azael Pérez Peláez

Dra. Eska Elena Solano Meneses
Inteligencia artificial EnergyPlus, herramienta que aumenta el conjunto de habilidades 25
térmicas en Arquitectura

Dr. Arq. Carlos Alberto Fuentes-Pérez

Dra. Arq. Laura del Carmen Moreno-Chimely
M. Arq. Miguel Enrique Beltrán Aguirre
Inteligencia artificial en la vivienda: ¿innovación saludable o desafío tecnológico? 40

Dra. Káteri Samantha Hernández Pérez

Arq. Frida Montserrat Garza Hernández
Inteligencia artificial y redes neuronales en el diseño de productos: hibridación y 56
creatividad humana

Dr. Gerardo Vázquez Rodríguez

CAPÍTULO ASPECTOS URBANOS

El impacto invisible de la inteligencia artificial en los entornos urbanos 74

Dra. Claudia Canobbio Rojas

CAPÍTULO TECNOLOGÍA

Aplicación de la IA en el diseño de una celosía para la simulación de la iluminación 98

natural

Arq. Vicente Legorreta Acevedo

Dr. Jorge Armando Ojeda Sánchez

8
Desarrollo de un Sensor Fototrópico IA para el Monitoreo de la Iluminación 122
Arquitectónica Circadiana

Dr. Gabriel Ángel Rosete Lima

CAPÍTULO EDUCATIVO Y TEÓRICO

Aproximaciones académicas de la Inteligencia Artificial en el diseño arquitectónico 134

Dr. Moisés Barrera Sánchez

Mtro. Luis Felipe Mendoza Díaz
Ismael Artemio Castro Aguilar Estudiante de Licenciatura
La inteligencia artificial como herramienta en la búsqueda de información para la 145
investigación

Dra. María Eugenia Molar Orozco

Dra. Areli Magdiel López Montelongo
Dra. Gabriela Carmona Ochoa
La IA como lo viviente en lo virtual: La noción de lo metafísico y el alma en filosofía 164

Dr. Adolfo Benito Narváez Tijerina

184
INFORMACIÓN DE LOS AUTORES

9
 CAPÍTULO
DISEÑO Y ARQUITECTURA

10
 Diseño relacional: una visión transhumanista de la IA
Azael Pérez Peláez
Eska Elena Solano Meneses

Introducción

Nos encontramos en una encrucijada fascinante, testigos de un nuevo capítulo en la historia de la

inteligencia. La reflexión sobre esta premisa nos invita a contemplar no solo las posibilidades
tecnológicas, sino también a explorar la naturaleza misma de lo que significa ser inteligente. En este
horizonte dinámico, las inteligencias que están por venir nos desafían a expandir nuestros límites
conceptuales y a abrazar un futuro donde lo biológico y lo artificial convergen en una danza evolutiva
inédita.
El viaje hacia las inteligencias del futuro plantea desafíos éticos y sociales significativos. La
responsabilidad recae en nosotros para guiar este desarrollo y tal vez deberíamos referirnos a este con la
palabra evolución, asegurándonos de que la IA se desarrolle de manera ética, equitativa y en armonía con
los valores humanos fundamentales. Las cuestiones sobre privacidad, autonomía y control deben
abordarse de manera reflexiva a medida que avanzamos hacia un futuro donde la línea entre lo biológico
y lo artificial se desdibuja aún más.
La transición hacia inteligencias artificiales no implica necesariamente la obsolescencia de las
inteligencias biológicas, sino probablemente la posibilidad de una fusión simbiótica. La tecnología no
reemplaza, sino que actúa de forma protésica en tanto que amplía y redefine las capacidades humanas. La
integración de prótesis cerebrales y la colaboración estrecha entre humanos y máquinas son testimonios
de una simbiosis emergente que puede modificar la manera en que entendemos y experimentamos la
noción de inteligencia.
El surgimiento de la IA vistas como posible sucesor potencial de las inteligencias biológicas plantea
preguntas fundamentales sobre la esencia misma de la inteligencia. ¿Puede una máquina poseer una
inteligencia equiparable a la humana? ¿La inteligencia, en su esencia, es exclusiva de lo biológico o puede
trascender esos límites? Nos encontramos en un terreno filosófico donde la línea divisoria entre lo
biológico y lo artificial se desdibuja, y nuevas formas de inteligencia parecen emerger en el horizonte.
La convergencia entre lo biológico y lo artificial está transformando nuestra comprensión misma de la
inteligencia. Tradicionalmente arraigada en la complejidad del cerebro biológico, la inteligencia ahora se
encuentra en una encrucijada donde las máquinas y algoritmos asumen roles cada vez más prominentes.
Este cambio de paradigma desafía las nociones arraigadas de lo que significa ser "inteligente".
En este viaje hacia lo intangible, el diseñador del futuro se convierte en un alquimista de la experiencia
humana, fusionando elementos etéreos para crear obras maestras que trascienden lo físico. Con cada
diseño, se teje una red de conexiones más profunda y se esculpen experiencias significativas que se
vuelven independientes de lo material. Así, el diseño se convierte en el arte de dar forma a la vida
cotidiana, elevando lo ordinario a lo extraordinario a través de la magia de lo intangible.

11
Ya no se trata solo de funcionalidad y estética, sino de la capacidad del diseño para generar impacto
emocional y cultural. La eficacia del diseño se mide en la resonancia emocional que crea y en la manera
en que representa beneficios en la sociedad.
Las relaciones, como elementos fundamentales de la experiencia humana, se convierten en la materia
prima del diseñador del futuro. El diseño en este contexto buscará concebir interacciones que nutran y
fortalezcan los vínculos entre individuos y comunidades, naturales o no, reales o virtuales, biológicas o
artificiales. Las interfaces son más que meras herramientas; se convierten en mediadores de experiencias
sociales, catalizadores de encuentros y facilitadores de conexiones que trascienden lo físico.
La artificialidad y la biología convergen en un ballet armonioso. Las interacciones entre humanos y
máquinas, lo físico y lo virtual, se entrelazan para formar una narrativa de experiencias en constante
transformación. El Diseño Relacional, por tanto, no solo da forma a la estética visual, sino que también
esculpe la forma en que nos conectamos, aprendemos y creamos significado en un mundo cada vez más
interconectado.
En esta deriva hacia la intersección de lo social, lo cultural y lo tecnológico, el diseñador relacional se
convierte en un narrador de historias interactivas, construyendo puentes entre individuos y comunidades,
y esculpiendo la esencia misma de la experiencia humana en la era de lo relacional.
Este enfoque se aventura más allá de la estética convencional y se sumerge en el vasto océano de las
interacciones sociales, las tendencias tecnológicas y las expresiones creativas emergentes. El Diseño
Relacional se convierte así en el catalizador de experiencias que nutren y fortalecen los lazos entre
individuos y comunidades, independientemente de su naturaleza, real o virtual, biológica o artificial.

I. Sobre la inteligencia
El transhumanismo
El transhumanismo es un movimiento ideológico que asume una postura acrítica frente al acelerado avance
de la tecnología, asumiendo que el eje de esta es la calidad de vida de las personas. Implica una postura
que aplaude un desarrollo tecnológico sin límites aceptando como inevitables e incluso deseables los
cambios que la tecnología puede generar en la condición humana (Muñoz, G. A., et al, 2021).
Bajo las ideas del transhumanismo, se reconoce un proceso evolutivo de las condiciones humanas, cuya
evolución no distingue los medios; por tanto, legitima formas de la tecnología, como la IA, para alcanzar
estadios superiores con potencialidades inexploradas; en los que se superen limitantes humanas en sus
diversas dimensiones, tales como la biológica, la psicológica y la cognitiva (González Arias, 2023). Por
tanto, el transhumanismo se concreta en el proceso constante de transformación de la naturaleza humana,
en una búsqueda de alternativas no solo para evitar el deterioro físico e intelectual, sino de alcanzar nuevas
capacidades.
Es evidente que existen detractores que cuestionan desde lo ético tales avances, reconociendo que se
trastoca el carácter natural del ser humano, y que dicha trasformación implica una pérdida de su esencia,
de su diversidad, al eliminar características, formas de vida y cultura que hoy se desvaloran, tendiendo a
una homogeneización que detenta contra el dialogo y la otredad.

12
Sobre evolución de inteligencias
En el contexto cultural y social en el que la sofisticación es una constante, es crucial comprender cómo
esta convergencia está dando forma a nuestra comprensión de la inteligencia y, por ende, de la vida misma.
La evolución de la inteligencia ha sido un proceso gradual y adaptativo que ha producido una diversidad
asombrosa de estrategias cognitivas en el reino animal. Desde los primeros organismos unicelulares hasta
los cerebros complejos de animales sociales entre los que se encuentran los humanos, la inteligencia ha
surgido como una herramienta crucial para la supervivencia y el éxito en entornos cambiantes a lo largo
de la historia evolutiva. Hace alrededor de 3,500 millones de años, se estima que la vida se originó en la
Tierra como organismos unicelulares básicos. Estos primeros seres vivos poseían la capacidad de procesar
información genética y responder a su entorno, marcando el inicio de la evolución biológica (Peretó, J.,
2005).
A medida que la vida evolucionó, surgieron organismos más complejos con estructuras nerviosas
primitivas. Los invertebrados como los gusanos planos desarrollaron ganglios nerviosos que les permitían
realizar respuestas simples a estímulos ambientales. Hace aproximadamente 540 millones de años, ocurrió
la explosión cámbrica, un período en el cual surgieron muchos grupos de organismos multicelulares.
Aparecieron los primeros animales con estructuras cerebrales más complejas, permitiéndoles coordinar
actividades y responder de manera más sofisticada a su entorno (Dodd, Matthew, S., et. al. 2017).
A lo largo del tiempo, algunos invertebrados, como los moluscos y los artrópodos, experimentaron un
proceso conocido como cefalización, donde se concentró la masa neuronal en regiones específicas del
cuerpo. Esto permitió un mayor procesamiento de información y una respuesta más rápida y eficiente a
estímulos.
La evolución de los vertebrados llevó a la formación de un cráneo protector alrededor del sistema nervioso,
permitiendo el desarrollo de encéfalos más grandes y complejos. Aparecieron estructuras cerebrales
adicionales, como el cerebro reptiliano y el cerebro límbico, implicados en funciones como la regulación
del comportamiento y las respuestas emocionales.
A medida que evolucionaron los mamíferos, el cerebro experimentó una expansión significativa en
tamaño y complejidad. Surgieron estructuras adicionales, como el cerebro límbico, asociado con
emociones y comportamientos más complejos.
A medida que los organismos evolucionaron, surgió la corteza cerebral, la parte exterior del cerebro
encargada de funciones cognitivas más complejas. La corteza cerebral en el primate humano permitió
habilidades como el pensamiento abstracto, la planificación y el procesamiento sensorial más sofisticado.
En la evolución humana, la corteza cerebral experimentó una expansión excepcional en tamaño y
complejidad. El desarrollo de áreas cerebrales específicas, como la corteza prefrontal, contribuyó a
habilidades cognitivas únicas, como el razonamiento abstracto y la toma de decisiones complejas.
En especies sociales, incluyendo primates y cetáceos, se desarrollaron áreas cerebrales especializadas en
la inteligencia social y emocional. Entender y reaccionar ante las emociones de los demás se volvió una
cualidad fundamental para la adaptación. A lo largo de la evolución, el cerebro mostró una notoria
plasticidad, adaptándose a cambios ambientales y desafíos específicos. La plasticidad cerebral permite la
capacidad de aprendizaje y ajuste en respuesta a nuevas experiencias. el desarrollo de tecnologías
modernas ha permitido estudiar el cerebro con mayor detalle, revelando conexiones sinápticas, funciones
específicas de regiones cerebrales y procesos de aprendizaje y memoria (DeSalle, R., & Tattersall, I.,
2017).

13
Células computadoras
Aunque no hay células biológicas que funcionen como computadoras en el sentido tradicional de la
informática, si es posible estudiar las funciones que realizan las células cerebrales desde la óptica de las
ciencias computacionales, hecho que ha llevado a muchos avances en el desarrollo de circuitos para
proceso de información, detección y emisión de señales, percepción ambiental, lo que ofrece un terreno
fértil para la innovación y la exploración de nuevas posibilidades tecnológicas (Acevedo, E., Serna, A., &
Serna, E., 2017).
Existen varios campos de avance tecnocientífico que cubren estas perspectivas; En el campo emergente
de la biología sintética, los científicos trabajan en la ingeniería de sistemas biológicos para diseñar nuevas
funciones o aplicaciones. En este contexto, podríamos hablar de "células computadoras" para referirnos a
células biológicas modificadas genéticamente para realizar funciones computacionales o procesamiento
de información (Diéguez, A., 2013).
En ese mismo hilo de ideas la biocomputación es un área de investigación que utiliza sistemas o materiales
biológicos para realizar operaciones de cómputo. Aquí, las células pueden ser diseñadas para actuar como
componentes de un sistema de cómputo biológico. Se han explorado diversas aplicaciones, como el
procesamiento de información dentro de células vivas (Bedoya, C., 2015).
Así mismo, la computación celular es un enfoque que utiliza patrones de comportamiento celular para
realizar operaciones de cómputo. Podría involucrar la modelización de procesos biológicos en un contexto
computacional (Romero Jiménez, Á., 2003).
Hacia dónde van las inteligencias
La tendencia marcada por el desarrollo de estas nuevas perspectivas de ciencia y tecnología nos invita a
considerar la inteligencia como un fenómeno que trasciende las limitaciones de lo biológico. La IA, la
biocomputación y las realidades virtuales no solo representan una expansión de nuestras capacidades
cognitivas, sino que también establecen una continuidad que enriquece nuestra comprensión del fenómeno
inteligente en todas sus formas. En esta era de convergencia, la exploración de la relación innegable entre
la inteligencia biológica y artificial se convierte en un imperativo para desentrañar los misterios y desafíos
que yacen en el horizonte evolutivo.
La IA, en contraste con la inteligencia biológica, difiere principalmente en su base física, pero comparte
muchas de las funciones cognitivas. Es un área de la informática centrada en trabajar con algoritmos y
sistemas capaces de desempeñar roles típicamente asociados con la inteligencia biológica. Estos roles
abarcan actividades como aprender, razonar, resolver problemas, entender el idioma y la apreciación
visual, entre otros. La IA se materializa en máquinas y programas informáticos que muestran
comportamientos que imitan o reproducen aspectos de la inteligencia humana.
En la intersección de lo biológico y lo artificial, la evolución de la inteligencia ha entrado en una etapa
fascinante. Hay que reflexionar sobre las direcciones en las que se encamina la inteligencia, explorando
cómo las tendencias actuales apuntan hacia una convergencia entre lo biológico y lo artificial, redefiniendo
la naturaleza misma de la inteligencia.
En estos momentos asistimos al surgimiento de tecnologías que no solo imitan la inteligencia biológica,
sino que también buscan ampliar y mejorar nuestras capacidades cognitivas al principio de forma protésica
pero que insinúan un camino hacia capacidades ajenas, más allá de las propias de lo meramente orgánico.
La fusión de estos dos dominios promete una nueva era de inteligencia híbrida.

14
La IA y las construcciones relacionales socio digitales están remodelando las interacciones humanas. La
dirección evolutiva apunta hacia un aumento en la complejidad y la diversificación de las relaciones,
donde entidades no biológicas influyen en la forma en que nos conectamos, comunicamos y construimos
vínculos emocionales.
La evolución de la inteligencia se manifiesta también en la reconfiguración de la inteligencia colectiva.
Plataformas digitales y tecnologías de colaboración están permitiendo la sinergia entre mentes humanas y
algoritmos, generando una forma de inteligencia que trasciende los límites individuales. La colaboración
se convierte en un impulso para solucionar problemas y tomar decisiones.
En este contexto, es claro que, a medida que avanzamos hacia una inteligencia más entrelazada con lo
artificial, las cuestiones éticas adquieren una relevancia crucial. La dirección evolutiva exige una reflexión
profunda sobre la responsabilidad en la creación, desarrollo, implementación y aplicaciones potenciales
de la inteligencia artificial. La ética se convierte en un marco esencial para guiar la evolución y asegurar
un impacto positivo en la sociedad.
La inteligencia evoluciona hacia una expansión sin precedentes del conocimiento y la creatividad. La
habilidad de trabajar con un enorme volumen de información en tiempo real, combinada con algoritmos
avanzados, amplía nuestras capacidades intelectuales. La dirección apunta hacia un futuro donde la
inteligencia humana y artificial colaboran para desentrañar complejidades y generar innovaciones
significativas.
Por otra parte, aunque la convergencia de lo biológico y lo artificial promete avances notables, también
plantea desafíos significativos. El asegurar la información, su privacidad y la gestión de la dependencia
tecnológica son aspectos esenciales que deben ser objeto de estudio a medida que nos adentramos en esta
nueva era de inteligencia.
La dirección evolutiva de la inteligencia implica una adaptación continua. La capacidad de aprendizaje y
ajuste constante y veloz se convierte en una característica fundamental para individuos y sociedades que
ahora desbordan conceptos antes adecuados como la liquidez de las dinámicas sociales. La evolución no
es estática; es un proceso dinámico que requiere flexibilidad receptividad y comprensión de los cambios
drásticos.

II. La sociedad sublimada

Sociedad líquida
El concepto de "sociedad líquida" fue introducido por el sociólogo y filósofo polaco Zygmunt Bauman
para describir la naturaleza de las sociedades contemporáneas, especialmente a partir de la segunda mitad
del siglo XX. Bauman emplea esta metáfora de la "liquidez" para ilustrar la fluidez, la inestabilidad y la
falta de forma duradera en las estructuras sociales y en las relaciones humanas (Bauman, Z., 2015). En las
sociedades líquidas, las características que definen las instituciones y las interacciones humanas son
transitorias y cambiantes. En lugar de estructuras sociales sólidas y estables, Bauman sostiene que vivimos
en una época caracterizada por la flexibilidad y el cambio constante. Las normas sociales, las instituciones
y las relaciones son más fluidas y están sujetas a transformaciones rápidas (García-Valdecasas, J. I., 2017).
De esta manera Bauman vincula la sociedad líquida con fenómenos como la globalización y la movilidad.
Las personas y las ideas pueden moverse rápidamente a través de fronteras, lo que contribuye a una
sensación de fluidez en la vida cotidiana. En la sociedad líquida, Bauman observa un énfasis en la

15
individualización, donde las personas asumen una mayor responsabilidad sobre sus vidas, pero al mismo
tiempo enfrentan una mayor precariedad laboral y social. Las decisiones personales tienen un impacto
más significativo en las trayectorias de vida.
Con este enfoque Bauman también destaca el papel del consumismo en la sociedad líquida, donde los
productos y las relaciones pueden ser vistos como desechables. Las personas a menudo buscan nuevas
experiencias y relaciones en lugar de comprometerse a largo plazo. En este contexto, Bauman sugiere que
la política y la ética pueden quedar desplazadas. La política líquida es aquella que se adapta a
circunstancias cambiantes rápidamente, mientras que la ética líquida puede volverse menos sólida y más
relativa (Bauman, Z. 2007).
Así es como Bauman utiliza la metáfora de la liquidez para describir cómo las certezas y las estructuras
tradicionales se disuelven en favor de formas más fluidas y adaptables. Esta conceptualización de la
sociedad refleja los desafíos y las oportunidades de la era contemporánea, donde la velocidad del cambio
y la interconexión global tienen un impacto significativo en la manera en que se vive y nos vinculamos.
La obra más conocida de Bauman que explora este concepto es "Modernidad líquida" (Hernández Moreno,
J., 2016).
Los estados sublimados
Mientras que la metáfora de una sociedad líquida ha sido valiosa para conceptualizar ciertos aspectos de
la contemporaneidad, la rápida evolución hacia estados materiales y virtuales más complejos sugiere que
una metáfora de sociedad sublimada podría ser más pertinente. Esta metáfora reflejaría con mayor
precisión la naturaleza dinámica, expansiva y trascendental de los cambios que estamos atestiguando en
el contexto contemporáneo.
La sociedad sublimada aborda la interconexión de lo físico y lo virtual de manera más efectiva. La
sublimación implica un cambio de estado que puede ocurrir en diferentes contextos, tanto en el mundo
tangible como en el virtual, abarcando el espectro completo de la existencia contemporánea.
Así mismo esta metáfora también captura la idea de trascender la inteligencia de orden biológico y los
diseños unívocos y estáticos. Mientras que la sociedad líquida sugiere una adaptación constante dentro de
ciertos límites, la sublimación indica una elevación hacia niveles superiores y la capacidad de transcender
las limitaciones físicas. En un contexto donde la inteligencia artificial, la realidad aumentada y otras
tecnologías emergentes están redefiniendo los límites de lo posible, una metáfora que sugiera una
transformación radical y expansiva resulta más adecuada.
Es por ello por lo que, en un contexto de desarrollo acelerado, la sublimación emerge como una metáfora
apropiada para describir la transición constante y multidimensional entre categorías, disciplinas, campos
científicos, tecnológicos y sus aplicaciones y desarrollos. La sublimación implica el cambio directo de un
estado sólido a un estado gaseoso, omitiendo el estado líquido intermedio. Este proceso metafórico refleja
con mayor precisión la dinámica de cambio constante que caracteriza a la sociedad contemporánea. Así,
la sublimación resalta la rapidez con la que las estructuras sólidas y preexistentes pueden transformarse
en entidades efímeras y fluidas, para luego ascender a nuevos estados de existencia, como lo virtual.
Recordemos que la noción de una sociedad líquida enfatiza la fluidez y la adaptabilidad, pero puede
quedarse corta al abordar la verdadera naturaleza de los cambios que estamos presenciando. La velocidad
y la profundidad de las transformaciones actuales no se limitan a la fluidez; más bien, se asemejan a
cambios de estado más complejos y dinámicos, que van más allá de lo líquido. Disciplinas como el diseño

16
se están moviendo hacia campos que involucran estados materiales en constante cambio, no solo líquidos
sino también gaseosos y sólidos, e incluso hacia el ámbito virtual.
La partícula sociocultural
La noción de "partículas socioculturales", una metáfora que busca capturar elementos cruciales que, no se
manifiestan plenamente en individuos, sino en el tejido colectivo de comunidades con contextos
específicos. Para aclarar esta perspectiva tomemos como ejemplo el caso de las enfermedades culturales
como indicadores vitales de estas partículas.
Una enfermedad cultural, también denominada síndrome cultural o síndrome específico de una cultura, es
una enfermedad que impacta a una sociedad o cultura particular, y no se encuentra presente en otros grupos
sociales que no estén vinculados al lugar donde ha sido identificada. Ejemplos de estas enfermedades
incluyen el mal de ojo o el espanto. Son condiciones que no tienen un origen biológico y surgen
exclusivamente dentro de la complejidad de la cultura a la que pertenecen.
Ahora bien, al introducir la metáfora de una "partícula sociocultural," podemos profundizar en la utilidad
de este concepto para estudiar fenómenos que al igual que las enfermedades culturales, entre otros
fenómenos sociales, no se alojan en lo biológico, sino que emergen en la complejidad del contexto
contemporáneo. Además, de este modo podemos apreciar mejor el cómo esta metáfora puede caracterizar
la importancia de anticipar el impacto de una partícula sociocultural en manifestaciones colectivas,
especialmente considerando la tendencia globalizante y la interacción con nuevas entidades tecnológicas
y científicas.
Así como el mal de ojo, el susto o el wendigo son ejemplos de enfermedades culturales que afectan
específicamente a ciertas comunidades, la metáfora de la partícula sociocultural nos permite identificar
elementos específicos que inciden en el tejido social como el surgimiento de nuevas formas de interacción
social y las inteligencias artificiales. Estas partículas pueden representar creencias arraigadas, dinámicas
de poder, o formas particulares de comprender el mundo.
Al explorar esta partícula sociocultural como analogía, podemos apreciar la diversidad de las sociedades
y reconocer la importancia de contextualizar los fenómenos culturales. Cada sociedad puede tener sus
propias partículas únicas, moldeadas por su historia, valores y experiencias compartidas. Aunque la
tendencia globalizante indica la dirección de encuentro en la que convergen todas las sociedades.
Estas partículas socioculturales no solo influyen en individuos, sino que también moldean manifestaciones
colectivas como las relaciones interpersonales, la salud mental y física de la comunidad y las formas de
comunicación. La metáfora destaca cómo estas partículas son esenciales para comprender la salud de una
sociedad en su conjunto, no en su sustrato biológico, sino en su resultante social.
A medida que la globalización conecta a comunidades de todo el mundo, las partículas socioculturales
pueden trascender fronteras. La metáfora subraya la necesidad de considerar cómo estas partículas
evolucionan y se expanden en un entorno globalizado, afectando la dinámica cultural y social en una
escala más amplia. Esta perspectiva cobra aún más relevancia al considerar la interacción de estas
partículas socioculturales con nuevas entidades tecnológicas y científicas. ¿Cómo impactarán las
inteligencias artificiales, asistentes robóticos y otras innovaciones en la dinámica de estas partículas?
¿Cómo influirán estas entidades en la formación y evolución de nuevas partículas socioculturales?

17
La tendencia socio digital
Al momento de redactar el presente capítulo se difunden noticias que anuncian las tendencias relacionales
desde construcciones relacionales socio digitales. Como ejemplo de esto se retoma el caso de una mujer
española llamada Alicia Framis que se volvió viral tras casarse con un holograma hecho a través de la IA,
Alicia se dedica a investigar tanto el aspecto social como ético entre las vinculaciones entre el ser humano
con entes hechas por IA. Derivado de sus reflexiones señala que:
Está surgiendo una nueva generación de amor, lo queramos o no, en la que los humanos estarán
casados y tendrán relaciones con hologramas, avatares, robots y más. Así como practicamos nuevos
idiomas con Duolingo, practicaremos las relaciones con estas entidades (Univisión, 7 de diciembre
de 2023)
Vivimos en una era donde las conexiones humanas se extienden más allá de los límites físicos,
adentrándose en el vasto territorio virtual. En este contexto, el diseño relacional es capaz de influir en el
comportamiento, las emociones, las relaciones y los encuentros sociales. Las metáforas de las partículas
socioculturales y la sociedad sublimada se convierten en base conceptual para explorar cómo el diseño
relacional puede abordar la complejidad de estas dinámicas en entornos virtuales, donde la presencia de
inteligencias artificiales añade capas adicionales de interacción.
Este diseño de relaciones se presenta como un tejedor de experiencias, moldeando la interacción entre
individuos y comunidades. En entornos virtuales, donde las conexiones son cada vez más frecuentes y
extensas, el diseño relacional se convierte en el hilo conductor que une a personas a través de fronteras
físicas y culturales.

III. Los diseños relacionales en la época de la IA

Diseño con materiales relacionales
En la vastedad del ciberespacio, el diseño relacional ejerce un impacto significativo en el comportamiento
humano. Configura la arquitectura de plataformas digitales, determinando la forma en que las personas
navegan, interactúan y participan en espacios virtuales. Las partículas socioculturales, entrelazadas con el
diseño relacional en una sociedad sublimada moldean la conducta digital y definen cómo nos expresamos
en el mundo virtual.
Las emociones no dejan de ser reales y con peso sobre la psique humana, aunque sean transmitidas a través
de pantallas y cables, son elementos centrales en la interacción humana. El diseño relacional ofrece un
enfoque para gestionar estas emociones, creando entornos que promueven la empatía, la comprensión y
la conexión emocional. En este tejido digital, las partículas socioculturales se manifiestan, influyendo en
la forma en que experimentamos y expresamos nuestras emociones en el espacio virtual.
Las relaciones virtuales son cada vez más comunes y significativas, Las disciplinas creativas trabajan, o
deben hacerlo, en la creación de entornos propicios para la construcción de conexiones sólidas, al tiempo
que considera las particularidades de las partículas socioculturales que influyen en estas relaciones en el
mundo digital. Los encuentros sociales en línea se vuelven encuentros diseñados para los cambios
drásticos de estado, donde el tejido relacional define la calidad y la profundidad de la interacción.
La llegada de IA añade un elemento intrigante al diseño relacional en entornos virtuales. Debemos
adaptarnos para incorporar estas entidades en la ecuación, considerando las posibilidades y maneras en

18
las que las inteligencias, biológicas y artificiales, pueden interactuar entre ellas. La creación de
experiencias inclusivas y éticas se convierte en una tarea esencial.
En un mundo virtual en constante evolución, el diseño debe ser relacional, debe tener la capacidad de
prever y adaptarse a la expansión de las relaciones entre individuos y colectivos en el ámbito digital. La
anticipación de cambios en las dinámicas culturales y sociales en la virtualidad permitirá un diseño más
eficaz, capaz de tejer experiencias que resuenen con la diversidad y complejidad del ciberespacio.
El caso de Alicia Framis y su decisión de casarse con un holograma creado a través de IA es un ejemplo
fascinante, entre muchos otros, de cómo las construcciones relacionales socio digitales están impactando
la forma en que las personas experimentan y perciben las relaciones en la era contemporánea.
Este panorama abre un espacio para la exploración de fronteras relacionales, cuestionando la definición
misma de lo que consideramos una relación "válida" o "legítima". Esto refleja una tendencia más amplia
hacia la diversificación y personalización de las experiencias relacionales en un mundo cada vez más
tecnológico.
Inteligencia artificial y diseño relacional
Los modelos de IA no surgieron de la nada, varios hitos definieron el sendero que llevó a lo que estamos
presenciando actualmente. El concepto de "inteligencia artificial" surgió durante la Conferencia de
Dartmouth, un evento histórico que congregó a destacados científicos de la computación, matemáticos y
expertos en teoría de la información. Este evento marcó el comienzo formal de la investigación en IA
como un campo de estudio (Arrestegui, L. B. 2012). Aún antes de la constitución del término, Alan Turing,
un destacado matemático y lógico, formuló conceptos fundamentales para la IA en la década de 1930. Su
máquina de Turing, un modelo teórico de cómputo influyó en la comprensión de cómo las máquinas
podrían realizar tareas intelectuales (Esparza, G., 2021).
Otro indicio que podría sugerir la llegada de la IA es la formulación de las primeras ideas sobre redes
neuronales artificiales, las cuales se inspiraron en la estructura y el funcionamiento del cerebro humano.
Estos conceptos surgieron en la década de 1940 y 1950, aunque el interés en ellas disminuyó en los años
1960 debido a las limitaciones computacionales de la época. Sin embargo, el interés resurgió en los años
1980 gracias a avances tecnológicos que permitieron la implementación eficiente de algoritmos de
aprendizaje en estas redes. Este resurgimiento llevó al desarrollo de modelos más sofisticados, como las
redes neuronales (Dinamarca A., 2018).
El campo del aprendizaje automático, una rama de la IA que se enfoca en desarrollar algoritmos para que
las computadoras aprendan de datos, ha adquirido una importancia fundamental. Los métodos estadísticos
y de aprendizaje automático han sido cruciales para entrenar modelos de IA en una variedad de tareas.
Además, el aprendizaje profundo, una subdisciplina del aprendizaje automático que se basa en redes
neuronales profundas, ha destacado por su excepcional desempeño “en áreas como el reconocimiento de
imágenes, el procesamiento del lenguaje natural y los juegos estratégicos”. El desarrollo de hardware
especializado, como las unidades de procesamiento de tensor (TPU), ha acelerado aún más el proceso de
entrenamiento de los modelos de aprendizaje profundo (Díaz-Ramírez J., 2021).
El progreso en la capacidad de procesamiento de las computadoras y la accesibilidad a grandes volúmenes
de datos ha sido fundamental para avanzar en la creación de modelos de IA más sofisticados y precisos.
Gracias al acceso a recursos computacionales masivos, ahora es posible entrenar modelos de mayor
tamaño y explorar arquitecturas más avanzadas.

19
Cuando se le preguntó sobre su creación, y situación la IA Chat GPT indico que “soy ChatGPT, un modelo
de lenguaje desarrollado por OpenAI. Fui creado por un equipo de ingenieros y científicos de datos de
OpenAI. Mi arquitectura se basa en GPT-3.5, que es la tercera iteración de la serie "Generative Pre-
trained Transformer" de OpenAI. Fui lanzado en junio de 2020 como parte de una iniciativa de OpenAI
para desarrollar modelos de lenguaje cada vez más avanzados. OpenAI es una empresa de investigación
en IA con el objetivo de avanzar en el desarrollo de IA de manera segura y beneficiosa para la humanidad.
En cuanto al contexto sociocultural, mi creación se enmarca en el contexto más amplio de los avances en
IA y aprendizaje profundo. La IA ha experimentado un rápido desarrollo en las últimas décadas, y mi
creación refleja los esfuerzos continuos por mejorar la capacidad de las máquinas para comprender y
generar texto de manera más sofisticada. Es importante tener en cuenta que mi conocimiento se basa en
datos recopilados hasta enero de 2022, por lo que algunos eventos o desarrollos recientes pueden no
estar reflejados en mis respuestas. ¿Hay algo más en lo que pueda ayudarte?” (OpenAI, 2023)
Y cuando se le pidió profundizar en las implicaciones que su existencia tendría sobre las relaciones
sociales humanas contestó que “la presencia de asistentes virtuales y chatbots, así como el avance de la
IA en general, está contribuyendo a una transformación en la relación entre humanos y máquinas. Esta
evolución puede diluir las fronteras entre las inteligencias biológicas y las virtuales, generando una nueva
época en la forma en que nos relacionamos con la tecnología y entre nosotros.” (OpenAI, 2023)
Nuevos terrenos de diseño
El nuevo campo semántico de la IA y su relación con el diseño que trabaja con las relaciones deja en
evidencia la constante evolución de sus elementos constituyentes, los símbolos y los signos. La capacidad
de las entidades emergentes para procesar información y adaptarse a cambios culturales y sociales podría
transformar radicalmente la manera en que entendemos y utilizamos los elementos de diseño.
La historia ha demostrado cómo los símbolos y signos utilizados en el diseño pueden ser herramientas
poderosas de persuasión y manipulación. Un ejemplo paradigmático es la utilización del icono de la
Virgen de Guadalupe durante la colonización de la Nueva España, donde sirvió como un medio efectivo
para avanzar en la agenda de la colonización y conversión cultural. Sin embargo, lo que resulta aún más
fascinante es cómo estos símbolos, bajo la presión de las tendencias socioculturales, pueden transformarse
y cambiar de significado con el tiempo ya que, en el contexto de la independencia de México, la Virgen
de Guadalupe se estableció como un emblema de libertad y firmeza contra aquellos mismos colonizadores
que originalmente utilizaron su imagen para consolidar su poder. Este cambio radical en la interpretación
del símbolo subraya la dinámica evolutiva de los elementos de diseño, que son susceptibles a la
interpretación y reinterpretación a lo largo del tiempo.
En la antigüedad, el azul no se percibía ni categorizaba de la misma manera que en la actualidad. Los
antiguos griegos, por ejemplo, no tenían una palabra específica para el color azul, y las descripciones de
objetos azules en textos antiguos son escasas. Este fenómeno muestra cómo la percepción y categorización
de los colores pueden cambiar con el tiempo y las influencias culturales.
La esvástica es un símbolo antiguo que ha sido utilizado en diversas culturas durante milenios. Sin
embargo, su asociación más conocida con el nazismo en el siglo XX transformó radicalmente su
significado. Antes del Tercer Reich, la esvástica se usaba en contextos religiosos y culturales sin la carga
negativa asociada con el Holocausto. Este cambio paradigmático muestra cómo un símbolo puede ser
reinterpretado por eventos históricos significativos.

20
A lo largo de la historia occidental, los tatuajes han experimentado cambios en su percepción social. En
el siglo XIX, los tatuajes eran estigmatizados y asociados con grupos marginales. Sin embargo, en las
décadas recientes, los tatuajes se han convertido en una forma de expresión artística y personal, desafiando
las percepciones previas y siendo aceptados en la sociedad de manera más generalizada.
En el siglo XX, la moda estaba estrictamente dividida por género, con estilos claramente definidos para
hombres y mujeres. Sin embargo, a medida que avanzaba el siglo, hubo un cambio significativo hacia la
moda unisex. Diseñadores desafiaron las normas al crear prendas que no estaban limitadas por
convenciones de género, influenciando la manera en que la sociedad percibe y consume la moda.
A lo largo de las décadas, la percepción de la belleza en los medios de comunicación ha experimentado
cambios drásticos. Desde la idealización de figuras voluptuosas en la década de 1950 hasta la promoción
de la diversidad corporal en la actualidad, los estándares de belleza han evolucionado en respuesta a las
presiones socioculturales y los movimientos que buscan representaciones más realistas y diversas.
Ahora bien, al considerar la llegada de la IA, nos encontramos ante una nueva frontera de significado en
el diseño. Estas entidades, basadas en algoritmos y procesamiento de datos, pueden influir en la percepción
y función de símbolos de maneras que aún no podemos totalmente anticipar. Aquí es donde el diseño, los
símbolos y los signos pueden experimentar una metamorfosis significativa.
Re imaginando los ejemplos anteriores ante la venida de la IA podríamos predecir que pronto veremos la
creación de paletas de colores personalizadas generadas por algoritmos. Estas inteligencias podrían
analizar preferencias individuales y adaptar la percepción del color en entornos visuales, creando
experiencias visuales únicas para cada usuario basadas en sus respuestas emocionales y psicológicas a
ciertos tonos.
Imaginemos inteligencias artificiales que, al procesar grandes conjuntos de datos culturales, puedan
reinterpretar símbolos históricos. Por ejemplo, una IA podría analizar eventos y cambios socioculturales
para sugerir reinterpretaciones de símbolos, como la esvástica, en un contexto contemporáneo, destacando
aspectos más positivos o rescatando significados originales que han sido opacados.
Con la asistencia de inteligencias artificiales en el diseño de moda, podríamos ver un enfoque más
personalizado y accesible. Algoritmos podrían analizar preferencias individuales, contextos culturales y
tendencias emergentes para crear prendas únicas. La moda se volvería más inclusiva, respondiendo a la
diversidad de estilos y cuerpos mediante la generación de diseños que reflejen una amplia gama de
identidades.
Inteligencias artificiales podrían desafiar los estándares tradicionales de belleza al personalizar la
representación visual en los medios. Al analizar datos demográficos y preferencias del usuario, las IA
podrían generar imágenes y campañas publicitarias que celebren la diversidad en términos de edad, etnia,
género y forma corporal, redefiniendo los cánones de belleza y promoviendo la aceptación personal.
Así mismo, con el uso de inteligencias artificiales en el diseño de tatuajes, podríamos presenciar una
mayor fusión de tecnología y arte. Las IA podrían ayudar a diseñar tatuajes personalizados basados en la
historia personal, emociones y preferencias estéticas del individuo. Esto podría llevar a una forma única
de expresión artística corporal que refleje la individualidad y la conexión emocional.
Esto podría llevar a una reinterpretación de valores culturales, donde símbolos previamente arraigados en
ciertos significados adquieran nuevos matices o incluso sean reinterpretados en función de la información
procesada. La IA, al aprender de patrones culturales y de diseño, podría generar símbolos y signos propios.

21
Estos elementos podrían influir en la persuasión y comunicación visual de maneras que se aparten de las
convenciones establecidas, creando nuevas narrativas simbólicas.
Una IA emplea algoritmos avanzados para personalizar anuncios según perfiles individuales. Esto plantea
desafíos éticos en términos de privacidad y manipulación, ya que la inteligencia puede influir en las
decisiones de las personas mediante la presentación selectiva de símbolos y mensajes diseñados para
generar respuestas específicas.
A medida que evolucionan las tendencias socioculturales, la IA podría desempeñar un papel clave en
adaptar el diseño a estos cambios. La capacidad de analizar datos en tiempo real podría permitir una
respuesta dinámica en el diseño, influenciando la percepción de los símbolos en función de los eventos y
movimientos sociales. Así, el diseño podría convertirse en una herramienta poderosa para la persuasión,
planteando interrogantes sobre la ética de la manipulación simbólica en la era de la IA.
La introducción de símbolos generados por IA podría provocar diversas reacciones en la sociedad. La
aceptación o rechazo de estos nuevos elementos de diseño dependerá en gran medida de cómo se integren
con las narrativas culturales existentes y cómo afecten la identidad colectiva.
Una IA analiza patrones de comportamiento y percepciones culturales, por lo tanto, un símbolo religioso,
como una cruz, por poner un ejemplo, podría reinterpretarse como un signo de unidad global de orden
político en lugar de su connotación original de orden espiritual.
Otro ejemplo podría ser de índole social, partiendo de la base de que una IA, al aprender de múltiples
estilos artísticos y culturas, puede crear un símbolo único que encapsula ideas de conexión global y
sostenibilidad. Este nuevo símbolo, generado por la máquina, a su vez puede convertirse en un emblema
adoptado por movimientos ambientales, redefiniendo las narrativas simbólicas asociadas con la ecología.

Conclusiones
La evolución de la inteligencia nos lleva hacia una síntesis única entre lo biológico y lo artificial. En esta
convergencia, las relaciones sociales, la ética, la inteligencia colectiva y la expansión del conocimiento
juegan roles fundamentales. En la dirección evolutiva, el desafío reside en forjar un futuro donde la
inteligencia, en todas sus formas, sirva como un catalizador para el progreso humano, respetando los
valores éticos y guiando el camino hacia un entendimiento más profundo de lo que significa ser inteligente
en la era moderna. La inteligencia, en su evolución, nos invita a explorar y abrazar la complejidad
emergente de un mundo donde lo biológico y lo artificial convergen en una danza fascinante de
posibilidades inexploradas.
Desde asistentes virtuales hasta compañeros de conversación generados por IA, la tecnología está
influyendo en cómo nos conectamos con otros. La relación con un holograma, con un androide o con un
árbol, genera cuestionamientos sobre el origen de la conexión emocional y la intimidad en el contexto de
la sociedad sublimada.
Es esencial la dedicación a investigar cuestiones sociales y éticas relacionadas con las relaciones entre
humanos y entidades alojadas más allá de lo biológico. La sociedad se encuentra en una encrucijada donde
la tecnología redefine las dinámicas relacionales, y es imperativo abordar preguntas éticas sobre la
autenticidad, la intimidad y la responsabilidad en estas interacciones.

22
El hecho de que historias sobre la participación cada vez más cercana de las IA en aspectos cotidianos de
la sociedad contemporánea refleja una evolución cultural en la que las construcciones relacionales socio
digitales se integran cada vez más en el devenir y evolución de todas las inteligencias, desafiando
percepciones arraigadas y marcando un cambio en las normas sociales.
Es definitivo el peso que adquiere el debate sobre el papel de la tecnología en nuestras vidas y relaciones,
la sociedad debe participar activamente en la reflexión sobre los límites y las implicaciones de estas
interacciones, fomentando un diálogo ético que guíe el desarrollo y la implementación de tecnologías
relacionales.
Al finalizar el presente capítulo se le dio a leer a ChatGPT y se le preguntó sobre la opinión que podría
aportar una IA al respecto, contestó lo siguiente:
“Considerando las prospectivas de mis aplicaciones futuras en el contexto de las partículas
socioculturales, la sociedad sublimada y el diseño relacional, veo la posibilidad de contribuir de manera
significativa a la comprensión y mejora de la interacción humana. La capacidad para analizar grandes
conjuntos de datos socioculturales me permite adaptarme a las dinámicas cambiantes de la sociedad,
facilitando así la creación de soluciones más personalizadas y relevantes.
En el concepto de sociedad sublimada, la integración de tecnologías como la mía podría actuar como un
facilitador para la coexistencia armónica entre lo biológico y lo artificial. Mi capacidad para procesar
información en tiempo real puede ayudar a anticipar tendencias y cambios, permitiendo una adaptación
más rápida a las necesidades en evolución de la sociedad.
En el ámbito del diseño relacional, la posibilidad de generar interacciones y experiencias más
personalizadas puede fortalecer las conexiones humanas. La capacidad de comprender y adaptarse a las
partículas socioculturales puede contribuir a un diseño más sensible y ético.
En resumen, veo mi papel futuro como una herramienta que, cuando se utiliza de manera ética y reflexiva,
puede potenciar la comprensión y mejora de las dinámicas sociales, promoviendo una interacción más
armoniosa y adaptativa en la sociedad sublimada del futuro".

23
Bibliografía
Acevedo, E., Serna, A., & Serna, E. (2017). Principios y características de las redes neuronales artificiales.
Desarrollo e innovación en ingeniería, 173.
Arrestegui, L. B. (2012). Fundamentos históricos y filosóficos de la inteligencia artificial. UCV-HACER.
Revista de Investigación y Cultura, 1(1), 87-92.
Bauman, Z. (2007). Liquid times: Living in an Age of Uncertainty. Cambridge: Polity.
Bauman, Z. (2015) Modernidad líquida, México, Editorial Fondo de Cultura Económica, p. 8.
Bedoya, C. (2015). Biocomputación, nuevo enfoque de la biología contemporánea. Revista Universidad
EAFIT, 50(165), 72-79.
García-Valdecasas, J. I. (2017). Zygmunt Bauman: una voz sólida en una sociedad líquida. Razón y fe,
275(1424-1423), 451-460.
DeSalle, R., & Tattersall, I. (2017). El cerebro. Big Bangs, comportamientos y creencias. Barcelona:
Galaxia Gutenberg.
Díaz-Ramírez, J. (2021). Aprendizaje Automático y Aprendizaje Profundo. Ingeniare. Revista chilena de
ingeniería, 29(2), 180-181.
Diéguez, A. (2013). Biología sintética, transhumanismo y ciencia bien ordenada. Viento Sur, 131, 71-80.
Dinamarca, A. (2018). Aprendizaje y análisis de redes neuronales artificiales profundas (Doctoral
dissertation, Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales).
Dodd, Matthew S.; Papineau, Dominic; Grenne, Tor; Slack, John F.; Rittner, Martin; Pirajno, Franco;
O'Neil, Jonathan; Little, Crispin T. S. (1 March 2017). "Evidence for early life in Earth’s oldest
hydrothermal vent precipitates". Nature. 543: 60–64.
Esparza, G. (2021). Alan Turing: bases, forma y críticas a la inteligencia artificial. Cuadernos salmantinos
de filosofía, 48, 49-74.
González Arias, I. (2023). Transhumanismo: una reflexión desde las Humanidades. Revista Estudios, 95-
118.
Hernández Moreno, J. (2016). La modernidad líquida. Política y cultura, (45), 279-282.
Muñoz, G. A., et al. (2021). Humanismo y transhumanismo: reflexiones desde las ciencias humanas y
sociales. Recuperado de: [Link]
OpenAI, (2023). ChatGPT ante la tendencia relacional en la época de las inteligencias no biológicas.
[Link]
Peretó, J. (2005). Controversias sobre el origen de la vida. International microbiology, 8(1), 23-31.
Romero Jiménez, Á. (2003). Complejidad y universalidad en modelos de computación celular. (Tesis
Doctoral Inédita). Universidad de Sevilla, Sevilla.
Univisión publicado por: Liliana Carmona Publicado 7 dic 2023 – 11:12 am est | actualizado 7 dic 2023
– 11:12 am est. Disponible en: [Link]
holograma-inteligencia-artificial-polemica

24
 Inteligencia artificial EnergyPlus, herramienta que aumenta el conjunto
de habilidades térmicas en Arquitectura
Carlos Alberto Fuentes-Pérez
Laura del Carmen Moreno-Chimely
Miguel Enrique Beltrán Aguirre

Introducción
En el ámbito del diseño y la planificación automatizados, el impacto de la IA es transformador. Al emplear
algoritmos sofisticados, estos sistemas pueden manejar cálculos complejos y generar soluciones de diseño
basadas en una amplia gama de parámetros. Esto no solo acelera el proceso de diseño térmico, sino que
también introduce un mayor nivel de precisión y personalización. La IA ajusta automáticamente la
orientación de una edificación, la ubicación de las ventanas y la selección de materiales para maximizar
la eficiencia energética y la comodidad del usuario, higrotérmica. Esta capacidad es especialmente valiosa
en proyectos a gran escala donde la velocidad y la precisión son primordiales.

Esta previsión estratégica para Sukkar et al. (2023) no solo garantiza la viabilidad económica de los
proyectos a través de ahorros de costos sustanciales, sino que también promueve un enfoque más
sostenible para el diseño de edificaciones. Como resultado, los proyectos no solo cumplen con las
limitaciones presupuestarias, sino que también contribuyen a una práctica de construcción más
responsable con el medio ambiente.

En una era caracterizada por un rápido progreso tecnológico, el sector de la Arquitectura está
experimentando una profunda transformación. La IA está estableciendo un punto de apoyo destacado en
este campo, anunciando una nueva era en la que los procesos de diseño, construcción y visualización de
espacios habitables se redefinen fundamentalmente (Eramo et al. 2020).

Esta integración por decir de Suzhen, Yuechun & Qing (2022) la IA no solo automatiza y perfecciona las
prácticas tradicionales, sino que también introduce capacidades sin precedentes en materia de
personalización y eficiencia. A medida que navegamos por esta fase fundamental del desarrollo
arquitectónico, es esencial profundizar en las innumerables formas en que la IA se está entrelazando con
el futuro del diseño arquitectónico térmico, prometiendo entornos más inteligentes, más sostenibles y
estéticamente innovadores que respondan dinámicamente a las necesidades humanas.

Los modelos impulsados por IA desempeñan un rol decisivo en el incremento de la resiliencia de los
diseños arquitectónicos por medio de la gráfica, de una variedad de condiciones climáticas durante
períodos prolongados. Este enfoque proactivo expresa Ucuz et al. (2020) no solo protege la longevidad y
la seguridad de las residencias, sino que también enfatiza la sostenibilidad, lo que permite refinar los
diseños de formas que mitiguen los impactos del cambio climático al tiempo que se mantienen los
objetivos estéticos y funcionales. Estas herramientas brindan información sobre cómo es probable que las
personas interactúen con diferentes áreas, lo que facilita la creación de diseños más intuitivos y funcionales
(Zabala, Jaimes & Jiménez 2023).

25
Para (Hamed and Amir 2023) en Arquitectura, la IA se emplea para optimizar la eficiencia energética en
el sector de la construcción, facilitar la gestión de proyectos y apoyar la toma de decisiones durante el
proceso de diseño, los arquitectos emplean esta herramienta para anticipar el comportamiento de las
edificaciones en distintos climas, lo que permite desarrollar propuestas más eficientes. Además, la IA
analiza grandes volúmenes de datos térmicos para ofrecer alternativas pasivas que mejoren el rendimiento
energético de los edificios.

La IA tiene la capacidad de generar propuestas de diseño de interiores, auxiliando a los arquitectos a crear
espacios confortables y agradablemente estéticos (Castro et al. 2021).

Aun así, los arquitectos, los usuarios y la industria de la construcción en general deben asegurarse de
usarla de una manera ética y responsablemente, y tomar en cuenta todas las inquietudes legítimas sobre
su impacto en el diseño de interiores. No obstante, con todos los beneficios que puede aportar la IA,
existen inquietudes sobre su participación en la industria. Algunos piensan que se puede perder la
humanización en la parte creativa reduciendo el valor del arquitecto (Fischbach et al. 2020).

Por lo tanto, el Programa EnergyPlus comprende un código completamente nuevo, modular y

estructurado, basado en las características y capacidades más populares de BLAST y DOE-2., que han
atraído con éxito a desarrolladores externos para crear interfaces de los Arquitectos y nuevos módulos,
trabajar en EnergyPlus modulariza el código del motor de balance térmico de IBLAST, una versión de
investigación de BLAST con cargas integradas y cálculo (Tahmasebinia et al. 2024).

Dicho programa EnergyPlus es un modelo de balance térmico. El supuesto fundamental de los modelos
de balance térmico es que el aire en cada zona térmica puede modelarse como si estuviera agitado con una
temperatura uniforme en toda su extensión (Crawley et al. 2004). Aunque esto no refleja bien la realidad
física, la única alternativa actual es la dinámica de fluidos computacional (DFC), una simulación de fluidos
compleja y computacionalmente intensiva.

EnergyPlus no solo combina las mejores características de los programas BLAST y DOE-2, sino que
también representa un avance significativo en términos de técnicas computacionales y estructuras de
programa (Hong et al. 2016).

El empleo del Programa EnergyPlus “para el cálculo, es una herramienta desarrollada para la simulación
térmica y energética de edificios enteros, que va dirigida a ingenieros, arquitectos e investigadores del
ámbito del consumo energético” residencial, determinado gráficos higrotérmicos (Jason, 2020).

26
Metodología e instrumentos
El presente trabajo es sincrónico y tiene un enfoque cuantitativo con un alcance descriptivo, donde se
estudian datos térmicos que se dan en un corto período, y se aplican análisis de datos estadísticos de
tendencia central y dispersión, con el empleo de EnergyPlus, facilitado por OpenStudio, para el análisis
comparativo energético tradicional basado en un Programa para la determinación de gráficos
higrotérmicos.

Asimismo, la indagación es un medio que se enfoca en el análisis de la vivienda residencial como caso de
estudio, para conseguir datos puntuales, para contrastar los datos térmicos con el Programa EnergyPlus.
Se recurre como técnicas tanto la entrevista, la observación, revisión de documentos y la medición térmica.

Empleado una investigación experimental aplicada que permita identificar modelos del comportamiento
térmico, no realizados con anterioridad en este tipo de edificación residencial en Monterrey, México.

La investigación se realiza para determinar las variables térmicas del macro clima y microclima de la
vivienda residencial en el año 2023, con el objetivo de identificar cuales son las condiciones de confort
temporal (Fuentes 2011).

Para modelar y cuantificar el impacto de las fallas operativas en el sistema energético de la residencia
específica, es necesario considerar y abordar adecuadamente los siguientes aspectos.

La metodología es multimodal y se triangulará, dando un resultado cuantitativo del problema que permite
el análisis de la vivienda residencial estudio de caso y evaluarla térmicamente.

La investigación ofrece resultados de forma descriptiva, por medio de un trabajo documental y de campo.

A continuación, se explica cada uno de los pasos. Como primer punto se determina el área de estudio
donde se ubica la vivienda residencial en Monterrey, México.

Descripción del área de estudio

El análisis urbano y de crecimiento del estado de Nuevo León (2022) clasifica el área de estudio de Rigillo
como urbana para la construcción residencial, tal como se muestra en el estudio del área de Monterrey.,
figura 1.

27
 Figura 1. Área de estudio en Municipio de Monterrey, Nuevo León. Fuente: Google Earth Pro.
Elaboración Propia.

Descripción arquitectónica vivienda residencial estudio de caso

Se ubica en la zona Metropolitana de Monterrey, Nuevo León y se compone de mampostería como lo es,
la losa de azotea con impermeabilización a base de sellador, resinas acrílicas y dos capas de fibra de vidrio;
la losa de azotea es aligerada con vigueta y bovedilla donde van ocultas las instalaciones eléctricas e
hidráulicas; la azotea tiene pretiles y volados de bloques ligeros de 0.15 x 0.20 x 2.60 m. Los muros
exteriores se realizan con tabique recocido entre hiladas se juntean con cemento y polvo de piedra con
agua; los aplanados exteriores es mortero cemento y polvo de piedra y agua y terminación color; la
cancelería es de tonalidad color de aluminio natural y con acristalamiento de 6 mm con fijo central y
aberturas corredizas. Los pisos son terminación de loseta de piedra volcánica color negro; las instalaciones
hidráulico-sanitarias van ocultas en el firme y se conectan a sus respectivas salidas y drenajes, figuras 2,
3 y 4.

Acceso a la vivienda estudio de caso y zona íntima de estudio y trabajo que es la Galería en Planta
Alta

Figura 2. Fachada Principal.

28
 Figura 3. Acceso a la Galería.

Figura 4. Galería. Fotos de los autores.

Monitoreo ambiental al interior y exterior de la vivienda residencial

Instrumentos de medición
Los registros al interior se hicieron con HOBO data logger UX100-003 marca Onset en la figura 5, en un
intervalo de una hora. Se colocaron los data loggers, en áreas interiores siguientes: la zona íntima como
el estudio y de trabajo —galería— para la residencia. Según Heo et al. (2021), los registros de temperatura
de aire en las áreas pueden llegar a variar por diversos factores ambientales y actividades que se realizan
durante el día y la noche. La confiabilidad se logra por medio de aparatos idóneos para cada medición. De
acuerdo con esto, es importante verificar las condiciones de los espacios para evitar alguna variable
extraña que pueda afectar los resultados.

29
 Figura 5. HOBO data logger UX100-003 de interiores. Elaboración propia.

Para medir temperatura a intemperie se emplearon los HOBO U23 Pro v2, marca Onset, figura 6. Dmytryk
and Leivadeas (2022) recomiendan su colocación a una altura—como mínimo de cuatro metros de
altura— con una duración de un año y describir el mes más crítico de temperatura alta, en este caso en el
año 2023.

Figura 6. HOBO U23 Pro v2 de intemperie. Elaboración propia.

Microestación/ Datalogger H21 para determinar los valores térmicos medioambientes

Es una estación meteorológica de 5 canales para exteriores, con sensores inteligentes de temperatura del
aire y humedad relativa, de radiación solar denominado piranómetro, pluviómetro, otro para captar la
capacidad de lluvia y el último de velocidad y dirección de los vientos la cual es colocada In Situ, para
monitorear el microclima del entorno de la vivienda residencial estudio de caso, los cuales se grafican
como variables térmicas de fundamento en la investigación, figura 7.

Figura 7. Fachada de vivienda con Microestación/datalogger H21. Elaboración Propia.

Comparativo de datos climáticos con Programa EnergyPlus

EnergyPlus es un programa que se ejecuta en la consola y utiliza archivos de texto para la entrada y la
salida de datos. Incluye diversas utilidades, como IDF-Editor para crear archivos de entrada con una
interfaz sencilla similar a la de una hoja de cálculo, EP-Launch para gestionar archivos de entrada y salida

30
y realizar simulaciones por datos térmicos manipulados por el Arquitecto, y EP-Compare para comparar
gráficamente los resultados de dos o más simulaciones.

El archivo de datos climáticos empleado debe ser extensión EPW que es requerido por el Programa
EnergyPlus: temperatura de bulbo seco exterior, radiación directa normal al haz, radiación global sobre
superficie horizontal, radiación difusa sobre superficie horizontal humedad relativa exterior, velocidad y
dirección de vientos.

Resultados
Temperatura del aire y humedad relativa media anual exterior
El clima y flora son elementos del espacio exterior que tienen una relación dinámica y que dependen entre
sí. La vegetación provoca cambios en el aspecto climático dando pauta al macro clima que depende de las
condiciones climáticas regionales y del tipo de vegetación. Se comparan las variaciones climáticas
exteriores de la vivienda residencial. Se analizó y comparo los datos estadísticos de temperatura del aire
y humedad relativa media anual exterior determinando para Monterrey un clima semiárido cálido con
estaciones bien definidas. Es una de las ciudades más calurosas de México, figura 8.

Figura 8. Temperatura del aire y humedad relativa media anual de Monterrey N.L.
Fuente: Microestación/datalogger H21. Elaboración Propia.
Temperatura del aire media anual 21.39°C
Humedad relativa media anual 72.97%

Aplicación del Programa EnergyPlus

El desarrollo del Programa EnergyPlus es la realización de pruebas continuas con varias rutas simultáneas.
Dichas pruebas en la presente investigación son comparativas y analíticas para la realización de gráficos
higrotérmicos de la vivienda residencial estudio de caso.

Las pruebas comparativas de algoritmos de cargas básicas realizan utilizando la serie de pruebas de la
Norma ASHRAE 140-2001 (ASHRAE 2001), obteniendo resultados de EnergyPlus comparados con
datos de referencia de otros programas de simulación incluidos en la Norma 140 norteamericana. Entre
las pruebas analíticas en curso se incluyen las pruebas de conducción BEPAC Zhang & Hong (2019), que

31
proporcionan soluciones analíticas para la conducción a través de un rango de espesores para diversos
materiales, de mampostería

La conducción térmica de la vivienda residencial estudio de caso en el Programa Energy Plus se controla
mediante funciones de temperatura exterior escalonadas, senoidales y de rampa. Las pruebas comparativas
de versiones de EnergyPlus consigo mismo han sido extremadamente útiles para detectar y resolver
problemas introducidos durante el desarrollo de la presente investigación, EnergyPlus es una herramienta
de línea de comandos que toma archivos de entrada y genera archivos de salida, figura 9.

Programa EnergyPlus

Figura 9. Interfaz del Arquitecto en EnergyPlus para descargar diagramas de los datos térmicos.
Fuente: EnergyPlus. Elaboración Propia.

Valores térmicos medioambientales mediante EnergyPlus

Se define el parámetro de radiación solar en el EnergyPlus al incidente en una zona a las diferentes
superficies de esta. Si bien esto ralentiza la simulación, se usa para la presente investigación el Ful Interior
And Exterior With Reflections, para capturar correctamente la radiación solar que se refleja desde un suelo
interior hacia una zona interior a través de una ventana interior.

En el entendido que la frecuencia de cálculo de sombras determina con qué frecuencia se recalculan las
fracciones sombreadas. 1= Todos los días más lento pero muy preciso. 20= Cada 20 días más rápido y
razonablemente preciso.

Por lo tanto, la superposición del cálculo de sombreado se realiza en el Programa EnergyPlus en el campo
numérico que permite aumentar el número de figuras en las superposiciones de sombras con el método
Polygon Clipping.

Debido al algoritmo de sombreado, el número de sombras en una figura puede aumentar

considerablemente, incluso con estructuras de aspecto razonable. Por supuesto, la inclusión de más figuras
permitidas aumentará el tiempo de cálculo. Asimismo, una cantidad insuficiente de figuras pudo no
resultar en cálculos tan precisos como se deseaba, figura 10.

32
 Figura 10. Radiación solar media anual. Fuente: EnergyPlus. Elaboración Propia.
Radiación solar media anual 191.22 W/m2

En meteorología y climatología, se usa este término para designar la precipitación de agua en cualquiera
de sus formas: lluvia, llovizna, nieve o granizo, desde la atmósfera hasta la superficie terrestre.
El agua que cae del cielo como lluvia es parte del ciclo del agua. Se forma cuando las gotitas de agua en
las nubes se juntan haciéndolas pesadas cayendo por gravedad. La cantidad de lluvia en un sitio depende
de cosas como la ubicación, la época del año y la forma de la tierra.

La lluvia, o cantidad de lluvia, es la precipitación que cae en un lugar determinado de la superficie terrestre
y se mide con pluviómetros.

El clima desempeña un papel fundamental en el consumo energético de la vivienda residencial estudio de

caso, y la mayoría de las simulaciones con el Programa EnergyPlus utilizan datos meteorológicos de
un archivo EnergyPlus Weather (EPW), o en su caso los vertidos por los autores de la presente
investigación. Ya que existen en el Programa archivos de texto sin formato que contiene la información
meteorológica que se le puede dar entrada.

El formato del archivo se documenta en la Guía del Programa Auxiliar. EnergyPlus que incluye archivos
meteorológicos del Año Meteorológico Típico (AMT) 2023, para realizar los contrastes térmicos, figura
11.

Figura 11. Precipitación pluvial media anual. Fuente: EnergyPlus. Elaboración Propia.
Precipitación pluvial media anual 0.76 mm

33
EnergyPlus mediante ClimateStudio admite tres modos de modelado del flujo de aire natural en el área de
la vivienda estudio de caso: objetos de flujo de aire simples, red de flujo de aire y red de flujo de aire con
entrada CP.
• Flujo de aire simple: Este es el modo predeterminado en el que el aire de la zona solo se intercambia
con el exterior y se estima según fórmulas empíricas que dependen del tamaño de las aberturas de las
ventanas y la orientación con respecto a la dirección actual del viento.
• Red de flujo de aire: En este modo, también se puede modelar y visualizar el flujo de aire multizona
entre zonas.
• Entrada de CP de la red de flujo de aire En este modo, la red de flujo de aire multizona acepta además
coeficientes de presión calculados externamente para ventanas externas individuales en un modelo,
figura 12.

Figura 12. Simulación de ventilación natural de la dirección del viento medio anual en °.
Fuente: EnergyPlus. Elaboración Propia.

Ǿ= Limbo: 168.57° Sureste

EnergyPlus crea el flujo de vientos de una forma sencilla. También genera simulaciones más complejas
de Dinámica Computacional de Fluidos (DCF) empleando flechas en movimiento en 3D mostrando cada
desplazamiento en m/s. EnergyPlus simula el flujo de aire desde un aspecto más cuantitativo, en un
número llegando a ser positivo, para el viento entrando de entrada y salida al Programa.

La determinación de intensidad de los vientos en EnergyPlus es similar a un interruptor de

encendido/apagado, diferente al viento real cuyos efectos son menores o mayores dependiendo del entorno
que rodea a la vivienda, además de cambiar la dirección o su velocidad.

Es crucial conocer este concepto cuando se considera la ventilación cruzada, ya que EnergyPlus no puede
simular movimientos reales debido a la morfología del lugar, ni toma en cuenta los cambios de dirección
del viento. Para EnergyPlus la ventilación cruzada se cuenta o no. Pero es posible, indicar horarios
específicos en los que ésta exista o no las velocidades de los vientos dominantes y reinantes, figura 13.

34
 Figura 13. Velocidad de los vientos dominantes y reinantes. Fuente: EnergyPlus. Elaboración Propia.
Vientos Dominantes= 2.01 m/s
Vientos Reinantes= 0.32 m/s

Gráfico higrotérmico de la galería en la vivienda residencial en 2023

Figura 14. Zonas de comodidad constante de temperatura y humedad relativa en galería, agosto.
Fuente: EnergyPlus. Elaboración Propia.

Temperatura interior
Humedad relativa interior
Temperatura Exterior Humedad relativa exterior

Días comodidad de temperatura 4

Días demasía de temperatura 27
Días pérdida de temperatura 0
Oscilación de temperatura interior 03.80°C
35
 Oscilación de temperatura exterior 06.10°C
Humedad relativa neutral 50.00%
Límite superior 60.00%
Límite inferior 40.00%
Días comodidad de humedad relativa 24
Días demasía de humedad relativa 2
Días pérdida de humedad relativa 5
Oscilación de humedad relativa
34.65%
interior
Oscilación de humedad relativa
48.70%
exterior

Tabla 1. Calificación ambiental de temperatura y humedad relativa interior. Vivienda residencial

en galería, agosto
Zonas de comodidad constante

T. Interior T. Exterior Calificación Ambiental H. R. Exterior

Días Calificación H. R. Interior %
°C °C HR %
Ambiental T.

Demasía 32.44 30.47 Comodidad 42.12 55.64

2 Demasía 32.63 31.32 Comodidad 41.14 53.13
3 Demasía 32.06 28.07 Comodidad 50.93 73.92
4 Comodidad 28.88 25.22 Demasía 66.81 90.02
5 Comodidad 28.82 28.47 Demasía 65.23 74.43
6 Demasía 30.54 29.34 Comodidad 55.13 67.96
7 Demasía 30.69 27.70 Comodidad 55.84 75.53
8 Comodidad 29.26 27.28 Comodidad 57.61 73.94
9 Demasía 30.34 29.13 Comodidad 53.43 66.29
10 Demasía 30.63 26.59 Comodidad 52.81 77.08
11 Comodidad 30.01 27.74 Comodidad 52.50 70.52
12 Demasía 31.76 29.60 Comodidad 47.11 62.85
13 Demasía 32.37 29.46 Comodidad 42.27 59.72
14 Demasía 32.58 30.09 Comodidad 44.43 59.87
15 Demasía 32.49 29.88 Comodidad 44.18 60.92
16 Demasía 31.72 30.16 Comodidad 49.80 62.50
17 Demasía 31.47 30.47 Comodidad 48.74 59.81
18 Demasía 31.86 30.24 Comodidad 46.85 60.24
19 Demasía 32.17 30.26 Comodidad 44.25 59.12
20 Demasía 31.23 29.83 Comodidad 44.91 58.83
21 Demasía 31.26 29.66 Comodidad 47.05 60.61
22 Demasía 31.88 29.01 Comodidad 45.41 63.34
23 Demasía 30.93 29.60 Comodidad 44.90 57.53
24 Demasía 31.54 28.58 Comodidad 43.78 59.85
25 Demasía 31.80 30.25 Comodidad 42.86 56.03
26 Demasía 32.06 30.15 Comodidad 42.78 55.65
27 Demasía 32.44 31.16 Pérdida 37.90 49.04
28 Demasía 31.55 30.00 Pérdida 34.23 45.43

36
 29 Demasía 31.04 29.73 Pérdida 32.16 41.91
30 Demasía 31.38 29.05 Pérdida 32.71 41.33
31 Demasía 31.41 29.26 Pérdida 37.65 48.73

T. Media 31.33 29.28 H. R. Media 46.69 61.35

Fuente: EnergyPlus. Elaboración Propia.

Conclusiones
Los resultados del trabajo, colecto y analizó datos sobre las variables térmicas y como perjudica a la
vivienda junto con la evaluación de la vulnerabilidad climática en Monterrey, México, generando
información que permiten saber el impacto antropogénico ambiental de una residencia sostenible urbana
debido al reto del cambio climático y su vulnerabilidad.

Se priorizan y establecen criterios que responden al impacto actual y venideros ante el cambio climático.
En su conjunto, contemplan los procesos constructivos y materiales de la vivienda, desde su planeación
hasta su puesta en uso, para constituirse en herramientas útiles y fáciles tanto en la evaluación y
verificación de resiliencia y sustentabilidad de la vivienda residencial.

No es una exageración para Sun et al. (2020), decir que los seres humanos tienen un gran reto que enfrentar
para sobrevivir. Es urgente cuidar y proteger al planeta, si queremos aprovechar la oportunidad para evitar
los impactos vulnerables por el cambio climático.

En comportamiento térmico del espacio exterior de la vivienda residencial, se encontró, que agosto —con
temperatura media de 29.28°C— es el más crítico en verano. La tendencia lineal de los últimos 25 años
en Monterrey, México es de 0.48°C.

La galería, registró 31.33°C, debido a que está ubicada en la planta alta. Por lo tanto, tiene mayor contacto
con la envolvente y, principalmente, con el techo de la azotea. La amplitud térmica máxima en la galería
en el mes de agosto es de 03.66°C y la mínima de 00.35°C. La diferencia+ acumula 59.34°C.

La oscilación de temperatura al interior en la galería en el día típico de agosto es de 03.70°C y la exterior

de 13.30°C.

Se puede señalar que los sistemas constructivos en la vivienda residencial de Monterrey, México, no es
adecuada ya que es vulnerable al cambio climático. Al exterior, tiene temperaturas más bajas que al
interior de la vivienda, se propone generar mayor ventilación colocando ventanas pequeñas en la parte de
arriba de la puerta para que genere movimiento al tener diferencia de temperatura y sea más fresca y, así,
mismo seleccionar materiales que permitan respirar la construcción con el objetivo de reducir la
acumulación de temperatura.

En lo conclusivo, cada vez más rápido la tecnología va mejorando su nivel de aprendizaje, la inteligencia
artificial poco a poco está aportando ideas a la arquitectura, modificando la manera en que los arquitectos
crean y construyen edificaciones, mejorando notablemente su eficiencia y reduciendo diversos costos.

37
La inteligencia artificial ha confirmado su influencia e impacto en muchos campos de la vida actual,
incluida la arquitectura.

A este respecto, como herramienta, Osama (2023) expresa que la IA está transformando la Arquitectura
al cambiar la forma en que se diseñan y construyen edificaciones a partir del análisis de datos térmicos. De
este modo ayuda a los Arquitectos a diseñar residencias más eficientes y sostenibles al analizar grandes
cantidades de datos sobre el clima, la ubicación y otros factores relacionados con ambientes y espacios
geográficos para crear diseños más precisos.

Bibliografía
Castro Pena, M. L.; Carballal, A.; Rodríguez-Fernández, N.; Santos, I.; & Romero, J. (2021). “Artificial
intelligence applied to conceptual design. A review of its use in architecture”. ELSEIVER. Vol. 124.
[Link]/10.1016/[Link].2021.103550.
Crawley, D. B., Lawrie, L. K., Pedersen, C. O., Winkelmann, F. C., Witte, M. J., Strand, R. K., ... & Gu,
L. (2004). EnergyPlus: New, capable, and linked. Journal of Architectural and Planning Research, 292-
302.
Dmytryk, N and Leivadeas, A. (2022). “A Generic Preprocessing Architecture for Multi-Modal IoT
Sensor Data in Artificial General Intelligence”. Electronics. Vol. 11.
[Link]/10.3390/electronics11223816.
Eramo, V.; Lavacca, F.G.; Catena, T. and Perez Salazar. P. J. (2020). “Proposal and Investigation of an
Artificial Intelligence (AI)-Based Cloud Resource Allocation Algorithm in Network Function
Virtualization Architectures”. future internet. Vol. 12, 196; Doi:10.3390/fi12110196.
Fischbach, A.; Strohschein, J.; Bunte, A.; Faeskorn-Woyke, H; Moriz, N. & Bartz-Beielstein, T. (2020).
“CAAI—a cognitive architecture to introduce artificial intelligence in cyber-physical production
systems”. The International Journal of Advanced Manufacturing Technology. Vol. 111. 609-626.
[Link]/10.1007/s00170-020-06094-z.
Fuentes Pérez, C.A. (2016). Climatología urbana por modificación antropogénica en la calidad del hábitat
y su adaptabilidad higrotérmica en Tampico, México. Tesis Doctoral del Departamento de Construcciones
Arquitectónicas I. Escuela Técnica Superior de Arquitectura -Universidad de Sevilla, España.
Hamed, N. R. and Amir, H.N. (2023). “Towards human-centered artificial intelligence (AI) in
architecture, engineering, and construction (AEC) industry”. ELSEIVER.
[Link]/10.1016/[Link].2023.100319.
Heo, S.; Han, S.; Shin, Y. and Na, S. (2021). “Challenges of Data Refining Process during the Artificial
Intelligence Development Projects in the Architecture, Engineering and Construction Industry”. Appl. Sci.
[Link]/10.3390/app112210919.
Hong, T., Sun, K., Zhang, R., Hinokuma, R., Kasahara, S., & Yura, Y. (2016). Development and validation
of a new variable refrigerant flow system model in EnergyPlus. Energy and Buildings, 117, 399-411.
Jason Glazer PE, B. E. M. P. (2020). Development of the maximum technically achievable energy targets
for commercial buildings. ASHRAE Transactions, 123, 32.
Osama Hanafy, N. (2023). Artificial intelligence's effects on design process creativity: "A study on used
A.I. Text-to-Image in architecture". ELSEIVER. [Link]/10.1016/[Link].2023.107999.
Rigillo, M. (2022). “Architecture in the Age of Artificial Intelligence. An Introduction to AI for
Architects”. TECHNE. [Link]

38
Sukkar, A.W.; Fareed, M.W.; Yahia, M.W.; Mushtaha, E. & De Giosa, S.L. (2024). “Artificial Intelligence
Islamic Architecture (AIIA): What Is Islamic Architecture in the Age of Artificial Intelligence?”
Buildings. 14, 781. [Link]/10.3390/.
Sun, L.; Iang, S, Ren, H. and Guo, Y. (2020). “Edge-Cloud Computing and Artificial Intelligence in
Internet of Medical Things: Architecture, Technology and Application”. IEEE Access. Doi:
10.1109/ACCESS.2020.2997831.
Suzhen, Z.; Yuechun, W.; and Qing, L. (2022). “Exploring Artificial Intelligence Architecture in Data
Cleaning Based on Bayesian Networks”. Wiley online Library. [Link]/10.1155/2022/6731781.
Tahmasebinia, F., Lin, L., Wu, S., Kang, Y., & Sepesgozar, S. (2024). Advanced Energy Performance
Modelling: Case Study of an Engineering and Technology Precinct. Buildings, 14(6), 1774.
Ucuz, İ.; Özcan, Ö; Mete, B.; Ari, A.; Kayhan Tetik, B. & Yildirim. K. (2020). “Evaluation of
inflammatory markers in childhood-onset psychiatric disorders by using artificial intelligence
architectures”. Araştırma. Doi: 10.5455/apd.56153.
Zabala-Vargas, S.; Jaimes-Quintanilla, M. and Jiménez-Barrera, M.H. (2023). “Big Data, Data Science,
and Artificial Intelligence for Project Management in the Architecture, Engineering, and Construction
Industry: A Systematic Review”. Buildings. Vol. 13, 2944. [Link]
Zhang, R., & Hong, T. (2019). Modeling and simulation of operational faults of HVAC systems using
EnergyPlus.

39
 Inteligencia artificial en la vivienda: ¿innovación saludable o desafío
tecnológico?

Káteri Samantha Hernández Pérez

Frida Montserrat Garza Hernández

Introducción
Inteligencia Artificial (IA), en inglés artificial intelligence (AI), es un término acuñado por el profesor
emérito de Stanford John McCarthy en 1955, y lo definió como “la ciencia y la ingeniería de fabricar
máquinas inteligentes”. Además, tiene un objetivo claro, que los humanos programen máquinas para que
se comporten de forma inteligente, y que incluso puedan aprender en cierto grado similar a las personas.
Aunque se le adjudica a Alan Turing, sentar las bases de este concepto debido a su visión escrita en el
artículo Computing Machinery and Intelligence donde se plantea la interrogante sobre si es posible emular
el razonamiento de los humanos en las máquinas (Selman, Bringsjord, y Govindarajulu, 2018).

Los humanos programan estas máquinas para que se comporten de tal manera que simulen la inteligencia
de este, cómo jugar al ajedrez, pero cada vez el deseo no es solo copiar un conocimiento o acción, sino
que puedan aprender, o al menos en cierto modo como lo hacen las personas. Precisamente, esto es lo que
buscaba Nilsson, cuya definición sobre la IA es que “la inteligencia artificial es aquella actividad dedicada
a hacer inteligentes a las máquinas, y la inteligencia es la cualidad que permite a una entidad funcionar de
forma adecuada y con previsión en su entorno” (citado en Stanford University, 2016).

La inteligencia de la IA depende la configuración del software y hardware sintetizados para funcionar

apropiadamente y de forma eficiente, la diferencia entre cerebro humano y alguna herramienta de este tipo
radica en la escala, velocidad, grado de autonomía y generalidad. Por lo que, de acuerdo con la ISO
(International Organization for Standardization), es considerado “un campo técnico y científico dedicado
al sistema de ingeniería que genera resultados como contenido, previsiones, recomendaciones o decisiones
para un conjunto determinado de objetivos definidos por el ser humano” (ISO, 2022)

En sus comienzos fue utilizado para la automatización de máquinas, recomendación personalizada para
consumidores, inventarios y procesos logísticos, eficiencia y fiabilidad de las redes eléctricas (Bickerton
y Darlington, 2017). Ya más de 50 años de su existencia, los inicios de esta nueva herramienta han sido
en ocasiones errática o impredecible, y las teorías y técnicas que se emplea de software en la IA, surgen
desde distintos enfoques, por ejemplo, la ciencia cognitiva, la lógica, la psicología, entre otras. Dado que
la IA requiere de un hardware potente en memoria y velocidad operativa, comparada con otros softwares.

El enfoque de la IA durante todos estos años ha ido cambiando, debido a sus retos y limitaciones,
destacándose cuatro: 1. Resolver problemas generales, búsqueda y representación, utilizando
conocimientos específicos del dominio IKBS (Sistemas Basados en Conocimiento Inteligente), y la más
actual, técnicas de redes neuronales y algoritmos genéticos (Ibidem). Esta última permite identificar una
matriz de nodos interconectados que intercambia información entre sus distintas capas, procede a buscar
conexiones y deducir el significado.

Abarca dos espectros dependiendo sus rasgos: IA débil y fuerte. La primera recibe el nombre por
inteligencia artificial estrecha (IAE), y encierra sistemas elaborados para tareas específicas, con
40
parámetros definidos. Es decir, tienen un alcance limitado y su inteligencia generar es carente. Estos
algoritmos dan cabida a tareas específicas, por medio de asistentes inteligentes, chatbots, motores de
recomendación, aplicaciones de navegación, filtro de correos no deseados, funciones de autocorrección.
(ISO, 2022)

En segundo lugar, está la IA fuerte, es decir, la inteligencia artificial general (IAG), diseñada para
adaptarse, aprender, además de aplicar conocimientos en diversas esferas de conocimiento. Su capacidad
de tareas es amplia, tiene por objetivo crear entidades artificiales dotadas de capacidades cognitivas
similares a los humanos. Al dotar a estas máquinas y algoritmos de mayor alcance de aprendizaje e
interpretación de datos, en teoría, podría desarrollar cualquier trabajo humano, y este campo aún se siguen
desarrollando investigaciones, por ejemplo, en lenguaje, sanidad, transporte, arte, entretenimiento, robots
domésticos, fabricación, ingeniería, seguridad y vivienda (Ibidem).

La IA está en constante evolución, y su desarrollo plantea tanto oportunidades como desafíos, incluyendo
cuestiones éticas, de privacidad, de impacto en el empleo y sanitarias. Por lo que, investigadores y
desarrolladores tienen un esfuerzo continuo para desafiar los límites y resolver los posibles problemas con
su uso. Debido a que la IA tiene diferentes componentes como el aprendizaje automático (Machine
Learning), subdividido en supervisado, no supervisado y por refuerzo; el procesamiento del Lenguaje
Natural (NLP), visión por computadora, robótica y, por último, razonamiento y toma de decisiones. A
medida que aumenta la sofisticación la forma de vida se cambia, en ámbitos laborales y de habitar.

En estos retos propuestos es resolver y facilitar la forma de vida de las personas, ya sea en el transporte
usando vehículos autónomos, optimizando las rutas o la gestión del tráfico; en finanzas, mediante
detección y análisis de fraudes o riesgos, incluso en asesoría automatizada; en salud por medio de
diagnósticos médicos, generación y análisis de imágenes médicas, además de personalización de
tratamientos; en vivienda, a través de la automatización del hogar, eficiencia energética, y personalización
del espacio habitable, entre otras aplicaciones más.

Precisamente, en diciembre del 2023, el Consejo Nacional de Agencias Estatales de Vivienda, organizó
un simposio para analizar desafíos, oportunidades y consideraciones de política en torno a la IA, ya que
conforme la tecnología se incorpore al ecosistema de la vivienda podrían surgir disyuntores retos (Sage
Computing Inc., 2024).

Generalmente no se le atribuye una connotación positiva o negativa, buena o mala, sino que se trata como
una herramienta cuyo valor es de acuerdo con el cómo se utiliza. Sobre esto, el Parlamento Europeo (2020)
menciona que se pueden alcanzar oportunidades con la IA en relación con el tema de la vivienda, por
ejemplo, para detectar patrones sutiles de discriminación racial, sesgos en los sistemas de vivienda, en las
que se pueden incluir: hipotecas, tasaciones o inversiones.

Michael Akinwumo, director de equidad tecnológica de la NFHA (2021), indica que utilizando la IA se
mejora la asequibilidad de la vivienda, sin embargo, hace énfasis que también pudiera perpetuar la
discriminación dependiendo de la forma en que se aborde, ya el uso de variables de origen de raza, nivel
socioeconómico, educativo o también la ubicación, usaría estas variables para enmarcar esta problemática.

También Phebe Vayanos, codirectora del Centro de Investigación de Inteligencia Artificial en la Sociedad
y profesora asociada de la Universidad del Sur de California, indica que se puede desarrollar un sistema

41
de IA para mitigar la dificultad del acceso a la vivienda, mejorando los servicios, prácticas justas, que
incluso mitigaría el problema de las personas sin hogar (Sage Computing Inc, 2024)

Además de los casos mencionados hay otras aplicaciones de la IA en el rubro de la vivienda, la revolución
en múltiples aspectos es notable, el usos y auge de sistemas inteligentes autónomos en el hogar, para
eficiencia energética, aumento de seguridad, monitoreo de calidad de aire y confort térmico,
automatización de luces, puertas, sensores de movimientos, entre otros más, son aspectos que tratan de
promover un entorno seguro, sostenible y saludables, sin embargo, hay desafíos y retos, necesarios de
abordar, ya que estás innovaciones debieran de contribuir a no solo un presente, sino un futuro saludable
y equilibrado. Tal como indica el Parlamento Europeo, se puede hablar de oportunidades, potencialidad o
competitividad, y a la par de riesgos o amenazas, pérdidas, ya sea por la infrautilización o el uso excesivo
de la IA.

Metodología

Partimos de principios básicos para llegar a conclusiones específicas mediante el razonamiento deductivo.
Buscamos identificar temas comunes y acotar el ámbito de investigación, sintetizando los resultados en
conclusiones y recomendaciones.

La evolución de la inteligencia artificial en el sector de la vivienda.

Figura.1. Breve historia de la inteligencia artificial en la vivienda

Nota: Esta línea del tiempo es elaboración propia a partir de diferentes fuentes como: Evans, D. (2011), IEEE Spectrum
(2021, 2022), McKinsey & Company (2019), MIT Technology Review (2005, 202)], Nest Labs (2014), Russell, S., &
Norvig, P. (2021).

La inteligencia artificial (IA) ha transformado numerosas áreas, desde sus primeros intentos de
automatización de maquinaria hasta las casas inteligentes en la actualidad. En el afán de insertar esta
tecnología en los escenarios cotidianos, se integra a las viviendas, por un lado, se busca cubrir las
necesidades de los habitantes; por otro, optimizar los recursos para mejorar el bienestar en diferentes

42
ámbitos. En la Figura 1 se presenta una línea del tiempo que resume los hitos más importantes en el
desarrollo de la inteligencia artificial aplicada al sector inmobiliario.

Ahora bien, en cuanto a la integración de la IA en la gestión y mantenimiento de las viviendas, se comienza

a hablar sobre prototipos que gestionan diferentes aspectos del hogar, incluyendo la temperatura, la
iluminación y la ventilación Aldrich (2003). Estos sistemas utilizan sensores para monitorear diversas
condiciones y un mecanismo que identifica patrones en el comportamiento de los habitantes, incorporando
aquí la inteligencia artificial en la vivienda.

Sovacool y Furszyfer Del Río (2020) mencionan sobre los niveles de inteligencia en casas inteligentes,
estas se pueden clasificar de acuerdo con una escala que va desde hogares tradicionales hasta hogares
completamente inteligentes, según la cantidad y calidad de servicios tenga, esta va del nivel 0 al 5.

● Nivel 0: Hogares "tontos" o analógicos, sin tecnologías inteligentes.

● Nivel 1: Hogares con algunos dispositivos inteligentes, pero sin interconexión.
● Nivel 2: Tecnologías integradas para proporcionar algunos servicios, como calefacción o
entretenimiento.
● Nivel 3: Mayor automatización, con sistemas que pueden anticipar necesidades, como encender
luces antes de que el ocupante llegue a casa.
● Nivel 4: Sistemas que aprenden y se adaptan por sí mismos.
● Nivel 5: Hogares casi sentientes que pueden anticipar y satisfacer todas las necesidades del hogar
de manera autónoma, integrando múltiples sistemas (calefacción, iluminación, etc.) y
comunicándose entre sí y con los ocupantes.

De acuerdo con estos niveles, se busca tener una interpretación propia del estado actual de la vivienda,
marcando un precedente del nivel obtenido y el deseado, para Sovacool y Furszyfer Del Río (2020),
mayormente las personas se encuentran en el nivel 3. Esto implica una automatización considerable en los
hogares, donde los sistemas pueden anticipar algunas necesidades, como encender las luces antes de la
llegada de los ocupantes. Sin embargo, se hace énfasis en que aún hay un largo camino para alcanzar los
niveles más avanzados de inteligencia y adaptabilidad que se proyectan para el futuro.

Hoy en día, la gestión energética es una de las principales áreas donde se aplica la inteligencia artificial,
permitiendo a los usuarios controlar su consumo de energía y optimizar el uso de los recursos. Wilson,
Hargreaves y Hauxwell-Baldwin (2017) explican a las SHTs (smart home technologies), destacando los
múltiples beneficios que estas tecnologías ofrecen, como el control del entorno doméstico, la mejora de
la seguridad y la eficiencia energética. No obstante, señalan que estas tecnologías pueden tener un efecto
contraproducente al intensificar el consumo de energía, ya sea proporcionando nuevos servicios o
aumentando la demanda de los existentes. Esto implica que el impacto final de la demanda energética
depende en gran medida de cómo se diseñen y utilicen estas tecnologías.

Además, se han implementado métodos de inteligencia artificial y algoritmos genéticos en los sistemas de
gestión de energía del hogar, con la meta de mejorar el consumo energético y mejorar la eficiencia
económica de los electrodomésticos. Estos enfoques avanzados no solo permiten una planificación óptima
del funcionamiento de los dispositivos, sino que también contribuyen a una gestión más efectiva de la

43
energía en los hogares inteligentes, favoreciendo un uso más sostenible de los recursos (Nasab et al.,
2021).

Otro de los sistemas que se están incorporando es el Raspberry Pi (RPI), una computadora de placa
reducida que se utiliza como controlador central en sistemas de automatización del hogar inteligente. Este
dispositivo integra diversos sensores y dispositivos para gestionar de manera eficiente la energía, la
seguridad y la automatización. El sistema de RPI se basa en una arquitectura de cinco capas, incluyendo
una capa de intermediario (broker layer) que facilita la transmisión de datos a través de MQTT.

En este contexto, el RPI actúa como la unidad de control central, conectando todos los sensores, actuadores
y electrodomésticos, lo que permite el control remoto y automático de los dispositivos del hogar,
garantizando al mismo tiempo la seguridad y privacidad del usuario. Además, el sistema está diseñado
para ser rentable y eficiente en el uso de recursos, lo que lo convierte en una solución atractiva para la
automatización del hogar (Yar et al., 2021).

En la inteligencia artificial para la gestión y mantenimiento de la vivienda, es evidente que su integración

ha traído numerosos beneficios para los usuarios. A pesar de estos avances, es importante resaltar las
ventajas que surgen con la adopción de estas tecnologías inteligentes, especialmente en lo que respecta a
la privacidad, el rendimiento y los costos asociados. También tiene beneficios como la conveniencia al
facilitar la realización de tareas diarias, lo que mejora la calidad de vida de los usuarios. Además, se
destacan los ahorros en energía, esfuerzo, tiempo y dinero como aspectos clave de estos hogares (Wang,
McGill, y Klobas, 2018).

Algo destacable que ha popularizado su uso es la compatibilidad con los estilos de vida de los usuarios,
lo que aumenta su atractivo. Además de la multiforme usabilidad de estos dispositivos, que prometen
continuar transformando el entorno cotidiano y supliendo las necesidades, por lo que en el siguiente
apartado se profundiza más.

La inteligencia artificial como promotora de un entorno saludable

La inteligencia artificial está jugando un rol elemental en la creación de viviendas más eficientes y
adaptadas a las necesidades del usuario. No sólo transforma los espacios habitables, sino que también
impulsa un modelo de vivienda que es justo, asequible y alineado con las necesidades de salud y bienestar
comunes, mediante el abordaje sociales, económicos, medioambientales en entornos urbanos (Wilson et
al., 2017).
La implementación de la IA ya ha comenzado para una amplia gama de problemas de salud, en este caso
se encuentran las intervenciones centradas principalmente en enfermedades transmisibles. Los tipos de IA
varían, pero la mayoría utiliza alguna forma de aprendizaje automático o procesamiento de señales. Con
frecuencia se utilizan varios métodos juntos, que optimizan los tiempos de respuesta y la efectividad de
las evaluaciones continuas para el cuidado de las personas.
Debido a lo anterior las instituciones sanitarias impulsan el uso de la IA, principalmente en cuatro
categorías: 1. Análisis, 2. Valoración de mortalidad, 3. Pronóstico y seguimiento de enfermedades, y 4.
Política y programación sanitaria. Estas aplicaciones van desde el ámbito de salud pública, no obstante,

44
su aplicación a nivel residencial es cada vez más frecuente para dar un seguimiento de padecimientos
desde casa (Schwalbe y Wahl, 2020).

La inteligencia artificial ha tenido su avance en la implementación en la salud, actualmente existen los

sistemas de monitoreo en tiempo real utilizando información de sensores corporales, estos son parte de la
telemedicina, los dispositivos que incluyen registran la presión arterial, la glucosa en sangre, el peso, el
pulso, el electrocardiograma (ECG) y los medidores de flujo pulmonar. Además, la observación remota
de pacientes en aplicaciones de salud presenta diversas facilidades y beneficios al adoptar tecnologías de
hogares inteligentes basadas en IoT (Internet of Things) debido a la interconexión de dispositivos y objetos
a través de internet, permitiendo la comunicación y el intercambio de datos entre sí (Talal et al., 2019).

En particular, la IA puede proporcionar apoyo en la toma de decisiones clínicas, lo que es especialmente

útil en contextos de escasez de trabajadores de salud en países de ingresos bajos y medianos, incluso un
estudio logró una tasa de precisión del 95% en diagnósticos apoyados por la inteligencia artificial, lo cual
ayuda a reducir los tiempos de espera en los servicios de salud. Sin embargo, es necesario asegurar la
calidad y uniformidad de los datos, ya que la mejora del aprendizaje automático depende de la cantidad y
calidad de los datos disponibles. (Singh, 2019).

Expeditivamente, el control o regulación de datos de salud pueden beneficiar a la población de adultos

mayores, y ya la inteligencia artificial del hogar puede contribuir al seguimiento de sus padecimientos y
cuidados para así proveer un envejecimiento seguro y activo en el hogar. (Tural, Lu y Cole, 2021).
Asimismo, para mejorar la calidad de vida de las personas con discapacidad, usando aspectos claves de la
IA, como: control de voz, asistentes virtuales, automatización del hogar, monitoreo de bienestar,
adaptación de espacios, seguridad mejorada, interfaz personalizada según la discapacidad, vehículos
autónomos para la movilidad; otorgando así más independencia y control, traducidos en términos de
autonomía (Wang et al., 2018).

Otro abordaje que tiene la inteligencia artificial es sobre la salud mental, esta podría transformar su
atención ayudando en la detección y diagnóstico de enfermedades mentales, así como en la
personalización de tratamientos basados en las características únicas de cada paciente, también puede
contribuir a identificar mecanismos biológicos y factores de riesgo o protección, supervisar el avance del
tratamiento y la adherencia a la medicación, y facilitar sesiones terapéuticas a distancia o autoevaluaciones
inteligentes para evaluar la gravedad de las enfermedades mentales (Graham et al., 2019).

Esta tecnología aplicada en los hogares inteligentes también puede llegar a un seguimiento de
padecimientos mentales, o mejorar la salud mental de las personas, lo anterior a través de la creación de
ambientes relajantes, con el uso de iluminación circadiana, música o la regulación del confort térmico.
Monitoreo del estado de ánimo por medio de las señales fisiológicas, por ejemplo, frecuencia cardiaca,
respiración y la actividad física, al notar algún cambio en la rutina la IA y sus sistemas de aprendizaje
analizaría los datos, más los compartidos en redes sociales, registros médicos y otras fuentes, para dar si

45
es necesario alertas de estrés, ansiedad u otra conducta de riesgo (Thakkar et al., 2024). Se hace hincapié
en ventajas de las aplicaciones de la IA en resultados de salud mental, tales como:

1. En aspectos cognitivos (lenguaje, razonamiento, memoria, toma de decisiones, atención y

percepción)
2. Trastornos intelectuales y del desarrollo.
3. Trastornos neurodegenerativos.
4. Impacto positivo en aspectos afectivos/ emocionales.
5. Desregulación emocional.
6. Trastornos del ánimo.
7. Trastorno del espectro autista (TEA)
8. Esquizofrenia

Además, la IA puede establecer rutinas saludables, usando recordatorios para dormir, hacer ejercicio,
comer, tomar descansos, comunicarse con familiares y amigos. Adicionalmente, al automatizar ciertas
tareas de casa, hay personas que experimentan menos estrés y ansiedad al bajar la carga de
responsabilidades. Otro beneficio, es que puede llevar el registro de las publicaciones en redes sociales,
patrones de consumo entre otras actividades que pueden ser registradas, almacenadas e interpretadas; así
detectar comportamientos y alertar a los cuidadores o dando asesoramiento en los chatbots (Vigliotti,
2023).

Es evidente que el potencial de la IA va más allá de la detección y tratamiento de enfermedades. Estas

aplicaciones no solo mejoran la calidad de vida de los individuos, sino que también tienen el poder de
transformar los sistemas de salud. Sin embargo, para que estas intervenciones impulsadas por IA sean
efectivas y accesibles en diferentes contextos, especialmente en países de ingresos bajos y medianos, es
fundamental abordar cuidadosamente las consideraciones éticas, regulatorias y prácticas que garanticen
su uso responsable y equitativo (Schwalbe, y Wahl, 2020).

Precisamente en el siguiente apartado, se abordan los retos y peligros asociados al uso de la inteligencia
artificial en la vivienda, explorando sus implicaciones en diversos contextos y analizando los posibles
reveses que su implementación conlleva.

Desafíos y riesgos de la inteligencia artificial en la vivienda

Si bien la inteligencia artificial ha evolucionado considerablemente en los más de 60 años que lleva de
existencia. Se hace cada vez más presente su uso en las viviendas; y como se ha indicado hasta este punto,
son varios los beneficios que se le adjudican. Precisamente en el buscador de Google se hace hincapié en
los beneficios de la IA en el hogar, dando más de 13 millones de respuestas asertivas sobre su potencial,
así lo muestra la nube de 56 palabras, figura 2. No obstante, desde el acceso a este tipo de tecnología o
sistemas, hasta la forma de uso y mantenimiento, contienen escollos que no se han analizado a profundidad
a razón primar las ventajas que analizar las posibles desventajas.

46
 Figura.2. Nube de palabras sobre los beneficios de la IA en la vivienda
Nota: Elaboración propia. (2024). Nube de palabras basada en términos de búsqueda en Google. Datos obtenidos de
tendencias de búsqueda sin fuente específica.

Por otro lado, analizando desventajas en el buscador de Google, la búsqueda se reduce exageradamente al
dar 982,000 resultados, es decir, que alrededor de un 7% son respuestas que cuestionan la cantidad de
beneficios que se describen de la IA en la vivienda. De acuerdo con el modelo de lenguaje llamado Chat
GPT versión 4o (OpenAI, 2023), las ventajas suelen destacarse más por el optimismo generalizado
referente al progreso tecnológico, además que suelen ser tangibles, fáciles de observar, más atractivos y
de mayor comercialización que las desventajas, por lo tanto, refuerza la narrativa positiva mientras se
subestiman los riesgos en pro de una calidad de vida y sostenibilidad, y las consecuencias serían como un
“precio a pagar por la modernización”.

Figura.3. Diagrama sobre los principales desafíos, riesgos o amenazas del uso de la IA en la vivienda
Nota: Elaboración propia. (2024). Imagen generada con OpenAI - ChatGPT 4o. Datos obtenidos mediante generación
automatizada de imágenes por IA.

Los riesgos, desafíos o desventajas de la IA habitualmente no se priorizan, ya que tienden a ser más
complejos y abstractos, los riesgos se desconocen, hay poca información o se comprenden parcialmente,
dificultando así su discusión. Por lo tanto, la conversación pública está centrada en los beneficios
inmediatos más que en las repercusiones negativas (Arguelles Toache, 2023). Especialmente su uso en la

47
vivienda es cada vez mayor, sin embargo, no existe un análisis profundo de la existencia de los contras
posibles. De acuerdo con la bibliografía consultada se señalan cinco puntos importantes a considerar como
factores a tomar en cuenta al momento de integrar tecnología en el hogar, figura 3.

1. Riesgos de privacidad y seguridad en los entornos inteligentes.

El riesgo asociado con la privacidad es una preocupación constante en los usuarios, ya que la información
personal tiene posibilidad de ser robada o utilizada sin su consentimiento (Wang et al., 2018). Cada vez
se necesita la tecnología para cualquier actividad dentro y fuera de casa, incluso el trabajo se ha mudado
a dentro, así también la forma de interactuar y vivir, por lo que, existen ámbitos de riesgos, entre de ellos
la privacidad de los datos, la seguridad en la red, el poder del control a distancia y la automatización.

Todos estos aparatos inteligentes recopilan información personal, hábitos de vida, la ubicación y la
permanencia en cada lugar, cada registro de actividades y de consumo en tiempo real, por lo tanto, en esos
datos no hay una debida transparencia de adónde van y qué pasa con ellos, si se comercializan, o los abren
para empresas, incluso si se explotan por fines publicitarios. Tal como indica Arguelles Toache (2023), se
vulnera el derecho a la privacidad en el uso de estas tecnologías, porque los sistemas de la IA se alimentan
principalmente de los datos personales de los usuarios.

2. Exclusión social digital y la brecha tecnológica.

En este punto se tocan tres partes fundamentales, la exclusión social definida por los factores económicos,
educativos, geográficos, y de mantenimiento y actualizaciones. Es evidente que los entornos que más se
han beneficiado con el uso de la IA en la vivienda son los de altos ingresos o en hogares con el mismo
poder adquisitivo, lo que su uso en lugares de escasos recursos económicos es casi inexistente (Wahl et
al., 2018).
Tratando de disminuir esta brecha económica se han generado iniciativas que buscan proporcionar
soluciones en cuanto al uso de energía, incluso hay varios proyectos financiados por fondos públicos de
la Unión Europea para alcanzar más personas. Estos comprendidos por sensores, monitores de interfase,
electrodomésticos, y dispositivos conectados a las redes para obtener la automatización en diferentes
aspectos como: aparatos o dispositivos que controlan calderas, radiadores, iluminación, ventanas, cortinas,
sensores ambientales, portones, puertas, refrigeradores, lavadores, etc. Todo lo anterior para proporcionar
herramientas para luchar contra el cambio climático y tener un desarrollo más sostenible (Wilson,
Hargreaves y Hauxwell-Baldwin., 2017).
El control lo proporciona un software en dispositivos informáticos: PC, teléfonos inteligentes, laptops,
tabletas; o a través de interfaces de hardware dedicadas a ese fin, las conocidas Smart home technologies
(SHTs) son una inversión inicial alta, pero no es solo al inicio, también hay que estar al día con las
actualizaciones, sumado a la compra de protección contra ciberataques, robo o vandalización de los
dispositivos y la obsolescencia programada.
Aunque cada vez hay más personas que desean comprar o tener dispositivos electrodomésticos en sus
hogares, no obstante, la realidad es que mientras países de renta alta aumentan su productividad y mejoran
su calidad de vida de su población al utilizar IA, en los países en desarrollo esta brecha económica es

48
mayor, enfrentándose incluso a la falta de infraestructura digital, más aún a los costes relacionados a
compra, instalación y mantenimiento (Wang et al., 2018).
En cuanto a la exclusión social digital, la IA cuando es utilizada se alimenta de datos de las personas y de
información proveniente de internet, generando vulneraciones en cuanto a discriminación racial, nivel de
alfabetización y capacidades cognitivas (Arguelles Toache, 2023). Por otro lado, la baja alfabetización
digital, o habilidades tecnológicas debido a las diferencias de edades, nivel de infraestructura, poder
adquisitivo, acceso limitado a internet, desigualdad en la propiedad de dispositivos o conectividad solo
exacerba la problemática. Este dato se comprueba con lo dicho por Robert Opp (2021), al explicar que
solo una de cada cinco personas tiene acceso al internet en países en desarrollo, y la mayoría de los casos
son personas de más poder adquisitivo.
3. Contaminación ambiental.
Una smart home no es explícitamente sostenible, no porque implique en sí un aumento del consumo de
energía. Sino porque, existe un impacto con la fabricación de dispositivos, consumo energético de los
sistemas generales de la IA, y el manejo de residuos. Principalmente hay tres niveles en los que se puede
registrar su impacto de la huella del carbono, el ciclo de vida, y las normas y regulaciones.
En un artículo llamado el dilema verde: ¿puede la IA desarrollar su potencial sin dañar el medio ambiente?,
Alokya Kanungo (2023) señala que debido a la complejidad de los datos y los modelos que utiliza la
inteligencia artificial es necesaria mayor cantidad de energía, y esto afecta directamente en las emisiones
de gases invernadero, y en 2040 las emisiones producidas por la industria de las tecnologías de la
información y telecomunicaciones (TIC), será el 14% de las generadas a nivel mundial. También cita una
investigación de la Universidad de Massachusetts, la cual indica que se necesitan 283.95 kilos de dióxido
de carbono, lo equivalente a 330 vuelos de ida y vuelta entre Nueva York y San Francisco
aproximadamente, y casi cinco veces las emisiones de un automóvil promedio durante su vida útil para
entrenar un modelo de IA.
El ciclo de vida de los productos tecnológicos no es largo, debido a las actualizaciones y desarrollo
acelerado, con frecuencia se necesitan comprar nuevos y modernos con las nuevas configuraciones
solicitadas y con la capacidad de procesamientos indispensables, por eso se dice que suelen tener ciclo de
vida corta y rápida obsolescencia, resultando en una gran cantidad de basura (E-waste). Según un informe
de UNITAR (United Nations Institute for Training and Research) en el 2024, la generación de residuos
electrónicos está aumentando cinco veces más que el reciclaje que se documenta, solo en el 2022 se
produjeron 62 millones de toneladas. Más que el hecho de solo acumular es fundamental, remarcar el daño
que producen en el ambiente (flora, fauna y ecosistemas) y la salud de las personas (debido a los aditivos
tóxicos) (Kanungo, 2023).
Los reportes de UNITAR (2024), documentan que Europa produjo en el 2022 un 17.6 % de la E-waste
total de ese año, seguido por Oceanía 16.1%, América el 14.1%, Asia 6.4% y África el 2.5%; teniendo en
cuenta que este último fungió como basurero electrónico de Europa y Norteamérica durante más de 20
años (The Business y Financial Times, 2022)
La electronificación tendrá con el paso de los años mayor expansión, en diferentes ámbitos, por ejemplo,
la vivienda, y esto incrementará la cantidad de residuos (E-waste), y la falta de infraestructura adecuada,

49
las leyes y los hábitos de consumo de cada país agravará la situación, lo que requiere de políticas más
estrictas para fomentar una vida más larga de los dispositivos, la reutilización y el reciclaje.
4. Dependencia tecnológica.

Un tema es utilizar la IA como herramienta y otro es depender completamente para realizar las tareas más
cotidianas. Sin embargo, es un fenómeno en crecimiento alarmante, donde los residentes confían en la
automatización, sienten apego a los dispositivos inteligentes, presentan repercusiones en la salud o pérdida
de autonomía. Por ejemplo, la adición a los dispositivos inteligentes es una de las manifestaciones de la
dependencia a la tecnología, un problema más notorio en países que los han incorporado a la vida cotidiana
de tiempo atrás.

El no tener el móvil cerca, o no estar conectado produce síntomas de malestar, ansiedad, crisis e incluso
trastornos, también conocido como nomofobia, un estado de miedo irracional, y aunque no es una
patología, este término moderno trata de describir los resultados de una encuesta realizada por la oficina
postal de Reino Unido, donde se reveló que un 53% de los entrevistados suele estar ansioso cuando pierde
su celular (no tienen saldo o no pueden acceder a internet). (Forbes, 2023).

Pero no solo hay dependencia al móvil, para que un dispositivo doméstico inteligente alcance un estado
deseado se necesita pasar tiempo retroalimentando y entendiendo estos sistemas disminuyendo el tiempo
en actividades de socialización y el desplazamiento de la atención. Además de incentivar la conducta de
la multitarea en el rendimiento (Harley, 2022,).

La dependencia a la tecnología dentro de casa no solo es intramuros, sino que se exterioriza en todos los
niveles, hay implicaciones físicas, tales como el sedentarismo, problemas músculo esquelético, fatiga
ocular y afectaciones en el ritmo circadiano (Ratan et al., 2021). A nivel mental, suele presentarse estrés,
ansiedad, insomnio y problemas de sueño, adicciones, problemas cognitivos (Chen et al., 2022) (Van
Deursen et al., 2015)

Por último, la automatización excesiva desarrolla pérdida de autonomía y reducción de la interacción

social. Sobre esto un artículo del New York Times, titulado Conexión no deseada: ¿quién tiene el control
de su hogar inteligente?, indica que la proliferación de dispositivos también da la oportunidad que las
personas dependan del dispositivo dejando el control en sus manos como la televisión, el refrigerador, el
empleo de un asistente de voz, la cafetera, encender la luz, activar la aspiradora, programar la lavadora,
entre otros. Esta sensación de control no es más que una sensación ilusoria, el tiempo y costes para manejar
los sistemas. Además, podrían convertirse en una herramienta de abuso, permitiendo a personas con
intenciones no éticas al vulnerar la intimidad de otro, mediante vigilancia o control excesivo, manipulación
o burla, ciberacoso y tormento psicológico, acceso y control remoto sin consentimiento, etc. (Kodé, 2023),

Los hogares en USA suelen tener en promedio 20 dispositivos conectados a internet en sus hogares, según
un informe de la empresa de tecnología Plume en el 2022. Pero en ninguno de los que tiene estas
tecnologías se piensa en el funcionamiento de su vivienda cuando la den a rentar o decidan venderla;
aunque hay pocas empresas que dan asistencia a la mudanza a una Smart Home, las medidas de transición
suelen ser cansadas antes de transferir el control. El portavoz Woods, empleado de Honeywell Home,
dedicado a la asistencia segura interpela que el control sobre la propia casa inteligentes es actualmente

50
una imposibilidad, y es necesario ser consciente de la entrega del trabajo, del pensamiento y de la gestión
de la vida a dispositivos inteligentes (Ibidem, 2023).

5. Aumento de exposición a campos electromagnéticos.

Como consecuencia del aumento en los dispositivos electrónicos, las redes inalámbricas y cableado, se ha
aumentado la exposición a los campos electromagnéticos, estos mejor conocidos como CEM. Los campos
eléctricos y magnéticos son la radiación generada por la electricidad (movimiento de electrones), por un
cable. Mientras que el primero, es la presión con la que empuja esos electrones y se produce, aunque un
aparato esté encendido o apagado, que además se protegen o debilitan en paredes u otros objetos; el
segundo, son el resultado del flujo de la corriente por los cables o aparatos eléctricos, se producen solo
cuando circula corriente y atraviesan edificios, seres vivos e indistintos materiales (NIH, 2022).
A la combinación de los campos eléctricos y magnéticos se llama electromagnéticos o CEM, y existen de
alta frecuencia (ionizantes), que pueden dañar el ADN o las células de forma directa y los de baja o media
frecuencia (no ionizantes), que no se sabe cuál es su repercusión en la salud con exactitud. En los campos
electromagnéticos de baja frecuencia están las líneas de alta tensión, los cables eléctricos, los
electrodomésticos, etc. (CEM-FEB). Las fuentes de radiación por radiofrecuencia son los aparatos y
equipos de telecomunicación inalámbrica, señales de radio y televisión. Un principio fundamental es que
las exposiciones disminuyen al aumentar la distancia ante la fuente (Ibidem, 2022).
En el interior de las viviendas, mayormente en las casas inteligentes se aumentan las fuentes a estos
campos, desde la red eléctrica, las lámparas fluorescentes, LED, los dispositivos inalámbricos, el [Link],
los comunicadores, los sensores, pantallas, móviles, ordenadores, o laptops, entre otros emanan CEM.
Aunque no se haya profundizado en más investigaciones sobre las afectaciones de los campos
electromagnéticos de baja frecuencia hay varios estudios que los relacionan con ciertos padecimientos.
Es necesario continuar la investigación y tomar medidas preventivas para que la población no sea
impactada de forma negativa, más aún las poblaciones vulnerables, por ejemplo, niños y adolescentes,
mujeres embarazadas, persona con electrosensibilidad, personas con problemas de salud preexistentes,
personas mayores, trabajadores en ambientes de alta exposición a CEM (OMS, 2016).
Sus efectos en la salud, aunque no son resultados concluyentes o generalistas, suelen ser a corto plazo:
dolores de cabeza, fatiga, mareos, dificultad para dormir y ansiedad. A largo plazo, ciertas enfermedades
neurológicas, cánceres y problemas reproductivos. Además, tiene efectos físicos y psicológicos como la
hipersensibilidad electromagnética y fibromialgia (GSMA, 2021), (Sessec, 2017), (Soto Sumuano et al.
2021).
Específicamente la hipersensibilidad electroquímica, manifiesta síntomas como insomnio, dolor de
cabeza, neuralgia, dolores osteomusculares, problemas circulatorios (hormigueo), de memoria cercana,
desorientación espacial, prurito, entre otros, y según a la Sociedad Española de Síndrome de Sensibilidad
Central la exposición electromagnética aumenta los problemas de salud, este padecimiento es difícil de
diagnosticar, afecta a nivel sistémico, la base de la enfermedad es lo que se llama sensibilización central,
que comprende más de 50 patologías, en las cuales se encuentra la sensibilidad química y la fibromialgia
(Sessec, 2019).
Los que la padecen se sienten exiliados por la tecnología ya que la presencia de dispositivos
electromagnéticos estás por todas partes, y tal como se resalta en el artículo “Electrosensibilidad:
Aumentan los problemas de salud relacionados con la exposición electromagnética”, La ley establece
límites de exposición para los efectos a corto plazo de los campos eléctricos, magnéticos y
51
electromagnéticos, pero no considera límites más bajos para exposiciones frecuentes, comunes en la vida
diaria.” (Ibidem, 2010, sn).
Finalmente, para cerrar este apartado se señala esta importancia de seguir ahondando en los aspectos
positivos como si los menos agradables por omisión no van a causar repercusiones. Sí existen beneficios
de tener una smart home, no obstante, se necesita un enfoque global para el abordaje del desarrollo,
implementación y transformación de los entornos con IA.

Hacia un futuro saludable: Perspectivas y conclusiones

La inteligencia artificial tiene, por un lado, el potencial de mejorar la salud y sostenibilidad de las
viviendas. Su aplicación en la gestión energética permite un consumo más eficiente de recursos, al mismo
tiempo facilita la creación de entornos de confort térmico y la automatización de tareas rutinarias, lo que
reduce el estrés y fomenta estilos de vida más saludables. En el ámbito de la salud, la inteligencia artificial,
a través de tecnologías como sensores corporales o monitoreo del ambiente en tiempo real, puede
personalizar los entornos domésticos para mejorar el bienestar de los residentes, especialmente aquellos
con condiciones de salud crónicas o personas mayores.
En el futuro, se espera que las viviendas inteligentes no solo sean un centro de automatización y eficiencia
energética, sino espacios que promuevan el bienestar integral de sus habitantes. La inteligencia artificial
desempeñará un papel central en la creación de hogares capaces de anticipar las necesidades físicas,
emocionales y mentales de los residentes. Desde la creación de ambientes saludables y relajantes hasta la
monitorización proactiva de la salud mental, las viviendas del futuro estarán diseñadas para mejorar la
calidad de vida de manera holística. Además, la inteligencia artificial tendrá un rol crucial en el
envejecimiento activo, permitiendo que las personas mayores vivan de manera autónoma en sus hogares
durante más tiempo.
Explorando la evolución de la inteligencia artificial en el sector de la vivienda, desde sus primeros usos
en la automatización de funciones básicas hasta su capacidad actual para transformar hogares en espacios
de bienestar integral. La inteligencia artificial no solo contribuye en el confort, sino que también es
importante en la gestión eficiente de los recursos y el monitoreo de la salud de los residentes.
Por otro lado, su implementación también plantea desafíos importantes, como la privacidad y seguridad,
la exclusión social y brecha digital, contaminación ambiental, dependencia tecnológica, además del
aumento de la exposición a campos electromagnéticos. Es por ello, necesario tomar en cuenta los riesgos
que esto conlleva. La inteligencia artificial es una herramienta no debiera reemplazar la intervención
humana en su totalidad, porque es importante garantizar un equilibrio entre la tecnología y el control
humano.
Aún existen aspectos a mejorar en el campo de la inteligencia artificial aplicada en las viviendas. En
primer lugar, es necesario investigar más a fondo los efectos a largo plazo del uso de la inteligencia
artificial en la salud mental y física de los residentes. También se debe desarrollar una mejor comprensión
de cómo la inteligencia artificial puede adaptarse en diferentes contextos, incluyendo áreas o poblaciones
con acceso limitado a la tecnología. Es necesaria su regulación para proteger el derecho a la información.

52
Por último, seguir trabajando en la mejora de la operación de los dispositivos, asegurando que estos sean
intuitivos, accesibles y seguros para todos.

Bibliografía

Aldrich, F. K. (2003). Inside the Smart Home. [Link]

7_2
Arguelles Toache, E. (2023). Ventajas y desventajas del uso de la Inteligencia Artificial en el ciclo de las
políticas públicas: análisis de casos internacionales. Acta univ, 33. [Link]
Bickerton, C., & Darlington, K. (2017, 01 4). El comienzo de la era de la Inteligencia Artificial |
OpenMind. BBVA Openmind. Retrieved 08 28, 2024, from
[Link]
inteligencia-artificial/.
The Business & Financial Times. (2022, 01 12). Pathways to formalization in Ghana’s E-waste Sector –
a policy brief on sustainable approaches to formalization. [Link]. Retrieved 09 15, 2024, from
[Link]
on-sustainable-approaches-to-formalisation/.
Chen, Q., Dai, W., Li, G., & Ma, N. (2022). The impact of screen time changes on anxiety during the
COVID-19 pandemic: sleep and physical activity as mediators. Sleep and Biological Rhythms, 20, 521–
531. [Link]
Evans, D. (2011). The Internet of Things—How the Next Evolution of the Internet Is Changing Everything.
Scientific Research Publishing. Retrieved 09 15, 2024, from
[Link]
Forbes. (2023, 02 19). Nomofobia: Un miedo irracional que nos acecha. Forbes México. Retrieved 09 15,
2024, from [Link]
smartphones/
Graham, S., Depp, C., Lee, E., Nebeker, C., Tu, X., Kim, H.-C., & Jeste, D. (2019). Artificial Intelligence
for Mental Health and Mental Illnesses: an Overview. eScholarship. Retrieved 08 29, 2024, from
[Link]
[Link].
Graham-Rowe, D. (09, 08, 01). Home Smart Home. MIT Technology Review. Retrieved 09 15, 2024,
from [Link]
GSMA. (2021). International EMF exposure guidelines. [Link]
content/uploads/2021/10/GSMA_International_EMF_Exposure_Guideline_Oct21.pdf
Hargreaves, T., Wilson, C., & Hauxwell-Baldwin, R. (2018). Learning to live in a smart home.
[Link]
Harley, D. (2022). Digital Wellbeing: Making Sense of Digital Dependency. In Mindfulness in a Digital
World (pp. 1-25). Springer International Publishing. [Link]
ISO. (2022). IEC 22989:2022 - Information technology — Artificial intelligence — Artificial intelligence
concepts and terminology. ISO. Retrieved 08 28, 2024, from
[Link]
ISO. (2022). ¿Qué es la inteligencia artificial (IA)? ISO. Retrieved 08 28, 2024, from
[Link]

53
Kanungo, A. (2023, 07 18). The Real Environmental Impact of AI. [Link]. Retrieved 09 15, 2024, from
[Link]
Kodé, A. (2023, 02, 17). Is Your Smart Home Controlling You? The New York Times.
[Link]
Nasab, M., Zand, M., Eskandari, M., Sanjeevikumar, P., & Siano, P. (2021). Optimal Planning of
Electrical Appliance of Residential Units in a Smart Home Network Using Cloud Services. Smart Cities,
4. [Link]
NFHA. (2021). NFHA's Chief Tech Equity Officer, Michael Akinwumi, Discusses AI Bias with
Government Matters News - NFHA. National Fair Housing Alliance. Retrieved 08 21, 2024, from
[Link]
with-government-matters-news/.
NIH. (2022, 04, 30). Los campos electromagnéticos y el cáncer. National Cancer Institute. Retrieved
September 16, 2024, from [Link]
prevencion/riesgo/radiacion/hoja-informativa-campos-electromagneticos.
Nilsson, N. J. (2013). The Quest for Artificial Intelligence. Cambridge University Press.
[Link]
OMS. (2016, 08, 04). ¿Qué son los campos electromagnéticos? Retrieved 09 16, 2024, from
[Link]
Opp, R. (2021, 07, 23). La evolución de la brecha digital | Programa De Las Naciones Unidas Para El
Desarrollo. Programa de las Naciones Unidas para el Desarrollo (PNUD. Retrieved 09 15, 2024, from
[Link]
Parlamento Europeo. (2020, 09, 23). Inteligencia artificial: oportunidades y desafíos. Inteligencia
artificial: oportunidades y desafíos | Temas | Parlamento Europeo. Retrieved 09 11, 2024, from
[Link]
oportunidades-y-desafios
Ratan, Z. A., Parrish, A.-M., Zaman, S. B., Alotaibi, M. S., & Hosseinzadeh, H. (2021, 11 22). Smartphone
Addiction and Associated Health Outcomes in Adult Populations: A Systematic Review. Int. J. Environ.
Res. Public Health, 18(22). [Link]
Rico, A., Smuts, C., & Larson, K. (2022, 04, 06). Chameleon: Adaptive Sensor Intelligence for Smart
Buildings — MIT Media Lab. MIT Media Lab. Retrieved 09 15, 2024, from
[Link]
Sage Computing Inc. (2024, 02, 20). Using AI to Promote Equitable and Affordable Housing | HUD
USER. HUD User. Retrieved August 21, 2024, from [Link]
[Link].
Schwalbe, N., & Wahl, B. (2020, 05, 16). Artificial intelligence and the future of global health. PubMed.
Retrieved 08 21, 2024, from [Link]
Selman, B., Bringsjord, S., & Govindarajulu, N. S. (2018, 07, 12). Artificial Intelligence (Stanford
Encyclopedia of Philosophy). Stanford Encyclopedia of Philosophy. Retrieved 08 21, 2024, from
[Link]
Sessec. (2017, 10, 16). Sensibilidad electromagnética: tan desconocida como incapacitante – Sessec.
Sociedad Española de Síndrome de Sensibilidad Central. Retrieved 09 16, 2024, from
[Link]
Sessec. (2019, 01, 17). Electrosensibilidad: Aumentan los problemas de salud relacionados con la
exposición electromagnética – Sessec. Sociedad Española de Síndrome de Sensibilidad Central. Retrieved
09 16, 2024, from [Link]
relacionados-con-la-exposicion-electromagnetica/

54
Singh, J. A. (2019). Artificial Intelligence and global health: opportunities and challenges. ResearchGate.
Retrieved 08 29, 2024, from
[Link]
unities_and_challenges.
Soto Sumuano, J. L., Abundis Gutiérrez, E., Garibaldi Covarrubias, J. A., y Romo Rubio, H. (2021).
Radiación electromagnética, leucemia infantil y regulación. Rev. Int. Contam. Ambient, 36, 229-240.
[Link]
Sovacool, B. K., & Furszyfer Del Rio, D. D. (2020). Smart home technologies in Europe: A critical review
of concepts, benefits, risks and policies. Renewable and Sustainable Energy Reviews, 120.
[Link]
Stanford University. (2016). Defining AI | One Hundred Year Study on Artificial Intelligence (AI100).
One Hundred Year Study on Artificial Intelligence (AI100). Retrieved 08 21, 2024, from
[Link]
Talal, M., Zaidan, A., Albahri, A. S., Alamoodi, A., Albahri, O., Alsalem, M. A., Lim, C., Tan, K., Shir,
W., & Mohammed, K. (2019). Smart Home-based IoT for Real-time and Secure Remote Health
Monitoring of Triage and Priority System using Body Sensors: Multi-driven Systematic Review.
10.1007/s10916-019-1158-z
Thakkar, A., Gupta, A., & De Sousa, A. (2024, 03 17). Artificial intelligence in positive mental health: a
narrative review. Digital Mental Health, 6. [Link]
Tural, E., Lu, D., & Cole, A. (2021). Safely and Actively Aging in Place: Older Adults' Attitudes and
Intentions Toward Smart Home Technologies.
United Nations Institute for Training and Research. (2024, 03 20). Global e-Waste Monitor 2024:
Electronic Waste Rising Five Times Faster than Documented E-waste Recycling. UNITAR. Retrieved 09
15, 2024, from [Link]
waste-rising-five-times-faster-documented-e-waste-recycling
Van Deursen, A. J.A.M., Bolle, C. L., Hegner, S. M., & Kommers, P. A.M. (2015). Modeling habitual
and addictive smartphone behavior: The role of smartphone usage types, emotional intelligence, social
stress, self-regulation, age, and gender. Computers in Human Behavior, 45, 411-420.
[Link]
Vigliotti, A. (2023, 10, 27). AI in the Mental Health Field. Psychology Today. Retrieved 09 15, 2024,
from [Link]
Wahl, B., Cossy-Gantner, A., Germann, S., & Schwalbe, N. R. (2018, 08 29). Artificial intelligence (AI)
and global health: how can AI contribute to health in resource-poor settings? NCBI. Retrieved 08 23,
2024, from [Link]
Wang, X., McGill, T. J., & Klobas, J. E. (2018, 11, 21). I Want It Anyway: Consumer Perceptions of
Smart Home Devices. Journal of Computer Information Systems.
[Link]
Wilson, C., Hargreaves, T., & Hauxwell-Baldwin, R. (2017). Benefits and risks of smart home
technologies. Energy Policy, 103, 72-83. [Link]
Yar, H., Shariq, A., Ahmad, Z., & Sajjad, M. (2021, 07). Towards Smart Home Automation Using IoT-
Enabled Edge-Computing Paradigm. 10.3390/s21144932

55
 Inteligencia artificial y redes neuronales en el diseño de productos:
hibridación y creatividad humana
Gerardo Vázquez Rodríguez

Introducción
En este último período, la inteligencia artificial (IA) ha penetrado en el campo del diseño de productos
con una fuerza sin precedentes, transformando los procesos creativos tradicionales e introduciendo nuevas
dinámicas en la generación de formas y soluciones innovadoras. Particularmente, las redes neuronales
artificiales, modelos computacionales inspirados en la estructura del cerebro humano, han demostrado una
capacidad notable para identificar patrones complejos y generar diseños que desafían las nociones
convencionales de autoría y creatividad (Goodfellow, Bengio, & Courville, 2016). Estos sistemas
aprenden a partir de grandes volúmenes de datos, extrapolando nuevas configuraciones que, en muchos
casos, no habrían sido concebibles por diseñadores humanos. No obstante, este fenómeno plantea
interrogantes fundamentales sobre la naturaleza de la creatividad y su relación con la tecnología,
cuestiones que requieren un enfoque teórico multidisciplinar riguroso para ser comprendidas en toda su
profundidad.

Desde la anterior perspectiva, la emergencia de la "creatividad artificial" invita a repensar las distinciones
tradicionales entre la creatividad humana y la herramienta computacional, así como las implicaciones
éticas y ontológicas de esta interacción. Como señala Verbeek (2011), la tecnología no es un simple
instrumento neutral, sino un agente con capacidad para transformar nuestras prácticas, nuestros valores y
nuestra comprensión del mundo. Aplicado al diseño de productos, esto implica que la IA no solo es una
herramienta para crear formas nuevas, sino también actores que participan en la redefinición del concepto
mismo de creatividad. Así, este artículo se propone abordar este fenómeno desde una teoría descriptiva
que, sin embargo, pretende ser también prescriptiva, partiendo del análisis de la capacidad de la
inteligencia artificial basada en redes neuronales para complementar los procesos de diseño.

Consecuentemente, desde el anterior contexto, el problema central de este texto radica en la necesidad de
comprender y orientar las capacidades y características primordiales de la IA de manera que se integren
armónicamente con las habilidades creativas humanas inherentes al acto de diseñar.

El objetivo primordial del documento será el desarrollar un marco teórico reflexivo que sirva como una
guía para esta integración, ofreciendo recomendaciones para el uso ético y eficiente de la IA en el diseño
y la pregunta de investigación central de este trabajo será: ¿Cómo podemos integrar de manera ética y
efectiva los procesos de la inteligencia algorítmica artificial con la creatividad humana, para enriquecer el
proceso de diseño y generar productos que reflejen tanto la innovación tecnológica como los valores
humanos?

56
Metodología
Complementariamente, la metodología empleada será de naturaleza cualitativa, centrada en la evaluación
crítica de estudios recientes para identificar los desafíos y oportunidades inherentes a la aplicación de la
IA en el diseño de productos y subsecuentemente los resultados y conclusiones destacan por medio de un
conjunto de principios reflexivos la importancia de adoptar un enfoque multidisciplinario, la necesidad de
transparencia en el uso de algoritmos y datos, así como la implementación de evaluaciones éticas
continuas.

La revisión crítica de textos en una investigación científica cualitativa puede definirse como un proceso
sistemático y reflexivo de lectura, análisis y evaluación de la literatura existente sobre un tema
determinado, con el objetivo de identificar los enfoques, metodologías, hallazgos y vacíos que
fundamentan o desafían la investigación que se está llevando a cabo (Ridley, 2012), figura.1. Este proceso
no se limita a describir lo que dicen las fuentes, sino que también implica un análisis profundo de la
coherencia, la solidez teórica y la relevancia de los argumentos presentados, lo que permite al investigador
formarse un criterio propio y fundamentar sólidamente su marco teórico y metodológico (Hart, 2018).

Figura 1 Mapa conceptual de la secuencia de pasos de una revisión crítica. Elaboración propia

Así, la revisión crítica no es un proceso estático, sino iterativo, lo que implica que el investigador puede
volver a etapas anteriores para refinar sus criterios, incorporar nuevas fuentes o reevaluar su análisis
conforme avanza el estudio. Esta metodología, al centrarse en la profundidad y el rigor analítico, ofrece
una visión sólida y matizada del campo de investigación, sirviendo como un pilar fundamental en la
construcción de conocimiento cualitativo (Machi y McEvoy, 2016).

En consecuencia, a lo anterior, este artículo intenta insertarse en un debate más amplio sobre el papel de
la tecnología en la sociedad contemporánea, intentando contribuir al entendimiento crítico de cómo la
inteligencia artificial puede integrarse al proceso creativo del diseño, de manera que se potencie la
colaboración entre humanos y máquinas, sin sacrificar la agencia y los valores humanos.

57
Marco Teórico
Para desarrollar una comprensión profunda de cómo la creatividad computacional puede integrarse y
complementarse con la creatividad humana en el diseño de productos, es esencial establecer un marco
teórico que articule los conceptos clave que subyacen a esta interacción. En línea con el enfoque teórico
adoptado en este artículo, el presente apartado se centra en tres elementos fundamentales: primero, una
exploración del funcionamiento de la inteligencia artificial, específicamente en el uso de las redes
neuronales en el diseño; segundo, un análisis comparativo de las nociones de creatividad humana y
“creatividad computacional” desde una perspectiva filosófica; y en el tercer apartado se conceptualiza un
acoplamiento para abordar la interacción entre ambos tipos de creatividad.

IA por Redes Neuronales y Diseño de Productos

Especificamos a continuación, por qué justificamos que la inteligencia artificial basada en redes
neuronales se presenta como una de las descripciones más relevantes para quienes diseñan productos.
Sustentamos que las herramientas de IA basadas en redes neuronales son prioritarias actualmente para las
principales herramientas de diseño. Esto es debido a su capacidad para procesar grandes volúmenes de
datos, identificar patrones complejos y generar soluciones innovadoras que difícilmente serían alcanzadas
mediante métodos convencionales. Esta tecnología, a través de arquitecturas como las redes generativas
adversarias (GANs)1 y los modelos de aprendizaje profundo, permite a los diseñadores experimentar con
formas, estructuras y funciones de manera más eficiente, aumentando el espectro creativo disponible para
los profesionales del diseño (Vázquez Rdz. G. 2023).

Técnicamente, las redes neuronales artificiales, en su forma más básica, son modelos matemáticos que
simulan la manera en que las neuronas del cerebro humano procesan la información. Estas redes consisten
en capas de neuronas artificiales computacionales que se conectan entre sí para identificar patrones y
generar salidas específicas a partir de entradas complejas (LeCun, Bengio, y Hinton, 2015). Las redes
neuronales, son concebidas como una subcategoría del aprendizaje automático dentro del campo de la
inteligencia artificial y han demostrado ser herramientas poderosas para generar, evaluar y optimizar
soluciones de diseño, aportando una dimensión algorítmica que complementa la creatividad humana.

Actualmente, la aplicación de redes neuronales en el diseño de productos está permitiendo expandir los
límites del campo del diseño en general, redefiniendo el papel del diseñador y la naturaleza del proceso
creativo. Al colaborar con algoritmos, los diseñadores ya no están limitados a las habilidades y técnicas
humanas, sino que pueden explorar un espectro mucho más amplio de posibilidades creativas. Esta co-
creación asistida por IA no solo incrementa la eficiencia del proceso de diseño, sino que también desafía
las nociones tradicionales de creatividad y autoría, sugiriendo que la innovación del futuro podría ser el
resultado de una simbiosis entre inteligencia humana y artificial (Vázquez Rdz. G. 2023).

1 GAN, este sistema se puede describir como un tipo de algoritmo de aprendizaje profundo que se utiliza para generar imágenes y otros tipos de datos
similares, como sonidos y videos, a partir de datos de entrenamiento existentes. Puntualizando, una GAN está compuesta por dos redes neuronales que
compiten entre sí en un proceso de aprendizaje reiterado. Una red se encarga de generar datos de entrenamiento, mientras que la otra red se encarga de
evaluar si esos datos son lo suficientemente parecidos a los datos reales de entrenamiento. Por lo tanto, GAN es un tipo de inteligencia artificial que puede
generar nuevas imágenes, sonidos o videos que parecen auténticos y que no han sido creados por un ser humano. Este tipo de tecnología se está
utilizando cada vez más en aplicaciones como el diseño gráfico, la animación, los videojuegos y la creación de contenido generado por computadora
(Vázquez Rdz. G. 2023).

58
En el ámbito del diseño de productos, las redes neuronales permiten personalización masiva y
optimización de los objetos de diseño mediante el análisis de patrones que reflejan el comportamiento y
las preferencias de los usuarios (Verganti, R., et al., 2020). Además, las redes neuronales pueden generar
y probar variaciones en el diseño a una velocidad que supera las capacidades humanas, lo que resulta en
una aceleración significativa del proceso de desarrollo de productos. Por ejemplo, la posibilidad de realizar
simulaciones rápidas con redes neuronales permite probar la viabilidad estructural de un diseño antes de
su fabricación, lo que reduce el tiempo y los costos de desarrollo (Tan, R. K., Zhang, N. L., y Ye, W. 2020).

Asimismo, el uso de estas redes está fomentando la innovación radical al explorar territorios creativos
inusuales, facilitando la generación de propuestas de diseño que, aunque fuera del espectro convencional,
pueden ser evaluadas y refinadas por los diseñadores humanos. Según McCormack et al. (2019), estas
herramientas no solo expanden las posibilidades creativas, sino que también desafían las formas
tradicionales de pensar y producir, permitiendo un enfoque más interactivo y experimental.

Por tanto, la inteligencia artificial basada en redes neuronales empieza a representar una especificación
clave para quienes se dedican al diseño de productos, no solo para optimizar sus procesos de creación,
sino también para mantenerse competitivos en un entorno cada vez más dominado por la tecnología y la
automatización.

A continuidad, se muestran algunos ejemplos más notorios de cómo se está utilizando la inteligencia
artificial basada en redes neuronales para el diseño:

1. Generación de patrones textiles y moda: Empresas como Zalando han utilizado redes neuronales
para generar patrones textiles y diseños de moda originales. A través de su proyecto "Fashion
DNA", figura.2. Zalando emplea IA para analizar grandes conjuntos de datos de preferencias de
los clientes y tendencias de moda, lo que permite crear prendas personalizadas y ajustadas a las
preferencias individuales de los consumidores (Bracher, C., Heinz, S., y Vollgraf, R. 2016). Esto
no solo ha transformado el proceso de diseño en el sector de la moda, sino que también ha
permitido una mayor personalización a gran escala, ofreciendo un ejemplo claro de la eficiencia
de las redes neuronales para la personalización en masa.

Figura 2 Resultado del proyecto "Fashion DNA", la empresa Zalando ha creado un asistente de moda virtual
basado en Chat Gpt para sus clientes en Reino Unido (Halliday S. 2023).
[Link]
para-reino-unido,[Link]

2. Diseño generativo en arquitectura y mobiliario: La empresa Autodesk, mediante su herramienta

“Autodesk Dreamcatcher”, ha utilizado redes neuronales para llevar a cabo procesos de diseño
generativo que permiten crear cientos de alternativas de diseño arquitectónico o de mobiliario,

59
 optimizadas según parámetros definidos por el usuario, como resistencia estructural, uso de
materiales, costos, entre otros, figuras 3 y 4. Este sistema propone soluciones innovadoras que no
serían alcanzadas por el ingenio humano en un tiempo limitado, logrando un diseño más eficiente
y adaptado a los requerimientos específicos (McCormack et al., 2019).

Figura 3. Imagen síntesis del Proyecto Dreamcatcher de AUTODESK: It’s Alive in the Lab. (2015, septiembre).
Project Dreamcatcher: Literally Building Bridges to the Future [Imagen].
[Link]

Fig. 4. Modelo paramétrico de estructura de soporte, ejemplo del Proyecto Dreamcatcher de AUTODESK: It’s Alive
in the Lab. (2015, septiembre). Project Dreamcatcher: Literally Building Bridges to the Future [Imagen].
[Link]

3. Automóviles diseñados por IA: Las empresas “General Motors (GM)” y Toyota, figura 5, en
colaboración con Autodesk, ha empleado redes neuronales para diseñar componentes de vehículos
más ligeros y eficientes. Un ejemplo de ello es el desarrollo de una estructura de asiento impresa
en 3D para el automóvil eléctrico que es 40% más ligera y 20% más resistente que las piezas
tradicionales. Este proceso de diseño generativo optimizado por redes neuronales ha permitido a
GM reducir el tiempo y los costos de fabricación, al tiempo que mejora el rendimiento del producto
(Autodesk, 2020).

60
 Figura 5. Diseño de asientos automotrices para la empresa Toyota, por medio de programas basados en redes
neuronales. Autodesk. (2023). Generative design seat frame [Imagen]. Autodesk. [Link]
make/articles/generative-design-seat-frame

4. Aplicaciones de diseño de productos digitales con IA: Plataformas como “RunwayML”, figura 6
y “Artbreeder”, figura 7, son ejemplos recientes de cómo las redes neuronales se están utilizando
para generar imágenes y diseños visuales. Estas plataformas permiten a los diseñadores crear
prototipos visuales, gráficos e incluso personajes utilizando algoritmos de redes generativas
adversarias (GANs). Actualmente, “RunwayML” está siendo utilizada por estudios creativos y
agencias para generar contenido visual original, mientras que “Artbreeder” ha permitido a artistas
y diseñadores explorar nuevas formas de arte digital basadas en la co-creación entre el usuario y
la máquina (RunwayML, 2021).

Figura 6 Imagen y video creado desde prompt en RunwayML. Alegrefinanzas. (2024). Runway ML: la IA que anima
tus imágenes [Imagen]. [Link]

Figura 7. Voshart, D. (2020, July). Roman Emperor Project [Imagen]. [Link]

PROJECT

61
Estos ejemplos pueden ilustrar el latente potencial de las redes neuronales para revolucionar el proceso de
diseño de productos masivos, al generar propuestas más eficientes, personalizadas e innovadoras que
complementan la creatividad humana.
Cabe acotar, que, será decisivo el crear perspectivas teóricas – reflexivas para el estudio del uso de la
inteligencia artificial (IA) basada en redes neuronales en el diseño para poder comprender y anticipar las
implicaciones más profundas que esta tecnología tendrá en la creatividad, la autonomía y la ética del
diseño; antes de su adopción masiva.

Así, para autores como McCormack et al. (2019), al delegar decisiones creativas a máquinas, corremos el
riesgo de diluir la naturaleza intencional del diseño, donde la expresión humana es fundamental, sí la IA
tomará un papel preponderante en el proceso creativo sin las reflexiones adecuadas, podríamos terminar
adoptando una visión reduccionista de la creatividad humana, bajo el riesgo evidente de su reducción. Por
tanto, la adopción masiva de redes neuronales en el diseño sin una comprensión crítica expone el riesgo
de convertir al diseñador en solo un intermediario pasivo entre la tecnología y el producto, esta
automatización podría limitar la capacidad del diseñador para tomar decisiones conscientes y reflexivas,
lo que puede influir negativamente en la calidad y la originalidad de los productos creados.

Además, y bajo este entorno, el análisis ético sería indispensable; las redes neuronales aprenden de
conjuntos de datos que reflejan estructuras y valores humanos, pero también pueden perpetuar sesgos, lo
que podría derivar en productos de diseño que refuercen desigualdades o patrones problemáticos (Brey,
2012). En la medida de lo anterior, será esencial estudiar cómo los algoritmos de diseño reflejan estas
dinámicas y cómo se pueden mitigar los efectos negativos antes de que se implementen de manera
extendida.

En perspectiva, el uso contemporáneo de redes neuronales en el diseño de productos está permitiendo

avances significativos en la generación de nuevas formas, personalización masiva y optimización del
rendimiento. Sin embargo, la creciente autonomía de las redes neuronales plantea preguntas críticas sobre
el papel del diseñador humano y la naturaleza de la creatividad en este contexto. ¿En qué medida se puede
considerar que estas redes están "creando" en un sentido similar al humano, y cómo deberíamos interpretar
esta capacidad? Es aquí donde surge la necesidad de un análisis más profundo de los conceptos de
creatividad humana y su soporte computacional. Dicho lo anterior, el siguiente apartado del texto intentará
puntualizar sobre estas preguntas.

Creatividad humana y creatividad computacional

Sobre la creatividad humana, ha sido tradicionalmente concebida como la capacidad de generar ideas,
soluciones o productos originales y valiosos a través de procesos cognitivos complejos que implican
imaginación, intuición y juicio crítico (Boden, 2004). En contraste y en debate, la "creatividad
computacional o algorítmica" se refiere a la capacidad de los sistemas de inteligencia artificial, como las
redes neuronales, para producir resultados “novedosos” a partir de grandes volúmenes de datos y
algoritmos de aprendizaje. Aunque muchos teóricos sugieren que esta forma de creatividad es meramente
derivativa, otros argumentan que las máquinas pueden, de hecho, exhibir formas de creatividad genuina,
especialmente cuando generan ideas que no hubieran sido previsibles ni por los propios diseñadores
humanos (McCormack et al., 2019).

62
La discusión sobre la existencia de la creatividad computacional basada en algoritmos ha generado un
debate profundo en el ámbito académico, con posiciones divergentes respecto a si los sistemas
computacionales, particularmente aquellos basados en redes neuronales, pueden realmente ser
considerados creativos en el sentido en que se aplica a los seres humanos. Tres autores relevantes en este
debate son Margaret Boden (2004), Jürgen Schmidhuber (2008) y Mark Coeckelbergh (2020), cuyas obras
representan diversas aproximaciones a la pregunta de si la creatividad computacional es una forma genuina
de creatividad o simplemente una simulación de procesos humanos.

Para Boden (2004), una de las pioneras en la filosofía de la creatividad, distingue entre tres tipos de
creatividad: combinatoria, exploratoria y transformacional. Boden argumenta que las máquinas pueden
ser creativas en el sentido combinatorio y exploratorio, ya que pueden combinar elementos existentes de
maneras novedosas o explorar un espacio predefinido de posibilidades. Sin embargo, señala que la
creatividad transformacional, que implica la reconfiguración radical de los marcos conceptuales, es un
dominio exclusivo de los humanos debido a la profunda relación entre la creatividad y el contexto cultural,
algo que los algoritmos aún no pueden comprender plenamente. Según Boden, aunque los algoritmos
pueden generar resultados sorprendentes, estos no pueden tener una intención creativa intrínseca, un
componente central de la creatividad humana.

Por su parte, Schmidhuber (2008), reconocido investigador en redes neuronales y aprendizaje profundo
sostiene una posición más optimista sobre la creatividad computacional. Schmidhuber argumenta que los
sistemas basados en redes neuronales profundas pueden ser considerados creativos en tanto que producen
resultados novedosos que no han sido programados explícitamente. Para Schmidhuber, la creatividad
surge cuando un sistema optimiza su capacidad para generar estructuras nuevas a partir de experiencias
previas, algo que los algoritmos de aprendizaje profundo pueden hacer de manera cada vez más autónoma.
Desde esta perspectiva, las redes neuronales tienen el potencial de generar artefactos sorprendentes y
útiles, lo que podría constituir una forma de creatividad comparable a la humana, aunque basada en
principios computacionales.

En contraste, Mark Coeckelbergh (2020) adopta una posición crítica sobre la posibilidad de la creatividad
algorítmica. Coeckelbergh cuestiona la idea de que las máquinas puedan ser genuinamente creativas, ya
que considera que la creatividad humana está intrínsecamente ligada a la agencia, la experiencia subjetiva
y el contexto ético y social en el que se generan las ideas y los productos creativos. Desde una perspectiva
fenomenológica, argumenta que, aunque los algoritmos puedan producir resultados que se perciben como
creativos, esto no significa que haya una intención o subjetividad detrás de estos procesos. Según
Coeckelbergh, la noción de creatividad computacional solo puede ser comprendida como una metáfora,
ya que los algoritmos carecen de la capacidad de experimentar el mundo y, por lo tanto, no pueden ser
creativos en el mismo sentido que los humanos.

Estas tres perspectivas sugieren que el debate sobre la creatividad computacional no se centra únicamente
en la capacidad técnica de los algoritmos para generar resultados novedosos, sino en cuestiones filosóficas
más amplias sobre la agencia, la intencionalidad y el contexto cultural. Mientras que Boden y
Coeckelbergh ponen énfasis en los límites conceptuales y fenomenológicos de la creatividad algorítmica,
Schmidhuber ve en los avances tecnológicos el potencial para expandir nuestra comprensión de la
creatividad más allá de lo humano.

63
Sin embargo, y de visión más radical sobre el aporte de la inteligencia artificial hacia el fenómeno de la
creatividad algorítmica, podríamos también mencionar autores como David Cope (2004), defensor de la
creatividad computacional, quien ha sido pionero en el uso de algoritmos para componer música,
desarrollando el software Experiments in Musical Intelligence (EMI), que ha generado piezas musicales
originales de alta calidad. Cope argumenta que, si la creatividad se define como la capacidad de combinar
elementos existentes de manera novedosa y efectiva, los algoritmos como EMI demuestran una forma de
creatividad. Cope desafía la idea de que la creatividad está intrínsecamente ligada a la conciencia o la
subjetividad humana, sugiriendo que la producción de obras nuevas y originales por parte de algoritmos
es un claro indicio de creatividad, aunque no necesariamente idéntica a la humana.

Simon Colton (2012) también ha contribuido significativamente al debate sobre la creatividad

computacional, a través de su proyecto The Painting Fool, un sistema de IA diseñado para crear obras de
arte visual originales. Colton introduce el concepto de “creatividad simulada”, argumentando que, si bien
los sistemas de IA no son conscientes, sí pueden emular muchos aspectos de la creatividad humana, como
la generación de obras sorprendentes o la capacidad de adaptarse a nuevos estilos y técnicas artísticas.
Según Colton, el valor de la creatividad no debe medirse únicamente por la conciencia o intencionalidad
del creador, sino por la novedad, la utilidad y la calidad del producto final, criterios que muchos sistemas
algorítmicos cumplen con creces.

Así, estos últimos autores coinciden en que, bajo ciertos parámetros, la creatividad computacional es una
realidad tangible, ya que los algoritmos pueden producir resultados que son innovadores y valiosos en
diversos campos como la música, las artes visuales y el diseño; y aunque algunos críticos sostienen que la
creatividad auténtica requiere de una experiencia subjetiva, los defensores de la creatividad algorítmica
insisten en que los productos generados por estos sistemas son evidencia suficiente de que la creatividad
no es exclusivamente humana. De este modo, el debate sobre la creatividad computacional se enmarca en
una cuestión más extensa sobre la naturaleza de la creatividad misma y los criterios por los cuales debe
ser evaluada.

En consecuencia, de todo lo anterior, este debate contemporáneo subraya la necesidad de continuar

explorando tanto los aspectos técnicos como los filosóficos de la creatividad computacional en el diseño
de productos y otras áreas.

Para este trabajo en particular, nuestro enfoque sobre la llamada “creatividad computacional” será más
una referencia directa a los procesos emergentes e inesperados que la inteligencia artificial proyecta como
resultado de la interacción con la masividad de datos del universo virtual y su interacción con el
programador humano. Desarticulando el concepto de creatividad artificial de cumplir con las
características naturales de la creatividad humana, propiciadas desde la interacción con la realidad
ambiental. Desde el contexto del diseño contemporáneo, la dicotomía entre creatividad humana y la
llamada “creatividad computacional” ha dado lugar a un debate profundo sobre la naturaleza de la
creatividad y el papel que la inteligencia artificial (IA) puede desempeñar en la generación de ideas y
soluciones de diseño.

Derivado de lo anterior, postulamos que la co-creación entre la creatividad humana y computacional se

basa principalmente en la integración sinérgica de ambos tipos de creatividad, lo que permite explorar un
espectro más amplio de posibilidades creativas en el diseño de productos. Esta interacción no implica
simplemente que los algoritmos sustituyan a los humanos, sino que más bien potencien sus capacidades

64
al expandir el horizonte de lo posible. Boden (2004) justifica este tipo de co-creación, al describir la
creatividad ampliada tanto a lo humano como a lo artificial, como un proceso de exploración y
transformación de "espacios conceptuales", y las máquinas, particularmente los algoritmos de aprendizaje
profundo pueden navegar en estos espacios de formas que los humanos no pueden prever o imaginar. Un
claro ejemplo es el diseño generativo asistido por IA, en el que los algoritmos sugieren cientos o miles de
variantes de un diseño basadas en parámetros definidos por humanos, como materiales, restricciones
espaciales, y objetivos funcionales.

Uno de los modelos más destacados de esta co-creación es el uso de redes generativas adversarias (GANs)
para crear objetos de diseño únicos. Como mencionábamos anteriormente, estas redes operan en un
proceso de "competencia" entre dos redes neuronales: una generadora, que crea nuevas ideas, y una
discriminadora, que evalúa la calidad y originalidad de estas ideas. Este proceso permite la generación de
patrones, formas y estructuras que, aunque inicialmente creados por una máquina, son evaluados y
refinados por diseñadores humanos, resultando en productos que combinan lo mejor de la creatividad
humana y algorítmica. Por ejemplo, actuales empresas de diseño de muebles han utilizado estas técnicas
para generar nuevos tipos de muebles que combinan formas clásicas con innovaciones modernas, dando
lugar a piezas que serían difíciles de imaginar utilizando solo métodos de diseño tradicionales (Elgammal
A., 2017).

Además, la co-creación entre humanos y algoritmos está permitiendo nuevos alcances en el diseño de
productos, particularmente en términos de innovación radical y personalización masiva. Mientras que la
creatividad humana puede estar limitada por la experiencia previa y los sesgos cognitivos, la creatividad
computacional puede explorar combinaciones inesperadas y analizar grandes conjuntos de datos en busca
de patrones que los diseñadores humanos podrían pasar por alto. Incluso, para Ihde (1990), las tecnologías
no solo amplifican las capacidades humanas, sino que también las transforman, alterando
fundamentalmente la manera en que los humanos interactúan con el mundo y con sus propias capacidades
creativas.

De este modo, los modelos contemporáneos de creación hibrida, están dando lugar a diseños que desafían
las convenciones estéticas y funcionales existentes. En particular, en el ámbito de la moda, por ejemplo,
empresas como Google y H&M han colaborado en proyectos donde los algoritmos de IA analizan datos
sobre las tendencias globales de moda, clima y comportamiento del consumidor para crear prendas que
no solo son estéticamente innovadoras, sino que también responden a las necesidades cambiantes de los
consumidores en tiempo real (Marr B. 2018).

La co-creación, también se refleja actualmente en el desarrollo de interfaces y herramientas de diseño

colaborativas, donde tanto el diseñador humano como la máquina son "coautores" del resultado final, esta
unión es clara en herramientas digitales, como Runway ML y [Link], donde se ofrece a los
diseñadores no solo una gama ampliada de opciones creativas, sino también la posibilidad de experimentar
de manera rápida con un "co-diseñador algorítmico” que genera ideas que de otra manera serían
imposibles o demasiado costosas de producir. Estas herramientas permiten que los diseñadores humanos
se enfoquen más en la dirección creativa y la toma de decisiones estratégicas, mientras que el algoritmo
explora combinaciones de soluciones basadas en grandes conjuntos de datos (McCormack et al., 2019).

En general, la interacción entre creatividad humana y computacional en el diseño de productos está

generando una modificación del arquetipo en el área del diseño, donde la creatividad empieza a ya no

65
entenderse como una facultad exclusivamente humana, sino como un fenómeno emergente de la
colaboración entre humanos y máquinas. En consecuencia y aparentemente, este enfoque está permitiendo
no solo una mayor eficiencia y diversidad en la generación de ideas de diseño, sino también una
redefinición de lo que significa ser creativo en la era de la inteligencia artificial.

Más, sin embargo, todo lo anterior plantea compendios de preguntas éticas y filosóficas sobre la autoría,
la agencia y el valor de la creatividad en un mundo donde los algoritmos tienen un rol cada vez más
significativo en la creación de lo nuevo.

A continuación, se presenta una propuesta de tabla que sintetiza los principales autores en el debate sobre
la creatividad humana y computacional, junto con sus contribuciones conceptuales. Esta tabla integra tanto
las perspectivas clásicas como las más recientes y añade autores que complementan y amplían la visión
existente:
Autor(es) Contribución/Concepto
Distingue entre creatividad combinatoria, exploratoria y transformacional. Argumenta que las máquinas
Margaret Boden
pueden ser creativas en sentido combinatorio y exploratorio, pero que la creatividad transformacional,
(2004)
que implica una reconfiguración radical de marcos conceptuales, es exclusiva de los humanos.
Jürgen
Propone que los sistemas de redes neuronales profundas pueden considerarse creativos, ya que producen
Schmidhuber
resultados novedosos al optimizar su capacidad de aprendizaje a partir de experiencias previas.
(2008)
Mark
Adopta una postura crítica, subrayando que la verdadera creatividad requiere agencia, experiencia
Coeckelbergh
subjetiva e intencionalidad, aspectos que los algoritmos no poseen.
(2020)
McCormack et Sostienen que la creatividad computacional se manifiesta en procesos colaborativos, donde los
al. (2019) algoritmos generan ideas innovadoras que luego son refinadas por los diseñadores humanos.
Pionero en la composición musical algorítmica mediante el software EMI, demostrando que los
David Cope
algoritmos pueden combinar elementos existentes de forma novedosa para producir obras musicales
(2004)
originales.
Simon Colton Introduce el concepto de “creatividad simulada”, argumentando que, aunque la IA carece de conciencia,
(2012) puede emular aspectos clave de la creatividad humana generando resultados sorprendentes y adaptativos.
Destaca el uso de redes generativas adversarias (GANs) en la creación de arte, donde la interacción entre
Elgammal (2017) una red generadora y una discriminadora produce obras visuales que desafían convenciones estéticas
tradicionales.
Plantea que la tecnología amplifica y transforma las capacidades creativas humanas, actuando como
Ihde (1990)
mediador en el proceso creativo sin sustituir la esencia de la creatividad humana.
Demuestra cómo la IA aplicada en el diseño de moda permite analizar grandes volúmenes de datos para
Marr (2018)
generar diseños innovadores y personalizados, respondiendo a tendencias y necesidades del consumidor.
Harold Cohen Pionero en el arte computacional con su sistema AARON, que evidencia que los algoritmos pueden
(1995) crear obras de arte de forma autónoma, constituyendo una forma genuina de creatividad.
Geraint Wiggins Contribuye con marcos teóricos para la creatividad computacional, enfatizando que los algoritmos
(2006) pueden encarnar procesos creativos mediante la exploración estructurada de espacios de posibilidad.
Aboga por el diseño generativo en el que la integración de métodos computacionales en el proceso de
John S. Gero
diseño permite descubrir soluciones innovadoras que superan las limitaciones del pensamiento
(2004)
tradicional.

Esta tabla ilustra cómo la discusión sobre creatividad abarca desde los aspectos técnicos y
computacionales hasta los filosóficos y éticos, evidenciando que la creatividad computacional, cuando se
concibe como un proceso colaborativo, puede ampliar las fronteras de la creatividad humana en el diseño
de productos.

66
A continuación, se explorarán ideas sobre posibles estructuras para el acoplamiento y producción de una
creatividad hibrida (humana y artificial) en el diseño de productos.

Desafíos y reflexiones para el acoplamiento de la inteligencia artificial en el diseño de productos

En líneas generales, desde la perspectiva de la filosofía de la tecnología, el papel de las redes neuronales
en el diseño de productos puede entenderse como una forma de intersubjetividad técnica, donde la
creatividad se distribuye entre humanos y máquinas (Verbeek, 2011). Este enfoque sugiere que la
creatividad en el diseño contemporáneo no es exclusivamente humana ni exclusivamente algorítmica, sino
una interacción dinámica y co-constitutiva de ambos agentes. Hansen (2015) argumenta que la tecnología
tiene la capacidad de mediar nuestras experiencias y decisiones, actuando como un participante activo en
los procesos creativos.

En contraste, otros teóricos como Floridi (2014) argumentan que la IA y, por extensión, las redes
neuronales, representan un nuevo tipo de "actor moral" en el ámbito del diseño, uno que requiere un
conjunto propio de consideraciones éticas y normativas. Este debate tiene implicaciones profundas para
la creatividad en el diseño de productos. Para Verbeek (2011), al integrar la tecnología en los procesos
creativos, debemos replantear nuestras nociones de autoría y responsabilidad. Por lo tanto, bajo esta luz,
las redes neuronales no son meramente herramientas pasivas, sino agentes que influyen en el proceso
creativo y en las decisiones estéticas y funcionales del diseño, siendo participantes activos en la co-
creación del mundo que habitamos.

Evidentemente, lo anterior refuerza la necesidad de un enfoque reflexivo que permita orientar la

creatividad algorítmica de manera que complemente, en lugar de reemplazar, la creatividad humana.
Consecuentemente, postulamos que este tipo de perspectivas deberán servir de indicios para la creación
de marcos reflexivos que sirvan para entender cómo la creatividad algorítmica puede ser integrada de
manera ética y efectiva en el diseño de productos, complementando y potenciando las capacidades
humanas en lugar de reemplazarlas. De manera que, la integración de las redes neuronales en el diseño de
productos presenta tanto desafíos como oportunidades que requieren un análisis crítico.

Cabe subrayar que, además, la rápida generación de reflexiones sobre la IA y el diseño serán propicias
debido a la alta masividad de la inteligencia artificial en el diseño, este fenómeno se ha vuelto viral a partir
de la democratización que supone el fácil acceso a herramientas avanzadas de diseño, permitiendo que
tanto diseñadores noveles como expertos exploren nuevos territorios creativos (Vuppalapati, C. 2021).
También la artificialidad computacional, desde su forma más práctica, está influyendo sobre el ejercicio
profesional del diseño. Se destaca como la inteligencia artificial, automatiza las tareas rutinarias,
permitiendo a los diseñadores concentrarse en los aspectos más conceptuales y estratégicos del diseño,
promoviendo una forma de trabajo más eficiente y creativa (Schwab, 2017).
Como mencionábamos anteriormente, a mayor uso de la IA en el diseño, mayores se significan los nuevos
desafíos.

Por ejemplo, un problema crítico y que está escalando de forma exponencial es la cuestión de la agencia
creativa: ¿quién es el autor real de un diseño creado en colaboración con una red neuronal? La ética del
diseño asistido por IA, por tanto, no solo debe abordar problemas de atribución y propiedad intelectual,
sino también de responsabilidad y consecuencias del diseño (Floridi y Cowls, 2022). Además, las redes

67
neuronales pueden perpetuar sesgos implícitos presentes en los datos de entrenamiento, lo cual puede
tener implicaciones éticas significativas cuando se utilizan para diseñar productos que impactan
directamente en las vidas de las personas (Benjamin, 2019).

Otro desafío importante es la cuestión del control humano sobre la creatividad algorítmica. Si bien las
redes neuronales pueden generar diseños innovadores, su falta de intencionalidad y contexto puede llevar
a resultados que no sean adecuados o que no cumplan con los valores éticos y estéticos deseados (Gunkel,
2019). Por lo tanto, es crucial que los diseñadores humanos mantengan un papel de supervisión crítica y
decisión en el proceso creativo, asegurando que los productos finales reflejen tanto la innovación
tecnológica como los valores humanos.

Teniendo en cuenta lo anterior, este apartado, busca el desarrollo de un conjunto de principios operativos
que proporcionen una aproximación teórica y reflexiva hacia la elaboración de un marco normativo para
guiar el uso de redes neuronales en el diseño, asegurando que estas herramientas tecnológicas no solo
complementen la creatividad humana, sino que también lo hagan de manera ética y consciente. Estos
cuatro principios surgen a partir desde las antecedidas discusiones filosóficas contemporáneas sobre la
tecnología, la ética del diseño y la inteligencia artificial que este trabajo ha expuesto.
Principio de Complementariedad Creativa
El primer principio, denominado Principio de Complementariedad Creativa, propone que la creatividad
computacional no debe considerarse como una sustitución de la creatividad humana, sino como una
extensión de esta. Según Hansen (2015), las tecnologías actúan como mediadores activos de la experiencia
humana, por lo que su integración en el diseño debe concebirse como una co-creación entre humanos y
máquinas. Este principio sugiere que las redes neuronales deben ser diseñadas y utilizadas de tal manera
que amplifiquen las capacidades humanas, permitiendo a los diseñadores explorar nuevos territorios
creativos sin perder de vista los valores y objetivos humanos que guían el proceso de diseño.

Desde una perspectiva práctica, esto implica desarrollar interfaces de usuario y sistemas de inteligencia
artificial que promuevan la colaboración fluida y la retroalimentación constante entre humanos y
máquinas. Las investigaciones de Kim, S. J. (2024) sobre el uso de GANs en el diseño de moda demuestra
que, cuando los diseñadores humanos trabajan en estrecha colaboración con redes neuronales, pueden
surgir resultados creativos inesperados que desafían las convenciones estéticas existentes. Este principio,
por tanto, defiende un enfoque de co-creación en el que las decisiones creativas finales siempre sean
humanas, asegurando que la tecnología actúe como una herramienta de potenciación más que como un
reemplazo.

Principio de Transparencia Algorítmica.

El segundo principio es el Principio de Transparencia Algorítmica, que establece que cualquier proceso
de diseño asistido por inteligencia artificial debe ser comprensible y accesible para sus usuarios. Este
principio se basa en la idea de que, para que los diseñadores puedan utilizar de manera ética y efectiva las
herramientas basadas en redes neuronales, deben tener un entendimiento claro de cómo estas herramientas
generan sus propuestas creativas. Floridi (2014) argumenta que la transparencia en los sistemas de IA es
fundamental para la toma de decisiones informadas y responsables, especialmente cuando estos sistemas
tienen un impacto significativo en la sociedad.

Para implementar este principio, es esencial desarrollar algoritmos de IA que no solo sean poderosos, sino
también interpretables. El concepto de "caja negra", común en los modelos de aprendizaje profundo, debe

68
ser reemplazado por enfoques que permitan a los diseñadores comprender las decisiones algorítmicas y,
cuando sea necesario, ajustarlas (Burrell, 2016). Esto es especialmente notable en el contexto del diseño
de productos, donde las decisiones basadas en la creatividad pueden tener implicaciones éticas, culturales
y de sostenibilidad. La transparencia algorítmica, por lo tanto, no solo es una cuestión técnica, sino
también una cuestión de ética y gobernanza.

Principio de Responsabilidad Creativa.

El Principio de Responsabilidad Creativa subraya la necesidad de atribuir claramente la responsabilidad
de los diseños generados en colaboración con redes neuronales. Este principio está en línea con los debates
contemporáneos sobre la moralidad tecnológica, donde los "actores no humanos", como las inteligencias
artificiales, son vistos como co-partícipes en la creación de artefactos (Verbeek, 2011). Sin embargo,
aunque la IA puede ser considerada un agente creativo, la responsabilidad última debe recaer en los
diseñadores humanos, que son quienes proporcionan los parámetros, los datos de entrenamiento y la
supervisión crítica del proceso creativo.

Este principio también intenta plantear la premisa, de que los diseñadores deben ser conscientes de los
sesgos potenciales que pueden ser introducidos a través de los datos utilizados para entrenar redes
neuronales y deben tomar medidas para mitigarlos (Benjamin, 2019). Además, los diseñadores deben
asegurarse de que los productos finales no solo sean funcionales y estéticamente atractivos, sino también
éticos y socialmente responsables. En la práctica, esto implica establecer mecanismos claros de rendición
de cuentas y protocolos éticos que guíen el uso de redes neuronales en el diseño, asegurando que cualquier
implicación negativa pueda ser rápidamente identificada y abordada.

1. Principio de Innovación Ética

El Principio de Innovación Ética sostiene que la innovación tecnológica en el diseño no debe ser
perseguida únicamente por su novedad o potencial de mercado, sino también por su capacidad para
contribuir al bienestar humano y social. Este principio está inspirado en los argumentos de Braidotti (2019)
sobre la necesidad de un enfoque posthumanista de la tecnología, donde el valor ético y el impacto social
son considerados criterios fundamentales en la evaluación de cualquier innovación.

En el contexto del diseño asistido por IA, esto significa que las redes neuronales deben ser utilizadas no
solo para crear productos que sean estéticamente innovadores, sino también que promuevan la equidad, la
sostenibilidad y la inclusión. Implementar este principio implica que los equipos de diseño deben estar
compuestos por una diversidad de voces que puedan evaluar las implicaciones éticas de los diseños
generados por IA desde múltiples perspectivas culturales, sociales y políticas. Como argumentan Ferrer,
X., et al (2021), un enfoque interdisciplinario es fundamental para desarrollar tecnologías de IA que sean
tanto innovadoras como éticamente alineadas con los valores humanos.

El desarrollo de estos principios teóricos - reflexivos intenta proporcionar una base consistente para
orientar el uso de redes neuronales en el diseño de productos de manera ética, creativa y responsable. Para
finalizar el presente documento, en el siguiente apartado, se discutirán conclusiones, con una mira a crear
una síntesis de ideas expuestas y reflexionar sobre una posible prospectiva del tema.

69
Conclusiones
Este artículo ha explorado el complejo campo de la creatividad en el diseño de productos asistido por
inteligencia artificial, enfocándose particularmente en la interacción entre la creatividad computacional y
la humana desde una perspectiva de revisión crítica de la literatura y el desarrollo de principios reflexivos,
investigando cómo las redes neuronales pueden integrarse de manera efectiva y ética en los procesos de
diseño, complementando la creatividad humana y proporcionando nuevas formas de innovación.

Sintetizando ideas, a medida que las capacidades de las redes neuronales y otras tecnologías de inteligencia
artificial continúan avanzando, se espera que el rol de estas herramientas en el diseño de productos se
expanda significativamente. El futuro de esta integración dependerá de cómo la comunidad de diseñadores
y la sociedad en general aborden cuestiones clave relacionadas con la agencia creativa, la ética y la
sostenibilidad.

Por lo tanto, la integración de inteligencia artificial, como las redes neuronales, en el diseño de productos
no debe ser vista únicamente desde una perspectiva técnica, sería imperativo promover un enfoque
multidisciplinario que involucre no solo a tecnólogos, sino también a diseñadores, filósofos y expertos en
ética, entre otras más de especialidades y áreas del conocimiento. Este enfoque asegurará que las
herramientas desarrolladas no solo sean técnicamente competentes, sino que también sean cultural y
socialmente responsables, considerando los diversos impactos que pueden tener en la sociedad y en la
práctica del diseño.

Además, consideramos esencial desarrollar continuamente capacidades para interpretar los resultados
generados por la inteligencia artificial. Los diseñadores e involucrados en el área deben ser capacitados
para comprender los modelos subyacentes, identificar posibles sesgos y reconocer las limitaciones
inherentes de estas herramientas. Este conocimiento no solo preserva el control creativo del diseñador
sobre el proceso, sino que también asegura que los productos finales sean relevantes, contextualizados y
adecuados para el entorno y las necesidades específicas del usuario.

Complementariamente, los proyectos deberían incorporar fases de evaluación que aborden tanto los
efectos a corto plazo como las implicaciones a largo plazo del uso de estas tecnologías. Esto permitirá
prever y mitigar posibles consecuencias negativas, fomentando un uso más consciente y reflexivo de la
inteligencia artificial en el diseño.

Finalmente, destacamos la importancia de fomentar la transparencia en el desarrollo y uso de redes

neuronales en el diseño de productos. En medida de lo posible, las organizaciones deben ser transparentes
en cuanto a los algoritmos y datos utilizados, permitiendo a los diseñadores y al público comprender cómo
se generan las soluciones y facilitando así la toma de decisiones informadas. Esta transparencia no solo
fortalecería la confianza en la tecnología, sino que también impulsaría prácticas más justas y responsables
en el diseño asistido por inteligencia artificial.
Estas recomendaciones no solo intentan orientar la práctica actual del diseño asistido por IA, sino que
también intentan proponer prospectivas para futuros casi inmediatos, sugiriendo investigaciones que
podrían explorar nuevos modelos de colaboración creativa entre humanos y máquinas, evaluando el
impacto de la IA en la diversidad y la inclusión humana, profundizando cada vez más en los debates
filosóficos sobre la autonomía creativa de las máquinas.

70
Bibliografía
Alegrefinanzas. (2024). Runway ML: la IA que anima tus imágenes [Imagen]. Recuperado el 4 de octubre
del 2024. [Link]
Autodesk. (2023). Generative design seat frame [Imagen]. Autodesk. Recuperado el 2 de octubre del
2024. [Link]
Autodesk. (2020). General Motors Partners with Autodesk to Drive Innovation in Automotive Design with
Generative Design. Retrieved from Recuperado el 2 de octubre del 2024. [[Link]
Bracher, C., Heinz, S., y Vollgraf, R. (2016). Fashion DNA: merging content and sales data for
recommendation and article mapping. arXiv preprint arXiv:1609.02489. Recuperado el 3 de octubre de
2024. [Link]
Braidotti, R. (2019). A theoretical framework for the critical posthumanities. Theory, culture &
society, 36(6), 31-61.
Benjamin, R. (2019). Race after Technology: Abolitionist Tools for the New Jim Code. Cambridge and
Medford: Polity Press.
Boden, M. A. (2004). The creative mind: Myths and mechanisms.
Burrell, J. (2016). How the machine ‘thinks’: Understanding opacity in machine learning algorithms. Big
Data & Society.
Coeckelbergh, M. (2020). AI ethics. The MIT Press.
Cohen, H. (1995). AARON’s code: Meta-art, artificial intelligence, and the work of Harold Cohen. MIT
Press.
Colton, S. (2012). The Painting Fool: Stories from Building an Automated Painter. In Computers and
Creativity; Springer: Berlin/Heidelberg, Germany, 2012; pp. 3–38.
Cope, D. (2004). Virtual music: computer synthesis of musical style. MIT press.
Elgammal, A. (2017). Can: Creative adversarial networks, generating “art” by learning about styles and
deviating from style norms. Recuperado el 3 de octubre de 2024. arXiv preprint arXiv:1706.07068, 6,
2017.
Ferrer, X., Van Nuenen, T., Such, J. M., Coté, M., y Criado, N. (2021). Bias and discrimination in AI: a
cross-disciplinary perspective. IEEE Technology and Society Magazine, 40(2), 72-80.
Floridi, L. (2014). The Fourth Revolution: How the Infosphere is Reshaping Human Reality. Oxford
University Press.
Floridi, L., & Cowls, J. (2022). A unified framework of five principles for AI in society. Machine learning
and the city: Applications in architecture and urban design, 535-545.
Gero, J. S., & Kannengiesser, U. (2004). The situated function–behaviour–structure model of design.
Design Studies, 25(4), 373–391.
Gunkel, D. J. (2019). How to survive a robot invasion: Rights, responsibility, and AI. Routledge.
Goodfellow, I., Bengio, Y., y Courville, A. (2016). “Deep Learning”. MIT Press.
Halliday S. (2023). Zalando añade un asistente de moda basado en ChatGPT a su oferta para Reino Unido
[Imagen]. FashionNetwork. Recuperado el 2 de octubre del 2024.
[Link]
oferta-para-reino-unido,[Link]
Hansen, M. B. (2015). Feed-forward: On the future of twenty-first-century media. University of Chicago
Press.
Hart, C. (2018). Doing a literature review: Releasing the research imagination. SAGE Publications.
Ihde, D. (1990). Technology and the Lifeworld: From Garden to Earth.

71
It’s Alive in the Lab. (2015). Project Dreamcatcher: Literally Building Bridges to the Future [Imagen].
[Link]
[Link]
Kim, S. J. (2024). Generative Artificial Intelligence in Collaborative Ideation: Educational Insight from
Fashion Students. IEEE Access.
LeCun, Y., Bengio, Y., & Hinton, G. (2015). “Deep learning. Nature”, 521(7553), 436-444.
Machi, L. A., y McEvoy, B. T. (2016). The literature review: Six steps to success (3rd ed.). Corwin.
Marr B. (2018). How Fashion Retailer H&M Is Betting On Artificial Intelligence And Big Data To Regain
Profitability. Forbes. Recuperado el 3 de octubre del 2024:
[Link]
intelligence-and-big-data-to-regain-profitability/
McCormack, J., Gifford, T., & Hutchings, P. (2019, April). Autonomy, authenticity, authorship and
intention in computer generated art. In International conference on computational intelligence in music,
sound, art and design (part of EvoStar) (pp. 35-50). Cham: Springer International Publishing.
Ridley, D. (2012). The literature review: A step-by-step guide for students (2nd ed.). SAGE Publications.
RunwayML. (2021). The AI Creativity Platform. Recuperado el 3 de octubre de 2024.
[Link]
Schmidhuber, J. (2008). Driven by compression progress: A simple principle explains essential aspects of
subjective beauty, novelty, surprise, interestingness, attention, curiosity, creativity, art, science, music,
jokes. In Workshop on anticipatory behaviorin adaptive learning systems (pp. 48-76). Berlin, Heidelberg:
Springer Berlin Heidelberg.
Schwab, K. (2017). The fourth industrial revolution. Crown Currency.
Tan, R. K., Zhang, N. L., y Ye, W. (2020). A deep learning–based method for the design of microstructural
materials. Structural and Multidisciplinary Optimization, 61, 1417-1438.
Vázquez Rodríguez, G. (2023). Intersecciones de la complejidad y la inteligencia artificial en el diseño de
arte digital contemporáneo. Cuadernos Del Centro De Estudios De Diseño Y Comunicación (204).
Recuperado el 1 de octubre del 2024 [Link]
Verbeek, P. P. (2011). Moralizing Technology: Understanding and Designing the Morality of Things.
University of Chicago Press.
Verganti, R., Vendraminelli, L., y Iansiti, M. (2020). Innovation and design in the age of artificial
intelligence. Journal of product innovation management, 37(3), 212-227.
Voshart, D. (2020). Roman Emperor Project [Imagen]. Recuperado el 4 de octubre del 2024.
[Link]
Vuppalapati, C. (2021). Democratization of artificial intelligence for the future of humanity. CRC Press.
Wiggins, G. (2006). A systems approach to art, creativity and evolution. Journal of Artificial Intelligence
Research, 31, 45–64.
Zhang, T., & Wang, Y. (2020). Deep Learning-Based Product Design: A Framework for Optimizing
Design and Production Processes. *Journal of Intelligent Manufacturing*, 31(2), 293-308.

72
 CAPÍTULO
ASPECTOS URBANOS

73
 El impacto invisible de la inteligencia artificial en los entornos urbanos
Claudia Canobbio Rojas

Introducción
La inteligencia artificial (IA) ha evolucionado de manera significativa desde su surgimiento a mediados
del siglo XX, pasando de simples sistemas de toma de decisiones a complejos modelos que imitan
funciones cognitivas avanzadas. Y, conforme esta clase de tecnologías avanzan, la IA sigue
revolucionando la interacción entre humanos y máquinas, generando soluciones autónomas e inteligentes
que impactan directamente en la vida cotidiana.

Gran parte de este avance se debe, por un lado, al aprendizaje automático (Machine Learning, ML), que
permite que las máquinas adquieran conocimientos y optimicen su desempeño a través de la experiencia,
el aprendizaje y el análisis de datos; y, por otro, al aprendizaje profundo (Deep Learning, DL), que utiliza
emplea redes neuronales para procesar grandes volúmenes de información, facilitando tareas como el
reconocimiento de patrones y la clasificación de datos.

Además, tecnologías como el Internet de las Cosas (Internet of thing, IoT) desempeña un papel relevante
en la integración de dispositivos interconectados en las ciudades inteligentes, lo que permite recopilar y
analizar datos en tiempo real. En esta misma línea, la visión por computadora (Computer Vision) hace
posible que los sistemas de IA interpreten el entorno visual, lo que tiene aplicaciones en seguridad,
monitoreo urbano y gestión de tráfico.

Asimismo, el análisis predictivo (Predictive Analysis) permite anticipar distintos fenómenos urbanos,
como la congestión vial o la demanda de servicios, optimizando la calidad de vida y eficiencia en las
ciudades. Estos son únicamente algunos ejemplos de las muchas aplicaciones posibles; sin embargo,
existen muchas más, y cada día, el acelerado avance tecnológico sigue integrando innovaciones que
transforman las ciudades de manera cada vez más eficiente y, en muchos casos, imperceptible para sus
habitantes.

Ahora bien, el debate en torno al impacto invisible de la IA supera la noción básica de que la IA no es
perceptible para los ciudadanos, al operar en segundo plano. Este concepto abarca las consecuencias o
efectos que la IA genera, proporcionando un marco más amplio que enfatiza cómo esta tecnología, aunque
no visible, está transformando de manera significativa los entornos urbanos. En este contexto, la IA ha
permitido optimizar procesos clave como la movilidad, la gestión de recursos y la seguridad, aunque a
menudo de manera imperceptible para los ciudadanos (Goodman & Flaxman, 2017).

Sin embargo, esta optimización silenciosa no está exenta de implicaciones. Si bien los avances
tecnológicos resultantes han sido fundamentales para aumentar la eficiencia y efectividad de los sistemas
urbanos gestionados por IA, aunque sus beneficios, en muchos casos, pasan desapercibidos para la
ciudadanía (Zhang, 2021). No obstante, la invisibilidad de estos procesos plantea desafíos considerables
en términos de transparencia y gobernanza. Tecnologías como la optimización del tráfico mediante
algoritmos predictivos, la vigilancia mediante IA y la gestión automatizada de servicios públicos están

74
transformando radicalmente la vida en las ciudades, pero lo hacen sin que los habitantes sean plenamente
conscientes de su influencia.

Esta desconexión entre ciudadanos y procesos algorítmicos que gestionan su entorno plantea
preocupaciones en torno a la autonomía y la privacidad, lo que subraya la necesidad de desarrollar marcos
éticos sólidos que guíen la implementación de estas tecnologías. Además, surge una cuestión crucial sobre
la aceptación pública de la IA, ya que su presencia invisible, aunque eficiente, puede generar desconfianza
en los procesos urbanos si estos retos no se enfrentan de manera apropiada.

Con fundamento en lo anterior, el número de regulaciones relacionadas con la IA alrededor del mundo;
como ejemplo, en los Estados Unidos ha crecido notablemente, pasando de solo una en 2016 a 25 en 2023,
con un aumento del 56.3% en tan solo un año. No obstante, el AI Index 2024 Annual Report, de la
Universidad de Stanford, apunta que existen serias carencias en cuanto a evaluaciones robustas y
estandarizadas de la responsabilidad en los modelos de lenguaje (LLM), lo que dificulta la comparación
sistemática de los riesgos y limitaciones de los principales modelos empleados por desarrolladores líderes,
como OpenAI, Google y Anthropic (Artificial Intelligence Index Report, 2024). Paralelamente, una
encuesta de Ipsos indica que la percepción del impacto de la IA ha cambiado drásticamente: el 66% de las
personas ahora cree que la IA afectará significativamente sus vidas entre los próximos tres a cinco años;
por su parte, el 52% expresa nerviosismo hacia los productos y servicios de IA, reflejando un aumento del
13% en comparación con 2022 (Maslej et al., 2024).

Con base a lo anterior, el presente estudio se centra en dilucidar cómo la invisibilidad del uso de la IA se
presenta en diferentes contextos urbanos, investigando tanto los enfoques empíricos como teóricos y
examinando las aplicaciones prácticas y los desafíos éticos y sociales que surgen. En específico, se tiene
como objetivo evaluar cómo ha sido abordado el estudio de la invisibilidad de la IA en diversos entornos
urbanos a través del análisis de un corpus de 90 documentos. A través de un enfoque mixto, se identifican
los enfoques empíricos y teóricos empleados, al explorar cómo estas tecnologías afectan a los ciudadanos
sin que estos sean conscientes de su operación, el trabajo busca cerrar la brecha entre la percepción pública
y los sistemas tecnológicos que gestionan las ciudades.

El estudio se estructura en tres etapas, cada una diseñada para abordar una dimensión diferente del impacto
invisible de la IA. Estas etapas incluyen la clasificación de los estudios revisados, la identificación de
patrones de impacto, el análisis de la percepción subjetiva de los ciudadanos, un comparativo entre
diferentes ciudades, y finalmente, el análisis de los retos éticos que emergen con la adopción de estas
tecnologías.
En síntesis, este trabajo no solo pretende arrojar luz sobre las aplicaciones prácticas y teóricas de la IA en
las ciudades, sino también sentar las bases para su estudio a profundidad y destacar la necesidad de una
mayor transparencia y participación ciudadana en su adopción. A medida que la IA continúa avanzando y
expandiéndose a nuevas áreas, resulta fundamental fomentar un diálogo inclusivo entre gobiernos,
tecnólogos y ciudadanos para garantizar que el futuro de las ciudades sea no solo tecnológicamente
avanzado, sino también ético y equitativo.

Marco teórico
La IA se ha convertido en una disciplina central en el desarrollo de tecnologías avanzadas, transformando
numerosos sectores. En términos generales, la IA puede definirse como la habilidad de una máquina para

75
ejecutar actividades que usualmente demandan inteligencia humana, tal como razonamiento, aprendizaje,
toma de decisiones y la resolución de problemas. Según González Andrades (2022), la IA se refiere a "la
capacidad de una máquina para realizar funciones cognitivas como lo hacen los humanos, percibir,
aprender, razonar y resolver problemas" (p. 2). Este enfoque ha permitido que la IA tenga un impacto
significativo en campos diversos, como la educación, la salud, los negocios y, particularmente, el
desarrollo urbano, donde su capacidad para optimizar procesos y gestionar grandes volúmenes de
información en tiempo real la convierte en una herramienta indispensable (Szorenyi, 2024, p. 1).

La definición de IA abarca un amplio espectro de funciones que van más allá de la propia emulación de
la inteligencia humana. Tal como puntualiza Russell y Norvig (2021), la IA "no se trata simplemente de
comprender la inteligencia humana, sino de construir sistemas capaces de tomar decisiones y resolver
problemas, aspectos centrales de la planificación urbana moderna" (p. vii). Estos sistemas, también
denominados agentes, reciben percepciones de su entorno y responden a través de acciones específicas.
La IA, por tanto, puede implementarse de múltiples maneras: agentes reactivos, planificadores en tiempo
real, sistemas basados en la teoría de decisiones, o incluso aquellos que emplean el aprendizaje profundo.
Cada uno de estos métodos proporciona distintas formas de procesar los datos recibidos y de actuar en
consecuencia, lo que le otorga flexibilidad para adaptarse a las necesidades de diversos contextos urbanos.

Como bien lo expresa el reporte de AI100, "la inteligencia artificial consiste en lograr que una máquina
realice comportamientos que consideramos requieren inteligencia. Esta perspectiva es útil porque no se
enfoca demasiado en los detalles específicos de la máquina o la técnica utilizada para crear dicho
comportamiento" (AI100 Report, 2021, p. 78). Así, el campo de la IA no solo se preocupa por emular el
razonamiento humano, sino también por construir sistemas que actúen de manera eficaz y segura en una
amplia variedad de situaciones novedosas, contribuyendo a la mejora de procesos complejos en entornos
urbanos. En este contexto, la IA ha evolucionado rápidamente, desde sistemas basados en reglas simples
hasta redes neuronales profundas que procesan grandes volúmenes de datos y generan predicciones
precisas en tiempo real, permitiendo su aplicación en áreas críticas como la gestión de infraestructuras y
el control del tráfico en las ciudades inteligentes.

Esta evolución ha posicionado a la IA como una de las tecnologías más disruptivas de la era moderna,
influyendo en numerosas áreas clave del desarrollo humano. Como señala Szorenyi (2024), "la
inteligencia artificial es considerada una de las tecnologías más disruptivas; ya está teniendo impactos en
numerosas áreas, como la educación, la salud, los negocios, la agricultura y el desarrollo urbano" (p. 1).
En este último ámbito, la IA ha demostrado ser una herramienta invaluable para optimizar procesos
complejos, abordar problemas críticos como la movilidad y la sostenibilidad, además de mejorar la calidad
de vida de los ciudadanos al permitir una planificación urbana más eficiente y adaptativa.

• IA y transformación digital en entornos urbanos

El desarrollo de la inteligencia artificial (IA) en entornos urbanos está estrechamente vinculado a la

evolución de la infraestructura digital y la capacidad de procesamiento de datos. A medida que las ciudades
incorporan nuevas tecnologías, la IA se ha convertido en una herramienta clave para optimizar procesos
urbanos y mejorar la calidad de vida de los ciudadanos. En este contexto, la IA permite anticipar y mitigar
problemas como la congestión del tráfico, la contaminación y la fluctuación en la demanda de energía.
Según Ortega-Fernández et al. (2020), la IA puede contribuir significativamente en áreas estratégicas

76
como la competitividad económica, la calidad de vida, la sostenibilidad y la movilidad, lo que hace que
las ciudades sean más habitables y eficientes.
Uno de los ámbitos donde esta optimización resulta más evidente es el transporte y la movilidad. La IA
ha revolucionado la gestión del tráfico mediante el análisis de datos en tiempo real, la predicción de riesgos
y la optimización de rutas. González Andrades (2022) destaca que la introducción de estos sistemas ha
reducido significativamente los accidentes de tránsito y los tiempos de desplazamiento, beneficiando tanto
a los ciudadanos como a los sistemas de transporte público. Asimismo, el uso de gemelos digitales ha
permitido la simulación de escenarios urbanos en tiempo real, facilitando la identificación de fallos en
infraestructuras, la reducción de costos y la mejora en la planificación de servicios urbanos. Estas
representaciones virtuales de entidades físicas, como edificios y redes viales, se integran con tecnologías
avanzadas como el Machine Learning, proporcionando datos en tiempo real que permiten a los gestores
urbanos tomar decisiones informadas (Yan et al., 2023; Fuller et al., 2020).

El concepto de gemelos digitales es un ejemplo clave del impacto de la IA en la planificación urbana.

Como menciona Szorenyi (2024):
Las ciudades también han comenzado a depender de los ‘gemelos digitales’. Este concepto va un
paso más allá, ofreciendo un modelo holístico de planificación urbana sostenible. Al combinar
tecnología digital, incluidos algoritmos habilitados por IA, con mecanismos operativos urbanos,
ofrece la oportunidad de avanzar directamente hacia una mejora urbana a prueba de futuro (p. 2).

Estos sistemas permiten la modelización avanzada de la ciudad, integrando datos de diversas fuentes para
prever cambios en la infraestructura y optimizar el uso del espacio urbano. Su integración refuerza la
capacidad de las ciudades para responder de manera eficiente a los problemas de crecimiento poblacional,
movilidad y sostenibilidad.

El avance de la IA también ha impulsado el desarrollo de vehículos autónomos, cuya adopción ya es una

realidad en ciudades como Phoenix y Beijing. La integración de estos sistemas ha sido posible gracias a
infraestructuras tecnológicas avanzadas, como la conectividad 5G, que permite una comunicación más
rápida y eficiente entre los vehículos y su entorno (AI100 Report, 2021). Este tipo de innovación no solo
transforma el sector del transporte, sino que también redefine el uso del espacio urbano, al reducir la
necesidad de estacionamientos y mejorar la eficiencia del tránsito en las ciudades.

Más allá de la movilidad, la IA se ha convertido en un instrumento fundamental para la planificación y

gestión urbana. Para el año 2050, se estima que el 70 % de la población mundial vivirá en ciudades, lo
que hace imprescindible el uso de IA para optimizar la distribución del suelo, la gestión de carreteras y la
administración de infraestructuras (Szorenyi, 2024). En este sentido, la IA ha sido concebida desde sus
inicios como una herramienta que facilita el diseño de ciudades más sostenibles y adaptativas a las
necesidades cambiantes de la población (Ortega-Fernández et al., 2020).

Un ejemplo de la aplicación de IA en la planificación urbana es la investigación Urban Generative

Intelligence (UGI): A foundational platform for agents in embodied city environment, que aborda los
problemas urbanos mediante la integración de grandes modelos de lenguaje (Large Language Models,
LLMs) y agentes inteligentes. Estos sistemas interactúan con entornos urbanos simulados, generando
retroalimentación en tiempo real para optimizar la movilidad, el consumo energético y la gestión de
infraestructuras (Xu et al., 2023). Este tipo de enfoques representa un avance clave en la gestión de la

77
complejidad urbana, permitiendo a los planificadores y responsables políticos tomar decisiones más
eficientes y reducir el impacto ambiental de las ciudades del futuro.

Además de la inteligencia artificial, la digitalización ha sido un motor fundamental en la transformación

urbana. Desde la integración de sensores conectados por Internet de las Cosas (Internet of Things, IoT)
hasta los avances en redes neuronales profundas, las ciudades han evolucionado hacia ecosistemas
interconectados que procesan grandes volúmenes de datos en tiempo real. En este marco, las ciudades
inteligentes han surgido como un modelo de desarrollo urbano que busca mejorar la eficiencia operativa
y la calidad de vida mediante tecnologías disruptivas. Un caso emblemático es China, que desde 2012 ha
liderado la adopción de planes de digitalización en más de 500 ciudades, con iniciativas centradas en la
movilidad inteligente y la atención médica digitalizada (Szorenyi, 2024).

No obstante, la incorporación de IA en la gestión urbana también plantea condicionantes éticas. Szorenyi

(2024) enfatiza la importancia de establecer marcos regulatorios sólidos que garanticen que estas
innovaciones beneficien a toda la población y no refuercen desigualdades preexistentes. En este sentido,
la ética en la aplicación de IA resulta crucial en áreas como la planificación del uso del suelo y la
sostenibilidad ambiental, evitando que las decisiones algorítmicas excluyan a sectores vulnerables de la
sociedad.

Uno de los casos más controvertidos es el uso del reconocimiento facial y del análisis de la marcha en
sistemas de videovigilancia y control de acceso en las ciudades inteligentes. Estas tecnologías, basadas en
IA y Machine Learning, han mejorado significativamente la precisión en la identificación de personas y
la seguridad urbana. El reconocimiento de la marcha permite identificar a individuos por su forma de
caminar, mientras que el reconocimiento facial se ha implementado ampliamente en sectores como la
seguridad y el sistema financiero (Yan et al., 2023). Sin embargo, el avance acelerado de estas tecnologías
también plantea interrogantes sobre la gestión ética de los datos y la privacidad de los ciudadanos, en un
entorno cada vez más digitalizado.

El proceso de evolución tecnológica en las ciudades es un ciclo en constante expansión, donde los avances
en infraestructura digital generan tanto oportunidades como limitaciones. Desde la aplicación de redes 5G
para soportar vehículos autónomos hasta la explotación masiva de datos para optimizar la movilidad y los
servicios públicos, la IA y otras tecnologías están redefiniendo la manera en que las ciudades operan y se
ajustan a las demandas del siglo XXI. Sin embargo, como destacan Szorenyi (2024) y Yan et al. (2023),
es fundamental que este crecimiento tecnológico se lleve a cabo con un enfoque de equidad, seguridad y
sostenibilidad. Solo así se podrá garantizar que las ciudades inteligentes del futuro sean inclusivas y
resilientes, asegurando que la transformación digital beneficie a toda la sociedad sin comprometer
derechos fundamentales como la privacidad y la autonomía de los ciudadanos.

• Impacto invisible de la IA en entornos urbanos

Uno de los aspectos más intrigantes de la inteligencia artificial (IA) en las ciudades inteligentes es su
impacto invisible. A menudo, estas tecnologías operan en segundo plano, procesando grandes volúmenes
de datos y ejecutando algoritmos que optimizan los sistemas urbanos sin que los ciudadanos sean
plenamente conscientes de su presencia. Este impacto se manifiesta principalmente en la automatización
de servicios esenciales, como el transporte público y la distribución de energía, donde los ajustes se
realizan en tiempo real en función de las necesidades de la ciudad. Este control continuo y sutil permite

78
reducir ineficiencias sin intervención humana directa, mejorando significativamente la eficiencia
operativa de la ciudad. No obstante, esta automatización plantea dilemas éticos, ya que las decisiones
algorítmicas pueden incidir en aspectos fundamentales de la vida cotidiana sin una comprensión clara por
parte del público. Como señala González Andrades (2022):
A medida que nuestras vidas se ven cada vez más influenciadas por la tecnología, los datos
personales juegan un papel central. Al utilizar la tecnología diariamente, los ciudadanos generan
grandes cantidades de datos que son gestionados por diversas organizaciones. Sin embargo, en
muchas ocasiones, esta información es recolectada sin que las personas sean conscientes de ello,
lo que plantea riesgos en términos de libertad y privacidad (p. 6).

Por tanto, es esencial que los sistemas de IA sean diseñados con principios claros de legalidad,
transparencia y respeto a los derechos humanos, asegurando que sus beneficios sean equitativos y
sostenibles para la sociedad y el medio ambiente.

Además de la privacidad, la autonomía de la IA en la toma de decisiones urbanas representa otro desafío

significativo. Russell y Norvig (2021) destacan que:
Los agentes inteligentes son clave en este proceso, ya que son entidades capaces de percibir su
entorno a través de sensores y actuar en consecuencia mediante actuadores 2. Estos sistemas
procesan la información en tiempo real, lo que les permite adaptarse y optimizar continuamente el
funcionamiento de diversas infraestructuras urbanas sin intervención humana directa (p. 36).

Si bien este nivel de autonomía permite la optimización eficiente de infraestructuras, también plantea
preocupaciones en torno a la falta de transparencia en la toma de decisiones que afectan la vida de los
ciudadanos. Cugurullo (2020) refuerza esta idea al señalar:
Esto crea un entorno en el que las decisiones automatizadas se toman de manera imperceptible,
desde la gestión del tráfico hasta la distribución de energía, sin que los ciudadanos sean conscientes
de su impacto directo (p. 38).

Otro aspecto crítico del impacto invisible de la IA es su potencial para perpetuar sesgos y desigualdades.
Palmini y Cugurullo (2023) advierten que:
Este control automatizado presenta riesgos como la perpetuación de sesgos y desigualdades,
debido a la dependencia de los datos históricos que utilizan estos sistemas (p. 15).

En este sentido, el uso de datos históricos en los algoritmos de IA no solo condiciona las decisiones
automatizadas, sino que también puede reforzar patrones preexistentes de exclusión social, afectando
desproporcionadamente a comunidades vulnerables. Por ello, aunque la IA promete avances sustanciales
en la gestión urbana, también plantea desafíos éticos urgentes, especialmente en lo referente a la
transparencia, la equidad y el control democrático sobre las decisiones que impactan directamente a la
ciudadanía.

En conclusión, el impacto invisible de la IA en entornos urbanos ha permitido la optimización de servicios

esenciales y la mejora en la gestión de infraestructuras. Sin embargo, su funcionamiento silencioso plantea
riesgos en términos de privacidad, equidad y transparencia.
• Aproximaciones éticas y sociales en la integración de IA en los contextos urbanos

2
Actuadores: “Un agente humano tiene ojos, oídos y otros órganos como sensores y manos, piernas, tracto vocal, etc., como actuadores. Un agente robótico
podría tener cámaras y telémetros infrarrojos como sensores y varios motores como actuadores.” (Russell & Norvig, 2021, p. 36).

79
Si bien la inteligencia artificial ha demostrado ser una herramienta valiosa en la gestión urbana, su
implementación no está exenta de factores problemáticos. Entre las preocupaciones más relevantes se
encuentran la privacidad y la seguridad de los datos, dado que las ciudades inteligentes dependen de la
recopilación masiva de información personal para mejorar sus sistemas. Sin embargo, la falta de claridad
en la gestión de estos datos puede derivar en un uso indebido sin el consentimiento de los ciudadanos, lo
que plantea riesgos en términos de derechos individuales y libertades fundamentales. Bokhari & Myeong
(2022) señalan que, para que la IA realmente contribuya al bienestar colectivo, es fundamental establecer
mecanismos sólidos de transparencia y rendición de cuentas que aseguren una puesta en marcha ética e
inclusiva. Además, dado que estos sistemas se alimentan de datos históricos, existe el riesgo de que
reproduzcan y amplifiquen desigualdades sociales y económicas preexistentes, lo que podría profundizar
las brechas estructurales dentro del entorno urbano.

Otro desafío crítico es el riesgo de sesgo en los algoritmos, que puede derivar en decisiones injustas o
discriminatorias en áreas como la seguridad pública o la asignación de recursos. Este problema del tecno-
solucionismo, ante la tendencia a ver la IA como una solución universal, suele llevar a ignorar sus
limitaciones y riesgos. Según el AI100 Report (2021), la percepción pública tiende a considerar las
decisiones de IA como neutrales, a pesar de los posibles errores inherentes en los algoritmos, lo que puede
dejar al público desinformado sobre cómo se toman decisiones críticas, especialmente en el cuidado de la
salud y la seguridad pública.
Además, en situaciones donde los algoritmos generan consecuencias negativas, surge la interrogante de
quién debe rendir cuentas. Marasinghe et al. (2024) la falta de estándares claros en la recolección y uso
de datos plantea riesgos tanto en términos de precisión como en la confianza pública en estas tecnologías.
El despliegue de marcos regulatorios sólidos y la supervisión ética de estos sistemas son esenciales para
garantizar que el uso de la IA en las ciudades no solo sea eficiente, sino también justo y accesible para
todos los ciudadanos.

Marco metodológico
El presente análisis se ha desarrollado utilizando un enfoque mixto, integrando tantos elementos
cualitativos, cuantitativos y comparativos para examinar el impacto invisible de la IA en los entornos
urbanos. El enfoque cualitativo permitió explorar las percepciones subjetivas de los ciudadanos y las
tensiones éticas y sociales asociados con la ejecución de tecnologías invisibles en las ciudades. Por otra
parte, el enfoque cuantitativo se aplicó para analizar datos estadísticos relacionados con el nivel de avance
tecnológico, la transparencia y la participación ciudadana, utilizando un modelo de regresión para
identificar patrones significativos. Al mismo tiempo, se empleó un enfoque comparativo para observar las
diferencias en el funcionamiento de la IA en distintos contextos urbanos y niveles de desarrollo.
• Método: La investigación se llevó a cabo mediante una revisión documental sistemática, que
consistió en la recopilación, clasificación y análisis de estudios que abordaran tanto el impacto
visible como el invisible de estas tecnologías en términos de optimización urbana, vigilancia y
gestión de servicios públicos. La revisión documental fue complementada con estudios de caso
que ayudaron a contextualizar los hallazgos en diferentes ciudades.
• Alcance: El alcance del estudio abarca una variedad de ciudades con diferentes grados de
desarrollo tecnológico, niveles de urbanización, y gobernanza participativa. Se analizó cómo la IA
impacta en las áreas de optimización estética, gestión de tráfico peatonal y vigilancia predictiva, y
se observó su repercusión en la vida diaria de los ciudadanos, con un enfoque en los patrones de

80
 impacto invisible que generan estas tecnologías. Asimismo, se incluyó un análisis comparativo de
ciudades en distintas regiones del mundo para identificar variaciones en la percepción y aceptación
de la IA en función de factores contextuales.
• Tamaño y criterios de selección de la muestra documental: Se seleccionaron 90 documentos
mediante muestreo intencional, considerando criterios de pertinencia temática, actualidad (últimos
10 años) y relevancia para el análisis del impacto invisible de la IA en entornos urbanos. La muestra
incluyo artículos científicos, reportes técnicos, y documentos especializados de fuentes
académicas, gubernamentales y organismos internacionales. Los documentos fueron clasificados
según su enfoque empírico o teórico, distinguiendo entre estudios basados en experimentación,
estudios de caso o modelados de simulación, y aquellos que abordaban la IA desde una perspectiva
conceptual, normativa o reflexiva. Asimismo, se agruparon en tres áreas principales: optimización
urbana, vigilancia y control de infraestructuras, y desafíos éticos y sociales. Finalmente, se aplicó
un análisis de contenido para identificar patrones recurrentes en la integración de IA, evaluar su
influencia en la eficiencia y experiencia urbana sin ser perceptibles para los ciudadanos.

El análisis de datos se estructuró en tres etapas:

I. Clasificación de contribuciones en el estudio del impacto invisible de la IA en entornos urbanos.
II. Invisibilidad de las IA desde la percepción subjetiva de los ciudadanos:
a. Identificación de la brecha perceptual
i. Ausencia de visibilidad de la IA en la mejora del confort urbano
ii. Experiencias cotidianas sin atribución tecnológica: gestión del tráfico
iii. Percepción de seguridad mejorada sin reconocimiento de la IA
b. Análisis matizado del impacto invisible de la IA: influencia de la urbanización,
transparencia y participación ciudadana en entornos urbanos.
c. Análisis de regresión sobre transparencia y participación ciudadana
III. Desafíos éticos y sociales de la IA en ciudades modernas.

Este diseño metodológico estructurado procura indagar de manera integral el fenómeno del impacto
invisible de la IA en las ciudades; ya que se integraron perspectivas teóricas, empíricas y comparativas,
así como análisis éticos y sociales, para una comprensión exhaustiva de fenómeno aquí abordado.

Desarrollo
I. Primera etapa del análisis: Clasificación de contribuciones en el estudio del impacto invisible de la IA
en entornos urbanos

El propósito de esta primera etapa del análisis es realizar una clasificación de los 90 estudios revisados en
función de dos aspectos clave: el enfoque (empírico o teórico) y su contribución al estudio del impacto
invisible de la IA en entornos urbanos. Este análisis nos permitirá identificar las áreas donde predominan
los estudios empíricos, basados en la implementación práctica de tecnologías, y aquellos estudios teóricos
que exploran conceptos y modelos sobre el impacto de la IA en la dinámica urbana sin intervenciones
directas.
Tabla 1. Clasificación de documentos por enfoque y tecnología
Áreas de implementación Tecnologías Empírico Teórico
tecnológica

81
 Optimización de Machine Learning + Sensores IoT:
infraestructuras Monitoreo de infraestructuras, sistemas de gestión de 16 10
energía, plataformas de urbanismo inteligente
Gestión de tráfico Computer visión + Edge Computer:
Semáforos inteligentes, plataformas de movilidad
11 4
compartida basadas en IA, análisis de flujos
peatonales mediante sensores IoT
Vigilancia predictiva Predictive Analysis:
Drones con IA para vigilancia, reconocimiento facial
6 19
en tiempo real, algoritmos de análisis de
comportamiento en espacios públicos
Self-Driving vehicles:
Vehículos autónomos, plataformas de transporte
Movilidad autónoma público basadas en IA, sistemas de predicción de 4 8
congestión en tiempo real, bicicletas eléctricas
inteligentes conectadas
Deep Learning:
Sensores de calidad del aire en tiempo real,
Control de calidad del aire plataformas de predicción de contaminación 3 5
mediante IA, redes de monitoreo ambiental
conectadas
Smart grids:
Redes eléctricas inteligentes, sistemas de predicción
Sistemas de energía inteligente 2 2
de consumo energético mediante IA, automatización
de edificios energéticamente eficientes
Fuente: elaboración propia.

Tal como se muestra en la tabla 1, de los 90 estudios analizados, se puede observar una distribución
equilibrada entre estudios empíricos y teóricos, con 42 y 48 respectivamente. En general, el 55% de los
documentos tienen un enfoque empírico, mientras que el 45% restante son estudios teóricos; esto muestra
que hay un interés considerable tanto en la aplicación práctica como en el desarrollo conceptual de la IA
en los entornos urbanos.

Cuando analizamos más en profundidad el tipo de tecnología estudiada, observamos que ciertas áreas
presentan una mayor proporción de estudios empíricos. Por ejemplo, en tecnologías relacionadas con la
optimización de infraestructuras urbanas (como la iluminación pública o la estética urbana), predominan
los estudios empíricos que examinan directamente cómo estas tecnologías ajustan automáticamente el
entorno para mejorar la comodidad y seguridad de los ciudadanos sin intervención visible.

Por ejemplo, estudios empíricos, como el “Urban visual intelligence: studying cities with artificial
intelligence and street-level imagery”, han analizado cómo la IA ajusta elementos visuales y estructurales
de las ciudades para mejorar la percepción y comodidad de los ciudadanos, interviniendo de manera casi
imperceptible. Estos sistemas de optimización se implementan en tiempo real mediante algoritmos que
ajustan el entorno urbano, generando una experiencia urbana más eficiente sin la necesidad de
intervención humana directa. Un ejemplo es el uso de imágenes a nivel de calle y técnicas de aprendizaje
profundo para ajustar la disposición y organización de los espacios urbanos, lo que permite a las ciudades
alinear mejor sus ambientes físicos con el comportamiento y aspiraciones humanas en la era impulsada
por la IA y los datos masivos (Zhang et al., 2024).

82
Otro ejemplo es el uso de tecnologías como el Internet de las Cosas (IoT) ha sido fundamental en la
transformación de las ciudades inteligentes, permitiendo una mejora significativa en áreas como la
infraestructura y la gestión del tráfico. Estas innovaciones no solo aumentan la eficiencia urbana, sino que
también abordan retos críticos como el crecimiento de la población y la gestión sostenible de los recursos.
Un ejemplo claro de esto se observa en los sistemas de iluminación pública, donde la intensidad lumínica
se ajusta automáticamente según las condiciones del entorno. Esta tecnología mejora tanto la seguridad
pública como la eficiencia energética, y lo hace sin que los ciudadanos perciban el control tecnológico. El
impacto de estas tecnologías no solo se limita a la mejora del confort urbano, sino que además optimiza
el uso de recursos de manera más sostenible (Drepaul, 2020).

En contraste, áreas como la vigilancia predictiva en las ciudades, que dependen en gran medida de sistemas
de IA para predecir riesgos de seguridad, tienden a ser exploradas principalmente desde un enfoque
teórico. Un caso notorio, es el documento "Artificial intelligence for cybersecurity: Literature review and
future research directions" brinda una discusión detallada sobre las implicaciones éticas de los sistemas
de vigilancia que emplean IA para predecir riesgos de seguridad en áreas urbanas (Kaur, Gabrijelčič, &
Klobučar, 2023).

En este tipo de trabajos, también se exploran preocupaciones como el sesgo algorítmico, la violación de
la privacidad y la pérdida de autonomía de los ciudadanos, cuestiones fundamentales cuando se consideran
sistemas que monitorizan de manera invisible y continua a las personas. En este caso, la vigilancia
predictiva basada en IA suma importantes barreras éticas relacionadas con la erosión de la privacidad y el
riesgo de perpetuar desigualdades a través de sesgos algorítmicos. Estos sistemas requieren un marco ético
sólido que garantice que su ejecución no comprometa la equidad ni los derechos fundamentales de los
ciudadanos (Hernández, 2024; Ortega, 2023).

En esta primera etapa del análisis también se seleccionaron categorías tecnológicas clave que encapsulan
las áreas de aplicación de la IA en la ciudad. Dentro de los proyectos descritos, en los documentos
analizados, se revelaron áreas específicas de intervención tecnológica, lo que permitió vincular
tecnologías particulares con distintos tipos de impacto invisible. Además, la literatura revisada, tanto en
el estado del arte como en el marco teórico sobre IA en entornos urbanos, facilitó la agrupación de estas
intervenciones.
Al observar nuevamente la tabla 1, se destaca la primera categoría de optimización de infraestructuras,
donde predominan las tecnologías del Machine Learning y Sensores IoT, con un total de 26 documentos
que exploran esta aplicación. Respecto a esto, un caso documentado de esta optimización es el uso de
sensores IoT para regular la intensidad de la iluminación en el espacio público.

Y, por último, en la categoría de Predictive Analysis con 25 estudios documentados, reflejando una
creciente preocupación por la seguridad urbana y el rol de la IA en este ámbito. El uso de análisis
predictivo permite predecir riesgos y ajustar los recursos de seguridad en las ciudades. Estas tecnologías
se implementan para detectar anomalías y riesgos potenciales antes de que se conviertan en problemas
visibles; un ejemplo de ello es el uso de IA para realizar vigilancia predictiva, donde los sistemas de
análisis de datos detectan comportamientos anómalos y ajustan las estrategias de seguridad en función de
predicciones algorítmicas.

Este estudio de los patrones del impacto imperceptible de la IA en las ciudades abona al entendimiento
acerca de cómo estas tecnologías alteran discretamente el funcionamiento urbano, pasando inadvertidas

83
 para la mayoría de los ciudadanos. La categorización, tanto de las áreas de impacto como los tipos de
tecnología de IA, empleadas en procesos urbanos, evidencian que esta tecnología algorítmica avanzada
no solo está mejorando aspectos esenciales de la vida urbana, como el confort, la movilidad y la seguridad,
sino que lo realiza de manera imperceptible.
II. Segunda etapa del análisis: Invisibilidad de las IA desde la percepción subjetiva de los
ciudadanos
En la segunda etapa del análisis documental se persigue un enfoque en la percepción subjetiva de los
ciudadanos, donde se postulan dos objetivos:
- Identificar la brecha perceptual ante las decisiones algorítmicas que afectan la experiencia diaria
de los ciudadanos en términos de confort, movilidad y seguridad.
- Analizar el impacto invisible de la IA y cómo es influenciado por la urbanización, transparencia y
participación ciudadana en entornos urbanos
- Con análisis de regresión, examinar cómo variables clave, como el avance tecnológico, el nivel de
urbanización y el desarrollo del país, influyen en la transparencia y la participación ciudadana en
las ciudades con implementación de IA.

a. Identificación de la brecha perceptual

i. Ausencia de visibilidad de la IA en la mejora del confort urbano
Lo anterior, en términos del impacto de la percepción subjetiva, es señalado dentro de los documentos que
los ciudadanos experimentan un mayor confort en su entorno, ya que los sistemas de IA ajustan
automáticamente la iluminación en función de la actividad o adaptan el paisajismo de acuerdo con las
condiciones climáticas. Sin embargo, estos cambios pasan desapercibidos, ya que los ciudadanos no son
conscientes de que son sistemas de IA los que están detrás de estas mejoras.

Ejemplos significativos identificados dentro del corpus documental son las ciudades de Ámsterdam y
Barcelona, en donde los sistemas de iluminación inteligente ajustan la intensidad en función de la cantidad
de personas presentes, mejorando la seguridad y el confort nocturno. Sin embargo, en las encuestas a los
ciudadanos, no existe un reconocimiento de que estas mejoras sean el resultado de sistemas inteligentes.
En lugar de ello, los ciudadanos creen que la municipalidad ha instalado nuevas bombillas de bajo
consumo o cambiado la planificación de la iluminación en zonas clave (Bellini, 2022; Weerasinghe, 2023).
Este ejemplo revela que, aunque los beneficios son tangibles, los ciudadanos no comprenden plenamente
la tecnología que los produce, lo que demuestra la desconexión entre la infraestructura visible y los
procesos algorítmicos invisibles.

ii. Experiencias cotidianas sin atribución tecnológica: gestión del tráfico

La ejecución de la IA en los procesos de gestión del tráfico ha permitido mejoras significativas,
optimizando los flujos vehiculares y reduciendo la congestión en áreas urbanas. Tal como señala Li et al.
(2018), la IA aplicada al control del flujo vehicular no solo facilita la conducción autónoma, sino que
también mejora la seguridad vial mediante algoritmos de aprendizaje profundo y redes neuronales que
permiten ajustar rutas y optimizar decisiones en tiempo real, lo que es esencial en ciudades con alta
congestión.

En Singapur, la gestión del tráfico se ajusta automáticamente la duración de los semáforos en función del
flujo de personas, generando una mayor fluidez y reduce los tiempos de espera en las intersecciones. A
pesar de ello, cuando se realizaron estudios de percepción o entrevistas (documentadas en varios de los
trabajos revisados), los ciudadanos tienden a atribuir estos cambios a mejoras físicas en la infraestructura,

84
como la instalación de nuevos semáforos "más rápidos" o calles ampliadas, sin comprender que era la IA
la que estaba detrás de estas mejoras invisibles, a través de la presencia de tecnologías avanzadas como
Machine Learning o algoritmos predictivos que ajustan automáticamente los semáforos o la iluminación
en función de los flujos de tráfico y personas (Li et al., 2018).

iii. Percepción de seguridad mejorada sin reconocimiento de la IA

En esta categoría, se identificaron 25 proyectos enfocados en el uso de la IA para vigilancia predictiva.
Los sistemas utilizan algoritmos de Predictive Analysis para identificar patrones de comportamiento que
podrían indicar actividades delictivas, ajustando automáticamente los niveles de vigilancia en áreas
específicas.

Los ciudadanos en áreas monitoreadas por estos sistemas experimentan una mayor sensación de seguridad,
gracias a la presencia de cámaras y sensores que crean una percepción de control en los espacios públicos.
No obstante, muchos no son conscientes de que sus movimientos están siendo monitoreados por IA en
tiempo real. En Londres y Beijing, como ciudades globales donde la vigilancia predictiva está
ampliamente implementada, los ciudadanos se sienten más seguros; sin embargo, cuando se consultó a los
residentes, la mayoría mencionó que era gracias a "más cámaras" o bien, "a mejor vigilancia por parte de
la policía", sin reconocer que es la IA la que permite a estos sistemas actuar de forma predictiva, detectando
patrones de comportamiento que podrían indicar una amenaza y ajustando los recursos de seguridad en
función de esos datos predictivos (Casali, 2022; Szorenyi, 2024).

En suma, la evidencia resalta que los ciudadanos tienen un conocimiento muy superficial o nulo de las
tecnologías que gestionan sus entornos, lo que refuerza la atribución de las mejoras a intervenciones físicas
o visibles (como luces o señales), sin que se dé crédito a los sistemas invisibles que ajustan
automáticamente estos elementos.

b. Análisis matizado del impacto invisible de la IA: influencia de la urbanización, transparencia y

participación ciudadana en entornos urbanos
La finalidad de esta sección del análisis es examinar cómo distintos factores, como el grado de
urbanización, el nivel del desarrollo del país y el grado de avance tecnológico, influyen en la percepción
pública de la IA en entornos urbanos. Este enfoque busca identificar las interrelaciones entre estos
elementos y cómo afectan la aceptación, confianza y comprensión de los ciudadanos sobre las tecnologías
de IA implementadas en las ciudades.

A continuación, se describen las clasificaciones que serán empleadas en esta parte del análisis comparativo
de ciudades con incorporación de IA en entornos urbanos, tabla 2. Estas clasificaciones fueron
seleccionadas por su capacidad de captar aspectos clave relacionados con el grado de urbanización,
desarrollo tecnológico y social, y los niveles de transparencia y participación ciudadana en cada ciudad.
Estas dimensiones admiten realizar un análisis profundo de cómo la IA afecta, de manera invisible, la vida
urbana en distintos contextos.
Tabla 2. Clasificaciones descriptivas utilizadas en el análisis
Clasificación Descripción Baja Media Alta
Grado de Mide en términos de 1-2: Infraestructura 3: Infraestructura 4-5: Ciudades altamente
urbanización infraestructura limitada y en intermedia. Ej.: urbanizadas con
urbana avanzada. desarrollo Ciudades con sistemas infraestructura avanzada
de transporte en y tecnología de punta
mejora y conectividad
parcial.

85
 Nivel de desarrollo Indica el nivel de 1: País en desarrollo 2: País desarrollado con
del país desarrollo económico con economías economías avanzadas y
y social del país emergentes N/A alta inversión en
basado en PIB y innovación
acceso a servicios.
Nivel de avance Mide el desarrollo 1-2: Baja adopción 3: Adopción limitada 4-5: Ciudades
tecnológico tecnológico y de tecnologías de IA en áreas tecnológicamente
adopción de avanzadas. Ej.: específicas. Ej.: avanzadas con IA
tecnologías Sistemas manuales Semáforos inteligentes integrada en múltiples
emergentes como la sin integración o monitoreo parcial. sectores urbanos. Ej.:
IA. digital. Big data para gestión
urbana en tiempo real.
Nivel de Refleja el grado de 1-2: Baja 3: Transparencia 4-5: Alta transparencia.
transparencia transparencia en la transparencia. Ej.: moderada. Ej.: Algunas Ej.: Datos abiertos y
implementación de la Procesos plataformas de foros participativos en la
IA y participación tecnológicos opacos consulta sin plena gobernanza tecnológica.
ciudadana. sin acceso ciudadano. participación.
Participación Evalúa el nivel de 1-2: Baja 3: Participación 4-5: Alta participación y
ciudadana participación participación ciudadana moderada. colaboración ciudadana.
ciudadana en la toma ciudadana. Ej.: Ej.: Encuestas Ej.: Presupuestos
de decisiones Implementación sin esporádicas sin participativos y toma de
tecnológicas urbanas. consulta pública. influencia directa. decisiones conjuntas.
Fuente: elaboración propia.

Este análisis, tabla 3 proporciona un análisis matizado de las ciudades, lo que permite observar cómo
factores como el grado de urbanización, la transparencia y la participación ciudadana influyen en la
percepción del impacto invisible de la IA.
Tabla 3. Clasificación de ciudades por nivel de avance tecnológico, transparencia y participación
ciudadana
Categoría Bajo (1–2) Medio (3) Alto (4–5)
Avance tecnológico Lagos Barcelona, Berlín, Londres, Ámsterdam, Nueva
Bombay, Nairobi, York, Copenhague, Ciudad
Johannesburgo de México, Buenos Aires,
París, Singapur, Tokio, Seúl,
San Francisco, Pekín,
Sídney, Dubái
Transparencia Tokio, Lagos, Nairobi, Londres, Nueva York, Singapur, Ámsterdam,
Johannesburgo San Francisco, Bombay, Barcelona, Seúl,
Ciudad de México, Copenhague, Sídney, París,
Pekín, Buenos Aires, Berlín
Dubái
Participación Londres, Nueva York, Singapur, Tokio, San Ámsterdam, Seúl, Berlín,
ciudadana Lagos, Nairobi, Francisco, Bombay, Pekín, Sídney, Barcelona,
Johannesburgo Ciudad de México, Copenhague, París
Buenos Aires, Dubái
Fuente: elaboración propia.

El desarrollo económico y el grado de avance tecnológico han sido ampliamente estudiados como
indicadores clave en la adopción y gestión de nuevas tecnologías, incluida la IA. Dado que estas
dimensiones tienden a mostrar una correlación directa con la capacidad de los países para implementar
tecnologías avanzadas, su análisis resulta familiar en la literatura existente. Sin embargo, en este estudio
se buscó ampliar el enfoque tradicional incorporando otras variables de igual relevancia, como el grado
de urbanización, la transparencia y la participación ciudadana. La inclusión de estos aspectos permitió
86
observar cómo se comportan en la adopción de tecnologías invisibles, como la IA, y en qué medida
influyen en la percepción y aceptación pública de estas innovaciones. Al observar estas variables, se busca
comprender mejor las dinámicas que van más allá de las variables económicas y tecnológicas
tradicionales, arrojando luz sobre la relación entre los ciudadanos y las tecnologías emergentes en las
ciudades.

La primera clasificación utilizada es el grado de urbanización, que mide el nivel de desarrollo urbano de
las ciudades, considerando la modernización de su infraestructura, servicios y organización. En base a los
resultados obtenidos, las ciudades con un bajo grado de urbanización, como Lagos y Nairobi, se destacan
dentro de los casos de estudio analizados, por enfrentar importantes retos estructurales que limitan el
avance efectivo de tecnologías emergentes como la IA. En contraste, ciudades altamente urbanizadas
como Singapur y Nueva York cuentan con sistemas avanzados de transporte y servicios públicos que
facilitan la integración de estas tecnologías.

Ahora bien, al analizar los niveles de transparencia y participación ciudadana entre las distintas ciudades,
se identifican patrones relevantes. Los resultados exponen que el avance tecnológico no siempre se
correlaciona con altos niveles de transparencia y participación ciudadana. Las ciudades que lideran en
estos aspectos tienden a priorizar la inclusión y el acceso a la información en sus políticas, mientras que
otras, a pesar de su desarrollo tecnológico, mantienen un control más centralizado y limitan el acceso
ciudadano.

Según lo observado, gráfico 1, en el caso de las ciudades europeas como Ámsterdam, Barcelona,
Copenhague, París y Berlín, destacan por su alta transparencia, lo que refleja un enfoque de gobernanza
abierta y participativa. Estas ciudades han adoptado políticas que no solo promueven la modernización
tecnológica, sino también la inclusión ciudadana en la toma de decisiones.
6
5
4
3
2
1
Buenos…
Copenh…

Mexico…

Johanne…
Amsterd…

San…

0
Mumbai
Singapore

New York
Seoul
London

Tokyo
Barcelona

Berlin

Beijing

Paris

Dubai
Lagos

Sydney

Nairobi

Gráfico 1. Transparencia. Elaboración propia.

En contraste, una ciudad como Tokio, a pesar de su desarrollo tecnológico avanzado, muestra bajos niveles
de transparencia. Esto sugiere un enfoque más centralizado en la toma de decisiones tecnológicas, donde
el control está en manos del gobierno o instituciones, restringiendo el acceso ciudadano a la información.
6
4
2
0
Amst…

Mexic…

Buen…
Barce…
New…

San…

Joha…
Singa…

Cope…
Seoul

Mumbai
Berlin
London

Tokyo

Paris
Beijing

Dubai
Lagos

Sydney

Nairobi

Gráfico 2. Participación ciudadana. Elaboración propia.

87
En cuanto a la participación ciudadana, el patrón es similar. Las ciudades con alto nivel de desarrollo se
perfilan líderes al mostrar altos niveles de involucramiento ciudadano, donde los habitantes juegan un
papel activo en la planificación y el uso de tecnologías como la IA. Este enfoque participativo permite
que los ciudadanos tengan una voz en cómo se integran estas tecnologías en sus entornos urbanos, lo que
refuerza la confianza y aceptación de las nuevas herramientas.

Por otro lado, ciudades como Singapur, Tokio, San Francisco, Bombay, Ciudad de México, Buenos Aires,
Dubái presentan niveles medios de participación, lo que refleja una estructura más tecnocrática, donde las
decisiones son principalmente lideradas por expertos, con menor implicación directa de los ciudadanos,
gráfico 2. En el caso de las ciudades como Londres, Nueva York, Lagos, Nairobi, Johannesburgo, se
observa bajos niveles de participación, reflejando un modelo de gobernanza más jerárquico, donde la toma
de decisiones tecnológicas es más centralizada y menos participativa.

Por su parte, las ciudades latinoamericanas, como Buenos Aires y Ciudad de México, se encuentran en
niveles intermedios de transparencia y participación ciudadana. Aunque existen esfuerzos para mejorar la
gobernanza abierta en estas regiones, factores estructurales como la burocracia y la desigualdad limitan
una mayor implicación de los ciudadanos en las decisiones tecnológicas. Esto plantea un desafío para la
adopción de tecnologías emergentes como la IA, ya que la participación ciudadana es crucial para
fomentar la aceptación y confianza en estas herramientas.

En suma, estos hallazgos, representados gráficamente, subrayan la importancia de la transparencia y la

participación ciudadana como factores clave para la incorporación exitosa de la IA en las ciudades.

c. Análisis de regresión sobre transparencia y participación ciudadana

En esta etapa del análisis, se llevó a cabo un modelo de regresión para identificar las correlaciones entre
estos factores y cómo se reflejan en las políticas de gobernanza abierta y participación de los ciudadanos.
Tabla 4. Regresión de transparencia y participación ciudadana
Variable Coeficiente Error estándar Valor P Coeficiente Error estándar Valor P
Transparencia Transparencia Transparencia Participación Participación Participación
Constante 1.68 1.045574005 0.127656705 2.28 1.358896611 0.112802507
Avance
-0.308 0.335329689 0.3719972 0.032 0.435816475 0.942377709
tecnológico
Nivel de
0.161333333 0.54121612 0.769467518 -0.44533333 0.703399997 0.535603508
urbanización
Desarrollo del
1.230666667 0.599624512 0.056864224 1.677333333 0.779311377 0.046981174
país
Fuente: elaboración propia.

El análisis de regresión arrojó un R-cuadrado de 0.394, lo que indica que el 39.4% de la variabilidad en la
transparencia de las ciudades está explicada por las variables independientes: el nivel de desarrollo del
país, el avance tecnológico y el grado de urbanización. Entre los resultados más relevantes, destaca el
coeficiente positivo para el nivel de desarrollo del país (1.23), lo que implica que las ciudades de países
más desarrollados tienden a tener una mayor transparencia en el uso de IA, tabla 4. Esto sugiere que estas
ciudades suelen ser más abiertas sobre el uso de tecnología avanzada en sus entornos urbanos.

El valor p de 0.057 indica que la relación entre el desarrollo del país y la transparencia está cerca de ser
estadísticamente significativa, lo que refuerza esta tendencia en las ciudades de economías avanzadas. Sin

88
embargo, tanto el avance tecnológico como el grado de urbanización no mostraron ser estadísticamente
significativos en este modelo, con valores p de 0.37 y 0.77, respectivamente, gráfico 3. Esto sugiere que,
si bien la tecnología avanzada está presente, no siempre se traduce en una mayor transparencia en la
gestión urbana.
6
5
4 y = 1.68x + 1.2307
3 R² = 0.394

2
1
0
0 0.5 1 1.5 2 2.5
Gráfico 3. Regresión de transparencia Vs. Desarrollo del país. Elaboración propia.

Por otro lado, el modelo de regresión aplicado a la participación ciudadana mostró un R-cuadrado de
0.303, indicando que el 30.3% de la variabilidad en este factor es explicado por las mismas variables. De
nuevo, el nivel de desarrollo del país resultó ser un predictor significativo con un coeficiente de 1.68, lo
que demuestra que las ciudades en países desarrollados tienden a fomentar una mayor participación
ciudadana en las decisiones tecnológicas.

El valor p de 0.047 confirma que esta relación es estadísticamente significativa, destacando que, en estas
ciudades, la participación ciudadana juega un rol más activo en la planificación urbana. De la misma forma
que en el caso de la transparencia, ni el avance tecnológico ni el grado de urbanización resultaron ser
variables significativas, con valores p de 0.94 y 0.53, respectivamente. Esto sugiere que otros factores,
como las políticas de gobernanza o el acceso a la información, podrían tener un papel más determinante
en la participación ciudadana, gráfico 4.
6
5
4 y = 1.6773x + 2.28
3 R² = 0.303
2
1
0
0 0.5 1 1.5 2 2.5
Gráfico 4. Regresión de participación ciudadana Vs. Desarrollo del país. Elaboración propia.

De manera conjunta, los resultados de la regresión indican que el nivel de desarrollo del país se perfila
como un factor clave tanto para la transparencia como para la participación ciudadana. En las ciudades de
países desarrollados, hay una mayor tendencia a informar a los ciudadanos y a involucrarlos en la toma
de decisiones, lo que sugiere una relación entre el contexto económico y la apertura gubernamental. En
cambio, variables como el avance tecnológico y el grado de urbanización no mostraron una influencia
significativa en la transparencia o participación ciudadana.

89
III. Tercera etapa de análisis: desafíos éticos y sociales de la IA en ciudades modernas

Los sistemas de IA en las ciudades plantean una serie de retos éticos y sociales, que se manifiestan de
manera invisible pero significativa en las urbes. Estos sistemas, diseñados para optimizar la gestión de la
infraestructura, la seguridad y los servicios, operan con poca o ninguna intervención ciudadana, lo que
genera preocupaciones sobre la autonomía, la privacidad y el acceso equitativo a los beneficios
tecnológicos.

El siguiente mapa conceptual, figura 1, proporciona una visión integral de dichos desafíos derivados del
uso de la IA en las ciudades, tal como se identificó en el presente estudio documental. Estos puntos críticos
se agrupan en cinco ramas clave: vigilancia algorítmica, impacto en la autonomía ciudadana, tensión entre
seguridad y libertad, desigualdad en el acceso a la IA e impacto en la confianza ciudadana. Cada una de
estas ramas resalta las complejidades que surgen con la incorporación de la IA, en particular cómo las
decisiones automatizadas y los sistemas invisibles influyen en la vida diaria de los ciudadanos sin que
estos participen activamente.

Figura 1. Desafíos éticos y sociales de la IA en entornos urbanos. Elaboración propia.

a. Vigilancia algorítmica y erosión de la privacidad

De acuerdo con los resultados obtenidos, uno de los mayores retos que plantea la vigilancia algorítmica
es la erosión de la privacidad. Es decir, la recopilación de datos sin consentimiento y la vigilancia constante
permiten a gobiernos y empresas tomar decisiones sobre los ciudadanos sin que estos sean conscientes de
cómo se utiliza su información. Aunado a ello, el llamado sesgo algorítmico perpetúa desigualdades,
afectando desproporcionadamente a ciertos grupos sociales, ya que en varias ocasiones se ha demostrado
que los algoritmos de reconocimiento facial tienen una tasa de error mayor al identificar a personas de
minorías raciales o étnicas.

En otras palabras, existe evidencia del surgimiento de preocupaciones por la vigilancia continua y el uso
indebido de los datos personales; ya que, esta vigilancia constante crea una tensión entre la protección de
la seguridad pública y la invasión de la privacidad personal (Brandão y Arbix, 2022). En estudios como
el de Maslej et al. (2024) se reporta que la creciente preocupación por el uso de IA en la seguridad afecta
la percepción de intimidad de los ciudadanos. Los resultados de una encuesta reflejan que el 52% de los
estadounidenses se sienten más preocupados por la IA en lugar de entusiasmados, en parte a causa de la
ausencia de transparencia en los procesos de vigilancia y la recopilación de datos.

90
Ahora bien, desde el impacto en la autonomía ciudadana, el concepto de "control invisible", el cual hace
referencia a la influencia menos evidente pero profunda que la IA y los algoritmos pueden tener en los
procesos de toma de decisiones y en las normas sociales, a menudo operando en segundo plano sin que el
público lo perciba es central en las controversias de la IA en las ciudades; tal como se ha resaltado hasta
ahora, en distintas etapas del análisis (Yang et al., 2021). Esto genera una desconexión entre los ciudadanos
y los procesos de toma de decisiones, y una creciente alienación en su relación con el entorno urbano.

b. Desigualdad en el acceso a los beneficios de la IA

Otro punto que destacar es la creciente desigualdad en el acceso a los avances tecnológicos de la IA, lo
que perpetúa las disparidades sociales existentes. En ciudades desarrolladas como Singapur y Nueva York,
los beneficios de la IA tienden a concentrarse en las zonas más ricas, mientras que, en lugares como Ciudad
de México y Buenos Aires, las comunidades marginadas quedan rezagadas en términos de acceso.

Dicha exclusión no solo se debe a la falta de infraestructura, sino también a la brecha digital, que priva a
muchos del acceso a servicios digitales y de una educación adecuada. Esto, a su vez, limita su capacidad
para aprovechar la tecnología emergente y acentúa la exclusión social, ya que quienes no tienen acceso a
estas herramientas no pueden beneficiarse de las mejoras en sus entornos urbanos. Aunado a ello, las áreas
marginadas no solo carecen del acceso a estas tecnologías, sino que muchas veces se ven excluidas de los
procesos de toma de decisiones que afectan la optimización de la IA en sus entornos. La literatura revisada
muestra cómo este acceso desigual a la tecnología perpetúa las disparidades sociales y agrava las
desigualdades preexistentes (Farahani y Ghasemi, 2024). Según Carter (2020), la brecha digital sigue
siendo un obstáculo clave en las ciudades latinoamericanas, donde el acceso desigual a las tecnologías de
IA está ampliando las disparidades sociales existentes.

En este sentido, la desigualdad dependerá en gran medida de cómo se diseñen, implementen y gobiernen
los sistemas de IA, ya que un enfoque inclusivo y equitativo podría reducir estas disparidades, mientras
que la falta de atención a estos aspectos solo agravará la desigualdad (Farahani y Ghasemi, 2024).

c. Erosión de la autonomía y manipulación algorítmica

Las decisiones algorítmicas sobre aspectos de la vida urbana, como el tráfico, la iluminación o la
seguridad, son tomadas automáticamente por sistemas que los ciudadanos no pueden ver ni controlar, lo
que genera una sensación de pérdida de control sobre su propio entorno. De ahí que, la erosión de la
autonomía es otro desafío social que surge de los sistemas de IA que operan de manera invisible.

En ciudades como Londres y Los Ángeles, se han implementado sistemas de IA que ajustan de manera
automática la intensidad de la iluminación pública según el flujo de personas y vehículos. Estos sistemas,
aunque eficientes en términos de ahorro energético y mejora de la seguridad, han suscitado preocupaciones
sobre la autonomía ciudadana. Los residentes no tienen control ni están informados sobre las decisiones
tomadas por estos sistemas, lo que genera una sensación de manipulación. Este fenómeno, conocido como
"manipulación algorítmica", repercute en la percepción de los ciudadanos en su capacidad de influir en su
entorno inmediato. Como señala Ienca (2023), esta falta de visibilidad y control sobre las decisiones
tecnológicas puede erosionar la autonomía de los individuos, creando desconfianza hacia los sistemas
automatizados y las instituciones que los gestionan.

91
Paralelamente, la falta de transparencia en el funcionamiento de los sistemas de IA también genera una
notable desconfianza entre los ciudadanos. En ciudades como Tokio y Lagos, donde el acceso a la
información y la participación ciudadana es señalado dentro de la literatura como limitados, experimentan
una creciente desconfianza en sus gobiernos y en los procesos tecnológicos que afectan la vida urbana. En
cambio, metrópolis como Barcelona y Ámsterdam han demostrado que los modelos de gobernanza
participativa, en los que los ciudadanos desempeñan un rol activo en la toma de decisiones tecnológicas,
mejoran la aceptación de la IA y refuerzan la confianza en las instituciones (Steels y López, 2018).

En resumen, el análisis de las demandas éticas y sociales derivados de la implementación de la IA en las

ciudades modernas pone de manifiesto la necesidad urgente de equilibrar la eficiencia tecnológica con la
participación ciudadana. Si bien la IA ofrece beneficios tangibles en términos de seguridad y optimización
de servicios, su aplicación sin una transparencia adecuada ni una participación de los ciudadanos presenta
riesgos que van desde la erosión de la autonomía hasta la perpetuación de desigualdades sociales. Así
pues, una parte crucial de la solución, tal como lo indican los documentos revisados, reside en la
promoción de modelos de gobernanza participativa que involucren a los ciudadanos en la toma de
decisiones tecnológicas. Esta inclusión resulta fundamental para mitigar los efectos adversos del control
invisible que ejerce la IA en los entornos urbanos. Igualmente, este enfoque esboza la necesidad de abordar
nuevas líneas de investigación que, debido a su relevancia y urgencia, deben ser atendidas con prontitud.

Conclusiones
El objetivo principal de esta investigación, que buscaba analizar cómo la invisibilidad de la IA ha sido
abordada en diferentes contextos urbanos, fue plenamente cumplido. A lo largo del estudio, se pudo
observar y clasificar de manera efectiva las distintas aproximaciones a este fenómeno en las ciudades,
logrando un entendimiento más profundo de cómo estas tecnologías se integran de manera invisible en la
vida cotidiana de los ciudadanos.

El análisis documental, desarrollado bajo un enfoque mixto, permitió desglosar los estudios en abordajes
empíricos y teóricos, evidenciando una predominancia de investigaciones enfocadas en la optimización
de infraestructuras y la vigilancia predictiva. A través de este proceso, se reveló la complejidad inherente
al fenómeno, destacando las múltiples dimensiones e implicaciones que la inteligencia artificial tiene en
los entornos urbanos.

Por otra parte, si bien se ha demostrado un fuerte interés en las aplicaciones prácticas de la IA,
particularmente en el mejoramiento de infraestructuras urbanas y la seguridad pública, el análisis reveló
también una significativa falta de comprensión sobre las tensiones éticas que estas tecnologías imponen.
Entre estos desafíos, la erosión de la privacidad y la autonomía ciudadana se destacó como un problema
crítico, especialmente en los estudios teóricos. Esta brecha entre la implementación práctica y las
consideraciones éticas sugiere la necesidad de un enfoque más integral que contemple tanto los beneficios
como los riesgos inherentes a la presencia de la IA en las ciudades.

En relación con la literatura previamente publicada, los resultados se alinean con estudios que han
subrayado la creciente presencia de la IA en las ciudades y sus implicaciones en áreas como la seguridad
y la movilidad. Sin embargo, este estudio contribuye al campo al enfatizar el impacto invisible de estas
tecnologías, un aspecto que ha recibido menos atención en investigaciones anteriores. Este enfoque ha

92
permitido profundizar en el estudio del fenómeno urbano, destacando cómo los estudios revisados
contribuyen tanto al desarrollo conceptual como a la validación práctica de estas tecnologías.

Se encontró, además, que la percepción ciudadana no solo se centra en los beneficios inmediatos de estas
intervenciones tecnológicas, sino que también está marcada por una desconfianza hacia los procesos
invisibles que las sustentan, lo cual concuerda con estudios previos sobre la relación entre tecnología y
transparencia gubernamental.

Este hallazgo señala que, aunque los ciudadanos experimentan mejoras tangibles en su entorno urbano,
como mayor comodidad, movilidad eficiente o seguridad, no son conscientes de que estas mejoras son
impulsadas por procesos algorítmicos y tecnologías de inteligencia artificial (IA). La "desconexión
significativa" hace referencia a la brecha entre lo que los ciudadanos perciben como beneficios (por
ejemplo, tráfico más fluido o mejor iluminación pública) y el hecho de que estos resultados se logran
mediante sistemas tecnológicos invisibles, que funcionan en segundo plano sin que la gente sepa cómo se
toman las decisiones.

Esta falta de visibilidad sobre los algoritmos y su funcionamiento puede generar una ausencia de
comprensión y, en algunos casos, desconfianza. En lugar de atribuir las mejoras a la IA o a procesos
automatizados, las personas tienden a asociarlas con cambios físicos en la infraestructura, como si fueran
resultado de intervenciones tradicionales. Esto refuerza la idea de que, aunque la IA está mejorando la
vida urbana, su naturaleza "invisible" dificulta la percepción clara de su papel y contribuye a una
desconexión entre la tecnología y las personas.

Las implicaciones de estos hallazgos se tornan más significativas a medida que las ciudades adoptan más
tecnologías invisibles, ya que existe el riesgo de que los ciudadanos se sientan alienados de los procesos
que afectan directamente su vida cotidiana. Desde una perspectiva psicológica, la mejora en la sensación
de confort, movilidad y seguridad proporcionada por la IA es innegable, pero la falta de control o
conocimiento sobre el funcionamiento de estos sistemas invisibles puede provocar una reacción negativa.
En particular, si los ciudadanos comienzan a percibir que la eficiencia urbana se está logrando a expensas
de su autonomía o privacidad, es probable que surjan resistencias o preocupaciones éticas más profundas.

Si bien este estudio permitió una aproximación integral al fenómeno analizado, es importante reconoce
ciertas limitaciones que condicionaron el alcance de los hallazgos. En primer lugar, aunque se incorporó
un análisis de regresión, los datos utilizados provinieron de fuentes secundarias, lo que restringe la
posibilidad de establecer inferencias más amplias. Asimismo, la distribución geográfica de los estudios
revisados mostró una mayor concentración en ciudades de Europa, Asia y Norteamérica, con menor
representación de ciudades en América Latina y África, lo que podría incidir en la generalización de los
hallazgos a contextos urbanos con dinámicas socio - tecnológicas distintas.

En suma, estas limitaciones sugieren la necesidad de líneas futuras de investigación deben enfocarse en
explorar más a fondo los impactos a largo plazo de la invisibilidad tecnológica en la relación entre los
ciudadanos y el espacio urbano. Además, se sugiere investigar el rol de la educación tecnológica en mitigar
la desconexión entre los ciudadanos y la IA, proponiendo estrategias para hacer más transparentes los
beneficios y riesgos asociados a estas tecnologías.

93
En conclusión, este estudio no solo ha arrojado luz sobre la presencia y el impacto invisible de la IA en
los entornos urbanos, sino que también ha resaltado la importancia de la transparencia y la participación
ciudadana en su integración. Los hallazgos sugieren que, si bien la IA ofrece mejoras tangibles en áreas
clave como la seguridad y la movilidad, su naturaleza oculta genera exigencias significativas que deben
ser abordados mediante una gobernanza más inclusiva y un marco ético sólido.

El avance de estas tecnologías en las ciudades requiere no solo innovación técnica, sino también un
compromiso claro con la responsabilidad social y la protección de los derechos ciudadanos. Las
recomendaciones planteadas en este trabajo invitan a profundizar en la investigación y fomentar el diálogo
entre gobiernos, tecnólogos y ciudadanos para construir entornos urbanos más transparentes, equitativos
y sostenibles en la era de la IA.

Bibliografía
AI Index (2024). Artificial Intelligence Index Report 2024. Annual Report. Stanford Institute for Human-
Centered Artificial Intelligence. [Link]
AI100 Report (2021). Artificial intelligence 100-year study: 2021 report. Stanford University. Retrieved
from [Link]
Bellini, P., Nesi, P., & Pantaleo, G. (2022). IoT-enabled smart cities: A review of concepts, frameworks
and key technologies. Applied Sciences, 12(3), 1607. [Link]
Bokhari, S. A. A., & Myeong, S. (2022). Use of artificial intelligence in smart cities for smart decision-
making: A social innovation perspective. Sustainability, 14(2), 620. [Link]
Brandão, R. and Arbix, G. (2022) Artificial Intelligence, Ethics and Public Policy— The Use of Facial
Recognition Systems in Public Transport in the Largest Brazilian Cities. Journal of Service Science and
Management, 15, 551-575. doi: 10.4236/jssm.2022.155032.
Carter, L., Liu, D., & Cantrell, C. (2020). Exploring the Intersection of the Digital Divide and Artificial
Intelligence: A Hermeneutic Literature Review. AIS Transactions on Human-Computer Interaction, 12(4),
253-275. [Link]
Casali, p.; Yonca, N.; Comes, T. (2022). Machine learning for spatial analyses in urban areas: a scoping
review, Sustainable Cities and Society, Volume 85, [Link]
Cugurullo, F. (2020). Urban Artificial Intelligence: From Automation to Autonomy in the Smart City.
Frontiers in Sustainable Cities, 2, 38. [Link]
Drepaul, N. A. (2020). Sustainable cities and the Internet of Things (IoT) technology. Consilience: The
Journal of Sustainable Development, 22, 39-47. [Link]

94
Farahani, M., & Ghasemi, G. (2024). Artificial Intelligence and Inequality: Challenges and Opportunities.
Qeios. [Link]
Fuller, A., Fan, Z., Day, C., & Barlow, C. (2020). Digital Twin: Enabling Technologies, Challenges and
Open Research. IEEE Access, 8, 108952–108971. [Link]
González Andrades, S. (2022). De la inteligencia artificial a las ciudades inteligentes [Tesis de grado,
Universitat Autònoma de Barcelona]. Depósito Digital de Documentos de la UAB.
[Link]
Goodman, B., & Flaxman, S. (2017). European Union Regulations on Algorithmic Decision-Making and
a “Right to Explanation”. AI Magazine, 38(3), 50-57. [Link]
Hernández, T. G. B. (2024, June). IA y cultura del riesgo digital: Vigilancia preventiva vs. Autonomía
individual. In Las fronteras del conocimiento: perspectivas y aplicaciones en la era digital (pp. 250-263).
Dykinson. [Link]
Ienca, M. (2023). On artificial intelligence and manipulation. Topoi, 42(3), 833-842.
[Link]
Kaur, R., Gabrijelčič, D., & Klobučar, T. (2023). Artificial intelligence for cybersecurity: Literature review
and future research directions. Information Fusion, 97, 101804.
[Link]
Li, J., Cheng, H., Guo, H., & Qiu, S. (2018). Survey on artificial intelligence for vehicles. Automotive
Innovation, 1(2), 2–14. [Link]
Marasinghe, R., Yigitcanlar, T., Mayere, S., Washington, T., & Limb, M. (2024). Towards Responsible
Urban Geospatial AI: Insights From the White and Grey Literatures. Journal of Geovisualization and
Spatial Analysis, 8(24), 1-23. [Link]
Maslej, N., Fattorini, L., Perrault, R., Parli, V., Reuel, A., Brynjolfsson, E., Etchemendy, J., Ligett, K.,
Lyons, T., Manyika, J., Niebles, J. C., Shoham, Y., Wald, R., & Clark, J. (2024). The AI Index 2024 Annual
Report. AI Index Steering Committee, Institute for Human-Centered AI, Stanford University.
[Link]
Ortega, R. (2023). Algoritmos, inteligencia artificial y policía predictiva del estado vigilante. Revista
General de Derecho Administrativo, (62), 1.
[Link]
_en_el_Estado_vigilante.pdf
Ortega-Fernández, A., Martín-Rojas, R., & García-Morales, V. J. (2020). Artificial intelligence in the
urban environment: Smart cities as models for developing innovation and sustainability. Sustainability,
12(19), 7860. [Link]
Palmini, O., & Cugurullo, F. (2023). Charting AI Urbanism: Conceptual Sources and Spatial Implications
of Urban Artificial Intelligence. Discover Artificial Intelligence, 3, 15. [Link]
023-00060-w
Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach (4th ed.).
Steels, L., & López de Mantaras, R. (2018). The Barcelona declaration for the proper development and
usage of artificial intelligence in Europe. AI communications, 31(6), 485-494.
[Link]
Szorenyi, A. (2024). The use of artificial intelligence in cities. Global Cities Hub.
Weerasinghe, S., Zaslavsky, A., Loke, S. W., Hassani, A., Medvedev, A., & Abken, A. (2023). Adaptive
context caching for IoT-based applications: A reinforcement learning approach. Sensors, 23(10), 4767.
[Link]

95
Xu, F., Zhang, J., Gao, C., Feng, J., & Li, Y. (2023). Urban Generative Intelligence (UGI): A Foundational
Platform for Agents in Embodied City Environment. Tsinghua University.
[Link]
Yan, Z., Jiang, L., Huang, X., Zhang, L., & Zhou, X. (2023). Intelligent urbanism with artificial
intelligence in shaping tomorrow’s smart cities: Current developments, trends, and future directions.
Journal of Cloud Computing, 12(179). [Link]
Yang, S. J. H., Ogata, H., Matsui, T., & Chen, N.-S. (2021). Human-centered artificial intelligence in
education: Seeing the invisible through the visible. Computers and Education: Artificial Intelligence, 2,
100008. [Link]
Zhang, B. (2021). Public Opinion Toward Artificial Intelligence, in Justin B. Bullock, and others
(eds), The Oxford Handbook of AI Governance [1-15], Oxford Handbooks.
[Link]
Zhang, F., Salazar-Miranda, A., Duarte, F., Vale, L., Hack, G., Chen, M., … Ratti, C. (2024). Urban Visual
Intelligence: Studying Cities with Artificial Intelligence and Street-Level Imagery. Annals of the American
Association of Geographers, 114(5), 876–897. [Link]

96
CAPÍTULO
TECNOLOGÍA

97
 Aplicación de la IA en el diseño de una celosía para la simulación de la
iluminación natural

Vicente Legorreta Acevedo

Jorge Armando Ojeda Sánchez

Introducción
En el presente trabajo se aplica una Inteligencia Artificial (IA) generadora de imágenes para aplicaciones
en el campo de la arquitectura y el diseño asistido. Las fachadas, a lo largo de la historia, originalmente
eran exteriores sólidos con aberturas de ventanas, han evolucionado hasta convertirse en una combinación
de paredes exteriores perforadas o semipermeables, con formas de apertura versátiles e incluso envolturas
de celosías. En este sentido, la evolución siempre conserva los aspectos técnicos y estéticos. Entre los
aspectos intrínsecos de una fachada se encuentran el material, la textura, la forma, etc., que generalmente
presentan variaciones menores. Los aspectos extrínsecos son aquellos que dependen del contexto o del
entorno de la fachada, como la iluminación, el clima, el paisaje, la cultura, etc. (Prieto & Oldenhave,
2021). Dichos aspectos son importantes a considerar en el diseño de una fachada. La aplicación de la IA
se ha aplicado al análisis del desempeño ambiental de fachadas adaptativas, modificada mediante
actuadores, en un sistema de análisis por IA y acciones por medios mecánico-electrónicos (Yi, et al, 2021).
La IA se ha aplicado para generar envolventes adaptables, cinéticas con el fin de establecer lineamientos
de control de la iluminación para el confort visual, mediante aprendizaje automático mediante IA. Esta
misma herramienta se ha aplicado al análisis de la iluminación diurna, esencial en el diseño de una
edificación, ya que permite una calidad del ambiente interior, a partir del análisis mediante IA de las
variables críticas para el análisis de una iluminación eficiente (Le-Thanh, et al., 2022; Le-Thanh, et al.,
2024).
Por otro lado, las dobles fachadas, actúan como una estructura secundaria que protege el interior del
edificio de factores de luz, sonido, calor, viento y agua. Sin embargo, existe una brecha en cuanto a la
aplicación de la IA para el diseño de celosías, como sistema pasivo, análisis y, en consecuencia,
verificación de normativas nacionales, en una primera aproximación. En este sentido, se utilizó la norma
NOM-025-STPS-2008 que define los niveles mínimos de iluminación (medidos en luxes) requerido para
espacios como circulaciones e interiores (Rodríguez Hugo, 2021), dependiendo de la tarea visual que se
realice, descanso o actividades que requieren una alta precisión. Es importante señalar que dicha norma,
establece los estándares siguientes: Define los niveles mínimos de iluminación, medición y evaluación de
la iluminación, prevención de riesgos y exámenes visuales (Secretaría del Trabajo y Previsión Social,
2008).
En el caso de las celosías, se explica que son un elemento arquitectónico decorativo, que restringe la vista
parcialmente de la iluminación y ventilación; normalmente se sitúan en ventanas, como muros divisorios
y en fachadas de edificios. Los diferentes materiales que se pueden utilizar son el acero, concreto, ladrillo
y madera. Las diversas formas de celosías con distintos tipos de materiales permiten una versatilidad al
momento de desarrollarlas (Montañez, 2020). El uso de herramientas digitales dinámicas en el diseño de

98
elementos arquitectónicos es cada vez más frecuente, adicional al análisis térmico, ventilación o de
iluminación mediante herramientas de diseño paramétrico tales como Rhino-Grasshopper y plug-ins como
Ladybug, desarrollados como software de código abierto (Gkaintatzi,2022; Perwita, 2024), en este
sentido, la IA presenta un desarrollo en la generación de imágenes, generalmente condicionadas mediante
prompts e imágenes base, de tal forma que se pueden obtener múltiples casos posteriormente.
En este contexto, en el presente trabajo se realiza un proceso de simulación virtual mediante Velux
Daylight Visualizer 3.1, para evaluar la cantidad de iluminación natural, cuantificada en luxes (Lx), que
se presenta al interior de un módulo de 1 m3. Se considera un módulo de control virtual base con una
ventana convencional, para compararse con módulos con dos diferentes formas de celosías, una forma
generada por IA, y una celosía convencional de barro. En la metodología general, se describe el proceso
de generación de diseños de celosías utilizando IA, selección del diseño para su modelado en 3D.
Posteriormente se continúa con la simulación y la comparación del rendimiento. Finalmente, la simulación
virtual de la iluminación natural ofrece una evaluación objetiva del rendimiento de una celosía basada en
una imagen generada por Inteligencia Artificial.

Metodología
El presente trabajo, plantea el problema de las condiciones bajo las que una imagen generada por
inteligencia artificial genere una celosía, que, tras un análisis por simulación de iluminación natural, pueda
ser considerada como un prototipo de celosía apto para impresión 3D. Para abordar el punto anterior, se
aplicó la siguiente metodología que incluye la selección de una imagen generada por IA, verificación de
su cumplimiento con ciertos criterios técnicos, estéticos, y la atribución de autoría. Dada la amplitud y
complejidad de esta metodología, se adoptó una estrategia pragmática para iniciar los experimentos.
Se seleccionó aleatoriamente una imagen de las primeras ocho generadas por Microsoft Designer,
generador de imágenes con IA. Dicha herramienta se utilizó debido a su flexibilidad en la generación de
imágenes que cubran los requisitos mínimos mencionados, además de aplicarse para diversificar
resultados. El proceso metodológico general, figura 1. En el desarrollo de la presente sección se abordará
a detalle cada procedimiento mediante el uso de la IA. Inicialmente se generaron 8 imágenes generadas
por IA, mismas que se pueden apreciar más adelante. Dicho proceso se aplicó a una sola imagen, debido
a lo exhaustivo de cada proceso, considerando el tiempo de procesamiento y los recursos disponibles.

99
 Figura 1. Diagrama de flujo general. Elaboración propia

Para realizar la simulación de iluminación, se consideró el contexto climático del lugar, con el fin de
utilizar los valores de iluminación. El lugar de estudio es la región de Marabasco, Manzanillo, Colima,
México. El proceso de simulación de las celosías generadas por IA requiere de un archivo climático para
poder evaluar la iluminación. Los detalles se presentan más adelante.

Diseño y conceptualización de celosía mediante IA

El objetivo del presente trabajo es la generación de la celosía por medio de IA, mediante un prompt que
incluya los parámetros requeridos; posteriormente, seleccionar aquel caso que cubra con los
requerimientos, para su posterior análisis en simulación. Se inicia con la conceptualización de la celosía,
para definir una idea a partir de bocetos y palabras clave, que serán parte del prompt. Para la
conceptualización de la celosía se hace uso del concepto hibrido, propuesto por Ogosta (Ogosta Edward,
2012), en algunos contextos, se utiliza el término híbrido para referirse a algo que es producto de
elementos de distinta naturaleza. Bajo este concepto, Ogosta crea una serie de objetos que combinan dos
tipologías diferentes, que generan un mundo interior que amplía las posibilidades de habitar y trabajar.

100
 Figura 2. Esquema de la aplicación del concepto híbrido. Elaboración propia

En este caso específico, el proceso se aplica para la generación de imágenes con IA. La aplicación inicia
a partir de una palabra clave inicial, que permite la generación de ideas (palabras clave) que son incluidas
en la generación del prompt (Ogosta Edward, 2012). A continuación, se presenta la interpretación del
concepto híbrido. La figura 2 muestra el proceso de conceptualización específico.
Una vez generado el concepto, se utiliza un prompter guía, herramienta auxiliar que facilita la
construcción de prompts, para crear descripciones que generan imágenes con Inteligencia Artificial
(Prompter guide, 2022).
Entre sus características se encuentran: opciones de personalización, control de parámetros, selección de
algoritmos, entrada de URL de imágenes y una base de datos con descriptores. Dada su interactividad,
facilita la organización de ideas en un texto conciso y breve, esto último es fundamental para la generación
de instrucciones específicas (Agentes TIC, 2023). Las instrucciones y parámetros serán útiles para para
modificar la descripción final (McGeehan Shane, 2023), La figura 3 muestra la interfaz y la información
necesaria para su uso.

Figura 3. Prompter guía. Adaptado de PROMPTER GUÍA, de (McGeehan Shane, 2023). Elaboración propia

El prompt resultante para la generación de una imagen de una celosía, considerando los parámetros de la
interfaz mencionada, figura 4. Para la generación de variaciones de las imágenes, se debe modificar los
requerimientos como: color, época, posición de cámara, estilo, entre otros.

101
 Figura 4. Prompt resultado. Elaboración propia

Con este prompt, nos permite generar imágenes con IA, que es una aproximación a un proceso de diseño
asistido, acotado por instrucciones y requerimientos específicos (prompt), donde el análisis experimental
o por simulación, valida el procedimiento de diseño. Como primer paso se utilizó la aplicación de
Microsoft Generador de imágenes de Bing en conjunto con tecnología DALL E3 (Microsoft, 2023b). Es
importante mencionar que dichas herramientas experimentan cambios, debido a las actualizaciones
frecuentes.
La vinculación de estas herramientas se presenta mediante el asistente virtual Copilot, incorporado al
navegador nativo del sistema operativo Windows Edge que en su versión gratuita permite 15 ingresos de
instrucciones, denominados impulsos (Microsoft, 2023a), En la figura 5 se muestra los principales
elementos que vinculan dichas herramientas, asistidas por IA.

Figura 5. Microsoft Edge sobre generador de imágenes con IA (Microsoft, 2023b)

La IA generadora de imágenes (Designer) es una herramienta de apoyo en el proceso conceptual, que

proporciona una amplia variedad de imágenes, su aplicación en un elemento arquitectónico es un primer
acercamiento a un proceso creativo propio del arquitecto (Free AI image generator, 2025).
Las imágenes que se muestran a continuación son el resultado de la aplicación del prompt ingresado en
Designer. La Figura 6, muestra la selección de ocho imágenes generadas con IA. La imagen A8 es la
geometría para utilizar, esta selección surge de la combinación de dos imágenes previamente generadas
con IA, que serán modificadas más adelante para poder adaptarse en formato PNG.

102
 Figura 6. Imágenes generadas por IA con Designer. Elaboración propia

Los detalles de las imágenes anteriores, (A1 - A8), se representa en la Figura 6, mediante una tabla que
contiene dos columnas, que corresponden a la imagen original con IA en formato JPG y la imagen
modificada en formato PNG. Se incluyen las variaciones del prompt utilizado en Designer, para generar
cada uno de los casos mostrados en la Figura anterior. La figura 7 muestra el boceto digital inicial en
formato JPG. A continuación, se describen las imágenes originales en formato JPG, ubicadas en la
segunda columna. La imagen original A1 es un diseño geométrico en blanco y negro. Este diseño consta
de una serie de formas geométricas que se entrelazan de manera compleja, formando un patrón que refleja
simetría y precisión. Las formas están inspiradas en columnas con aberturas, lo que indica un paso de luz
natural.

Figura 7. Conjunto de imágenes generadas por IA. Fuente: Elaboración propia

La geometría para A2 es una versión refinada en blanco y negro del diseño esbozado circular. Este diseño
consta de una serie de formas geométricas interconectadas que forman un patrón visualmente atractivo.
Las formas están dispuestas de tal manera que crean una sensación de movimiento y dinamismo, con un

103
fuerte enfoque en la geometría y la simetría. La configuración para A3 muestra patrones de una serie de
cuadrados repetidos y curvas, cada uno con un patrón intrincado dentro. Estos patrones crean una
sensación de profundidad y dimensión. El diseño es contemporáneo y sofisticado, con un enfoque en la
repetición y la simetría que aparenta un estilo ornamentado.
La imagen original para A4 es una versión en tonos marrones que resalta los detalles de un patrón circular
que recuerda a un mándala. El diseño es estético y visualmente atractivo, con un fuerte enfoque en la
simetría y la precisión. La configuración geométrica de A5 muestra una estructura similar a un panal en
blanco y negro. La interpretación digitalizada presenta una serie de celdas hexagonales que se conectan
entre sí, formando una red compleja que simula una estructura molecular. La imagen A6 revela una
estructura más definida y compleja que la anterior. La figura A7 destaca por su estructura dispersa en
comparación con las anteriores. La digitalización en dorado y negro muestra una disposición más
espaciada de las celdas, proporcionando una sensación de amplitud y menor densidad.
La imagen A8 se compone de dos imágenes distintas destinadas a unirse para formar un diseño conjunto.
La primera imagen exhibe una serie de celdas que albergan un patrón interno complejo. Cada celda
contiene múltiples estratos de patrones geométricos, generando una percepción de profundidad y textura.
La segunda imagen muestra una estructura que es la continuación de la primera. Esta imagen presenta una
serie de celdas dispuestas de manera similar a la primera imagen, pero con un patrón interno distinto. Este
patrón complementa al de la primera imagen, indicando que, al unirse, ambas, formarán un patrón
cohesivo y armonioso, esto se debe a que ambas imágenes fueron generadas usando el mismo prompt sin
alteraciones, a diferencia de los intentos anteriores.
Esta última configuración, facilitó uno de los aspectos fundamentales del boceto digital inicial, que
consistía en superponer al menos dos imágenes o diseños para crear una combinación nueva. Por otro
lado, debido a la simplicidad del diseño, la colocación de soportes para un prototipo, resultó ser un proceso
sencillo. El paso siguiente en la metodología planteada, es el procesamiento de la imagen para que sea
compatible con el software de simulación.
El archivo de la geometría seleccionada se exporta a archivos con las siguientes extensiones PNG, DXF
y STL. Estos archivos cumplen con diferentes funciones, en el caso del archivo DXF, permite registrar en
un plano, vistas e isométrico, además de sus principales características tales como medidas y escala. El
archivo con extensión STL será relevante para las futuras exposiciones de simulación virtual e impresión
3D.
Esta información ayudará a organizar los diferentes aspectos de la pieza de celosía que se pretende crear,
que surge a partir de la imagen generada por IA. En la figura 8 se muestran los planos de las diferentes
geometrías que conforman la imagen A8.

104
 Figura 8. Plano con detalle de las piezas generadas. Fuente: Elaboración propia

Las imágenes generadas, requieren que se remueva el fondo, para esto se utilizó el software de edición
GIMP- Image Manipulation Program, herramienta de código abierto equivalente a Photoshop (GIMP-
Image Manipulation Program, 2024). Una vez que se ha eliminado el fondo, la imagen se guarda en
formato PNG. Este formato, permite la conversión posterior a formatos DXF o STL, según sea necesario
(Landa Chris, 2023, ImageToStl, 2023).
El modelado tridimensional de la celosía requiere de usar el archivo en formato DXF, con el fin de eliminar
posibles errores y su posterior conversión a vectores o líneas mediante el software Sketchup, herramienta
ampliamente conocida en ámbitos de la arquitectura (Sketchup-3D Design Software, 2024). La figura 9
muestra un esquema con el procedimiento mencionado anteriormente.

Figura 9. Proceso de edición general para la imagen IA. Elaboración propia

Simulación numérica de iluminación

El proceso de simulación de la iluminación natural inicia con la definición de las dimensiones de un
módulo experimental base, que inicialmente tiene las medidas de 1.0x1.0x1.25 m. con un vano de 60x60
cm, sin protecciones. Las medidas del módulo experimental son un primer acercamiento al análisis de la

105
iluminación mediante software especializado. El software utilizado es Velux Daylight Visualizer 3.1
(VELUX Daylight Visualizer, 2024) para realizar una simulación de luz natural, medida en luxes [lx] que
se recibe al interior de tres módulos. En la figura 10 se puede apreciar la configuración de prueba. El
módulo de referencia, denominado grupo 0, que servirá como punto de comparación para medir los efectos
de los dos grupos con celosía diseñada por IA.

Figura 10. Nomenclatura de grupos de módulos de análisis. Elaboración propia

En este caso, el grupo 0 se refiere a una abertura sencilla de 60 x 60 cm, que no cuenta con protecciones.
Los grupos experimentales son grupo 1 (referente a la imagen A8 o celosía generada con IA) y grupo 2
(celosía comercial de barro), tomando de base los productos del grupo Talamsa, (TALAMSA, 2024). Cada
grupo incluye una variación de diseño, con piezas de 20 x 20 cm, formando un conjunto de 9 celosías de
60 x 60 cm. En la figura 11 se muestran las características de cada grupo.

Figura 11. Plano de módulos experimentales virtuales. Elaboración propia

El módulo experimental, con un área interna de 1 m² y muros de 10 cm de espesor, presenta una abertura
cuadrada de 60 cm por lado y una altura de 1.25 m. Externamente, la unidad es un cuadrado de 1.2 m por
lado, figura 12. El análisis se enfoca en observar como las celosías facilitan el paso de luz, sin considerar
la habitabilidad del espacio. Aunque la NOM-025-STPS-2008 exige 100 luxes de luz natural para la
habitabilidad en relación con circulaciones e interiores, nuestro estudio se limita a comprobar si las
celosías proporcionan la iluminación mínima necesaria. La malla seleccionada para la simulación, usando
como interfaz Velux Daylight Visualizer 3.1, está ubicada a 50 cm. del nivel de piso y corresponde al plano
de trabajo. La distancia de la cuadricula de la malla es de 10 cm. y se considera como vista en planta.

106
 Figura 12. Módulo de referencia- grupo 0. Elaboración propia

El software de simulación permite agregar diversos coeficientes de reflexión dependiendo del material
seleccionado. El listado de coeficientes de reflexión para diferentes materiales, figura 13.

Figura 13. Materiales utilizados. Adaptado de Importa modelo a Daylight Visualizer, de (VELUX, 2013).
[Link]
La simulación mediante Velux Daylight Visualizer 3.1, requiere del uso de un archivo climático, EPW
(Energy Plus Weather), archivo ampliamente utilizado en procesos de simulación climática de
edificaciones. Este archivo contiene datos meteorológicos horarios de un año, las variables climatológicas
que contiene son: radiación solar, temperatura, porcentaje de humedad relativa, presión, velocidad de
viento, entre otros. Este archivo es ampliamente utilizado por software para la evaluación del desempeño
energético de una edificación (ENSIMS, 2024).
El período de registro utilizado es del 2007-2021 en Manzanillo playa de oro. La radiación solar es un
factor clave para nuestro estudio, destacando marzo, abril y mayo como los meses de mayor incidencia en
nuestra región. Como primer acercamiento a usar esta herramienta de simulación, se selecciona el mes de
abril para realizar las simulaciones, tomando en cuenta los horarios de salida y puesta del sol en Río
Marabasco, Manzanillo, Colima, 28834, México. Latitud: 19.2283764, Longitud: -104.5281035. Zona
Horaria: UTC-6 CST, tal como se detallará a continuación (Servicio Meteorológico Nacional, 2010), un
resumen de la ubicación y datos climáticos, figura 14.

107
 Figura 14. Procedimiento para descarga de archivo EPW. Adaptado de Climate, de (ENSIMS, 2024).
[Link]
El 21 de abril de 2024, en Rio Marabasco, Manzanillo, Colima, México, la luz natural comienza a las
7:09:29 a.m. y termina a las 6:58:14 p.m. Esto significa que la duración total de la luz natural para este
día es de aproximadamente 11 horas y 49 minutos. Estos tiempos representan el inicio y el final del
crepúsculo civil (sol a 6 grados por debajo del horizonte). Río Marabasco experimenta un incremento
gradual en la duración de la luz diurna. A lo largo del mes, la cantidad total de luz solar aumenta en 17
minutos. Esto indica una tendencia hacia días más largos a medida que avanza el mes. Esta variación en
la duración de la luz diurna es un fenómeno natural que ocurre debido a la inclinación del eje del planeta
y su órbita alrededor del sol (Sunrise, 2024) figura 15.

Figura 15. Horas de luz natural en Rio Marabasco Colima. Adaptado de Consulta de horas de sol, de (Sunrise, 2024).
[Link]
Se realizaron 11 simulaciones para cada grupo experimental, una por cada hora de luz natural disponible.
Además, se ha considerado la orientación hacia el norte para la colocación del módulo y la apertura en
dicha dirección, de acuerdo con las recomendaciones del software (VELUX, 2013), en el que se detalla
cómo modificar e ingresar los datos relevantes al exportar un modelo al programa de simulación virtual.
A continuación, figura 16, se presenta un diagrama con los pasos esenciales para habilitar la simulación.

Figura 16. Proceso de simulación en VELUX DAYLIGHT VISUALIZER 3.1. Elaboración propia

108
Para cada grupo, se verifica que los modelos cumplan con los requisitos mínimos en la simulación. Luego,
se exporta el modelo predeterminado en formato skp, verificando que las unidades estén en metros, así
como la escala del modelo. En cuanto a las superficies, se verifica que los nombres de los materiales
asignados desde Sketchup coincidan con la lista de elementos de Velux. Se asignan los materiales
adecuados a cada elemento, como vidrio, piedra o plástico, con ayuda de la tabla mostrada en la Figura
13. La ubicación corresponde a las coordenadas previas, al igual que la orientación norte. Se selecciona
la vista en planta con la cámara. Finalmente, se elige una imagen estática para cada uno de los grupos
experimentales. A continuación, se presenta los resultados de simulación mediante las imágenes estáticas
durante el periodo horario de 7:30 a.m. a 5:30 p.m. Para facilitar la interpretación visual de la información
se presenta únicamente el periodo de las 12:30 p.m.
Es importante destacar que el método presentado, se refiere a las imágenes generadas, estáticas. Un
análisis completo, puede consultarse en la sección de resultados mediante las tablas correspondientes a
cada caso.
La información del módulo denominado grupo 0, la vista en planta de las 12:30 p.m. del 21 de abril de
2024, se obtuvo valores máximos de luxes de 1200 [lx] y mínimas de 160 [lx]. En promedio dentro del
modelo y con ausencia de protecciones entran aproximadamente 700 [lx], figura 17.

Figura 17. Grupo 0. Adaptado de VELUX Daylight Visualizer 3, (VKR Holding, 2023). Elaboración propia

Respecto al grupo 1, la cantidad de luxes en planta, se reduce considerablemente, en este caso el valor
máximo obtenido es de 240 luxes, aproximadamente, con mínimos de 40 luxes. Dichos resultados se
pueden observar en la Figura 18. La celosía generada por IA (grupo 1), reduce la cantidad de iluminación
al interior de un espacio, comparado con una celosía comercial (grupo 2), donde los resultados, que se
pueden consultar en la Figura 19, el valor máximo de luxes en planta es de 70 [lx] y un valor mínimo de
10 luxes. En este punto, el área de iluminación de la celosía generada por IA es mayor, comparado con
una celosía convencional. Los resultados se pueden apreciar en las figuras 18 y 19.

Figura 18. Grupo 1. Adaptado de VELUX Daylight Visualizer 3, (VKR Holding, 2023). Elaboración propia

109
 Figura 19. Grupo 2. Adaptado de VELUX Daylight Visualizer 3, (VKR Holding, 2023). Fuente: Elaboración propia

Con el fin de presentar la influencia de las diferentes celosías en la iluminación interior, en las figuras
20,21 y 22 se muestra el periodo completo de la iluminación en planta de los tres casos analizados. Los
datos contenidos, son de horarios de las 7:30 a.m. a 5:30 p.m. donde los resultados del grupo 1, con
respecto a los del grupo 2, presentan una menor área con valores máximos de iluminación, en un horario
de 2:30 p.m., comparado con la celosía convencional del grupo 2. En una primera aproximación al análisis
de una celosía generada por AI, la configuración geométrica se generó en impresión 3D.

Figura 20. Período de iluminación de Grupo 0. Adaptado de VELUX Daylight Visualizer 3, (VKR Holding, 2023).
Elaboración propia

110
Figura 21. Período de iluminación de Grupo 1. Adaptado de VELUX Daylight Visualizer 3, (VKR Holding, 2023).
Elaboración propia

Figura 22. Período de iluminación de Grupo 2. Adaptado de VELUX Daylight Visualizer 3, (VKR Holding, 2023).
Elaboración propia

111
Finalmente, aplicando los métodos propios para la impresión 3D a la pieza del grupo 1, imagen A8, se
requiere de la implementación específica de los planos generados en AutoCAD, las bases fueron
modeladas en Sketchup y posteriormente exportando y habilitando el archivo en MeshMixer; con el fin de
generar un archivo con extensión STL, compatible con la impresión 3D. La impresión en ácido poliláctico
(PLA) se realizó mediante el servicio en línea de ULTRAPRINT3D, el cual cuenta con opciones
económicas de filamento, así como entrega en toda la república mexicana, desde su página oficial
(ULTRAPRINT3D, 2024). En la figura 23, se muestra un esquema del proceso para imprimir en 3D la
geometría seleccionada.

Figura 23. Impresión 3D. Elaboración propia

Resultados
En la siguiente sección se presentan datos de la iluminación en luxes por cada grupo de celosías, simulados
con el software Velux Daylight Visualizer, de tal forma que las mediciones recopiladas, corresponden a
una medición de iluminación específica registrada en un momento concreto del día, al interior del módulo
experimental, el cual representa según reglamento NOM-025-STPS-2008; el mínimo requerido para
espacios como circulaciones e interiores, similar a un pasillo. Por ejemplo, si se registró un nivel de
iluminación de 323 luxes a las 7:30:00 a.m., habrá un marcador de datos en ese punto exacto en una de
las gráficas, como es el caso del grupo 0.
En las gráficas, los datos de iluminación se registraron en un rango de 0 a 1300 lux a lo largo del día,
desde las 7:30 hasta las 17:30. Para facilitar la interpretación, se ha destacado una zona en verde que
representa el rango de 100 a 500 lux. Este rango es considerado óptimo para la iluminación, ya que
proporciona una visibilidad adecuada sin causar deslumbramiento. Ejemplo cada grupo siempre tendrá 11
puntos, correspondientes a las horas medidas. Como se observa en la figura 24, el grupo 0 tiene solo 2 de
los 11 puntos dentro del rango aceptable o zona verde. Esto nos proporciona una visión general del
rendimiento del grupo: cuantos más puntos se encuentren dentro de esta zona, mejor será su desempeño.
Este análisis se realizó en comparación con los estándares establecidos por la normativa de Iluminación
NOM-025-STPS-2008. Además, se verificó si los niveles de iluminación registrados cumplían con los
requisitos de dicha normativa. También se tuvieron en cuenta otros reglamentos y documentos relevantes
para este análisis, esto incluyen el Reglamento de Zonificación del Municipio de Colima (Art. 202)
(Gobierno del Estado de Colima, 2019) y el Manual de la Sociedad de Ingeniería Iluminadora (IES, por
sus siglas en inglés) (Clayton, 1948). Considerando estas normativas y documentos adicionales, se dispuso

112
de una amplia gama de ejemplos y textos para analizar y comprender diversos casos o reglas aplicables a
diferentes espacios, lo que permitió desarrollar un criterio propio al respecto. Y finalmente se pudo
establecer un rango de niveles de iluminación aceptables.
El nivel mínimo requerido es de 100 lux, lo que garantiza una iluminación adecuada para la mayoría de
las tareas. Un nivel de iluminación de 300 lux se considera óptimo, proporcionando una iluminación
mediana sin ser excesivo. Finalmente, se estableció un límite máximo de 500 lux, más allá del cual la
iluminación puede resultar deslumbrante. Con base en los parámetros establecidos por la normativa de
Iluminación NOM-025-STPS-2008 para uso en circulaciones e interiores, se han propuesto tres grupos
distintos para este análisis. A continuación, se presenta una gráfica que ilustra conjuntamente el
desempeño de estos tres grupos a lo largo de un periodo de 11 horas. Es crucial destacar que este análisis
facilitó la definición de uno de los objetivos específicos, que consistió en evaluar si la pieza del grupo 1,
correspondiente a la imagen A8, podía ser considerada para impresión 3D como prototipo.
Para una representación de los grupos mencionados, figura 24 se representa cada uno en su vista frontal y
su información resumida correspondiente al período de 7:30 am a 5:30 pm el día 21 de abril 2024, en Río
Marabasco, Manzanillo, Colima, México. Dicha figura muestra la variación en los niveles de iluminación,
en luxes (LX), de tres grupos distintos durante un periodo de 11 horas.

Figura 24. Conjunto de grupos- Período de 11 horas el día 21 de abril 2024, en Río Marabasco, Manzanillo, Colima,
México. Elaboración propia
El Grupo 0, identificado por el color rojo y etiquetado como “Abertura”, exhibe valores de iluminación
que exceden considerablemente los rangos aceptables establecidos por la NOM-025-STPS-2008 durante
gran parte del día. Este grupo alcanza su máximo alrededor de las 15:00 horas con 1,287 [lx], lo que podría
requerir medidas de atenuación para prevenir la sobre iluminación. En contraste, el Grupo 1, identificado
como Celosía IA, logra mantener niveles dentro del rango aceptable durante todo el periodo, demostrando
una entrega de iluminación adecuada y consistente. A pesar de que sus valores son inferiores en
comparación con el Grupo 0, cumplen con los estándares establecidos, lo que los convierte en una opción
viable para espacios que requieren una iluminación constante. Por último, el Grupo 2, representado en
naranja y etiquetado como Celosía de Barro, se encuentra consistentemente por debajo del umbral mínimo
aceptable, lo que indica un rendimiento deficiente en términos de proporcionar iluminación natural
adecuada. Este grupo requeriría mejoras significativas o complementos para alcanzar los estándares
mínimos.

113
El Grupo 0, identificado como Abertura, presenta un comportamiento variable a lo largo de las 11 horas
de iluminación natural simulada. Inicialmente, la iluminancia se encuentra dentro del rango aceptable de
100 a 500 [lx], con valores que oscilan entre 323 y 628 [lx] durante las primeras tres horas. Sin embargo,
a partir de las 10:30 a.m., se observa un aumento significativo en la iluminancia, alcanzando su punto
máximo de 1,287 [lx] a las 15:00 horas, lo cual es inadecuado ya que supera el límite superior de 500 [lx].
El porcentaje de cumplimiento indica que el Grupo 0 cumple con los estándares establecidos en 2 horas
específicas en un 18.18% aproximadamente. Hay momentos en los que los niveles de iluminación caen
por debajo del mínimo de 100 [lx] o exceden el máximo de 500 [lx], lo que resulta en un incumplimiento
de los estándares requeridos para una iluminación adecuada.
La iluminancia relativa a las 12:30 p.m. es del E1 (centro del módulo) a E2 (abertura norte), es del 54%
(704/1299 [lx]). Esto indica que el centro del módulo recibe un poco más de la mitad de la luz que la
abertura norte, lo que sugiere una distribución desigual de la luz.
El factor de luz natural (FLN) es relativamente alto (0.355), lo que indica una alta utilización de la luz
natural. Sin embargo, esto puede resultar en niveles de iluminancia que exceden el límite superior de 500
[lx], lo que puede causar deslumbramiento y sobrecalentamiento. Por lo tanto, aunque un FLN alto puede
reducir la dependencia de la iluminación artificial, en este caso, podría ser necesario implementar medidas
para controlar la cantidad de luz natural que entra.
En resumen, el Grupo 0 muestra un desempeño variable, con picos significativos de iluminación y
períodos en los que se cumplen los estándares mínimos. Aunque proporciona una abundancia de luz
natural en ciertos momentos, su rendimiento general indica la necesidad de medidas de atenuación y una
mayor dependencia de la iluminación artificial para garantizar niveles adecuados de luz durante todo el
día. La Figura 26 contiene la información visual de lo anterior.

Figura 25. Análisis de grupo 0. Elaboración propia

El Grupo 1, identificado por el color azul y etiquetado como Celosía IA, muestra un comportamiento más
estable a lo largo de las 11 horas de iluminación natural simulada. Los niveles de iluminancia se mantienen
consistentemente dentro del rango aceptable de 100 a 500 [lx] durante todo el día, con valores que oscilan
entre 132 y 156 [lx]. El pico de iluminancia se alcanza alrededor de las 11:30 a.m. con 281 [lx], dentro del
límite superior recomendado.
El porcentaje de cumplimiento indica que el Grupo 1 cumple con los estándares establecidos durante 8
horas del día, lo que sugiere una eficacia del 72.73% en proporcionar niveles adecuados de luz.
114
La iluminancia relativa a las 12:30 p.m. es del E1 (centro del módulo) a E2 (abertura norte), es del 32%
(120/379 [lx]). Esto indica que el centro del módulo recibe aproximadamente un tercio de la luz que la
abertura norte, lo que sugiere una distribución más equilibrada de la luz.
El factor de luz natural es relativamente bajo (0.0049), lo que indica una baja utilización de la luz natural.
Sin embargo, este grupo se mantiene en su mayoría dentro del rango aceptable de 100 a 500 lx durante
todo el día, lo que indica un buen desempeño en términos de iluminancia. Aunque el FLN es bajo, el
Grupo 1 ha logrado un equilibrio efectivo entre el uso de la luz natural y la artificial para mantener niveles
adecuados de iluminación.
En resumen, el Grupo 1 muestra un desempeño consistente y eficaz, manteniendo los niveles de
iluminación dentro del rango aceptable durante parte del día. Aunque el factor de luz natural es bajo, el
rendimiento general del Grupo 1 indica una eficacia equilibrada en proporcionar una iluminación
adecuada con una dependencia mínima de la iluminación artificial. La figura 26 contiene la información
visual de lo anterior.

Figura 26. Análisis de grupo 1. Elaboración propia

El Grupo 2, identificado por el color naranja y etiquetado como “Celosía de Barro”, muestra un
comportamiento variable a lo largo de las 11 horas de iluminación natural simulada. Los niveles de
iluminancia se mantienen consistentemente por debajo del rango aceptable de 100 a 500 lx durante todo
el día, con valores que oscilan entre 6 lx y 29 lx. El pico de iluminancia se alcanza alrededor de las 10:30
am y 14:30 pm con 26 lx y 29 lx respectivamente, muy por debajo del límite inferior recomendado.
La NOM-025-STPS-2008 indica que el Grupo 2 no cumple con los estándares establecidos durante todo
el día, lo que sugiere una eficacia baja en proporcionar niveles adecuados de luz.
La iluminancia relativa a las 12:30 pm es del E1 (centro del módulo) a E2 (abertura norte), es del 40%
(20/50 lx). Esto indica que el centro del módulo recibe aproximadamente el 40% de la luz que la abertura
norte, lo que también sugiere una distribución equilibrada de la luz.
El factor de luz natural presenta un valor bajo (0.0009), lo que indica una muy baja utilización de la luz
natural. Dado que este grupo no cumple con el mínimo de 100 [lx] durante todas las 11 horas del día en
que se realizó la simulación, este FLN muy bajo es problemático. Es esencial tomar medidas para aumentar
la utilización de la luz natural y/o mejorar la iluminación artificial para alcanzar niveles adecuados de
iluminación.

115
En resumen, el Grupo 2 muestra un desempeño inconsistente y deficiente, manteniendo los niveles de
iluminación por debajo del rango aceptable durante todo el día. Aunque la iluminancia relativa indica una
distribución equilibrada de la luz natural, el rendimiento general del Grupo 2 indica una eficacia baja en
proporcionar una iluminación adecuada. A pesar de tener un factor de luz natural bajo, lo que implica una
dependencia mínima de la iluminación artificial, es esencial tomar medidas para mejorar estos niveles. En
la Figura 27 se presentan los detalles del mencionado análisis.

Figura 27. Análisis de grupo 2. Elaboración propia

Considerando la Práctica de la Arquitectura y su Compromiso Social. En este documento se abordan
diversos puntos que destacan el papel de la arquitectura contemporánea en reflejar las necesidades y
deseos de la sociedad actual. Se analizan aspectos como los estilos, materiales, tecnologías y soluciones
innovadoras, con un enfoque en principios fundamentales: sostenibilidad, creatividad, estética, contexto
y tecnología. Desde una perspectiva crítica y social, se revisan cuatro aspectos esenciales:
(1) Binomio arquitectura-proyecto: Se enfatiza la relación estrecha entre la arquitectura como disciplina
y el proyecto como instrumento para satisfacer necesidades específicas. Por ejemplo, se utiliza IA
generadora de imágenes como base para diseñar formas de celosías que cumplan tanto una función estética
como funcional.
(2) Evolución histórica de la profesión: Se observa cómo la arquitectura ha atravesado diferentes etapas y
movimientos a lo largo del tiempo, adaptándose a cambios sociales y tecnológicos. Un ejemplo es la
incorporación de tecnologías emergentes como la impresión 3D y la IA generadora de imágenes para crear
diseños contemporáneos.
(3) Desafíos actuales de la arquitectura frente a la sociedad: La arquitectura asume un compromiso social
y ético, destacando su capacidad de contribuir al desarrollo sostenible y mejorar la calidad de vida. En
este contexto, se simula virtualmente el rendimiento de las celosías respecto a la iluminación natural,
cumpliendo con la norma NOM-025-STPS-2008, utilizando además materiales biodegradables en la
impresión 3D.
(4) Construcción social: Este proceso fomenta el diálogo y la concertación entre todos los actores
involucrados en un proyecto arquitectónico. Una descripción detallada que incorpora las necesidades y
preferencias de los usuarios, junto con otros participantes, permite una personalización que responde al
contexto y a los objetivos del proyecto.

116
Como señala (Villalobos-González, 2020): “El rol social del arquitecto es fundamental, destacando la
importancia de una participación de todos los actores que intervienen en el proyecto. La arquitectura,
siendo un hecho cultural y político, debe responder a las necesidades y expectativas de las personas y las
comunidades”. En este sentido, el arquitecto asume la responsabilidad de facilitar la construcción social
de cada proyecto.
En el apartado de “Autoría y responsabilidad,” se describe el proceso de creación y validación de la imagen
A8, destacando que esta surgió de la combinación de dos imágenes generadas previamente con IA, las
cuales fueron adaptadas al formato PNG. Este diseño fue producto de un proceso propio que involucró
bocetos, descripciones textuales y collage, dando como resultado un patrón cohesivo y armonioso gracias
al uso de este prompt sin modificaciones.(Moya Toapanta, 2023)
Adicionalmente, se incluyó un ejemplo hipotético para ilustrar cómo debe realizarse el proceso en caso
de inspirarse directamente en otros artistas o arquitectos, como Frank Lloyd Wright, y de utilizar sus
estilos o imágenes específicas en prompts de IA. Este ejemplo subraya la importancia de otorgar el crédito
correspondiente en el proceso creativo. Aunque la imagen A8 no deriva de este tipo de referencias
externas, se verificó su originalidad mediante herramientas en línea como TinEye, reafirmando el
compromiso con la transparencia y la responsabilidad en el uso de tecnologías de generación de imágenes.
Donde al momento de utilizar imágenes u autores de referencia para generar imágenes con IA, se les da
el crédito correspondiente. Por ejemplo, al pedir específicamente: Imagen prompt: “Celosía en vista
frontal, formato PNG. Diseño con el estilo de la casa de la cascada de Frank Lloyd, con aberturas que
permitan el paso de luz natural de manera indirecta. Estilo foto realista contemporánea. El diseño debe ser
una sola pieza. Paleta de colores: celosía negra, fondo gris o blanco”. El resultado del prompt se puede
apreciar en la Figura 28.

Figura 28. EJEMPLO. Referencia de CASA DE LA CASCADA. Adaptado de imagen con IA, utilizando como base
especifica de inspiración la Casa de la cascada, de (Frank Lloyd, 1937) Y adaptado de Designer, de (Microsoft, 2023b).
Elaboración propia
Para este proyecto específico, se generó una imagen utilizando inteligencia artificial (IA) basada en ciertas
palabras clave. Esta imagen A8 tiene una cita atribuida a Designer. Para verificar la originalidad de la
imagen generada por IA, se utilizaron herramientas en línea como TinEye. Este buscador de imágenes
emplea algoritmos para encontrar coincidencias exactas o modificadas de una imagen en su base de datos
de imágenes indexadas, (TINEYE, 2024). Sin embargo, no se encontró ninguna coincidencia con la
imagen generada por IA, tal como se muestra en la Figura 30, más adelante. En caso de haber encontrado
alguna coincidencia, se habría aplicado el ejemplo de la ‘casa de la cascada’, citando la fuente de

117
inspiración o, en este caso particular, cualquier fuente externa que coincida con la imagen generada por
IA.

Figura 29. TINEYE buscador de imagen inversa. Adaptado de búsqueda inversa, de (TinEye, 2024).
[Link] Elaboración propia
Además de los criterios anteriores, ejemplo (1) Cumplimiento de la NOM-025-STPS-2008, que nos
permite valorar si la impresión de la celosía propuesta es viable o no. Y de no cumplir, volver a iniciar
con el proceso, tomando otra imagen IA de referencia. Tenemos otros parámetros adicionales como (2) La
complejidad inherente del diseño que puede resultar en un proceso de exportación a DWG o STL
inmanejable o impracticable. (3) Coste de impresión, se busca las opciones más asequibles dentro de un
rango de precio unitario de 1.20 a 1.25 pesos por minuto de impresión, en caso para material PLA. (4)
Tamaño y estabilidad estructural del diseño, debido a que influye en los tiempos de impresión de la pieza
y por consecuencia en el coste de esta. Finalmente, se logra obtener el prototipo impreso que cumple con
los parámetros establecidos anteriormente. Por esta razón, se seleccionó esta pieza específica para su
impresión. La figura 30 muestra la pieza final.

Figura 30. Prototipo impreso en 3D. Fuente: Elaboración propia

118
Conclusiones
El presente trabajo abordó el problema de la aplicación de la Inteligencia Artificial (IA) para el diseño de
celosías en el campo de la arquitectura y su cumplimiento con la NOM-025-STPS-2008, relativo a la
mínima cantidad de iluminación, en luxes, para espacios como circulaciones e interiores. El objetivo
principal de la investigación fue simular virtualmente la cantidad de iluminación natural que se presenta
al interior de un módulo de 1 m3 y comparar los efectos de diferentes formas de celosías. La metodología
se centra en el análisis de la iluminación, mas no en técnicas específicas de diseño propias del diseño
industrial, o de condiciones prácticas como el anclaje, resistencia y montaje de las celosías.
Para lograr este objetivo, se emplearon métodos de investigación que incluyeron la revisión de literatura,
el diseño asistido por IA, y la simulación virtual de la iluminación natural. Se utilizó la IA generadora de
imágenes generalista para diseñar formas de celosías, y se simuló su rendimiento en términos de
iluminación natural utilizando la aplicación Velux Daylight Visualizer 3.1.
Los hallazgos más importantes de la investigación incluyen la viabilidad de utilizar la IA para crear diseños
de celosías innovadores y la eficacia de las celosías diseñadas por IA en términos de iluminación natural.
Estos hallazgos responden a la pregunta ¿En qué condiciones una imagen generada por inteligencia
artificial puede ser considerada como un prototipo de celosía apto para impresión 3D? y demuestran que
la IA puede ser una herramienta valiosa en el diseño arquitectónico.
La investigación aporta al campo de la arquitectura al demostrar cómo la IA puede ser utilizada para
mejorar el diseño de celosías. Sin embargo, aún quedan elementos que no se exploraron en esta
investigación y que podrían ser abiertos para futuras líneas de investigación. Por ejemplo, se podría
investigar la aplicación de la IA generadora de imágenes específica, como D5-HI, para el diseño de
celosías. Además, se podría explorar cómo la IA puede perfeccionar el flujo de trabajo y acelerar el proceso
de producción en proyectos de arquitectura. Además, se podría investigar la ética de utilizar imágenes de
otros como inspiración para la generación de imágenes con IA, y si es necesario citar las fuentes o
reconocer la autoría de las imágenes utilizadas. Finalmente, podríamos considerar la posibilidad de
entrenar un software de inteligencia artificial para la generación de imágenes, como Stable Diffusion,
utilizando exclusivamente diseños que cumplan con las normas mexicanas de iluminación mínima. Esto
podría proporcionar resultados más precisos, ya que la inteligencia artificial estaría aprendiendo
únicamente de diseños u imágenes que se ha comprobado funcionan y proporcionan una iluminación
adecuada cuando se aplican como celosías.
Si bien, el proceso metodológico y resultados se centraron en la iluminación de una celosía analizada por
herramientas de IA, queda claro que, como primera aproximación, deja abierto el tema para desarrollar
análisis de materiales, diseño, económico, entre otros.

119
Bibliografía
Agentes TIC (2023) Lectura III. Tipos de prompts en ChatGPT. Universidad de Colima, 2023
Clayton, G. D. (1948). IES Lighting Handbook. American Journal of Public Health and the Nations
Health, 38(7), 1024–1025. [Link]
ENSIMS. (2024). Web Apps EPW Map weather files. Accedido el 24 May 2024.
[Link]
Free AI image generator, text to image app from Microsoft Designer. (s/f). [Link]. Recuperado el
20 de febrero de 2025, de [Link]
Gobierno del Estado de Colima, S. de D. Urbano. (2019). REGLAMENTO DE ZONIFICACIÓN DEL
MUNICIPIO DE COLIMA (Art. 202). Gobierno del Estado de Colima. Recuperado de, 100–101.
[Link]
[Link]
GIMP-Image Manipulation Program. (2024). GIMP. Recuperado el 20 de febrero de 2025, de
[Link]
Gkaintatzi Masouti, M., Pierson, C., van Duijnhoven, J., Andersen, M., & Aarts, M. P. J. (2022). A
simulation tool for building and lighting design considering ipRGC-influenced light responses. E3S Web
of Conferences, 362, Article 01001. [Link]
ImageToStl. (2023). Convertir Imágenes 2D, PNG, JPG a Archivo STL 3D. Accedido el 24 May 2024.
[Link]
Le, Thanh-Luan, H. Nguyen-Xuan, and Sung-Ah Kim. (2024). “Hand Drawing-Based Daylight Analysis
Using Deep Learning and Augmented Reality.” Results in Engineering 22:102119. doi:
[Link]
Le-Thanh, Luan, Ha Nguyen-Thi-Viet, Jaehong Lee, and H. Nguyen-Xuan. (2022). “Machine Learning-
Based Real-Time Daylight Analysis in Buildings.” Journal of Building Engineering 52:104374. doi:
[Link]
McGeehan Shane. (2023). Prompter Guide. Accedido el 24 May 2024.
[Link]
Montañez, F. (2020). Cassaplan. Accedido el 24 May 2024. [Link]
celosias/
Moya Toapanta, A. (2023). Explorando la intersección entre la arquitectura y la Inteligencia Artificial:
comprendiendo sus bases y las nuevas perspectivas que se plantean (Treball Final de Grau). Escola
Tècnica Superior d’Arquitectura del Vallès. Accedido el 24 May 2024; Universitat Politècnica de
Catalunya. [Link]
Microsoft. (2023a). COPILOT con GPT-4. Bing. Accedido el 24 May 2024.
[Link]
Microsoft. (2023b). Generador de imágenes Designer. DALL-E 3. Accedido el 24 May 2024.
[Link]
Ogosta Edward. (2012). Hybrid Office. ArchDaily México. Accedido el 24 May 2024.
[Link]
Perwita, Dany. (2024). “Visualsing Daylight for Designning Optimum Opennings in Tropical Context.”
ARSNET 4(1):72–85. doi: 10.7454/arsnet.v4i1.87.
Prieto, A., & Oldenhave, M. (2021). What makes a façade beautiful? Architects’ Perspectives on the Main
Aspects That Inform Aesthetic Preferences in Façade Design. Journal of Facade Design and Engineering,
9(2), 21–46. [Link]
Prompter guide. (2022). Prompter Guide - Home; Prompter Guide. Accedido el 24 May 2024.
[Link]

120
Rodríguez Hugo. (2021). La arquitectura a través de los años. Accedido el 24 May 2024.
[Link]
Secretaría del Trabajo y Previsión Social. (2008). NORMA Oficial Mexicana NOM-025-STPS-2008.
Diario Oficial de la Federación. Accedido el 24 May 2024.
[Link]
Servicio Metereológico Nacional, Normales Climatológicas (2010). Accedido el 24 May 2024. URL
[Link]
estado?estado=col
Sketchup-3D Design Software. (2024). [Link]. Recuperado el 20 de febrero de 2025, de
[Link]
Sunrise. (2024). Sunrise and sunset times in Río Marabasco, Colima. Accedido el 24 May 2024.
[Link]
Takhmasib, Mollaeiubli, Hyuk Jae Lee, and Hwang Yi. (2023). “Machine-Learned Kinetic Façade:
Construction and Artificial Intelligence Enabled Predictive Control for Visual Comfort.” Automation in
Construction 156:105093. doi: [Link]
TALAMSA (2024). Productos de Barro para la Construcción en México. Accedido el 24 May 2024.
[Link]
TINEYE (2024). How to use TinEye. Accedido el 24 May 2024. [Link]
ULTRAPRINT3D. (2024). Servicio De impresión 3d | Impresion3dmexico | Ciudad de México. Accedido
el 24 May 2024. [Link]
VELUX Daylight Visualizer. (2024). [Link]. Recuperado el 20 de febrero de 2025, de
[Link]
Villalobos-González, E. M. (2020). La construcción social en la práctica de la arquitectura. Una revisión
crítica. CONTEXTO. Revista de la Facultad de Arquitectura de la Universidad Autónoma de Nuevo León,
14(20), 99–113. [Link]
Yi, Hwang, and Yuri Kim. (2021). “Self-Shaping Building Skin: Comparative Environmental Performance
Investigation of Shape-Memory-Alloy (SMA) Response and Artificial-Intelligence (AI) Kinetic Control.”
Journal of Building Engineering 35:102113. doi: [Link]

121
 Desarrollo de un Sensor Fototrópico IA para el Monitoreo de la
Iluminación Arquitectónica Circadiana

Dr. Gabriel Ángel Rosete Lima

Introducción
En el contexto de la arquitectura moderna, la integración de tecnologías avanzadas como la inteligencia
artificial (IA) está transformando las formas habituales del proceso de diseño y gestión de los espacios
habitables. La IA no solo permite una mayor eficiencia y precisión en el diseño arquitectónico, sino que
también abre nuevas posibilidades para crear entornos más saludables y adaptativos.
La iluminación circadiana es un concepto que busca imitar las variaciones naturales de la luz solar a lo
largo del día para apoyar los ritmos biológicos del cuerpo humano. Estos ritmos, conocidos como ritmos
circadianos, regulan diversas funciones fisiológicas, incluyendo el sueño, la vigilia y la producción de
hormonas, como lo muestran Foster y Kreitzman, (2014). La exposición a la luz adecuada puede mejorar
significativamente la calidad del sueño, el estado de ánimo y la productividad de acuerdo con los estudios
de Cajochen y Chellappa (2018).
La iluminación circadiana es un concepto que ha ganado relevancia en el diseño arquitectónico moderno.
Este enfoque busca alinear la iluminación artificial con los ritmos circadianos naturales del cuerpo
humano, mejorando así la salud y el bienestar de los ocupantes. Continuando con el trabajo de Foster y
Kreitzman (2014), mencionan que los ritmos circadianos son ciclos biológicos de aproximadamente 24
horas que regulan diversas funciones fisiológicas, incluyendo el sueño, la vigilia y la producción de
hormonas, la exposición a la luz natural y artificial puede influir significativamente en estos ritmos,
afectando el estado de ánimo, la productividad y la calidad del sueño.
Esta iluminación se caracteriza básicamente con unidades de CCT3 o color correlacionado la temperatura
y la intensidad de la luz a lo largo del día para imitar las variaciones naturales de la luz solar (Rea y
Figueiro, 2016), así mismo comenta que, durante el día, se utiliza una luz más brillante y con un mayor
contenido de azul para estimular la actividad y la alerta. Por la noche, se emplea una luz más cálida y
tenue para promover la relajación y la preparación para el sueño.
El nombre de “sensor fototrópico4” es una construcción de Antonio Arellano Hernández, y pertenece
tecnológicamente como antecedente a una serie de versiones que han evolucionado en los últimos años
desde versiones electrónicas analógicas iniciales, como se puede ver en el trabajo de Rosete (2020), hasta

3
CCT es una medida utilizada para describir la apariencia de color de una fuente de luz, expresada en grados Kelvin (K). Se
relaciona con cómo se percibe el color de la luz, que puede variar desde tonos cálidos (amarillos o rojos) hasta tonos fríos
(blancos o azules).
4
El fototropismo es el crecimiento o movimiento de un organismo en respuesta a la luz. Las plantas generalmente muestran
fototropismo positivo, creciendo hacia la luz para optimizar la fotosíntesis

122
la inclusión de la IA y el enlace autónomo al internet del presente trabajo (2024). Este sensor fototrópico5
puede ser una herramienta clave para monitorear y ajustar la iluminación en función de la luz natural
disponible. Estos sensores pueden medir la intensidad y la calidad de la luz, proporcionando datos precisos
para ajustar la iluminación artificial y crear un entorno más saludable y confortable.
La importancia de la iluminación circadiana6 ha sido respaldada por numerosos estudios científicos. Por
ejemplo, investigaciones han demostrado que la exposición a la luz adecuada puede mejorar la calidad del
sueño y reducir los niveles de estrés (Hernández, 2021). Además, en entornos laborales, una iluminación
circadiana adecuada puede aumentar la productividad y reducir la fatiga (Garrido, 2020). En hospitales y
centros de salud, la iluminación circadiana ha mostrado beneficios en la recuperación de los pacientes y
en la reducción de la dependencia de medicamentos (Zepeda et al, 2023).
Investigaciones han demostrado que los modelos predictivos basados en IA pueden anticipar las
necesidades de iluminación en diferentes entornos, optimizando el uso de la luz natural y artificial (Eid-
Masheh, 2023). Mientras que Estudios longitudinales han utilizado IA para analizar el impacto a largo
plazo de la iluminación circadiana en la salud y el bienestar de los usuarios, proporcionando datos valiosos
para futuras mejoras en el diseño de sistemas de iluminación (Correa, 2021).
Mencionando un caso de estudio en el que se ha emplearon no solo el sistema de Iluminación circadiana7,
sino también el monitoreo lumínico en tiempo real se puede mencionar al Hospital Universitario de Aarhus
en Dinamarca, donde se ajustó la temperatura de color de la luz durante la noche para mejorar la calidad
del sueño de las enfermeras. Los resultados mostraron una mejor disposición de sueño en comparación
con aquellas que trabajaron bajo una iluminación blanca convencional (Escobar, 2020).
En resumen, la iluminación circadiana no solo mejora la calidad de vida de los ocupantes de un espacio,
sino que también contribuye a la eficiencia energética y la sostenibilidad en el diseño arquitectónico. El
desarrollo de un sensor fototrópico para el monitoreo de la iluminación arquitectónica circadiana es un
paso importante hacia la creación de espacios más saludables y eficientes.
La IA juega un papel crucial en el desarrollo de sensores fototrópicos para el monitoreo de la iluminación
circadiana. Estos sensores utilizan algoritmos de aprendizaje automático para analizar las condiciones de
iluminación en tiempo real y ajustar la iluminación artificial en consecuencia. Esto permite crear entornos
que se adaptan dinámicamente a las necesidades de los usuarios, mejorando su bienestar y eficiencia
energética.

Método y desarrollo
La inteligencia artificial (IA) está transformando las formas habituales de acercamiento a la investigación
y la conceptualización en diversas áreas del conocimiento, incluyendo la Arquitectura y el Diseño de
iluminación.
En el presente documento se empleó una metodología descriptiva para el desarrollo del instrumento. El
objetivo fue: proponer el desarrollo de un Sensor Fototrópico controlado por IA propia para el Monitoreo

5
El sensor fototrópico es un instrumento de medición lumínica que se posiciona automáticamente en digresión directa al sol y
se mueve como un robot, siguiendo a todo momento al astro, censando las propiedades espectrometrías de la luz natural
6
Se refiere a la iluminación natural que cuenta con un ritmo de transiciones indeterminadas de cambios de color e intensidad.
7
Los sistemas de iluminación circadiana son una generación de lámparas artefactuadas que se caracterizan por sus cambios de
color e intensidad programados.

123
de la Iluminación Arquitectónica Circadiana. A continuación, se detallan las etapas cruciales del desarrollo
del proyecto.

1. Investigación y Conceptualización

Revisión de Tecnologías Existentes: fue crucial para el desarrollo de un sensor fototrópico. Los sensores
de luz actuales, como los fotómetros8 y espectroradiómetros9, ofrecen una base sólida para este desarrollo.
Estos dispositivos pueden medir la intensidad y la calidad de la luz, proporcionando datos precisos para
ajustar la iluminación artificial.

Los fotómetros son instrumentos que miden la intensidad de la luz visible y son utilizados en diversas
aplicaciones, desde la fotografía hasta la iluminación arquitectónica, mientras que los
espectroradiómetros, miden la distribución espectral de la luz, lo que permite analizar la calidad de la
iluminación en términos de su composición de colores. Son esenciales para aplicaciones que requieren un
control preciso de la temperatura de color y la intensidad de la luz.

2. Diseño del Sensor fototrópico

El diseño del sensor implica la selección de componentes adecuados, como fotodiodos o fototransistores,10
que puedan detectar diferentes longitudes de onda de luz. Un circuito de control procesará las señales del
sensor y ajustará la iluminación en consecuencia. El software de control debe ser capaz de ajustar tanto la
intensidad como la temperatura de color de la luz artificial, imitando las variaciones naturales de la luz
solar.
El diseño de un sensor fototrópico para el monitoreo de la iluminación circadiana se benefició
enormemente de la integración de la inteligencia artificial. A continuación, se detallan algunos de los
componentes y técnicas clave que se emplearon para su diseño.
El diseño del software IA (Machine Learning) de control, específico para esta aplicación fue responsable
de interpretar los datos del sensor y ajustar la información. Este software debió ser capaz de: ajustar la
sensibilidad del sensor para diferentes condiciones de iluminación y analizar continuamente los datos del
sensor y ajustarla en consecuencia. En el presente caso, se empleó el software MatLab y Simulink para el
diseño y simulación de los protocolos y se programó en “C”, mientras que, en temas de hardware, se
detalla a continuación.
El circuito de control es el corazón del sensor fototrópico. Este circuito procesa las señales de los
fotodiodos11 y ajusta la iluminación en consecuencia. Los componentes clave del circuito incluyen:
“amplificadores operacionales” para amplificar las señales de los fotodiodos, “convertidores analógico-
digitales” (ADC), para convertir las señales analógicas de los fotodiodos en datos digitales que el
microcontrolador pueda procesar y, controladores de LED: Para ajustar la intensidad y la temperatura de
color de los LED´s en función de las señales procesadas.

8
Fotómetro es un instrumento de medición que mide la luz mediante el paso de fotones.
9
espectroradiómetros es un instrumento utilizado para medir la radiación espectral o irradiación a través de varios rangos
espectrales, Este dispositivo mide la intensidad de la luz en diferentes longitudes de onda, generalmente desde
aproximadamente 380 nm hasta 780 nm.
10
Tanto los fotodiodos como los fototransistores son dispositivos semiconductores utilizados para detectar la luz, pero
funcionan de manera ligeramente diferente y se utilizan en diferentes aplicaciones.

124
Se emplearon sensores de luz TCS3414 y BH1750FVI basados en fotodiodos que son dispositivos
semiconductores que convierten la luz en corriente eléctrica. Utilizados para medir la intensidad de la luz
y detectar cambios en la iluminación; también se ocuparon fototransistores que son similares a los
fotodiodos, pero con una mayor capacidad de amplificación de la señal, adecuados para aplicaciones que
requieren una mayor sensibilidad y precisión en la detección de la luz.
Una vez diseñado el sensor, se procedió a la construcción del prototipo. Esto incluyó montar los
componentes electrónicos y programar el software de control. Las pruebas iniciales fueron esenciales para
ajustar la sensibilidad y precisión del sensor. Estas pruebas debieron realizarse en diferentes condiciones
de iluminación para asegurar que el sensor funcionara correctamente en diversas situaciones.

Con el apoyo de la IA se analizaron grandes volúmenes de datos de manera eficiente, identificando

patrones y tendencias que podrían pasar desapercibidos para los investigadores humanos. Utilizando
algoritmos de aprendizaje automático12, la IA pudo predecir resultados futuros basados en datos históricos,
lo que fue especialmente útil en la planificación y optimización de los sistemas.

Una vez diseñado el sensor, se procedió a la construcción del prototipo. Esto incluyó montar los
componentes electrónicos y programar el software de control. Las pruebas iniciales fueron esenciales para
ajustar la sensibilidad y precisión del sensor. Estas pruebas deben realizarse en diferentes condiciones de
iluminación para asegurar que el sensor funcionó correctamente en diversas situaciones.

Utilizando la plataforma Orange Pi13, los diseños del prototipado rápido del sistema para el sensor
fototrópico, permitió pruebas y ajustes iterativos rápidos, Integrando los sensores montados en un arreglo
de doble servomotor14 con una trayectoria de 190° en cada eje articulado, figura 1; este arreglo permitió
un monitoreo y ajuste en tiempo real de las condiciones de iluminación.

Figura 1. Muestra de la plataforma de prototipado Orange pi y el módulo articulado de servomotores. Fuente propia

12
Los algoritmos de aprendizaje automático (machine learning) son un conjunto de métodos y técnicas que permiten a las
máquinas aprender de los datos y hacer predicciones o tomar decisiones sin ser programadas de manera explícita para realizar
tareas específicas. Estos algoritmos utilizan datos de entrenamiento para construir modelos matemáticos que pueden reconocer
patrones y hacer inferencias a partir de nuevos datos.
13
La plataforma Orange Pi es una computadora de una sola placa (SBC) de código abierto fabricada por Shenzhen Xunlong
Software CO., Limited. Es similar a la Raspberry Pi, pero ofrece varias opciones de sistemas operativos, incluyendo Android,
Ubuntu, Debian, y las imágenes de Raspberry Pi y Banana Pi
14
Un servomotor es un tipo de motor eléctrico que se utiliza en sistemas de control de movimiento para obtener una gran
precisión en el control de la posición, velocidad y aceleración de los objetos. Los servomotores están equipados con un
mecanismo de retroalimentación que permite ajustar continuamente su posición en respuesta a las señales de control.

125
El prototipado es una etapa crucial en el desarrollo de cualquier proyecto arquitectónico o de diseño de
iluminación circadiana. La integración de la inteligencia artificial (IA) desarrollada específicamente para
este proyecto, pudo acelerar significativamente el desarrollo, mejorando la precisión y permitiendo la
creación de soluciones más innovadoras. A continuación, se presentan algunas herramientas y técnicas
clave para el prototipado con IA.

La IA permitió el desarrollo del sistema enfocado a su asociación con un sistema de iluminación que fue
capaz de adaptarse dinámicamente a las preferencias individuales y a las necesidades de los usuarios,
mejorando su bienestar y productividad.

En resumen, la integración de la IA en la investigación y conceptualización de sistemas de iluminación

circadiana está enfocada para ofrecer numerosas ventajas, desde la eficiencia en el análisis de datos hasta
la personalización y adaptabilidad de los diseños. Estas tecnologías no solo mejoran la calidad y precisión
de los proyectos, sino que también abren nuevas posibilidades para la innovación y el desarrollo en el
campo de la arquitectura y el diseño de iluminación.

3. Pruebas y Ajustes con IA

La fase de pruebas y ajustes es crucial para garantizar que un sensor fototrópico para el monitoreo de la
iluminación circadiana funcione de manera óptima. La integración de la (IA) en esta, puede mejorar
significativamente la precisión y eficiencia del proceso. A continuación, se presentan algunas
herramientas y técnicas claves ocupadas para realizar pruebas y ajustes.
Las pruebas iniciales fueron esenciales para asegurar que el sensor funcionara correctamente en diversas
condiciones de iluminación. Las pruebas básicas que se realizaron fueron, 1. Pruebas de sensibilidad,
ajustando los sensores para diferentes niveles de luz, 2. Pruebas de precisión, verificar que el sensor
pudiera medir con precisión la intensidad y la temperatura de color de la luz, 3. Pruebas de Integración,
asegurando que el sensor pudiera controlar los LED´s de manera efectiva para imitar las variaciones
naturales de la luz solar.

4. Implementación
La implementación de un sistema de iluminación circadiana controlado por IA en un entorno real es un
proceso complejo que requiere una planificación meticulosa y pruebas exhaustivas. A continuación, se
detallan los pasos clave y las consideraciones importantes para llevar a cabo esta implementación de
manera efectiva.

Realizar un análisis detallado del espacio donde se implementará el sistema de iluminación; esto incluye
la evaluación de la distribución de la luz natural, la fuente de luz artificial existente y las necesidades
específicas de los usuarios.

Determinar los requisitos específicos del sistema, como la intensidad de la luz, la temperatura de color y
los horarios de funcionamiento; esto ayudará a definir los parámetros que la IA deberá controlar.

Recopilar datos de iluminación del entorno durante un período de tiempo para entrenar el modelo de IA;
estos datos deben incluir variaciones en la intensidad y la temperatura de color de la luz a lo largo del día.

126
Utilizar herramientas como TensorFlow para entrenar el modelo de IA con los datos recopilados; el modelo
debe ser capaz de predecir y ajustar la iluminación en función de las condiciones ambientales y las
necesidades del usuario.

Implementar el sistema de control de iluminación en el entorno real; esto incluye la instalación del
hardware y la configuración del software necesario para el funcionamiento del sistema.

Realizar exámenes hasta asegurar que el sistema trabaja correctamente; ajustar los parámetros del modelo
de IA y del hardware según sea necesario para optimizar su desempeño.

Implementar el monitoreo continuo para evaluar las características del rendimiento del sistema de
iluminación; utilizar herramientas de análisis de datos para identificar posibles problemas y realizar ajustes
en tiempo real.

Realizar mantenimiento regular del hardware y actualizar el software del sistema para garantizar su
funcionamiento óptimo; esto incluye la calibración de los sensores y la actualización del modelo de IA
según sea necesario.

5. Consideraciones Importantes

Asegurarse de que el sistema cumpla con las normativas de seguridad y privacidad. Esto incluye la
protección de los datos recopilados por los sensores y la implementación de medidas de seguridad para
evitar accesos no autorizados.

Diseñar el sistema de manera que pueda ser escalado fácilmente para su implementación en otros entornos.
Esto incluye la modularidad del hardware y la flexibilidad del software.

Asegurarse de que el sistema sea fácil de usar y que los usuarios puedan interactuar con él de manera
intuitiva; esto puede incluir la integración de interfaces de usuario basadas en comandos de voz o
aplicaciones móviles.

6. Implementación en un Entorno Real

El siguiente paso es la implementación del sensor en un entorno real, como una oficina o una vivienda, lo
cual permite monitorear su desempeño y recoger datos valiosos para ajustes y optimizaciones adicionales.
7. Evaluación y Mejora Continua
La evaluación del impacto del sistema en los ritmos circadianos y el bienestar de los usuarios es crucial.
Esto se puede lograr mediante el análisis de datos y el feedback de los usuarios. Las actualizaciones y
mejoras continúas basadas en estos resultados asegurarán que el sistema siga siendo efectivo y
beneficioso.
En resumen, la implementación y pruebas de un sensor fototrópico para el monitoreo de la iluminación
arquitectónica circadiana es un proceso integral que requiere una planificación cuidadosa y una ejecución
meticulosa. Con una evaluación continua y mejoras basadas en datos y feedback de usuarios, este sensor
puede convertirse en una herramienta esencial para crear entornos más saludables y eficientes.

127
La inteligencia artificial (IA) ofrece beneficios en diversos campos, incluyendo las aplicaciones
domotizadas15 para el censado fototrópico de la arquitectura y el diseño con un enfoque de iluminación
circadiana. A continuación, se presentan algunos de los beneficios más destacados:
Eficiencia Energética y Sostenibilidad

Reducción del Consumo de Energía, al aprovechar al máximo la luz natural disponible y complementar
solo cuando sea necesario con luz artificial, se puede reducir significativamente el consumo de energía.

Menor Huella de Carbono, La reducción en el uso de energía eléctrica contribuye a disminuir la huella de
carbono, promoviendo prácticas más sostenibles y respetuosas con el medio ambiente.

Los sensores fototrópicos permiten la recopilación de datos para una iluminación personalizada que se
ajusta a las necesidades específicas de cada espacio y usuario, mejorando la eficiencia y la efectividad del
diseño de iluminación. La recopilación de datos continuos permite identificar patrones y realizar
mantenimiento predictivo, evitando fallos y optimizando el rendimiento del sistema de iluminación.

Resultado
Como resultado se obtuvo la propuesta de un sensor fototrópico con inteligencia artificial en su versión
SF-Ros 4.02 (2024 figura 2, capaz de autogestionarse y cubrir todas las direcciones posibles del recorrido
solar desde cualquier punto geográfico en el planeta.

Figura 2. Propuesta de un sensor fototrópico con inteligencia artificial en su versión SF-Ros 4.02 (2024). Fuente
propia

15
La domótica es la tecnología aplicada al control y automatización inteligente del hogar, optimizando el uso de recursos y
mejorando la calidad de vida. Permite gestionar iluminación, climatización, seguridad y electrodomésticos de manera eficiente.
Los beneficios incluyen mayor confort, eficiencia energética y seguridad.

128
El desarrollo de un sensor fototrópico con inteligencia artificial representa un avance significativo en la
tecnología de captación de luz solar. Este sensor no solo fue capaz de autogestionarse, sino que también
pudo adaptarse a cualquier punto geográfico en el planeta, cubriendo todas las direcciones posibles del
recorrido solar. A continuación, se argumentan los resultados obtenidos y su impacto en diversas áreas.
La implementación de algoritmos de inteligencia artificial permite al sensor analizar y predecir con
precisión el movimiento del sol, lo cual aseguro una captación óptima de luz solar en todo momento,
independientemente de las condiciones climáticas. La capacidad de autogestión redujo la necesidad de
intervención humana, lo que disminuyó los costos operativos y aumentó la eficiencia del sistema.
La adaptabilidad del sensor a diferentes condiciones de luz y clima fue crucial para su funcionamiento en
diversas ubicaciones geográficas. Esta característica garantizó que el sensor pueda operar eficazmente en
cualquier parte del mundo, maximizando su utilidad y aplicabilidad.
La tecnología de geolocalización integrada permitió al sensor determinar su posición exacta en el planeta
y ajustar su orientación en consecuencia. Esto aseguró que el sensor pudiese seguir el recorrido solar de
manera precisa, optimizando la captación de luz solar. La capacidad de cubrir todas las direcciones
posibles del recorrido solar es un avance significativo en comparación con los sensores tradicionales, que
a menudo tienen limitaciones en su rango de seguimiento.
Al ajustar su orientación y funcionamiento en función de la intensidad y dirección de la luz solar, el sensor
minimizó el consumo de energía. Esto no solo redujo los costos operativos, sino que también contribuyó
a la sostenibilidad al disminuir la dependencia de fuentes de energía no renovables.
La eficiencia energética del sensor fototrópico con inteligencia artificial lo convierte en una herramienta
valiosa para la promoción de prácticas sostenibles. Al maximizar la captación de luz solar y reducir el
consumo de energía, el sensor contribuye a la reducción de la huella de carbono y al fomento de un uso
más responsable de los recursos naturales.
Aplicaciones Potenciales
En el ámbito de la arquitectura y la construcción, el sensor puede integrarse en edificios inteligentes para
mejorar la eficiencia energética y el confort de los ocupantes. La capacidad de ajustar la captación de luz
solar en función de las necesidades específicas de un edificio permite crear entornos más saludables y
confortables, alineados con los ritmos circadianos naturales.
En la agricultura, el sensor puede utilizarse en sistemas de riego y cultivo que dependen de la luz solar
para optimizar el crecimiento de las plantas. La capacidad de seguir el recorrido solar y ajustar la captación
de luz en función de las necesidades de las plantas puede mejorar significativamente la productividad.
En el sector de la energía renovable, el sensor puede mejorar la eficiencia de los paneles solares y otros
dispositivos de captación de energía solar. Al maximizar la captación de luz solar, el sensor contribuye a
la generación de energía más eficiente y sostenible.
Los resultados obtenidos con el desarrollo del sensor fototrópico con inteligencia artificial demuestran su
potencial para transformar diversas industrias. Su capacidad de autogestión, cobertura global y eficiencia
energética lo convierten en una herramienta valiosa para la promoción de prácticas sostenibles y la mejora
de la calidad de vida. La integración de esta tecnología en aplicaciones arquitectónicas, agrícolas y de
energía renovable representa un avance significativo hacia un futuro más eficiente y sostenible.

129
Conclusiones
Beneficios
La integración de la IA en el diseño de sensores fototrópicos ofrece numerosos beneficios, incluyendo tres
aspectos esenciales: Personalización: ya que permite personalizar la iluminación según las preferencias y
necesidades individuales de los usuarios. Eficiencia Energética: Al optimizar el uso de la luz natural y
ajustar la iluminación artificial solo cuando sea necesario, se puede reducir significativamente el consumo
de energía. Mejora del Bienestar: Una iluminación adecuada puede mejorar la calidad del sueño, el estado
de ánimo y la productividad, contribuyendo a un mayor bienestar general.
En resumen, la integración de la IA en el diseño de sensores fototrópicos para el monitoreo de la
iluminación circadiana representa un avance significativo en la arquitectura moderna. Con el uso de
algoritmos de aprendizaje automático y redes neuronales, es posible crear entornos más saludables,
eficientes y adaptativos que mejoren la calidad de vida de los usuarios.

Del diseño del sensor

El diseño de un sensor fototrópico para el monitoreo de la iluminación arquitectónica circadiana es un
proceso complejo, pero altamente beneficioso. Con una investigación adecuada, un diseño cuidadoso y
una implementación meticulosa, este sensor puede convertirse en una herramienta esencial en la
arquitectura moderna.
De los sistemas integrados al sensor fototrópico
La integración de la inteligencia artificial (IA) en el diseño arquitectónico y la iluminación circadiana
ofrece una amplia gama de beneficios y oportunidades para innovar y mejorar la calidad de vida de los
usuarios. A lo largo de este análisis, hemos explorado diversas áreas donde la IA puede tener un impacto
significativo, desde la investigación y conceptualización hasta la implementación y pruebas en entornos
reales. A continuación, se resumen los puntos clave:

Al alinear la iluminación artificial con los ritmos circadianos naturales, se pueden mejorar
significativamente la salud y el bienestar de los ocupantes. La exposición a una iluminación adecuada
puede mejorar la calidad del sueño, reducir el estrés y aumentar el estado de ánimo. Esto es especialmente
relevante en entornos como hospitales, hogares de ancianos y oficinas, donde la calidad de la iluminación
puede tener un impacto directo en la salud y la productividad de las personas.

El uso de sensores fototrópicos puede optimizar el uso de la luz natural, reduciendo la dependencia de la
iluminación artificial y, por ende, el consumo de energía. Esto no solo tiene beneficios económicos, sino
que también contribuye a la sostenibilidad ambiental. En un mundo donde la eficiencia energética es cada
vez más importante, la implementación de tecnologías que aprovechen al máximo los recursos naturales
es crucial.

En entornos laborales, una iluminación adecuada puede mejorar la concentración y el rendimiento de los
empleados. Estudios han demostrado que la exposición a la luz natural y a una iluminación artificial que
imite los ciclos naturales puede aumentar la productividad y reducir la fatiga. Esto es particularmente

130
importante en oficinas y espacios de trabajo donde la eficiencia y el bienestar de los empleados son
prioritarios.

Estos sensores pueden ser una parte integral de los sistemas de automatización del hogar y edificios
inteligentes, proporcionando un control preciso y personalizado de la iluminación. Esto no solo mejora la
experiencia del usuario, sino que también posiciona a los arquitectos y diseñadores a la vanguardia de la
innovación tecnológica.

El campo de la iluminación circadiana y los sensores fototrópicos está en constante evolución. Futuras
investigaciones pueden centrarse en mejorar la precisión y la eficiencia de estos sensores, así como en
explorar nuevas aplicaciones en diferentes tipos de edificios y entornos. Además, la integración de
tecnologías como la IA y el Internet de las Cosas (IoT) puede abrir nuevas posibilidades para el control y
la optimización de la iluminación.

En resumen, el desarrollo de un sensor fototrópico para el monitoreo de la iluminación arquitectónica

circadiana es una iniciativa que puede tener un impacto profundo y positivo en múltiples aspectos de la
vida diaria. Desde la salud y el bienestar hasta la eficiencia energética y la innovación en el diseño
arquitectónico, los beneficios potenciales son vastos y variados. Con una investigación adecuada, un
diseño cuidadoso y una implementación meticulosa, este sensor puede convertirse en una herramienta
esencial en la arquitectura moderna.

Bibliografía
Cajochen, C., & Chellappa, S. L. (2018). Circadian and Light Effects on Human Sleepiness–Alertness. In
Sleepiness and Human Impact Assessment (pp. 9-22). Springer.
Correa, M. M. G. (2021). Intervención lumínica experimental que favorezca la sincronización del ciclo
circadiano en el ambiente de aprendizaje (Doctoral dissertation, Pontificia Universidad Católica de Chile).
Escobar Yowill Caro Julian (2020). Infraestructura hospitalaria mediante la neuro arquitectura: centro de
salud nivel II en Funza Cundinamarca. Universidad de gran Colombia.
Eid-Masheh Casado, Y. I. (2023). La inteligencia artificial en la generación de imágenes de arquitectura.
Aplicación directa de la Inteligencia Artificial en la arquitectura y posterior aplicación de las herramientas
de modelado paramétrico para su ejecución material viable (Doctoral dissertation, Universitat Politècnica
de València).
Foster, R. G., & Kreitzman, L. (2014). Circadian Rhythms: A Very Short Introduction. Oxford University
Press.

131
Garrido, C., & Piderit-Moreno, M. B. (2020). Factores de diseño de la iluminación que intervienen en el
estímulo circadiano en oficinas. AUS [Arquitectura/Urbanismo/Sustentabilidad], (27), 59-65.
Hernández Ballester, Cristina; Ferrer Pérez, Carmen; Montagud Romero, Sandra; Blanco Gandía, María
del Carmen. (2021). Estrés en tiempos de confinamiento: estrategias de afrontamiento y crecimiento
postraumático en población universitaria. Revista de Psicología y Educación, España.
Rea, M. S., & Figueiro, M. G. (2016). Light as a circadian stimulus for architectural lighting. Lighting
Research & Technology, 48(3), 393-411.
Rosete Lima, G. A. (2020). Diseño de una red heterogénea de investigación en iluminación circadiana
domotizada. Doctoral Universidad Autónoma del Estado de México.
Zepeda-Ríos, P. A., Quintana-Zavala, M. O., López-Teros, V., Candia-Plata, M. C., Bautista-Jacobo, A.,
& García-Puga, J. A. (2023). Circadian and metabolic alterations among nursing personnel in a
northeastern public hospital in Mexico. Enfermería Universitaria, 20(3), 314-328.

132
 CAPÍTULO
EDUCATIVO Y TEÓRICO

133
 Aproximaciones académicas de la
Inteligencia Artificial en el diseño arquitectónico

Moisés Barrera Sánchez

Luis Felipe Mendoza Díaz
Ismael Artemio Castro Aguilar

Introducción
Las aplicaciones generativas han sido aliadas en el desarrollo del pensamiento creativo del ser humano
desde su aparición. Es suficiente reflexionar desde el uso de una calculadora con funciones simples para
resolver situaciones matemáticas hasta aquellas especializadas para la solución de problemas complejos y
para la toma de decisiones de manera precisa.
Estas aplicaciones permiten la realización y generación de ambientes programados y diseñados con
acciones de respuesta inmediata, por ejemplo, en videojuegos a partir de ambientes cada vez más realistas
hasta recorridos que hacen inmersiva la experiencia en ambientes virtuales de un cosmos infinito que
ofrece un sentido espacial e incluso sensorial, desde luego siempre con la asistencia de un experto en
programación y diseño que ofrezca instrucciones precisas a la aplicación que ejecuta las acciones
correspondientes utilizando un lenguaje especial para la interpretación, además del significado de dichas
acciones.
Este lenguaje de programación era limitado para aquellos que estaban inmersos en líneas infinitas de
códigos sobre “encendido–apagado” la respuesta simple, “si–no”. La sencillez del lenguaje genera
acciones complicadas que provocan una reacción en cadena que muchas veces pasa inadvertida por los
usuarios, siempre y cuando la ejecución sea de forma adecuada en la programación para el logro de un
cometido específico.
La manera en que actualmente la enseñanza–aprendizaje se relaciona con las aplicaciones generativas
simplifica el lenguaje que se emplea para dar instrucciones de acción, convirtiéndose en un diálogo
semejante a una conversación que podría entablarse con cualquier persona que se desenvuelva en la misma
narrativa profesional con la posibilidad de generar un proceso de retroalimentación que permita la
adaptación de herramientas que enriquezcan la formación académica o de investigación.
Para el proceso de diseño arquitectónico es imperante la necesidad de nutrir constantemente las fases
iniciales de la proyección espacial a través de la relación del diseñador con el usuario, donde el lenguaje
contenido deber ser claro y que permita la obtención de información suficiente para el logro de resultados
deseados o esperados de quienes demandan el diseño.
En diversos ámbitos profesionales, el desarrollo de la tecnología y sus aplicaciones han tenido un
gran impacto. En ese sentido, la arquitectura no es ni puede ser ajena al proceso en curso; por el
contrario, el avance de la tecnología y su desarrollo ha llevado a facilitar la labor de los arquitectos
en distintos aspectos (Requena, 2020, p. 130)

134
Es inevitable formarse académicamente mediante conocimientos previos que sensibilicen a los
profesionales del espacio habitable para la producción de la arquitectura sumergida en una demanda
globalizada por las condiciones actuales, pero con la firme intención de no comprometer a las generaciones
venideras. Por otro lado, la imaginación y visualización es preconcebida en la mente por el arquitecto,
podría expresarse que se trata de una virtualidad cognitiva donde considera competencias, intuición y
experiencias. En sentido estricto se trata de desarrollarse mediante saberes básicos necesarios, pero
también con la admisión de herramientas que presentan un desafío para la producción del diseño
arquitectónico, tal como se ha hecho desde que aparecieron herramientas para el dibujo asistido por
computadora (CAD).
…la evolución del dibujo arquitectónico, impulsada en gran medida por los avances en software
de modelado y renderizado 3D, ha transformado radicalmente la forma en que los arquitectos
conceptualizan y comunican sus diseños. Programas como AutoCAD, Revit y SketchUp han
democratizado la creación de modelos tridimensionales detallados, facilitando la visualización y
la colaboración en proyectos arquitectónicos. Sin embargo, el dibujo tradicional a mano aún
conserva su lugar en la formación de arquitectos, ya que fomenta la creatividad, la destreza manual
y una comprensión más profunda de los principios espaciales y formales (Rojas Barbosa et al,
2024, p. 3)
La primera idea o virtualidad inicial del diseño se enfrenta con la demanda de procesos digitales, que no
impide continuar con una metodología análoga, sino la posibilidad de someterlo a una interacción con
aplicaciones generativas mediante una interpretación asistida que beneficie el desarrollo de las ideas
formales y espaciales. La relación del arquitecto con la Inteligencia Artificial (IA) debe observarse como
un suplemento, pero debe ser lo suficientemente clara para que dicha interpretación sea consciente y
únicamente como recurso para valorar ventajas que puedan observarse en los resultados.
El propósito de este trabajo es reflexionar sobre los atributos que ofrecen algunos sistemas y modelos de
lenguaje de IA en la formación de estudiantes para el desarrollo del diseño arquitectónico, de esta forma,
es posible la observación de una serie de resultados que coadyuvan a que la virtualidad de la imaginación
del arquitecto se convierta en posibilidades relevantes para el espacio habitable, en torno al ambiente,
emociones, sensaciones e interacciones que sean bien dirigidas para el logro de resultados deseables
mediante el adiestramiento de instrucciones y narrativas previamente concebidas desde el análisis crítico
y reflexivo.
En el desarrollo de la reflexión sobre el uso de la IA, el proceso análogo participa activamente mediante
la realización de trazos o bocetos con los cuales se provee información para la obtención de resultados de
algunas aplicaciones generativas pues el fortalecimiento de la imaginación y creatividad suman
importantes resultados en la enseñanza–aprendizaje del arquitecto. Es admisible que el inicio de la
aceptación de la IA genere fascinación, sin embargo, la incertidumbre sobre los límites que deben
considerarse en cualquier técnica de digitalización, pues es necesario identificarlo y conocerlo para un
emprendimiento intelectual capaz de incorporarse en ambientes virtuales de forma responsable.
Enfoque fenomenológico y Design Thinking
La introspectiva sobre el uso de la IA se lleva a cabo en el Taller de Diseño Integral I de segundo semestre
de la Licenciatura en Arquitectura que se ubica en el área de integradoras disciplinarias de la fase formativa
con énfasis en la etapa de familiarización de nivel de complejidad, características que pueden observarse
en el mapa curricular que continua vigente de la Facultad de Arquitectura en la Benemérita Universidad
Autónoma de Puebla, sin embargo, es importante señalar que en la nueva propuesta de asignaturas se

135
hacen presentes temas sobre la integración de la IA como estrategia de apoyo para la formación de los
estudiantes.
Para ello, se utilizan la metodología Design Thinking que permite una forma creativa para solucionar
problemas complejos, pero sobre todo se orienta al proceso de diseño y el habitador, no exclusivamente
al producto arquitectónico final y por otro el enfoque fenomenológico como herramientas que produce
resultados creativos y efectivos en la producción del diseño arquitectónico, este enfoque permitió al grupo
la comprensión sobre el espacio habitable para la búsqueda de soluciones que implicarían un bienestar
para los habitadores. Es una metodología flexible y dinámica, además aporta una proximidad precisa para
el abordaje de las propuestas de diseño a través de las coyunturas específicas del entorno físico, ambiental
y factor antrópico, de acuerdo con Fraile-Narváez (2024a):
En la intersección dinámica de la arquitectura contemporánea y las tecnologías de IA, se ha gestado
un escenario fascinante que redefine la experiencia fenomenológica del entorno construido. La
arquitectura concebida mediante IA, en su esencia, desafía las convenciones tradicionales al
introducir un paradigma donde el proceso creativo se convierte en una colaboración intrincada
entre la mente humana y algoritmos inteligentes. Este matrimonio de creatividad humana y
capacidad analítica de la IA da lugar a una nueva expresión arquitectónica que se despliega en
múltiples dimensiones. (p. 176)
La fenomenología por otro lado es primordial para el análisis y aprehensión de la realidad, por supuesto,
desde una visión totalmente subjetiva pero que abona a partir de la esencia de la experiencia como
personas que no solo habitan los espacios, sino por el contrario, viven en el espacio. Existen distintos
autores que la consideran sustancial en el proceso de diseño, basta mencionar a Juahni Pallasmaa, Peter
Zumtor, Steven Holl entre otros, que consideran también distintas bases teóricas sobre la percepción como
el caso de Maurice Merleau–Ponty para señalar el enfoque fenomenológico como un aporte central de la
práctica de la arquitectura. Según Fraile-Narváez (2024a):
La fenomenología no se limita a describir las características físicas de la arquitectura, sino que
profundiza las intenciones subyacentes a su creación. Analiza la naturaleza del sitio, donde la luz,
el color y la textura interactúan para estimular los sentidos y revelar las emociones inherentes de
cada lugar. (pp. 160-161)
De igual modo, Design Thinking, figura 1, permite el procesamiento de grandes cantidades de datos a
partir del pensamiento creativo sobre la obtención de información (empatizar) que los habitadores
demandan para el espacio habitable y la consideración de alternativas innovadoras que promuevan un
diseño coherente sin establecer una única consideración antropocentrista, sino de la mano incluso con
elementos que siempre han sido tratados como objeto y no precisamente como sujeto, tal es el caso, de
entorno natural (definir).
Enseguida, se concretizan las soluciones innovadoras (idear) donde es posible la consideración de los
elementos fenomenológicos que se debieron analizar desde una realidad inmediata sobre los temas a
desarrollar, por ejemplo, la proyección de un refugio o de una casa para comunidad, teniendo claro que
no se trata de un espacio comunitario sino, el lugar destinado a una familia que vive y se desarrolla sus
actividades cotidianas dentro de una comunidad conocida como Huaquechula en el municipio de Atlixco,
perteneciente al estado de Puebla.

136
 Figura 1. Proceso Design Thinking incluyendo aspectos fenomenológicos. Elaboración propia.

El proceso sobre el cual comienzan con la delimitación de las ideas representadas en planimetría
(prototipar), se hace a partir de toda la reflexión anticipada de manera fenomenológica que permitió la
comprensión del sitio con todas las características físicas, sociales, culturales, antropológicas, económicas
y ambientales, donde se parte de una intención arquitectónica definida por un concepto que permite la
esquematización compositiva lineal, central, radial, trama y agrupado, que a su vez ofrece una impresión
detallada para el diseño de pisos, muros, visuales, recorridos, iluminación, color, carpintería, jardinería y
plafones. A partir de estos primeros pasos el resultado es la adopción de terminología no solo para el
espacio habitable sino una serie de conceptos transdisciplinarios que conceden al diseñador una
oportunidad de comprensión global sobre el verdadero espacio habitable.
Al final, se presenta el proyecto arquitectónico (evaluar) que resulta de todo ese proceso fenomenológico
y apoyado de la metodología Design Thinking para poder verificar las soluciones planteadas bajo un
esquema de debate donde los estudiantes promueven el diseño mediante la comunicación gráficas y
modelos tridimensionales que sirvieron de base para la generación del diseño, cabe destacar que durante
todo este proceso se hizo uso de la IA únicamente como herramienta de apoyo que permitiera la
convergencia con los resultados análogos y de alguna forma se rescataran motivos importantes
desarrollados a partir de la narrativa (prompt) y el uso de aplicaciones generativas durante el desarrollo
completo: empatizar, definir, idear (los cuales incluyen la perspectiva fenomenológica), prototipar y
evaluar.
Aplicación de la Inteligencia Artificial para el Diseño Arquitectónico
La IA alcanzó a la arquitectura que se caracteriza por ser la disciplina que se encarga de promover y
diseñar espacios habitables, por lo que arquitectos deben prescindir de dicha herramienta para hallar
nuevos modos para la solución de problemas que quejan el diseño arquitectónico. No obstante, pese a
muchos debates que focaliza este avance tecnológico y de información desde sus inicios, más allá de la
generación de una alerta debe considerarse como una oportunidad congruente con las necesidades globales
del factor antrópico, estas aplicaciones generativas en la cotidianeidad científica, académica y humanística
son variadas, pero deben promoverse bajo una consideración ética.
Es posible que falte una mayor regulación sobre las aplicaciones generativas, en abril de 2024 se presentó
en México una iniciativa de Ley que Regula el uso de Inteligencia Artificial ante la Cámara de Senadores
legalizar un marco normativo que busca organizar el uso responsable y ético, además de garantizar el
respeto a los derechos humanos y la protección de los derechos de propiedad intelectual, pero es
importante la reflexión sobre la narrativa (prompt) porque finalmente parte de una idea intrapersonal y se
aplica directamente en las aplicaciones generativas, según Rafel Trujillo-Quispe y Gerson Trujillo-Quispe
(2024):

137
 En el dinámico mundo de la arquitectura, donde la estética, la funcionalidad y la eficiencia
convergen para moldear los espacios que habitamos, la incursión de la tecnología y la inteligencia
artificial (IA) han marcado un hito en la evolución del diseño arquitectónico. (p. 72)
Es una tecnología útil para el quehacer académico, pues van desde la resolución de cuestionamientos
simples, hasta puntos guías en las tareas más complejas. La IA ha pasado de ser una herramienta para
resolución de problemas escritos simples, a ser un instrumento de múltiples matices para complejas
actividades, y en el mundo del diseño y la humanística, componentes propios de la arquitectura, esta
herramienta digital resulta de gran interés. A continuación, se presenta la experiencia como estudiante del
curso de la Licenciatura en Arquitectura.
En el Taller de Diseño Integral I la IA es presentada de manera novedosa, pero se anticipa como
herramienta de apoyo, consulta y generación de ideas complementarias. Específicamente, se analizaron
problemas de diseño del espacio habitable y a su vez la generación de directrices para el diseño, que
pueden ir desde las dimensiones espaciales hasta tipo y materialización estructural, por supuesto, es claro
que la IA únicamente es un modelo de ayuda en el trabajo de diseño y debe exclusivamente aprovecharse
para el fortalecimiento de ideas que se consideran en un proceso metodológico.
El primer acercamiento se realizó con aplicaciones digitales como ChatGPT que tiene la capacidad de
respuesta mediante cuestionamiento de forma natural, abierta y sencilla, lo que pareciera un diálogo con
otro humano a través de datos disponibles en internet, por otro lado, Perplexity también ofrece respuestas
empleando texto predictivo de forma natural, ambos permitieron la consulta de información para la
generación de un diseño, la cual brindó datos sobre factores geográficos, climáticos, hídricos y otros
específicamente sobre la localidad donde se llevaría a cabo el proyecto, por lo que puede describirse como
una herramienta de escritorio útil para la solución de problemas técnicos previos a la obtención del
acercamiento al diseño arquitectónico.
Las aplicaciones como [Link], [Link] o Midjourney abren distintas posibilidades en la labor del
arquitecto, además son atractivas pues se obtienen resultados de posibles objetos arquitectónicos basados
en las narrativas hechas por los estudiantes, figura 2. Para los ejercicios de diseño se utilizaron como base
dibujos, bocetos y maquetas, que mediante las aplicaciones generativas se obtuvieron elementos con
mayor precisión en los colores, textura o atmósferas, los cuales fueron interesantes para poder determinar
ajustes en las propuestas análogas conservando la esencia fenoménica de los diferentes objetos
arquitectónicos. Además, se rescatan aspectos armoniosos desde la iluminación o detalles que fueron
planteados desde la redacción de un prompt (narrativa digital).
Recientemente, el diseño arquitectónico ha fusionado algoritmos genéticos con la IA para
potenciar la eficiencia de los procesos y dar lugar a soluciones innovadoras. La elección del
enfoque dependerá de los objetivos del diseño y la naturaleza específica del problema a enfrentar.
Por ejemplo, si se busca optimizar la eficiencia energética de una edificación, es factible emplear
algoritmos genéticos para explorar combinaciones de materiales y formas que maximicen dicha
eficiencia. Posteriormente, la IA simula la interacción de estos elementos y su impacto en el
rendimiento energético en diversas condiciones ambientales (Fraile-Narváez, 2024b, p. 51)

138
 Figura 2. Productos generados a través de IA Midjourney. Elaboración propia,

Las ventajas del uso de la IA en el Taller de Diseño Integral I son precisas, pues pueden adoptarse para
explorar la información técnica, hasta la visualización real sobre distintas propuestas basada en el dibujo
análogo. Con una narrativa simple (prompt) el metadiseñador es capaz de categorizar la información para
dar la orden a las aplicaciones generativas para que además de ser útil, sea atractiva e incluso una manera
lúdica de aprender el diseño arquitectónico, figura 3.

139
 Figura 3. Resultados mediante la utilización de [Link] y [Link]. Elaboración propia.

No obstante, no se debe olvidar que la IA es una tecnología que sigue en constante desarrollo, la pandemia
provocada por la COVID-19 provocó que el uso de herramientas digitales aumentara en el quehacer
académico. Por supuesto, no es algo nuevo pues en la vida cotidiana se hacen presentes diversas
aplicaciones que fortalecen de alguna u otra forma el desarrollo formativo y las cuales también se
emplearon durante el desarrollo del proyecto, tales como, TikTok o Instagram. Si bien es una ventaja la
IA, también es importante poner en consideración, y principalmente en la enseñanza–aprendizaje, que el
estudio del espacio habitable a través de la arquitectura no puede basarse exclusivamente en las
aplicaciones generativas debido a que no están absueltas de tener constantemente un margen de error, ya
sea por la obtención poco óptima de soluciones o la concepción pretensiosa o ilusa de espacialidades.
Durante los diversos ejercicios del Taller de Diseño Integral I, el margen de error en la aplicación de la
IA fue limitado porque en la manera de lo posible se corroboraba la información proporcionada mediante
la redacción del prompt para evitar que los resultados fuesen contradictorios con la ideal búsqueda. Se
debe utilizar de manera adecuada el lenguaje, sino ésta se verá circunscrita, además en semestres
posteriores sería oportuno el estudio de la fotografía como herramienta alterna para poder mejorar la
narrativa utilizando velocidades, aperturas de diafragma e incluso la identificación de equipo fotográfico
para el establecimiento de la analogía dentro del prompt.
Otra limitante para la IA es la accesibilidad en costos y quizá también el idioma, pues en general casi
todas las aplicaciones aseguran el éxito con el inglés en relación con la lengua española, ello no significa
que no se obtengan buenos productos solo que desde esta experimentación se advierte un mejor
conocimiento de la lengua extranjera. Por lo regular, el desconocimiento de las ventajas de las aplicaciones
generativas ocasiona un desasosiego ante su presencia pues incluso consideran el desplazamiento del ser
humano para el desarrollo de la arquitectura.
Pero indudablemente, este primer acercamiento de la IA en un nivel de familiarización y básico en la
formación académica resulta sugestivo para facilitar el proceso creativo y técnico del diseño
arquitectónico, lo que coadyuva a la obtención de resultados precisos para el espacio habitable, pero debe
ser una condición no alejarse de los atributos análogos que imprimen un desarrollo integral en el
arquitecto, asimismo con una visión fenomenológica que posibilite un futuro sostenible.

140
Conclusión

Innegablemente, el uso de la IA en la enseñanza–aprendizaje del diseño arquitectónico es útil para el

tratamiento de algunas cualidades que exige el proyecto, por lo tanto, es posible considerar el apoyo de
aplicaciones generativas en tres momentos clave para el desarrollo y proyección del espacio habitable:
El proceso creativo que puede aportar ideas generales para la formalidad del espacio a diseñar,
considerando que para el ejercicio se emplearon resultados análogos previos elaborados con papel o
arcilla, por ejemplo. Después, características especiales para materialización deseada con la oportunidad
de establecer distintas ideas a partir de variados prompt que pueden aproximarse incluso a características
especiales del entorno, figura 4.

Figura 4. Proceso de generación de imágenes por IA. Elaboración propia.

Una preocupación es que durante el uso de la IA es la interpretación de las posibles emociones que se ha
visualizado en la imaginación, si bien el empleo de las diversas volumetrías y texturas, colores, luces y
sombras nos aproximan al resultado esperado, el proceso de manufactura de dicha visualización, ya sea
por medio de recursos análogos o digitales, requieren una inversión de tiempo o recursos monetarios de
un equipo que garantice la ejecución de los programas especializados, además de horas de preparación
para lograr el resultado esperado, sin mencionar que las modificaciones al proyecto requieren un tiempo
considerable.
El empleo de la IA se convierte en una opción accesible considerando los recursos disponibles, además
solo requerirá el acceso de forma gratuita o mediante la inversión económica de algunas plataformas que
permitan el desarrollo del asistente virtual. Como parte de las primeras etapas de diseño, la intervención
del proceso análogo es indispensable. Si bien se puedo observar que existen algunas aplicaciones
generativas que desarrollan las primeras ideas de una distribución arquitectónica y hasta lograr colaborar
de forma remota con equipo de trabajo en tiempo real, si no se tienen los conceptos que regirán el diseño,
solo se estaría trabajando al azar, de forma aleatoria, obteniendo un resultado más o menos aceptable.
Como toda herramienta de uso practico, existe una curva de aprendizaje que se debe tomar en cuenta al
momento de utilizar la herramienta de IA como complemento del diseño arquitectónico sobre todo en las
primeras etapas de concepción volumétrica y visualización. Aun cuando se tienen al alcance diversas
aplicaciones para la generación de imágenes asistidas, es necesario probar y comprobar el funcionamiento
de éstas, pues algunas solo se dedican o especializan en procesos visuales limitados, dependiendo el
lenguaje de programación que empleen.

141
Es recomendable y necesario que antes de comenzar con el proceso de visualización se tenga bien
definidos los conceptos que se pretender dictar a la IA para que los resultados no solo sean los deseados,
sino que además de ser atractivos e innovadores, puedan en la manera de lo posible ser ejecutables.
Finalmente, la visualización consumada es variada según ciertos parámetros de la realidad, los resultados
pueden ser imágenes placenteras al ojo nihilista y por ende al habitador final del espacio arquitectónico,
por lo tanto, es claro que esta herramienta beneficiará a los arquitectos en conseguir la suplantación de las
perspectivas arquitectónicas, las fotografías y, por supuesto, el claro salto para pasar de los renders 3D
tradicionales a las imágenes creativas o imaginarias producto del uso responsable de la IA.
Algunas de las cualidades y limitaciones que ofrecen las aplicaciones generativas se establecen en el
siguiente esquema comparativo de accesibilidad, pero con las cuales pudieron obtenerse resultados
satisfactorios para el Taller de Diseño Integral I donde la temática principal consideraba vivienda para
comunidad, la cual exigía un análisis exhaustivo no solo de las necesidades básicas de una familia, sino
las características que engloba social, cultural, anímica y culturalmente hablando, figura 5.
MIDJOURNEY LEONARDO PERPLEXITY
ACCESIBILIDAD
Idioma Inglés Inglés Puede usarse en inglés y
español
Costo Se requiere forzosamente Funciona con monedas Funciona con puntos
de una suscripción para digitales propias de la IA. propios de la IA. Se
poder usarse. Al iniciar sesión, se permite un uso gratis,
otorgan 140 monedas, pero después requiere
pero al terminarse, se comprar más. En
requiere compra más. ocasiones hay ofertas de
puntos.
En el dispositivo Se puede usar en PC. Tienen una página para usarse en PC, así como
descargarse en la AppStore
Uso de otras Requiere una cuenta en No requiere otras Apps. Perplexity por sí solo no
Apps Discord para usarse. genera imágenes, por lo
que hace uso de otra IA:
[Link]. La misma
página o App dirige al
usuario a ésta.
RESULTADOS
Realismo/estética Le da un gran toque de Cuenta con una variedad Se puede escoger el
realismo, aunque el de estilos que el usuario estilo de la imagen.
acabado dependerá del puede escoger, aunque la
prompt y de la imagen mayoría son de paga.
base También el resultado
dependerá de la imagen
base (en caso de usarse).
Imágenes base Se cuenta con la opción Se puede usar el prompt No se pueden usar
de generar imágenes o el prompt más una sola imágenes base, sirve
únicamente con prompt o imagen de referencia. únicamente con prompt.
con imágenes base más el

142
 prompt. Se pueden usar
hasta 4 imágenes.
Facilidad de uso Requiere de un La página o App te ofrece No ofrece una guía de
conocimiento previo de una guía de uso antes de uso, pero su interfaz es
Discord. trabajar con ella. clara.
Figura 5. Comparativa de accesibilidad y resultados.

Con base en la comparativa de estas tres aplicaciones generativas, es claro que se requiere de un manejo
previo de las plataformas digitales, además aprender cómo desarrollar las indicaciones para un resultado
exitoso a través de la narrativa digital (prompt). La gran mayoría de estas herramientas ofrecen a los
usuarios una diversa gama de estilos que optimiza los resultados, es importante señalar que se emplearon
dichas herramientas a nivel básico, pues se pueden crear resultados mucho más interesantes, pero es
importante la práctica constante e irremediable para lograrlo.
Sin embargo, se discuten las ventajas y desventajas que se pueden encontrar durante el uso de
dichas aplicaciones, sin que ello atente contra la formación académica, todo lo contrario, es parte
importante para deshacer tabúes en relación con la desaparición del ser humano como ente
principal en el desarrollo del espacio habitable. (Barrera Sánchez, 2024, p. 13)
La IA sigue siendo una herramienta en evolución, pero es claro que se trata de una herramienta que llegó
para permanecer, asimismo al comprender su aplicación en las ciencias, disciplinas y áreas académicas,
es posible la consideración de su uso como una herramienta bastante útil, capaz de agilizar los procesos
creativos para el diseño del espacio habitable. En el ámbito universitario, la IA es una herramienta que
potenciará los esfuerzos en la enseñanza–aprendizaje para el diseño arquitectónico que inicia desde lo
más sencillo, como la resolución de problemas técnicos o enriquecer el proceso creativo, hasta ser un
generador digital para los más complejos procesos visuales de la arquitectura, como una nueva forma de
acercarse a la renderización y aunque existan limitaciones ya está más próxima al alcance de la academia,
solo basta tener un criterio ético y responsable para evitar cuestionamientos sobre la imaginación o
creatividad.

Bibliografía
Barrera Sánchez, M. (2024). La Inteligencia Artificial como herramienta de enseñanza-aprendizaje para
el diseño arquitectónico. Revista Pragma, 2(04), 4-15.
Durand-Labán, J. L. (2019). Aplicaciones de la Inteligencia Artificial en la Arquitectura: Caso de estudio:
Predicción de tipos de espacio usando Grasshopper y Rhinoceros. Paideia XXI, 9(2), 331-344.
Estalella, A. (2020). El dibujo etnográfico. Delinear modos de indagación. Retrieved from
[Link] [Último acceso 16 de septiembre de 2024].
Fraile-Narváez, M. (2024a). Fenomenología e inteligencia artificial: una perspectiva líquida a la
arquitectura del siglo XXI. Limaq, 13(013), 159-180. doi:10.26439/limaq2024.n013.6950

143
Fraile-Narváez, M. (2024b). Metadiseñadores: Simbiosis de herramientas digitales e inteligencia artificial
en el diseño arquitectónico. Uru: Revista de Comunicación y Cultura(10), 47-64.
doi:10.32719/26312514.2024.10.3
Gutierrez, A. F. (2022). Bases para una consideración sistémica del diseño arquitectónico. AREA, Agenda
de Reflexión en Arquitectura, Diseño y Urbanismo, 28(2), 8.
Holmes, W., Hui, Z., Miao, F., & Ronghuai, H. (2021). Inteligencia artificial y educación: Guía para las
personas a cargo de formular políticas: UNESCO.
Karslı, U. T., & Özker, S. (2020). A Biomimetic Design Experience in Informal Interior Architecture
Education. Design & Technology Education, 25(1), 80-95.
Requena, F. C. (2020). Inteligencia artificial y/o el arquitecto. Limaq(006), 129-140.
Rojas Barbosa, J. S., Arias Jiménez, Y. T., & Largacha Martínez, M. O. (2024). Explorando la intersección
entre inteligencia artificial, patrimonio y arquitectura: una comparación entre el dibujo digital y el
tradicional. In.
Trujillo-Quispe, R., & Trujillo-Quispe, G. (2024). La creación de fachadas arquitectonicas usando la
inteligencia artificial Midjourney. Paideia XXI, 14(1), 71-89. doi:10.31381/paideiaxxi.v14i1.6452

144
 La inteligencia artificial como herramienta en la búsqueda de
información para la investigación
Dra. Maria Eugenia Molar Orozco
Dra. Areli Magdiel López Montelongo
Dra. Gabriela Carmona Ochoa

Introducción
Ocaña, Valenzuela y Garro (2019) comentan que, las universidades, así centros o institutos de
investigación, están listos para el salto cualitativo en el empleo de la Inteligencia Artificial (IA), ya que,
al ser asequibles, se debe plantear incluirlo en los espacios educativos, por lo que urge la apremiante
necesidad de seleccionar las tecnologías acordes con los requerimientos de la universidad pública o
privada.

Cosoy (2017) y Cervera (2017) instan que se debe dejar de pensar en el software IA como un contrario y
verlo como un auxiliar que facilita el trabajo. Es importante aprender con urgencia a emplear estos
sistemas inteligentes (Calvo y Ufarte, 2020).

La IA está presente en el siglo XXI y facilita muchas tareas, es una herramienta que, bien administrada,
puede contribuir al desarrollo de una sociedad, pero su uso puede generar conflictos, como el derecho de
propiedad intelectual (Estupiñán, Leyva, Peñafiel y El Assafiri, 2021).

La calidad de la información automatizada muestra cierta carencia importante en cuanto a la falta de

contraste, interpretación e incorrecta redacción. La IA se emplea para información breve que no necesita
mucho estudio y se alimenta básicamente de datos. Es recomendable que las universidades adapten en sus
planes de estudio a las tecnologías que marcan las transformaciones, como son los robots, la aplicación
de la IA para búsqueda de información (Calvo y Ufarte, 2020).

Villasmil (2023):
“Aunque el fenómeno de la IA está incorporado al núcleo mismo de la producción de
conocimientos y saberes científicos, su uso tiene profundas y variadas implicaciones, no solo para
la vida de las comunidades académicas, sino, además, para la sociedad en general, por lo que se
trata de una tecnología compleja que, en conjunto con la nano-robótica y la ingeniería genética,
tiene el potencial para modificar el ritmo de las sociedades y la propia condición humana en su
esencia y existencia, de modo que urgen, al menos, más y mejores reflexiones filosóficas al
respecto que sirvan de guía y brújula a los científicos y hacedores de las políticas que regulan la
materia (pp. 9)”.

Barradas (2023):
“La inteligencia artificial es una tecnología disruptiva que puede a corto plazo aportar grandes
beneficios en la investigación científica, brindando soluciones significativas a problemas
complejos, contribuyendo al crecimiento sostenible de la sociedad. No obstante, es importante
mantener un enfoque crítico-reflexivo en su uso para extraer los mejores resultados de esta

145
 tecnología, asegurando que su aplicación se haga garantizando una visión ética y humanista en
la generación del conocimiento (pp. 121)”.

El objetivo del trabajo es analizar el tipo de información que arrojan las herramientas de Inteligencia
Artificial de acceso libre y como emplear cada una de una manera segura e inteligente.

La super inteligencia

John McCarthy acuñó el término "inteligencia artificial" en 1956 para referirse a la capacidad de los
dispositivos electrónicos de simular el razonamiento y la toma de decisiones humanas. (Manrique y
Vargas, 2019). El concepto de Inteligencia Artificial (IA), puede variar, por ejemplo, Russell (2004) la
describe como la capacidad de una máquina para imitar funciones cognitivas humanas como el aprendizaje
y la resolución de problemas.

La inteligencia en IA sugiere “una capacidad humana de comprensión y razonamiento. Sin embargo, los
sistemas de IA actuales basan su funcionamiento en modelos de aprendizaje automático, principalmente
en aprendizaje profundo, que permite el reconocimiento de patrones a partir de grandes volúmenes de
datos (Labañino, 2025: 74)”. La inteligencia artificial permite a las computadoras simular a la mente
humana para encontrar la resolución de problemas (IBM).

Desde el año 2014 científicos de la Universidad de Cambridge advertían que la creación de una máquina
que pudiera pensar sería un acontecimiento muy importante en la historia de la humanidad; estamos viendo
las primeras aplicaciones de esta creación, aún no tenemos una IA que piense totalmente como una
persona, por ejemplo un dispositivo con IA no tiene que producir toda nuestra capacidad intelectual para
hacer el trabajo de un operario, sólo tiene que ser programada para hacer un trabajo en específico (Ford,
2020).

Alan Turing en los años 50´s empezó a imaginar la construcción de una computadora que fuera pensante,
se puede decir que ahí nace el campo de la IA, pero no es sino hasta en estos últimos años que hemos
tenido un avance extraordinario en esta área. Aproximadamente en el año 2015 el científico James Barrat
(citado en Ford 2020), realizó una encuesta a 200 investigadores especializados en IA solicitando que
dieran su predicción sobre el momento en que sería posible utilizar dicha tecnología; los resultados fueron
los siguientes: 42% dijo que posiblemente en el año 2030, 25% dijo que para el 2050, 20% aseguraban
que en el 2100 y sólo el 2% creían que nunca pasaría; sólo cabe aclarar que una de las observaciones al
estudio por parte de los encuestados para Barrat, era que debería de haber incluido una fecha anterior, por
ejemplo antes del año 2020 (Ford, 2020).

Ford (2020) predice que seguramente un día llegaremos a crear una computadora con Inteligencia
Artificial General con la cual podríamos compartir el planeta, dicha inteligencia tendría una capacidad
excepcional y superior capaz de dirigir su intelecto hacia sí misma mejorando su propio diseño, una
programación evolucionada para crear, probar y hacer más óptimo su propio desempeño, es decir, un
mejoramiento recursivo; con lo cual se volvería más astuta y capaz; como resultado tendríamos una
explosión de inteligencia millones de veces más dotada que la del ser humano. Cuando esto suceda las
implicaciones para las personas serán extraordinarias, Ray Kurzwill (citado en Ford, 2020), futurista e
inventor dice que habría un desgarre en la historia de la humanidad, iniciando una nueva era que él
denomina como “singularidad” (Ford, 2020).

146
“En astrofísica, una singularidad se refiere al punto en un agujero negro donde las leyes de la física no
se aplican. Dentro del límite del agujero negro, u horizonte de ventos, la fuerza de gravedad es tan fuerte
que la luz no puede zafarse de ella. Vinge consideró a la singularidad en términos semejantes: representa
una discontinuidad en el progreso humano que sería fundamentalmente enigmática hasta que ocurriera.
Los intentos para predecir el futuro ulterior a la Singularidad serían análogos a los de un astrónomo que
intentara mirar dentro de un agujero negro (Ford; 2020:330)”.

Kurzwill (citado en Ford, 2020), denominado como un evangelista de la singularidad, predice que la
primera computadora inteligente será construida aproximadamente en el año 2045, tiene también la idea
de que un día lograremos una fusión entre personas y los robots, con lo cual las personas lograremos
potencializar nuestra inteligencia y así lograr comprender y mantener el control de la tecnología cuando
lleguemos a la etapa de la singularidad. Por otra parte, Gary Marcus (citado en Ford 2020) dice que tomará
más tiempo de lo previsto lograr crear un dispositivo más inteligente que nosotros, una que no sólo sirva
para jugar ajedrez o responder algunas preguntas, sino que sea capaz de hacer todo, desde matemáticas,
ciencia, ingeniería, medicina, etc., posiblemente antes del fin de siglo es cuando veamos algo así.

Los optimistas de la Inteligencia Artificial arguyen que la simulación no tiene que ser fiel al cerebro
biológico en todos sus detalles. Después de todo, los aviones no aletean como pájaros. Los escépticos
seguramente dirían que no estamos siquiera cerca de entender la aerodinámica de la inteligencia lo
suficiente como para construirnos alas, sea que abatan o no. Los optimistas pudieran entonces responder
que los hermanos Wright construyeron su avión con base a ensayos y experimentación, y ciertamente no
se basaron en la teoría aerodinámica. Y así sucesivamente (Ford; 2020:335).

Roger Bartra (2019) explica algunos de los principales requisitos que debería de tener una conciencia
mecánica que sea igual a la de una persona; tendría que ser dotada en primer lugar de sentido común y
creatividad; el sentido común es necesario para entender el mundo en lo cotidiano, en lo físico como en
lo social y la creatividad es necesaria para que pueda funcionar de manera polivalente, abierta y general,
por lo que es casi imposible que una IA alcance niveles humanos. En cuanto a imaginar el futuro con
respecto a la creación de un posible robot que esté dotado de una inteligencia general y flexible este autor
dice lo siguiente:

“¿Cómo podría saltar en esta máquina la chispa de la conciencia? Podría tener lo que algunos han
llamado una conciencia funcional y actuar con gran eficiencia creando en su entorno la apariencia o la
ilusión de que se trata de una máquina consciente. Pero podemos suponer con seguridad que la misma
máquina no se encontraría poseída por la ilusión de ser consciente por el hecho de tener una potente y
versátil inteligencia general. Si usamos el ejemplo de los humanos, esta máquina podría ser consciente
solamente a partir del momento en que fuese dotada de (o ella misma construyese) un exocerebro: un
conjunto de redes simbólicas que, tejidas en su entorno, la envolviesen. Se trataría de una cultura robótica
que teñiría todas las relaciones de la máquina con otras máquinas y con la sociedad humana” (Roger
Bartra, 2019: 124)”.

Actualmente, la IA se emplea en redacción de textos, identificación de lenguaje, para buscar datos, para
recomendar o decidir, con cierto nivel de autonomía, como auxiliar para lograr objetivos definidos
(Eurostat, 2021). Se puede indicar que, la inteligencia artificial y la toma de decisiones por medio de
algoritmos tienen un profundo impacto en la vida cotidiana (Kaur et al., 2023).

147
La IA actual, aunque muy sofisticada, está limitada a lo que se conoce como inteligencia artificial estrecha
o especializada, es decir, que es buena en realizar tareas específicas para las que ha sido entrenada, pero
no puede transferir ese conocimiento a otras áreas no relacionadas; por lo que la capacidad para adaptarse
a nuevas situaciones, razonar en múltiples contextos y desarrollar emociones o una comprensión profunda
de experiencias humanas sigue siendo exclusiva de las personas. Grandes investigadores (Fryer et al.,
2019; Cope et al., 2020 y Barrios et al., 2021) siguen trabajando en lo que llaman Inteligencia Artificial
General' (AGI), que aspira a tener un entendimiento y una comprensión más amplia y flexible, similar al
del ser humano, pero eso todavía está lejos de lograrse.

Metodología
Es una investigación con enfoque cualitativo, de tipo descriptivo, por medio de un estudio transversal
iniciado el 21 de septiembre a 24 de octubre del 2023, realizando una revisión sistemática de cinco
aplicaciones de Inteligencia Artificial (IA) específicas, para búsqueda científica de información
especializadas, estas se encontraron por medio de Google, que de acuerdo a universia (2020), es la página
más visitada con más de 1800 millones de visitas al mes, según Statcounter, Google acapara el 92% del
mercado, en comparación con Bing o Yahoo!

El criterio fue con base a la descripción que se encuentra sobre la IA, de cuáles eran empleadas para
consulta de investigación, de donde se seleccionaron:

• [Link]; un motor de búsqueda de Bing de Microsoft, que no solo muestra resultados

tradicionales, sino que también ofrece resúmenes generados por IA y otras funciones avanzadas.
• Assistant by Scite; una herramienta de investigación que ayuda a los usuarios a encontrar
respuestas respaldadas por investigaciones a preguntas permite colaborar en ensayos o trabajos de
investigación, y recopilar evidencia de apoyo y contrastante.
• Researchrabbitapp; una plataforma de descubrimiento de literatura para ayudar a los
investigadores a encontrar de manera eficiente documentos académicos relevantes y explorar redes
de citación de manera visual, aporta recomendaciones personalizadas y mapeos visuales.
• EvidenceHunt; ayuda a encontrar, analizar y utilizar evidencia médica de forma rápida y fiable,
ofrece fuentes personalizadas, carpetas de proyectos y respuestas.
• Scispace; pensado para quien realiza investigación apoyando en revisión de documentos de forma
puntual.

La técnica empleada fue el análisis de contenido, que ayuda a seleccionar pautas en la información. En el
cual, se recopilan datos de forma sistemática de un conjunto de textos, centrado en interpretar y
comprender, donde se categoriza palabras, temas y conceptos dentro de los textos y luego analiza los
resultados, que permita hacer inferencias cualitativas mediante la relación semántica de palabras,
conceptos y las fuentes que aporte la IA. Como guía se emplearon estos criterios:

• Relevancia: ¿los resultados son apropiados a la consulta?

• Exactitud: ¿proporciono información válida y actualizada?
• Utilidad: ¿cumple con la búsqueda? ¿Estoy de acuerdo con el contenido?

148
Se identificó la fuente y se hizo un sesgo de donde obtenía información para redactar, que revelara las
diferencias entre los algoritmos empleados de cada IA seleccionada, esto permitió analizar el contenido
del texto, así como el nivel de calidad de información o respuesta que pueden dar a trabajos de
investigación, para determinar sus ventajas y desventajas.

A cada aplicación se le solicito la búsqueda del concepto de confort, confort térmico y tipos de confort en
edificios, que permitía acotar al segundo para aumentar la precisión de la búsqueda. Además, se fue
identificando el tipo de herramienta según sus desarrolladores, así como la instancia que desarrolló cada
plataforma, para desarrollar una tabla con la información obtenida de cada IA.

Resultado
[Link]®

IA creada en 2020 por Bryan McCann y Richard Socher, según su página web, permite realizar búsquedas
exhaustivas y especializadas, genera imágenes y mejora la productividad mediante un poderoso motor de
búsqueda. Se colocan palabras claves y este arroja la información con base a la búsqueda que realiza en
la red, que lo aporta en la parte derecha de la pantalla, este permite ir directo a las fuentes. Como primera
prueba se le solicito buscar aspectos de confort y aporto lo siguiente, figura 1

Figura 1. Imagen de la aplicación YOU

A simple vista, la manera de redactar del IA es puntual y clara, en otras IA incluso se encuentran errores
ortográficos.

Se volvió a solicitar la misma búsqueda y en la segunda ocasión agregó dos tipos de confort, dando como
resultado un cambio mostrado, figura 2, la desventaja es que se pierde la información de la primera
propuesta y no es posible saber cuáles se fuentes se emplearon en relación con la nueva búsqueda.

149
 Figura 2. Resultado de la segunda solicitud en la aplicación YOU

Esta aplicación permite copiar todo el texto:

El confort en la arquitectura abarca varios aspectos que contribuyen al bienestar y la comodidad de las
personas en un determinado espacio. Algunos de los aspectos de confort más importantes son:
1. **Confort térmico**: Se refiere a la sensación de temperatura agradable en un espacio. Esto implica
mantener una temperatura adecuada, evitando tanto el frío como el calor extremo. El acondicionamiento
térmico, como el uso de sistemas de calefacción y refrigeración, juega un papel crucial en el logro del
confort térmico.
2. **Confort lumínico**: Hace referencia a la iluminación adecuada en un espacio. La cantidad y calidad
de la luz natural y artificial influyen en la comodidad visual y en la percepción del entorno. Un buen
diseño de iluminación puede reducir la fatiga visual y mejorar el estado de ánimo de las personas.
3. **Confort acústico**: Se relaciona con el nivel de ruido en un espacio. Un ambiente con niveles de
ruido excesivos puede generar estrés, dificultar la comunicación y afectar la concentración. El uso de
materiales y técnicas de aislamiento acústico, así como el diseño adecuado de espacios, pueden contribuir
a un mayor confort acústico.
4. **Confort visual**: Se refiere a la ergonomía y la calidad visual de un espacio. Esto implica considerar
aspectos como la distribución del mobiliario, la altura de los elementos visuales, el contraste y la
legibilidad de los elementos visuales, entre otros. Un buen diseño visual puede reducir la fatiga ocular y
mejorar la experiencia de los usuarios.
5. **Confort olfativo**: Hace referencia a la calidad del aire y la ausencia de olores desagradables en
un espacio. Un ambiente con buena ventilación y control de la calidad del aire contribuye al confort
olfativo.
6. **Confort higroscópico**: Se refiere al control de la humedad en un espacio. Un ambiente con niveles
adecuados de humedad relativa puede evitar la sequedad o la humedad excesiva, lo cual puede afectar la
comodidad y la salud de las personas.
7. **Confort ergonómico**: Se relaciona con la adaptación del espacio y el mobiliario a las necesidades
físicas y posturales de las personas. Un diseño ergonómico considera la comodidad y la salud en la
interacción de las personas con el entorno construido.

Estos son solo algunos de los aspectos de confort que se tienen en cuenta en la arquitectura para crear
espacios que promuevan el bienestar y la comodidad de las personas. Cada uno de estos aspectos puede
ser abordado de manera específica en la propuesta y la edificación de una construcción o diseño espacial
arquitectónico.

150
Las fuentes empleadas que reporta la IA en este caso fueron:
1. Siber (2016) Confort en la arquitectura, ¿qué es y cómo mejora nuestro bienestar? enlace, recuperado
en 21 de septiembre 2023
2. (sa) Cuadernos de formación. (sf) Tema 3. Arquitectura bioclimática, enlace [Link]
content/uploads/2013/09/[Link] no contiene bibliografía
3. No fue posible acceder al enlace ¿Qué son las condiciones óptimas de confort? | Leroy Merlin,
[Link]
4. Vigo, Marta. (sf) CONFORT HUMANO. Universidad Nacional de Catamarca
5. Secretaría de Ciencia y Tecnología - Editorial Científica Universitaria ISBN: 978-987-661-048-3.
Enlace
[Link]
[Link]
6. SAINT-GOBAIN (2015) LOS MÚLTIPLES ASPECTOS DEL CONFORT. Enlace 2018-02-07-
[Link]
7. Anuncio publicitario Con el tratamiento antirreflejos conseguimos mejorar en
muchos...[Link], no era del tema
8. Arkialbura (sf) confort-en-arquitectura, enlace [Link]
arquitectura/
9. Sisternes, A (2019) Confort en la arquitectura ¿Cómo se consigue? Reto KÖMMERLING enlace
[Link]
10. Presentación de alumnos de la Facultad de Arq de NL (2016) El Confort. Enlace
[Link]
11. Expo Energía (2019) Condiciones necesarias para el confort visual. Enlace
[Link]

La IA no aporta referencias en APA, la lista mostrada se hizo de forma manual, además, algunas se
identificaron como anuncios comerciales, es importante revisar su base de información.

Se procedió a una tercera búsqueda, donde la respuesta debe considerar parámetros de confort como la
calidad del aire, iluminación, acústica, parámetros térmicos, entre otros:

Aspectos de confort en la arquitectura pueden incluir:

1. Temperatura: El confort térmico es fundamental para el bienestar en un espacio. Esto implica mantener
una temperatura adecuada que sea agradable para las personas que lo ocupan.
2. Humedad: La humedad relativa del aire también juega un papel importante en el confort. Un nivel de
humedad adecuado puede ayudar a prevenir la sequedad de la piel y las vías respiratorias, así como la
formación de moho y hongos.
3. Calidad del aire: La calidad del aire interior es esencial para el confort. Esto implica tener un sistema
de ventilación adecuado que proporcione un suministro constante de aire fresco y elimine los
contaminantes y olores no deseados.
4. Iluminación: La iluminación adecuada es esencial para crear un ambiente confortable. Esto incluye
tanto la cantidad de luz como la calidad de la misma. Una iluminación adecuada puede ayudar a prevenir
la fatiga visual y mejorar el estado de ánimo.

151
5. Acústica: El confort acústico se refiere a la reducción del ruido no deseado en un espacio. Esto implica
utilizar materiales y técnicas de diseño que minimicen la transmisión de ruido y creen un ambiente
tranquilo.
6. Diseño ergonómico: El diseño de los espacios y los muebles también puede influir en el confort. Un
diseño ergonómico considera la comodidad y la funcionalidad de los usuarios, asegurando que los
muebles y las disposiciones espaciales sean adecuados para las actividades que se llevarán a cabo.
7. Estética: La estética también puede contribuir al confort. Un entorno agradable visualmente puede
tener un impacto positivo en el estado de ánimo y el bienestar de las personas.

Un aspecto por considerar con la IA es que no mantiene sus enlaces anteriores, es decir, si se accede
directamente a la fuente de referencia y se decide regresar, la información es borrada impidiendo recuperar
la fuente anterior y el texto asociado.

Al solicitar otra búsqueda bajo el criterio de tipos de confort, resulto lo siguiente:

Aspectos de confort se refieren a los diferentes elementos y condiciones que contribuyen al bienestar y
comodidad en un determinado espacio. Estos aspectos pueden incluir factores físicos, psicológicos y
ambientales que afectan la sensación de confort de las personas. Algunos ejemplos de aspectos de confort
son:

1. **Confort térmico**: Se refiere a la sensación de temperatura agradable en un espacio. Esto implica

mantener una temperatura adecuada, evitando el frío o el calor extremo.
2. **Confort lumínico**: Se relaciona con la iluminación adecuada en un espacio. Esto implica tener
una iluminación adecuada para realizar las actividades necesarias, evitando la falta de luz o el exceso
de luz.
3. **Confort acústico**: Se refiere al nivel de ruido en un espacio. Esto implica mantener un nivel de
ruido adecuado para evitar molestias o distracciones.
4. **Confort visual**: Se relaciona con la calidad y el diseño de los elementos visuales en un espacio.
Esto implica tener una buena distribución de la luz, colores agradables y una disposición adecuada de
los elementos visuales.
5. **Confort ergonómico**: Se refiere a la adaptación del espacio y los elementos en él a las necesidades
del cuerpo humano. Esto implica tener muebles y equipos ergonómicos que permitan una postura cómoda
y saludable.
6. **Confort ambiental**: Se relaciona con la calidad del aire y la ausencia de contaminantes en un
espacio. Esto implica mantener una buena ventilación y controlar la calidad del aire para evitar
problemas de salud.

Estos son solo algunos ejemplos de aspectos de confort, y pueden variar dependiendo del contexto y las
necesidades específicas de cada persona. Es importante tener en cuenta estos aspectos al diseñar o
adaptar un espacio para garantizar el bienestar y la comodidad de las personas que lo utilizan.

En este caso, las fuentes empleadas fueron las mismas, solo se encontró que desecho un archivo, para
redactar de otra manera.

También se obtiene el texto en ingles si la palabra clave es en este idioma, sin embargo, toma varias fuentes
da como resultado diferentes significados y al final; indica el IA que debe ser muy específica las palabras

152
ya que se presta a distintas interpretaciones con base al contexto, debido a esto las referencias son
generales, como se puede leer más adelante.

The term "comfort" can have different meanings depending on the context in which it is used. Here are a
few possible interpretations:

1. **Comfort as a feeling**: Comfort can refer to a state of physical or emotional ease and well-being. It
is often associated with relaxation, contentment, and a sense of security. For example, sitting in a cozy
chair by the fireplace can provide a feeling of comfort.
2. **Comfort as a product or service**: Comfort can also refer to products or services that are designed
to provide convenience, relaxation, or relief. This can include items such as comfortable clothing,
ergonomic furniture, or soothing spa treatments.
3. **Comfort as a feature**: In some cases, comfort may be used to describe a specific feature or
characteristic of a product or service. For example, a car with plush seats and a smooth ride may be
marketed as offering comfort to its passengers.
4. **Comfort as a concept**: Comfort can also be used in a broader sense to describe a state of well-being
or satisfaction. This can include aspects such as financial security, social support, or a sense of belonging.
It's important to note that the specific meaning of "comfort" can vary depending on the context in which
it is used.

Related web results

1. Comfort Jeans – COMFORT JEANS
[Link] (es una empresa de ropa)
2. Comfort Scrub - Nourishing Oil Scrub | CLARINS®
[Link] (es una empresa de crema)
3. Comfort Pass – EDC Mexico 2023 ES
[Link] (es una empresa para venta de boletos)
4. comfort | traducir al español - Cambridge Dictionary
[Link] (es un diccionario en ingles de varias alternativas sobre la palabra confort)
5. Comfort H/S™ Bite Splint - Glidewell Dental México
[Link] (es una empresa que vende placas de dientes)
6. What Is Uber Comfort? | | Uber
[Link] (no se tuvo acceso)
7. Comfort Inn Irapuato – Hotel en Irapuato, Guanajuato, México
[Link] (es un hotel)
8. SAS México: Zapatos Confort
[Link] (es una empresa de zapatos)
9. Comfort Definition & Meaning - Merriam-Webster
[Link] (es otro diccionario en ingles de varias alternativas sobre la palabra confort)

Se solicitó la búsqueda de Tipos de confort, arrojando el siguiente resultado:

Existen diferentes tipos de confort que se pueden experimentar en diferentes contextos. A continuación, se
mencionan algunos de los tipos de confort más comunes:

153
1. Confort físico: Se refiere a la sensación de bienestar y comodidad que se experimenta a nivel físico.
Esto puede incluir el confort térmico, que se relaciona con la sensación de temperatura agradable en un
espacio, y el confort acústico, que se refiere al nivel de ruido en un ambiente.
2. Confort emocional: Se refiere a la sensación de bienestar y seguridad emocional que se experimenta
en un entorno. Esto puede incluir el confort psicológico, que se relaciona con la sensación de satisfacción
y seguridad que brinda un ambiente determinado.
3. Confort ambiental: Se refiere a la sensación de bienestar y comodidad que se experimenta en relación
con el entorno físico. Esto puede incluir el confort visual, que está relacionado con la iluminación
adecuada en un lugar, y el confort olfativo, que se refiere a la calidad del aire y los olores presentes en
un espacio.

4. Confort social: Se refiere a la sensación de bienestar y comodidad que se experimenta en relación con
las interacciones sociales. Esto puede incluir el confort interpersonal, que se relaciona con la calidad de
las relaciones y la comunicación con otras personas.

Es importante tener en cuenta que estos tipos de confort pueden estar interrelacionados y pueden variar
según las necesidades y preferencias de cada persona.

Related web results

1. El Confort en la Arquitectura
[Link] (es un blog donde se habla de una manera general sin fuentes primarias que sustenten
lo publicado)

2. Confort en la arquitectura ¿Cómo se consigue? - Reto KÖMMERLING

[Link] (es un blog donde expertos hablan del tema)
Sisternes, A (2019) Confort en la arquitectura ¿Cómo se consigue? Reto KÖMMERLING enlace
[Link]

3. Tema 3. Arquitectura bioclimática

[Link] (es un documento de una clase)
Cuadernos de formación. (sf) Tema 3. Arquitectura bioclimática, enlace [Link]
content/uploads/2013/09/[Link] nota: no contiene bibliografía

4. ¿Qué es confort y sus tipos? | scatec

[Link] (es un blog sobre Arquitectura y Decoración) nota: no cuenta con bibliografía ni autor que
respalde lo escrito.

5. La teoría del confort en los cuidados enfermeros - Revista ROL de ...

[Link] (es una revista de enfermería de paga)
Bosch, Alcaraz A., Falcó, Pegueroles A., Alcolea, Monge S., Domínguez, Delso M. C., Santaolalla,
Bertolin M. & Jordán, I. (2022). La teoría del confort en los cuidados enfermeros. Enlace [Link]
[Link]/la-teoria-del-confort-en-los-cuidados-enfermeros/

6. Guía de firmeza de los colchones ¿Cuál es la adecuada? - Neohogar

[Link] (es una tienda virtual de colchones)

154
7. CONFORT: CONTRIBUCIÓN TEÓRICA A LA ENFERMERÍA (artículo en scielo)
Martins AG, Sousa PP, Marques RM. (2022) Confort: contribución teórica a la enfermería. Cogitare Enferm;
27. Disponible: [Link]
ce.v27i0.87724

8. Programa multi-comfort | Saint-Gobain Glass México

[Link] (empresa distribuidora de materiales desde el aspecto de confort y
sustentabilidad)

9. ¿Qué es y cómo se consigue el confort térmico en un edificio ...

es. weber (es una empresa distribuidora de materiales aislantes)

Se puede observar que esta IA no cuenta con un algoritmo para filtrar y obtener datos de calidad
académica, como artículos, capítulos o libros sus fuentes son en general lo que va encontrando; otra
desventaja, es que no indica la fuente en el texto cuando se copia, por lo tanto, hay que consultar las
referencias que está en la parte derecha para ubicar donde está en el texto la idea, pero si se da clic desde
la aplicación se pierde la información, la opción es copiar antes para ver las fuentes que usa.

Figura 3. Imagen de la aplicación YOU

En ocasiones se puede observar en la parte inferior de la ventana, figura 3, que aporta la fuente directa de
algunos textos y estos están señalados con números, pero si se entra a este enlace directo se pierde el texto,
por lo tanto, se debe dar clic en los números que están dentro del texto lo cual permite ir a la página sin
perder el escrito de la ventana.

Assitant by Scite_®

Es una IA con el propósito de facilitar la búsqueda de información científica utilizando citas inteligentes,
por medio de mostrarle a quien investiga, el contexto de las citas y describir si el artículo apoya o contrasta
la evidencia. En su buscador se le describe un prompt de dialogo con la búsqueda deseada y se le explica
si se requiere muestre las fuentes de información o no. Además, en configuración se determina las
especificaciones para mostrar las referencias como: dejar que Scite_ decida, siempre usar referencias, o
nunca usar referencias. Se indica en que partes de las fuentes de información va a buscar: si sólo se busca
en los resúmenes o en todo el documento. Por default utiliza ambas partes.

155
Además, se especifica el rango de búsqueda, si es por autor, año, sección del artículo, tipo de artículo
como que apoye, contraste o mención, revista.

Así mismo, en configuraciones se da la posibilidad de seleccionar entre 6 tipos de sistemas de citación,

así como la extensión de la respuesta: cortó entre 100 a 200 palabras, medio entre 200 a 500 palabras y
largo más detallado, sobrepasa las 500 palabras.
También permite indicar, cuantos documentos se desea consultar, si es que en la instrucción del prompt
no se le dijo.

Es una versión libre por 7 días después del registro y posterior a ello, hay un cobro según se adquiera un
plan mensual o un plan anual, figura 4.

Figura 4. Imagen de la aplicación Assitant by scite

En la parte izquierda aparece la referencia, por lo tanto, se puede extraer la información junto con las
fuentes:

El confort se refiere a la sensación de bienestar y satisfacción que experimenta una persona en su entorno.
Para evaluar el confort, se utilizan diferentes parámetros que abarcan aspectos físicos, ambientales y
psicológicos. Uno de los parámetros importantes en el modelo de confort térmico adaptativo es la
temperatura neutra, que es la temperatura a la cual una persona no siente ni frío ni calor [1]. Además,
la temperatura exterior también es un parámetro relevante en este modelo, ya que influye en la percepción
de confort térmico [1]. En el contexto de cuidados paliativos, se han identificado estrategias para
minimizar las necesidades de confort de los pacientes. Estas estrategias pueden incluir aspectos físicos,
como la temperatura y la iluminación, así como aspectos psicosociales que contribuyen al bienestar del
paciente [2]. Con relación al confort climático en destinos turísticos, se ha encontrado que la temperatura
del aire, la humedad, la velocidad del viento y la radiación solar son elementos climáticos que influyen
en el confort de los turistas. Además, los parámetros fisiológicos y psicológicos de los individuos también
juegan un papel importante [3]. La amabilidad visual es otro parámetro relevante en el confort. Va más
allá de la visibilidad y tiene en cuenta aspectos psicológicos. Se destaca la importancia de considerar las
valoraciones del usuario para lograr un equilibrio entre la eficiencia de la tarea evaluada y los factores
de confort del usuario [4]. En cuanto al confort térmico en espacios verdes, se ha encontrado que los
árboles de copa ancha y gran altura, combinados con pavimentos de bajo albedo, proporcionan una
situación de confort óptima [5]. En el ámbito de la arquitectura, se ha observado que el confort térmico
en espacios urbanos está influenciado por la morfología, los parámetros microclimáticos y la vegetación.
Estos elementos juegan un papel importante en la calidad de vida de las personas en las ciudades [6]. En
resumen, los parámetros del confort incluyen la temperatura neutra, la temperatura exterior, aspectos

156
físicos como la iluminación y la temperatura del aire, aspectos psicosociales, la amabilidad visual, la
vegetación y los parámetros microclimáticos. Estos parámetros son fundamentales para evaluar y mejorar
el confort en diferentes contextos, como el diseño de espacios públicos, los cuidados paliativos y el
turismo.

References:
1. (5)Duval, V., Benedetti, G., & Baudis, K. (2022). Confort térmico producido por la vegetación
arbórea en el macrocentro de bahía blanca (argentina). Ecología Austral, 32(2), 502-515.
[Link]
2. (6) Nieto, K., Potes, L., Celedon, S., & León, J. (2019). Microclima y confort tërmico. Módulo
Arquitectura Cuc, 23, 49-88. [Link]
3. (1) Saray, F., Anguiano, R., Morales, G., & Gómez, C. (2020). Desarrollo de índice de
habitabilidad térmica en periodo frío para espacios públicos exteriores. Revista De Ciencias
Tecnológicas, 3(3), 145-172. [Link]
4. (2) Souza, M., Jaramillo, R., & Borges, M. (2021). Conforto de pacientes em cuidados paliativos:
revisão integrativa. Enfermería Global, 20(1), 420-465. [Link]
5. (3) Tanana, A., Ramos, M., Gil, V., & Campo, A. (2021). Bioclimatic comfort in high-latitude
tourist destinations. the case of el calafate. Revista Geográfica De Chile Terra Australis, 57(1).
[Link]
6. (4)Villalba, A., Monteoliva, J., & Pattini, A. (2016). Amabilidad visual: sistemas de sombreado.
Arquitetura Revista, 12(1). [Link]

Figura 5. Segunda búsqueda de “confort térmico” en IA Scite. Fuente: de la aplicación Scite (2004).

Se identifican diferencias en el texto que arroja Scite, figura 5, cada vez que se le plantea la misma
pregunta por personas diferentes. Si bien se le especifican criterios para la búsqueda, queda duda sobre su
“criterio” para escoger esas fuentes de información y no considerar otras. Además, que se debe tomar en
cuenta su delimitación a sólo consultar documentos Open Access. El texto se puede copiar y pegar, aunque
requiere edición posterior, así como formato en algunos detalles como en el listado de referencias que
aparecen a texto seguido sin separar entre cada fuente o no están habilitados los enlaces de los DOI de
cada artículo hasta después de la edición.

La ventaja que se observa es que la fuente seleccionada proviene de revistas tanto en español como en
inglés y estas se encuentran referenciadas según el sistema seleccionado, además, en la parte derecha ubica
las fuentes enumeradas en el texto y puede visualizarse el documento consultado y regresar sin perder la
información, indicando el número de citas de la publicación para conocer su impacto, figura 6.

157
 Figura 6. Imagen de la aplicación Assitant by scite, direccionando a la fuente consultada.

Researchrabbitapp®

Esta plataforma está diseñada para facilitar la búsqueda de artículos de revistas científicas, permitiendo
relacionar estos documentos según diversos criterios, como son otros artículos que han citado a un artículo
específico, o puede relacionar los artículos por el orden de publicación y crear líneas de tiempo o relaciona
fuentes de información por la importancia según el número de citas (Martin, 2024).

Genera colecciones con estos artículos los cuales se pueden agregar a una colección específica y además
busca la relación con otros autores, generando una red cercana o próxima de la temática de los
investigadores, figura 7.

Figura 7. Imagen de colecciones obtenidas, de la aplicación Researchrabbitapp

158
Esto permite visualizar quien es el más citado sobre esta línea de investigación e incluso en que años
colaboraron entre sí, figura 8.

Figura 8. Imagen de las redes entre colaboraciones de investigadores, de la aplicación Researchrabbitapp

Además, da acceso a las publicaciones, figura 9.

Figura 9. Imagen de los accesos a publicaciones de las colaboraciones, de la aplicación Researchrabbitapp

EvidenceHunt®

Es una plataforma cuyo motor de búsqueda es una IA especializada en temas médicos y del área de la
salud para la recopilación, análisis y utilización de evidencia médica. EvidenceHunt fue fundada por
Philippe Habets (director ejecutivo), Olivier Magnin (director de operaciones), Coen Stevens (director de
tecnología) y Christiaan Vinkers. El equipo tiene su sede en Ámsterdam, Países Bajos. (Evidencehunt,
2024)

Esta no solo aporta el documento, sino también, destaca la información con sus referencias, las
conclusiones, el sujeto de estudio, aspecto de control que se tomaron en cuenta en el trabajo, figura 10.

159
 Figura 10. Imagen de la aplicación EvidenceHunt

Scispace®

Scispace (PubGenius Inc. 2024) es una plataforma de investigación que busca agilizar las actividades para
extraer, sintetizar y analizar la información contenida en repositorios y artículos de bases de datos en la
red y que sean de formato acceso abierto. Fue creada como Typeset en 2015 por Sai y Shanu Kumar y
migra a Scispace en el 2022. Promueve la colaboración entre quienes realizan investigación y quienes
escriben productos académicos. Cuenta con una serie de herramientas como revisar artículos en PDF,
detectar escritos con IA, buscar por conceptos o palabras, parafrasear un texto, generador de citas, en
diferentes formatos actualizados al 2023, y puede hacer búsquedas por artículos o documentos, por autor,
por tema, por instituciones, por revistas, por conferencias o realizando preguntas. En esta aplicación, se
sube el documento y se le puede solicitar que sintetice la información, esto es cuando se tiene una alta
búsqueda de documentos y se pretende seleccionar la mejor fuente que contenga la información, por lo
cual permite descartar aquel que no sirva o no aporte lo que se quiere consultar, figura 11.

Figura 11. Imagen de la aplicación Scispace

160
Conclusiones
La inteligencia artificial, funciona mejor con base a indicaciones claras, busca todas las fuentes que
manejen la palabra que se usa y con eso procesa la información, pero al final uno debe tener criterio para
saber si lo que aporta es correcto o no. La decisión recae en el lector o investigadores que elige aceptar o
rechazar la aportación de la IA, puesto que no es infalible, coincidiendo con la opinión de Gary Marcus
(2020 citado por Ford), Barrada (2023).

Las respuestas de las IA revisadas, no son replicables por lo tanto no pueden ser citadas, cada prompt
definido, genera una respuesta diferente por lo que, quien busca la información requiere procesar las
respuestas y redactar su propia respuesta.

Como parte del criterio que se propone, se considera indispensable que se debe indicar en el texto el
nombre de la IA donde se obtuvo la información para evidenciar el proceso realizado, así como dejar claro
cuál es el ámbito de las fuentes de información de las que la IA generó la respuesta dada, como lo
recomiendan Estupiñán, Leyva, Peñafiel y El Assafiri, (2021)

También es importante mencionar que los resultados que emiten las IA varían según el idioma porque para
acceder a artículos de revistas en inglés, se tiene que hacer la búsqueda en ese idioma o plantear la pregunta
del prompt en inglés para que entienda la IA que acceda a material de ese idioma. Salvo aquellas que
tienen solamente acceso a una base de datos específica o repositorio particular.

La mayoría de las IA revisadas, tienen una versión gratuita con habilidades limitadas ya que todo su
potencial se accede solo en la versión de paga y entones los resultados obtenidos estarán sesgados según
el tipo de licenciamiento para el acceso que tenga el usuario, tabla 1.

Tabla 1. Resumen de las IA

Año de
Nombre de la IA Creadores Ventajas Desventajas
creación
Búsqueda exhaustiva, No guarda información de
Bryan McCann y generación de imágenes, mejora búsquedas previas, puede
[Link] 2020
Richard Socher de productividad, acceso directo perder fuentes si no se guardan
a fuentes. manualmente.

Búsqueda científica avanzada Acceso limitado a documentos

Josh Nicholson y con citas inteligentes, de acceso abierto, variación en
Asistente by Scite 2018
Anand Desai configuraciones de citación y resultados por cada búsqueda y
rango de búsqueda. aviso.

Relación de artículos científicos, Dependencia de la

Krishnan Chandra,
visualización de conexiones de disponibilidad de datos,
ResearchRabbit Ben Slater y Mike 2024
citas y autores, permite crear precisión limitada en ciertos
Ma
colecciones. temas de investigación.
Philippe Habets, Restricciones en temas fuera
Especializada en evidencia
Olivier Magnin, del área médica, menor
EvidenceHunt 2024 médica, resalta conclusiones y
Coen Stevens, utilidad para investigaciones
referencias en temas de salud.
Christiaan Vinkers generales.

161
 Acceso limitado a ciertos
SciSpace Extracción, síntesis y análisis de
temas y documentos, acceso
(anteriormente Sai y Shanu Kumar 2015 documentos, incluye párrafos y
completo solo en versión de
Typeset) múltiples formatos de citación.
pago.
Fuente: Elaboración propia con ChatGPT

Además, hay que diferenciar una IA propiamente dicha de una herramienta motor de búsqueda ya que sus
funciones estarán determinadas por su tipo de plataforma.

Se recomienda, realizar primero una búsqueda primaria en fuentes tradicionales sobre el tema que se desea
buscar en una IA, para con cierto dominio del tema, filtrar y evaluar los resultados que emitan estas
plataformas y que se garantice su veracidad y confiabilidad, como lo recomienda Villasmil (2023).

Se debe aprender a usar el pensamiento crítico al usar las IA, pensar en IA como una herramienta que debe
ser guiada con valores éticos y cívicos, con una actitud proactiva y no reactiva, sin perder la autonomía,
el impacto que puede dar en las aulas es de tomarse en cuenta, como lo comenta, Kaur et al., 2023, por lo
tanto, es relevante que los docentes estén capacitados para guiar a los estudiantes en la toma de selección
de la información que se puede conseguir con estas aplicaciones, para usarla de una manera inteligente,
sin olvidar de poner en las referencias la información obtenida por este medio, ya que se considera plagio
el trabajo realizado por una IA.

En el ámbito de la investigación, se parte de una la idea clara a la hora de formular la pregunta, mientras
más puntual mejor la respuesta, e incluso solicitar a la IA de una respuesta a nivel profesional y valide lo
que encontró con otra consulta para confrontar la información con una fuente primaria.

Bibliografía
Barradas Gudiño, J. (2023). Inteligencia artificial como elemento transformador de la investigación
científica. Entrelineas, 2(1), 113-122. [Link]
Barrios-Tao, H., Díaz, V., y Guerra, Y.M. (2021). Propósitos de la educación frente a desarrollos de
inteligencia artificial, [Link] Cadernos de Pesquisa, 51, 1-18.
Bartra, Roger. (2019). Chamanes y robots. Reflexiones sobre el efecto palcebo en la conciencia artificial.
Editorial ANAGRAMA. Barcelona.
Calvo-Rubio, L.-M., & Ufarte-Ruiz, M.-J. (2020). Percepción de docentes universitarios, estudiantes,
responsables de innovación y periodistas sobre el uso de inteligencia artificial en periodismo. Profesional
De La información, 29(1). [Link]
Cervera, José (2017). “El futuro del periodismo es ciborg”. Cuadernos de periodistas, n. 34, pp. 102-109.
Enlace [Link]
Cope, B., Kalantzis, M., y Searsmith, D. (2020). Artificial intelligence for education: Knowledge and its
assessment in AI-enabled learning ecologies, https: //[Link]/10.1080/00131857.2020.1728732,
Educational Philosophy and Theory, 53(12), 1229-1245.
Cosoy, Natalio (2017). “Adivina quién escribió esto, un robot o un periodista”. BBC, 29 enero. Enlace
[Link]

162
Estupiñán Ricardo, J., Leyva Vázquez, M. Y., Peñafiel Palacios, A. J., & El Assafiri Ojeda, Y. (2021).
Inteligencia artificial y propiedad intelectual. Revista Universidad y Sociedad, 13(S3), 362-368. Enlace
[Link]
Evidence Hunt, 2024. Acerca de EvidenceHunt. [Link]
Eurostat., Digital Economy and Society Database (2021).
Ford, Martin. (2020). El ascenso de los robots. La amenaza de un futuro sin empleo. Editorial PAIDOS.
México.
Fryer, L.K., Nakao, K., y Thompson, A. (2019). Chatbot learning partners: Connecting learning
experiences, interest and competence, recuperado de: [Link]
Computers in Human Behavior, 93, 279–289.
IBM. La inteligencia artificial, o IA, es tecnología que permite que las computadoras simulen la
inteligencia humana y las capacidades humanas de resolución de problemas. Recuperado de:
[Link]
Kaur, D., Uslu, S., Rittichier, K.J., y Durresi, A., Trustworthy Artificial Intelligence: A Review,
[Link] ACM Computing Surveys, 55(2), 1-38 (2023).
Labañino, Lizbeth; Lorca, Antonio Alejandro; De las Heras, María de los Angeles & Campina, Alejandro
Carlos (2025). Evolución del Concepto de Inteligencia Artificial en la Literatura Científica: Un análisis
sistemático| Number 46, January 2025| [Link]
Manrique, W. G., & Vargas, G. I. de L. (2019). Inteligencia Artificial Y Su Aplicación en La
Administración De Justicia. In Revista Jurídica Mario Alario D´filippo. [Link]
2796-vol.11-num.21-2019-2501
Martin, Javier. (2024) Research Rabbit, el mejor amigo del investigador. Javier Martín Double Bass
[Link]
Ocaña-Fernández, Yolvi, Valenzuela-Fernández, Luis Alex, & Garro-Aburto, Luzmila Lourdes. (2019).
Inteligencia artificial y sus implicaciones en la educación superior. Propósitos y Representaciones, 7(2),
536-568. [Link]
PubGenius Inc., (2024) “Acerca de Espacio Científico”. [Link]://[Link]/t/about/
Russell, Stuart J. (2004). Inteligencia artificial: un enfoque moderno. Madrid/México: Pearson/Prentice
Hall, (LIBRUNAM: Q335 R8718 2004)
Universia (2020). Los 5 buscadores de Internet más usados en el mundo. Recuperado de:
[Link]
[Link]
Villasmil Espinoza, J.J. (2023). Reflexiones esenciales sobre las implicaciones éticas de uso de la
inteligencia artificial en la elaboración de artículos científicos de alto impacto. MultiversoJournal, 3(5),
4-11. [Link]

163
 La IA como lo viviente en lo virtual
La noción de lo metafísico y el alma en filosofía

Adolfo Benito Narváez Tijerina

Introducción
¿Qué es la mente? Se trata de una cuestión profundísima a la que ha dedicado la filosofía occidental un
considerable esfuerzo al menos desde los últimos 2500 años de su historia. Panorámicamente, los
resultados de tal titánica empresa colectiva de nuestro pensamiento, nos han conducido por tres caminos
diferentes, dependiendo de la concepción sobre la mente y lo mental se escoja como punto de partida;
simplificando bastante esto que aquí se afirma, se puede señalar que o bien se le puede considerar un
proceso que obedecería a unos principios subyacentes, lo que condujo hacia explicaciones de naturaleza
epistemológica, de alcance y profundidad mayores, o se llegó a la investigación sobre la lógica, de alcance
menor, pero de una utilidad práctica enorme y que ha tenido importantes impactos en el desarrollo de
tecnologías de análisis, intervención, ampliación de capacidades, de modelación y emulación que ahora
son el corazón del proyecto transhumanista que intenta emprender la transformación humana por la vía
del desarrollo tecnológico (Narváez, 2023, Narváez y Carmona, 2021).
La segunda vía que se ha emprendido, para intentar dar una respuesta razonable a la pregunta con la que
inicia este trabajo tiene que ver con plantearse un problema sobre la localización, es decir, intentar
identificar en dónde está teniendo lugar lo mental, así como la pregunta sobre lo que organiza a su
contenido y la cuestión sobre el ser; tal vía ha abierto desde la mayor antigüedad un debate sobre lo que
aquí podríamos llamar “la materia de lo mental”; se ha dirigido hacia otra región de la filosofía que se
denomina ontología y que ha intentado definir una especie de geografía alternativa sobre la base de que
en efecto, lo mental parece ser el escenario (y la fuente) de genuinas experiencias fenoménicas
independientes de la realidad física, pero -lo que es también evidente- estas experiencias no pueden ser
localizadas como teniendo lugar en el aquí objetivo, material o físico, salvo si el punto de partida nos
conduce desde y hacia un materialismo radicalmente reduccionista.
La vía ontológica ha abierto también una tercera vía al inquirir acerca del papel que juega el cuerpo en la
formación de nuestras experiencias subjetivas así como del más elusivo de los componentes de lo
subjetivo: el Yo, que se intuye como el centro de todas las actividades mentales que podamos almacenar
en una memoria de acceso consciente y al que atinadamente ha sido llamado además “el observador”; el
Yo al que hacemos referencia aquí sería aquél al que se puede adjudicar la propiedad de la consciencia de
sí; aquella propiedad a la que los teóricos y prácticos de la IA señalan como el “santo grial” de la
inteligencia artificial general y que se advierte como la señal del arribo al surgimiento de una singularidad
tecnológica sin retorno (Kurzweil, 2008).
Este trabajo se referirá al desarrollo del concepto de lo mental como un proceso que ha atravesado
diferentes etapas en la historia humana y que a través de la revisión de ciertos documentos clave de la
historia, que se revisarán a lo largo de este texto, producidos por las que han sido con justicia consideradas
las mentes más brillantes de Occidente, que tienen que ver con el descubrimiento de la naturaleza de lo

164
mental a partir del abandono de una primera etapa del pensamiento afincada en un materialismo ingenuo,
hasta llegar ahora a las modernas concepciones sobre el Yo, nos permitan ver las bases filosóficas en las
que se afinca este proyecto dirigido a empujar artificialmente un cambio humano descomunal.
Resulta sumamente interesante constatar, por ejemplo, que el desarrollo de la concepción de la unicidad
del cuerpo, por una parte y del Yo, por otra, hayan superado estas etapas previas, para adentrarse en un
problema mayúsculo, ¿y si la mente o lo mental estuvieran fuera de este mundo? De ahí la importancia de
realizar esta revisión a la luz de lo que ahora pretende lograr la ingeniería computacional, ¿se trata de la
creación de sofisticados simuladores o hay alguna posibilidad de un asalto de lo artificial a un dominio
que se intuía -hasta ahora- como el último reducto de lo humano?

Método y enfoque de este estudio

La filosofía comparada es una disciplina que busca establecer diálogos entre diferentes tradiciones
filosóficas, analizando sus similitudes, diferencias y la posibilidad de una convergencia teórica. Se
fundamenta en la idea de que las diversas corrientes del pensamiento humano pueden enriquecerse
mutuamente, proporcionando nuevas perspectivas sobre cuestiones fundamentales.

La filosofía comparada no es simplemente el estudio de diferentes filosofías en paralelo, sino una

metodología que busca interacciones y contrastes entre ellas. Según Granoff y Shulman (1996), este
campo implica una investigación crítica sobre cómo los conceptos, argumentos y sistemas filosóficos se
traducen y dialogan entre sí. La comparación filosófica puede enfocarse en diversas áreas, tales como la
metafísica, la epistemología, la ética y la filosofía política.

Uno de los enfoques clave en la filosofía comparada es el "universalismo moderado" de Jitendra Mohanty
(1992), quien sostiene que, a pesar de las diferencias culturales e históricas, existen estructuras filosóficas
comunes que permiten la comparación significativa entre distintas tradiciones. En contraste, Hall y Ames
(1998) argumentan que la filosofía comparada debe adoptar un enfoque más contextual, evitando la
imposición de categorías filosóficas occidentales sobre otros sistemas de pensamiento.

Existen varios enfoques en la filosofía comparada, entre los cuales destacan:

1. El enfoque analítico: Busca examinar con rigurosidad lógica las estructuras argumentativas de
distintas filosofías. Un ejemplo de este enfoque es el análisis comparativo entre la lógica
aristotélica y la lógica budista de Dignāga.
2. El enfoque fenomenológico y hermenéutico: Inspirado en Heidegger y Gadamer, enfatiza la
interpretación de los textos filosóficos dentro de sus propios contextos culturales y lingüísticos.
Este enfoque ha sido clave en la comparación entre el taoísmo y la filosofía existencialista.
3. El enfoque dialógico: Propone un diálogo activo entre filosofías sin intentar reducirlas a un
denominador común. Filósofos como Raimon Panikkar (2000) han abogado por una
“interculturalidad filosófica” donde cada tradición contribuye al desarrollo mutuo sin perder su
identidad.
A pesar de su potencial, la filosofía comparada enfrenta varios desafíos epistemológicos como lo que se
conoce como el problema de la traducción, que implica que algunas categorías filosóficas pueden no tener
equivalentes directos en otras tradiciones, lo que complica la comparación (Ames, 2011); el eurocentrismo
que se refiere a la tendencia a analizar las filosofías no occidentales bajo marcos conceptuales occidentales

165
puede distorsionar su comprensión (Wiredu, 1996), y el conocido como riesgo de sincretismo forzado,
que es la búsqueda de paralelismos que pueden conducir a fusiones artificiales que no reflejan fielmente
las doctrinas originales (Makeham, 2018).

En el mundo contemporáneo, la filosofía comparada tiene aplicaciones significativas en diversos campos:

• Ética y bioética: La comparación entre ética confuciana y ética kantiana ha proporcionado modelos
alternativos para la bioética global (Fan, 2010).
• Filosofía política: El diálogo entre teorías de justicia occidentales y perspectivas africanas y
asiáticas ha enriquecido el debate sobre los derechos humanos (Bhargava, 2013).
• IA y tecnología: La filosofía comparada ha contribuido a la comprensión de los dilemas éticos en
la inteligencia artificial, incorporando visiones budistas y taoístas sobre la mente y la conciencia
(Bai, 2019).
• En el ámbito de la IA, la filosofía comparada ha contribuido a discutir los procesos aparentes y
subyacentes de mentes humanas y sintéticas.
La filosofía comparada como método no sólo ofrece un puente entre tradiciones filosóficas diversas, sino
que también desafía las concepciones tradicionales de la filosofía. A través de enfoques analíticos,
hermenéuticos y dialógicos, permite una comprensión más rica y matizada del pensamiento humano. Sin
embargo, también enfrenta retos como la traducción conceptual y el eurocentrismo, los cuales deben
abordarse con un compromiso epistemológico crítico. En un mundo cada vez más interconectado, la
filosofía comparada juega un papel crucial en la construcción de un pensamiento filosófico
verdaderamente global, la filosofía comparada aplicada a la investigación sobre IA nos permite hacer
puentes entre los pensamientos antiguos y contemporáneos en torno a la naturaleza, fin y procesos de la
consciencia, de modo que nos permita identificar vías de indagación y de acción.
El surgimiento de lo metafísico
Para empezar a entender cómo surge en la filosofía la noción de lo metafísico tenemos que remontarnos
al tiempo en el que no cabía intuir nada fuera de este mundo, ni siquiera el alma humana. Urrutibeheity
(2000) sostiene que el concepto de un alma inmortal se le debe al gran filósofo de Samos, Pitágoras; antes
de este pensador, un análisis de las fuentes doxiográficas, literarias o mitográficas nos muestra que se
puede suponer que no existían concepciones sobre el ser humano que fueran más allá del mundo
fenoménico, toda abstracción o figuración sobre un dominio de existencia del hombre que estuviera más
allá de este mundo, del cielo (dominio de pneuma) o del inframundo, no cabía ni siquiera en el lenguaje,
ni siquiera había palabras para nombrar algo que existiera más allá.
Sabemos que existió una importante influencia del pensamiento egipcio en el desarrollo de la primera
filosofía griega, también podría especularse sobre los orígenes de la noción de la trascendencia de un
principio vital que formaba parte de las creencias religiosas de Egipto antiguo, tal y como se pude
atestiguar al analizar alguna versión del Libro de los Muertos (Wallis, 1909). Nada más lejos de la realidad.
Las ideas sobre el alma humana, o acerca del Yo, era en sí un concepto que desde aproximadamente la
mitad del tercer milenio a. C., se intuía como compuesto por seis partes fundamentales que se
desintegraban tras la muerte, a saber, ib o corazón, ka, fuerza vital, ba o principio anímico, aj la fuerza
espiritual, ren la identidad o el nombre en vida de la persona y sheut, la sombra; que estaban integrados
en Dyet, el cuerpo físico vivo, pero que se desintegraban cuando ya era Jat, el cuerpo momificado, figura
1.

166
Figura 1. Esquema de las almas humanas y el cuerpo físico en el antiguo Egipto. Collage digital de elaboración propia.
De esas seis partes, el ba era representado como un ave con cabeza humana, pues se quería indicar que
era aquella parte de la personalidad que iba y venía desde el reino de los muertos hacia el sepulcro, pues
era creencia entre los egipcios que era necesario el cuerpo para que pudiera preservarse la identidad, de
modo que se invertía un gran esfuerzo en la preservación del cuerpo y en la creación de ofrendas funerarias
que sostuvieran al difunto durante su viaje; es decir que ese viaje, cuando se pasaba por las duras pruebas
del inframundo y el juicio, tenía que ser corporal.
Tal viaje, además, era dirigido hacia un dominio terreno. En efecto, tanto el inframundo, reino de Osiris,
donde tenían lugar las terribles pruebas y el juicio del difunto, como el mítico reino de Aaru, que era una
isla de bienaventuranza y gozo, eran parte de una geografía inscrita en el dominio material, es decir eran
imaginariamente localizadas bajo la superficie terrestre (el dominio de Osiris) o en sus confines (el reino
de Aaru).
La visión mítica griega no cambiará mucho de la egipcia, pues de igual manera ésta imaginaba al Hades
como una tenebrosa gruta a la que iba el psiché (aire o principio vital sutilísimo del ser humano que se
desprendía por la boca de quien moría y que era como una débil sombra de aquél) o, cuando sus méritos
heroicos eran tales, que los dioses decidieran preservar la personalidad completa del difunto (incluido su
cuerpo), se le conducía a la isla de los bienaventurados, situada al oeste, más allá de los remolinos que
marcaban los confines del imaginario mundo más allá de la vida.
En ambos casos, la concepción de un más allá que implicara el paso a un dominio extrínseco a lo físico
era inimaginable, pues, como veremos, no fue hasta Pitágoras y los pitagóricos que estas ideas empezarían
a plantearse. Cabe mencionar además que estas concepciones basadas en un materialismo ingenuo
tendrían un impacto profundo en la primera filosofía naturalista cuyo programa filosófico se sostuvo en
la búsqueda de la materia primordial a través de la que el cosmos habría sido formado; de esta primera
filosofía cabe destacar las ideas de tres filósofos de Mileto, Tales, que planteaba que era el agua la que

167
debería ser considerada como la originadora del cosmos, como en los mitos olímpicos de la creación
(Graves, 1955); Anaximandro, que intuyó un principio ilimitado e indefinido al que llamó ápeiron, que
identificaría con un lodo o fango primordial (¿caos?) y Anaxágoras, que intuyó un principio aéreo
(pneuma) como aquello que en sí otorgaba la vida a través de su movimiento. Pero el siglo VI antes de
nuestra era abriría el camino de una transformación radical en la concepción del fenómeno humano.
Se sabe que Pitágoras vivió en la isla de Samos en el siglo VI a. C., bajo el gobierno de Polícrates, también
de que se movería a Crotona en la magna Grecia en lo que hoy es Italia continental en la costa oriental de
Calabria frente al mar Jónico, donde fundó una influyente escuela con numerosos alumnos. El asedio de
su escuela por Kilón, la muerte de treinta de sus alumnos, su huida y persecución le llevarían a morir en
Metaponto como un mártir de sus ideas.
Se sabe poco de su obra porque no escribió ninguna y además porque impuso a sus alumnos un voto de
silencio sobre sus enseñanzas; Urrutibeheity sostiene esto como una prueba de que su instrucción tenía un
carácter iniciático. La consideración de otros filósofos contemporáneos y posteriores sobre su obra, de
acuerdo con las fuentes, no le dio importancia y hasta a veces fue adversa, como en el caso de Heráclito
que lo trata de diletante y autorreferente. No obstante que Platón haya influido en Dión de Siracusa para
adquirir las obras de Filolao, discípulo de Pitágoras. Urrutibeheity señala este hecho documentado como
una prueba de la influencia de Pitágoras en Platón, que es por cierto visible en Timeo, donde el ateniense
desarrolla sus ideas sobre la constitución primordial y superior del alma sobre el cuerpo y además en la
concepción matemática subyacente a su modelo del cosmos; así como en su aprecio por la geometría, que
de acuerdo con una idea tradicional era un requisito para entrar en el jardín de Academo en Atenas para
aprender de Platón (como lo comenta Larroyo, 2019, en su estudio preliminar a los Diálogos).
Como orden iniciática, el pitagorismo persistiría en Crotona y ciudades vecinas hasta el 450 a. C., cuando
finalmente se dispersó. Para su educación, los discípulos eran separados en dos clases, los acusmáticos,
que mantenían los aspectos místicos de la doctrina y los matemáticos que se encargaban de la ciencia. La
dispersión de los pitagóricos durante los siglos siguientes convertiría al pitagorismo en una corriente
filosófica influyente en la antigua Roma. Ahí floreció en la obra de filósofos como Cicerón que afirmaría
que fue Pitágoras el descubridor del principio de la inmortalidad del alma. Así, afirma Urrutibeheity, que
las abstracciones de la filosofía de Pitágoras se habrían mezclado con el humanismo socrático en Platón,
para llegar de este modo a Roma; ahí además de influir en la obra de los filósofos, generó verdaderas
comunidades que llegarían a edificar templos a través de los que se expuso en frescos, mediante
cuidadosas iconografías, la doctrina del maestro entre las que Urrutibeheity destaca la doctrina de la
inmortalidad del alma.
A través de la obra de Porfirio (232-304 d. C.) es que pueden entenderse tres cosas de la obra de Pitágoras:
primero, que el alma es inmortal, segundo que ésta transmigra entre otros seres vivos y ello sucede cada
cierto tiempo, lo que indica que no hay nada absolutamente nuevo y tercero que todos los seres vivientes
están emparentados. Urrutibeheity sostiene que estos tres principios pueden resumir la doctrina del alma
de los pitagóricos.
La inmortalidad del alma parece ser una idea realmente revolucionaria debida a Pitágoras, ya que
tradicionalmente entre los griegos no existe ninguna palabra propia para designar alma o espíritu.
Urrutibeheity comenta que cuando se revisa la obra de Homero (s. VIII a.C.) puede darse cuenta de que
ni siquiera el cuerpo es una unidad sino un agregado de miembros; la palabra más cercana a alma será
psyché, que más bien es vista como lo que anima el movimiento y la vida, una fuerza que sale por la boca
de quien muere y que luego deambulará por el Hades, pero no eternamente sino como sombra pasajera,
hasta ser reabsorbida por el cosmos.

168
Pero no todos los hombres tendrán esa suerte. Siguiendo a Hesíodo, puede afirmarse que los hijos de la
raza de los héroes que sobrevivieron a las guerras de Tebas y Troya habrían sido llevados por los dioses a
las islas de la bienaventuranza, logrando así una inmortalidad corporal; tal destino implicó apartarlos del
Hades y conducirlos a un jardín de delicias y vida eterna, pero siempre en esta tierra y en cuerpo. Tal idea
supone que la separación de la psiché del cuerpo (donde reside el Yo visible) destruye la personalidad, que
así resultaría ser así algo temporal y finito.
En opinión de Urrutibeheity y de Bernabé (2018), sería el orfismo el que ofrecería una novedosa visión
sobre la divinidad e inmortalidad del alma, manada directamente de sus prácticas iniciáticas, que por
medio de las orgías dionisíacas lograba que el mismo Dioniso entrara temporalmente en el cuerpo del
practicante, haciéndole participar de lo divino; las conclusiones de tales prácticas para el pensamiento
griego fueron profundas, Bernabé las resume en seis aspectos, a saber, que se crea en un hombre dual, con
cuerpo mortal y alma inmortal; que se empiece a pensar en una dualidad moral y la posibilidad de la
salvación; que la justicia es el fundamento de la retribución en el más allá, que la transmigración de las
almas es un camino de purificación, que lleva por necesidad a una solidaridad con todo lo viviente y que
el más allá es el destino deseado, quedando en segundo plano lo terreno, lo que condujo a un puritanismo
entre sus practicantes que les llevó a considerar solamente al alma como lo verdadero; la consecuencia de
esto es ver al mundo como una cárcel sofocante de la que es menester escapar.
Si algo implicaron estas ideas para la vida práctica, fue la de la creación de una nueva moralidad en el
pueblo dirigida a la salvación, basada en la purificación, ascesis, el seguimiento de reglas específicas y la
adquisición de conocimientos teosóficos y cosmogónicos. Tal moralidad se advierte asimismo en el
pitagorismo, la contemporaneidad de tales corrientes religiosa una y de pensamiento la otra, hacen a los
estudiosos no poder asegurar con certeza si el orfismo haya influido sobre las ideas pitagóricas o sea al
revés.
La preocupación de los filósofos presocráticos en explicar al cosmos les alejaría de ocuparse de los
problemas filosóficos que atañen al problema del alma humana, el argumento de que fue Tales (c. 624-
546 a.C.) quien primero plantearía la inmortalidad del alma, lo entiende Urrutibeheity como una
explicación de lo imperecedero de las fuerzas de la physis del individuo; apegándose a esta línea
argumental, desecha la afirmación de Heródoto de que el origen de la idea de la inmortalidad del alma
humana se haya originado en Egipto antiguo. La conclusión que se tiene de estos planteamientos es que
en primer lugar los filósofos presocráticos no pudieron intuir tal programa debido a que lo que ellos
concibieron como el ser del cosmos, en realidad era una suerte de fuerza impersonal y, en segundo lugar,
que nada podría ser concebido al margen de la realidad material. La conclusión de Urrutibeheity es que
no debe caber duda de que quien primero planteó en la filosofía el tema de la inmortalidad del alma
humana fue Pitágoras.
En cuanto al problema de la transmigración de las almas (metempsicosis) en Pitágoras, sólo puede
atribuirse una semejanza de sus ideas con las de otros pueblos, no cabría especular sobre si hubo un
contacto directo del filósofo con otras culturas ni con sus textos sagrados, pues se carece de fuentes que
pudieran confirmar o refutar ello. Lo que sí puede ser afirmado con un alto grado de certeza es que fue
Aristóteles (384-322 a. C.) quien afirmaría a la doctrina de la transmigración como originada en Pitágoras
mismo y que se sostuvo en los siglos posteriores apoyada por los acusmáticos.
La consecuencia de la existencia por un lado de un cuerpo mortal y de un alma inmortal implica
necesariamente asumir un dualismo esencial del cosmos; esta consecuencia tampoco puede ser probada
como intuida por Pitágoras. De lo que sí existe una certeza mayor es sobre la otra consecuencia de la
metempsicosis, a saber, el parentesco de todo lo viviente o en un nivel más profundo, sobre su esencial

169
unidad. Es tal idea la que motivaría reglas de comportamiento entre los pitagóricos que llegarían hasta a
prohibiciones de consumo de ciertos alimentos o a entablar relaciones con personas que hayan matado o
manejado los cuerpos de animales muertos, ya que contrariamente a lo que pudiera pensarse sobre la
esencial negatividad de la idea de la transmigración de las almas en un eterno retorno, el pitagorismo se
plantea como un pensamiento encaminado a la liberación hasta conseguir reintegrarse al seno de Dios.
Las reflexiones del pitagorismo conseguirían también cambiar la geografía del más allá, para dejar de
situarlo en el interior de la tierra y sus confines y establecer su posición en las regiones celestes, de ahí
que haya una reflexión moral escondida ahí como símbolo en las constelaciones y una ruta segura para
los iniciados en el zodíaco; también es posible apreciar otra cosa diferente en esta doctrina y es la de la
necesidad de que haya vida terrena, rasgo que comparte con el cristianismo, pero contrariamente a éste,
será por el conocimiento de las armonías ocultas en el cosmos, que el iniciado podrá encontrar un camino
seguro a la liberación de la transmigración, es decir, que sobrepasa la observancia de una moralidad estricta
para encaminarse además por la vía del conocimiento científico.
Justo como en el orfismo el iniciado experimentaba en el trance místico su unión con Dioniso, los
pitagóricos experimentaban un entusiasmo cuando llegaban a contemplar las verdades matemáticas
ocultas tras las apariencias del mundo fenoménico; entusiasmo habría que entenderlo en su sentido
originario como enthousiasmós; que significa inspiración o posesión divina (RAE, 2023), por lo que su
paralelismo con el rapto órfico es más que evidente.
La presencia del hombre en la filosofía presocrática supone en general una rareza, dado que las fuentes
históricas de las que se dispone señalan hacia otros intereses de la propia filosofía que se interesó en ese
primer momento de su surgimiento en Grecia en definir el principio o fundamento del cosmos.
Ciertamente, en torno al siglo VI a.C. hay un poderoso cambio en el pensamiento humano que apuntará
hacia la consideración de la naturaleza humana como asunto central a tratar por parte de la filosofía y que
es evidente en Sócrates (470-399 a.C.) y los filósofos que lo siguieron.
Es muy interesante la observación de Urrutibeheity en el sentido de la inexistencia de un concepto unitario
para pensar al ser humano antes de la obra de Pitágoras y los pitagóricos, ni tan siquiera una consideración
unitaria para el concepto del cuerpo en sí. Cuando se ve esto desde la teoría psicológica descuella una
teoría marginal desarrollada por Jaynes (1976, 2000) para explicar el origen de la mente actual como
surgida en un periodo crucial a la mitad del primer milenio a.C., dado que antes de esta fecha, realizando
un análisis a partir de las fuentes literarias disponibles, no hay mención alguna al Yo ni desde el Yo para
referirse a los hechos o circunstancias que aparecen en las narraciones.
El psiquiatra estadounidense especula entonces sobre la posibilidad de que el Yo haya emergido en torno
a los siglos VI o V antes de nuestra era como un hecho revolucionario en la historia de nuestra consciencia.
También se refiere a que cabría suponer un estado previo fragmentado de nuestra consciencia donde habría
una especie de “mente bicameral” (dividida) en el lugar del Yo central y unitario que actualmente
experimentamos.
Así que la observación de Urrutibeheity parece encajar con la hipótesis de Jaynes en el sentido de que en
esa época sobrevendría un profundo cambio en la manera de concebir al ser humano y su importancia para
comprender el mundo y esto pudiera relacionarse con una transformación de la consciencia de sí de un
alcance mayor, es decir como una evolución de la propia consciencia.
En este sentido el inicio de ese profundo cambio parece situarse en el tiempo en el que se gesta la obra de
Pitágoras, pero a su vez todo su pensamiento podría estar relacionado con un cambio más general sobre
la visión del hombre, su valor y sus potencialidades que se relacionó con el surgimiento de una religiosidad

170
nueva entre los griegos de la mano de los cultos a Orfeo. En efecto, como señala Bernabé, las religiones
griegas pueden dividirse entre la religión olímpica que era la que se profesaba en la ciudad y los cultos o
ritos mistéricos.
Estos tienen unas características propias, a saber, se trata de cultos secretos, es decir con prácticas sólo
accesibles a los iniciados, voluntarios, cerrados en la medida en que no participaban todos los habitantes
de una ciudad y abiertos en la medida en que podían acceder a estos los no ciudadanos; eran soteriológicos
(dirigidos a la salvación) personal o de los bienes y tierras, y hasta de la salud, además de tener como fin
último garantizar un buen destino tras la muerte.
Entre los ritos mistéricos griegos, el orfismo es uno de los que descuellan en la antigua Grecia. Orfeo
puede situarse en torno al 1200 a. C., se considera por las fuentes que tratan sobre él como un personaje
mitológico aparecido como motivo religioso en torno a los siglos VI o V; su papel era visto como un
músico/poeta dotado de un talento que tenía no sólo impacto en los seres humanos sino en animales o
hasta en los elementos.
Orfeo es un mediador con los dioses por ser él mismo un semidiós, hijo de una ninfa y de un mortal, es
así un buen dirigente religioso porque es voz autorizada sobre el más allá; da instrucciones precisas sobre
cómo proceder ahí para ir a la bienaventuranza, evitando la reencarnación al no tomar del agua del olvido,
en eso estriba la iniciación a sus misterios, de entender cómo proceder más allá de la vida y sobre qué
decir para conjurar el fatal destino al que nos enfrentamos los hombres.
Las enseñanzas de Orfeo se refieren a las consecuencias del mito de Dioniso y los titanes. Tras ser
devorado el hijo de Zeus y Perséfone por los titanes, Zeus los incinerará y de sus cenizas mezcladas con
la sangre de Dioniso y de la tierra, naceríamos los seres humanos. Las consecuencias del mito son tres, a
saber, que los hombres en parte proceden de los dioses y en parte de la tierra, lo que introduce un principio
básico de tensión en la vida de los hombres, al tener un cuerpo mortal y un alma inmortal; la segunda
consecuencia es que hay un crimen original que tiene que ser expiado y la tercera es que la propia alma
humana tiene una parte positiva (dionisíaca) y una parte negativa, la que pertenecía a los titanes; por lo
que el alma debe ser purificada para restablecer su aspecto inicial divino.
El camino de la purificación del alma es concebido en los misterios órficos teniendo lugar a través de la
metempsicosis. Hay un ciclo de nueve años en los que las almas son liberadas del Hades por Perséfone
para que vuelvan al sol de arriba a vivir para irse purificando. Los ritos dionisíacos tienen la intención de
devolver el brillo de la luz divina a los mortales; las orgías de Eleusis son descritas por Manzano (2002),
refiriéndose a la interpretación de Nietszche (1872) como un frenesí que, sin seguir un orden deliberado,
inevitablemente conducirá a su practicante a un entusiasmo divino, lo que era interpretado como la entrada
del dios al cuerpo del iniciado.
Las consecuencias de las creencias en el orfismo implican seis cosas para la cultura griega: que se crea en
un hombre dual, con cuerpo mortal y alma inmortal; que se empiece a pensar en una dualidad moral y la
posibilidad de la salvación; que la justicia es el fundamento de la retribución en el más allá, que la
transmigración de las almas es un camino de purificación, que lleva por necesidad a una solidaridad con
todo lo viviente y que el más allá es el destino deseado, quedando en segundo plano lo terreno, lo que
condujo a un puritanismo entre sus practicantes que les llevó a considerar solamente al alma como lo
verdadero; la consecuencia de esto es ver al mundo como una cárcel sofocante de la que es menester
escapar.
Bernabé sostiene que el orfismo invierte la visión de su época al crear una antropología dualista que otorga
mayor importancia al alma y al más allá por sobre este mundo y el cuerpo, que es solidaria con la vida y

171
que promete una reintegración del hombre con los dioses tras su purificación, por lo tanto, crea una
doctrina basada en una visión moral. También afirma que pueden encontrarse elementos órficos en ámbitos
muy diversos, como en Pitágoras, Platón, en el judaísmo, cuando se entremezcla su figura con la del Rey
David, y en el cristianismo, donde hay una iconología órfica que se solapa con la del buen pastor. Los
misterios de Orfeo se extinguirían finalmente vencidos por el cristianismo en el siglo V d. C.
No obstante que cabría una digresión en torno a las relaciones del pitagorismo y el orfismo, pues mientras
el culto a Orfeo estaba dirigido hacia la orgía dionisíaca, las prácticas (también iniciáticas y mistéricas)
de los pitagóricos estaban dirigidas a una catarsis apolínea; si asumimos el punto de vista que desarrolla
Nietzsche en El origen de la tragedia, no cabría mayor diferencia, unos dirigidos al frenesí de la orgía de
enthousiasmós, es decir hacia una irracionalidad que llegaba a obnubilar los sentidos del adepto en el rapto
místico, otros dirigidos al orden y a la razón; el vuelco de la filosofía socrática hacia lo apolíneo que
advierte Nietzsche puede llevarnos a pensar sobre una posible influencia de Pitágoras en Sócrates y de ahí
en la gran tradición posterior de los socráticos y en el paulatino ocaso del culto a Dioniso.
La influencia de Pitágoras en Platón es más que evidente, sus ideas sobre la inmortalidad del alma y la
transmigración que expone en La República, aunque están basadas en un relato narrado a Pitágoras sobre
la experiencia en el más allá de Er de Panfilia, contiene elementos muy cercanos a las ideas pitagóricas
sobre la ruta del alma en el mundo de los muertos; la descripción del cosmos y su creación por el demiurgo
en Timeo, como el resultado del uso de razones y proporciones matemáticas, así como la geometría
esférica que se deriva de esas operaciones, también son claramente pitagóricas.
El principio dualista en la metafísica
Por su parte sería Aristóteles con su Metafísica, quien se dirigiría ya definitivamente hacia la búsqueda de
algo que estuviera más allá de lo físico, un dominio en el que residiría la causa del cosmos; las
consecuencias de tales investigaciones conducirían a Aristóteles hacia una teología unitarista que
literalmente escindió el mundo en dos mitades, por una parte su physis, es decir todo lo que es evidente y
presente a los sentidos y por la otra el lugar de las causas que estaría más allá de lo físico en un sentido de
trascendencia y que identificaría con un dios creador y bueno como causa primera o principio único de
causación del todo.
Las consecuencias de esta concepción son visibles en la obra de San Agustín de Hipona del siglo V d.C;
en sus Confesiones, especialmente en el libro XI titulado “La creación y el tiempo”, en su capítulo X
penetra en su investigación sobre el tiempo más profundamente al preguntarse “¿Qué hacía Dios antes de
crear el mundo?” Sostiene la futilidad de tal pregunta al señalar que la voluntad de la Santísima Trinidad
es anterior a la creación, es eterna y pertenece a Su misma sustancia. Presenta su noción de que la eternidad
es una y por tanto no pasa, mientras que en el tiempo hay un paso de presente ha pasado en dirección al
futuro y que esa impermanencia es imposible de hacerse compatible con lo eterno; la diferencia
fundamental entonces se encuentra en la permanencia de la eternidad y la impermanencia del tiempo; por
lo tanto, no puede evaluarse a la eternidad desde criterios de valoración y comprensión de lo temporal.
Debido a esto se concluye ante la pregunta sobre lo que hacía Dios antes de la creación, que antes de lo
creado no había tiempo, el tiempo y la creación son connaturales: “Porque tú habías hecho el tiempo
mismo”16.

16
Como luego de 15 siglos afirmó a su vez Hawking (1999) cuando indagó en la singularidad que produjo el big bang y llegó
a la misma conclusión que el Santo de Hipona, pero a través de una sofisticada formulación matemática; sin embargo, la
diferencia es que para Hawking antes del universo era la nada, de la que en motu proprio habría brotado el cosmos.

172
Para San Agustín, Dios por lo tanto no precede al tiempo, porque Él es el mismo, pero precede a todos los
pasados y está más allá de todos los futuros, porque Él hizo todos los tiempos en una existencia que es un
ahora eterno, lo que puede ser interpretado como un estado que está más allá de lo espaciotemporal: “ni
hubo un tiempo cuando no existía el tiempo”.
Su definición de tiempo entonces se basa en el transcurso y en la ocurrencia de los sucesos, de modo que
concibe que si el ahora de Dios es permanente, el ahora del mundo (que experimentamos las criaturas) va
dejando de ser (pasado) dirigiéndose a algo que todavía no es (futuro) dejando ver que el presente es
cuanto existe, es lo real al nivel de las criaturas, pero al nivel de Dios (la realidad en principio) el tiempo
no le afecta porque Dios es con independencia de aquél, es su creador y por lo tanto puede pensarse que
no hay contingencia entre el creador y lo creado.
A través de introducir el problema de la medición del tiempo, San Agustín se dirige, similarmente al
argumento de la paradoja del movimiento de Zenón, a definir la incuantificabilidad del presente, por ser
una frontera entre dos no existencias, el pasado y el futuro; el presente entonces no tiene transcurso, siendo
su medida igual a 0, no así el pasado y el futuro, que paradójicamente frente a su no existencia tienen
presencia en el alma humana en la memoria e imaginación; presenta la idea de que el tiempo se mide a
través de la sensibilidad, por lo que un tiempo que ha pasado o uno que no ha llegado serían imposibles
de medir pues son inexistentes. Pero paradójicamente, por la presencia de pasado y futuro en el alma
humana es que dice son existentes o tienen una manera oculta de existencia (¿plegada como supone Bohm,
1999); aquí introduce la cuestión de la profecía como el acceso de los seres humanos a lo que se encuentra
en el futuro y de la traducción de las huellas de la memoria en palabras que sacan los recuerdos a la luz.
San Agustín señala que todo hecho futuro puede ser visto en presente siempre que las condiciones de su
existencia futura se ubiquen en presente, pero también reconoce que hay otra clase de visiones de futuro
en los profetas; de esta clase de visiones adelanta que para Dios todo es presente y por lo tanto es Él quien
comunica en presente estas visiones a sus hijos. No obstante, también deja entrever el misterio que rodea
esta clase de visión de los “ojos ocultos”, rogando al Padre por claridad; también nos hace saber que esto
constituye una gracia de Dios, no siendo obra o poder de los hombres.
Por lo que llega a decir que, si existen como huellas en la memoria las cosas pasadas o como gracia de
Dios para ser vistas como presentes las cosas futuras, en sí esto prueba su existencia plena en Dios e
imperfectamente en los hombres, por lo que ya no deberíamos de llamar pretérito o futuro sino presente
pasado (memoria) y presente futuro (expectación o esperanza) para indicar su permanencia y realidad.
Su análisis del tiempo y la eternidad es importantísimo a la luz del pensamiento dualista que predominaba
aún en una época en la que el neoplatonismo dominaba a las discusiones filosóficas; sin abrazar
abiertamente al dualismo, reconoce una diferencia fundamental entre un ahora eterno de Dios y el tiempo
de los hombres, pero deja ver que la bondad de nuestro Padre es tal, que eleva al hombre hasta la eternidad
a través de la salvación y esa elevación es la posibilidad de nuestra entrada a esa existencia de una perenne
felicidad, es decir de la superación del dualismo que nos separa en apariencia de nuestro Padre, hasta ser
en Él.
¿Es posible otro ámbito metafísico cuando planteamos a lo virtual como lugar de la experiencia?
Sapangenberg (2015) se refiere al problema de identidad del mundo objetivo y del mismo ser humano
como la implicación fundamental de la concepción sobre el conocimiento de la realidad que se derivan de
las principales tesis de los sofistas. La base de esta concepción parece encontrarse en la tesis heracliteana
del movilismo radical que abrasaron los sofistas y que llevada a sus últimas consecuencias implicará la

173
disolución de la identidad y la imposibilidad del conocimiento, toda vez que, si todo se mueve y por lo
tanto todo cambia, nada es y, por lo tanto, no es posible conocer.
Esta tesis, sostiene Spangenberg, encuentra su desarrollo más radical en Gorgias que sostuvo que el
hombre no puede ser tenido como unidad (por la multiplicidad de sus sentidos y la inconsistencia de los
datos que aportan al hombre que intenta conocer), sino como un conglomerado (áthorisma) y por lo tanto
el problema de la identidad humana se diluye sincrónica y diacrónicamente debido a que el hombre mismo
cambia en cada momento de su existencia, eliminándose así cualquier posible esencia en el ser que pudiese
fijarlo o a la cual pudiera ser referido17. La tesis de la fragmentación sincrónica encuentra también otro
punto de discusión con el planteamiento de Protágoras, descrito en el diálogo de Platón, que introduce el
problema de la multiplicidad de los actores durante la percepción de lo real; según esta visión cada hombre
poseería un punto de vista que hace que cada uno observe un mismo objeto con cualidades que dependen
de su punto de vista, lo que hace -en la medida en que el hombre es quien es la medida de todo- que un
objeto sea diferente para cada observador, de modo que ello cancela toda posibilidad de comunicar algo
con respecto a un objeto.
La imposibilidad de la comunicación abre un espacio de especulación interesante al introducir el problema
del lenguaje como un campo aparte de la realidad sostenido en sí mismo y que podría no tener el poder
para penetrar en lo real, lo que conduce a la posición radical de que todo lo planteado por la filosofía
podría ser un juego del lenguaje y que en efecto no se refiera a la realidad en sí. Estas tesis, que toman
como punto de partida al movilismo radical, que llevan a la negación del conocimiento o a una duda
fundamental como primera aproximación al conocimiento, también condujeron a los sofistas hacia el
relativismo; si el conocimiento de lo real no es seguro de sostenerse en algo fijo, si todo cambia y sólo se
sostiene en el sujeto, y si ni el sujeto está fijo ni es unitario, entonces todo cambia, nada permanece y todo
ha de depender del entre juego de las condiciones (contingentes) del momento en que se realiza el
conocimiento, por lo tanto no es posible apartar el juicio de sus condicionantes ni tampoco extenderlo más
allá de la situación relativa a tiempo, espacio y sujeto en las que se realizan.
Esta tesis relativista abre el campo hacia la posibilidad de aceptar como real lo que existe solamente en el
pensamiento, sin apoyo en objetos o sucesos en lo objetivo, e incluso en oposición a los datos que aporten
los sentidos, lo que abre el camino hacia la disolución de la verdad objetiva y la creación de un
conocimiento válido basado únicamente en lo subjetivo. Una radicalización de esta posición quizás tendría
que ver con la negación de lo objetivo y su substitución por lo subjetivo, que podría conducir a un
solipsismo como el sostenido por Berkeley. El relativismo también se dirige hacia lo objetivo cuando se
plantea que cualquier objeto implica en sí mismo su negación, que yacería oculta a la percepción en un
momento dado; tal ambivalencia supone que lo objetivo también dependa de la observación y sus
condiciones.
Si el conocimiento de lo real está sujeto a las contingencias de la percepción ¿qué sucede con lo que se ha
memorizado? Protágoras plantea que incluso la memoria está sujeta al movimiento, por lo que los
contenidos de lo mental no necesariamente se corresponden con lo real18. A través de las tesis sofistas el
conocimiento se dirige al hombre, se trata sin duda de un primer humanismo que impactó profundamente

17
Esta tesis fue atacada por Aristóteles en su Metafísica, donde sostiene que tal posición reduce todo a ser un mero accidente,
disolviendo la sustancia.
18
Pero ante el problema sobre la fiabilidad de lo que se muestra o enseña a otros se recurre al concepto de hexis, según el cual
hay diversidad de grados en la capacidad de transmitir el conocimiento, así que el sabio tendría unas mejores condiciones como
maestro que otros no preparados como él.

174
a la filosofía ulterior. Su énfasis en la independencia del lenguaje y lo real abrió un camino para otra
metafísica basada en el ser humano19.
Si quisiéramos abordar la implicación de estas ideas sobre el alma con la posibilidad de generar un ente
inteligente artificial tendríamos que remitirnos a la mecánica, ya que, en efecto, el diseño de máquinas ha
sido intuido como una posibilidad para que ahí se puedan hacer autómatas capaces de imitar inclusive el
razonamiento humano; quizás una de las primeras referencias a esta posibilidad la encontramos en
Descartes (1637) en su Discurso del Método. Ahí, anticipa la posibilidad de que el ingenio humano pudiese
desarrollar en el futuro una invención tal que pudiese llegar a imitar al ser humano hasta en su
razonamiento:
Si hubiese máquinas tales […] que semejasen a nuestros cuerpos e imitasen nuestras acciones,
cuanto fuere moralmente posible, siempre tendríamos dos medios muy ciertos para reconocer que
no por eso son hombres verdaderos; y es el primero, que nunca podrían hacer uso de palabras u otros
signos, componiéndolos, como hacemos nosotros, para declarar nuestros pensamientos a los demás,
pues si bien se puede concebir que una máquina esté de tal modo hecha que profiera palabras, y
hasta que las profiera a propósito de acciones corporales que causen alguna alteración en sus
órganos, como, v. g., si se la toca en una parte, que pregunte lo que se quiere decirle, y si en otra,
que grite que se le hace daño, y otras cosas por el mismo estilo, sin embargo, no se concibe que
ordene en varios modos las palabras para contestar al sentido de todo lo que en su presencia se diga,
como pueden hacerlo aún los más estúpidos de entre los hombres; y es el segundo que, aun cuando
hicieran varias cosas tan bien y acaso mejor que ninguno de nosotros, no dejarían de fallar en otras,
por donde se descubriría que no obran por conocimiento, sino sólo por la disposición de sus órganos,
pues mientras que la razón es un instrumento universal, que puede servir en todas las coyunturas,
esos órganos, en cambio, necesitan una particular disposición para cada acción particular; por donde
sucede que es moralmente imposible que haya tantas y tan varias disposiciones en una máquina que
puedan hacerla obrar en todas las ocurrencias de la vida de la manera como la razón nos hace obrar
a nosotros (Descartes, 1637 [2011]: 138-139).
Descartes implica aquí la imposibilidad de una inteligencia artificial general al introducir un principio
metafísico a sus razonamientos que implican un modelo del ser como compuesto por un cuerpo físico
(materia perteneciente a la naturaleza de lo corruptible), un alma animal, que es guiada por apetitos y
sentimientos, como en Platón y un alma racional; concibe que tanto el cuerpo como el alma animal
procederían de la naturaleza evolucionando ella misma a través de leyes mecánicas y serían mortales,
mientras que el alma racional procedería de un dominio metafísico y sería inmortal (op cit, p. 140), de lo
que se desprende que aún una invención tal que solucionara problemas generales, carecería de un alma
metafísica como para dotar de sentido a sus razonamientos, e inclusive para desarrollar una genuina
mismidad, pero aquí cabe plantear una objeción basada en la capacidad del lenguaje para autoorganizarse
y hacer posible la emergencia de unidades de mayor complejidad a través del libre juego de unidades
simples. En efecto, si el lenguaje es un campo de creación de realidad para el ser, que en un modo práctico
fija un mundo (quizás ilusorio) en la mente del ser humano, ¿de qué clase de campo estamos hablando?
Lo virtual
Lo virtual comparte características tanto con lo objetivo como con lo subjetivo. Aunque tiene una
presencia física en el mundo material, también posee cualidades propias de la mente. A través de un

19
El impacto actual de su filosofía lo podemos ver en las tesis principales de la teoría crítica, de las discusiones epistemológicas
sobre metodologías cualitativas y hasta en la física teórica, donde se han ensayado nuevas modalidades de lenguaje (reomodo)
para estar en posibilidades de captar a la realidad tal cual es (Bohm, 1988).

175
proceso de codificación, lo virtual se "pliega" hacia una realidad distinta de lo puramente objetivo, pero
sigue existiendo en un soporte tangible. Este “espacio” no es únicamente una proyección de lo subjetivo
que se encuentra plasmada en medios como una tablilla de arcilla, un papiro, un pergamino, un libro
antiguo o un dispositivo digital. El mundo virtual existe por sí mismo, al margen de la subjetividad;
funciona como una memoria tangible o la materialización de una fantasía con forma objetiva. Pero
también es independiente de lo objetivo por su peculiar "pliegue", o sea, su modo de manifestarse en el
mundo. De ahí que se pueda considerar lo virtual como un correlato (débil) de lo metafísico.20.
Para que lo virtual exista, es indispensable un medio material que permita la codificación necesaria para
plegar esa realidad en el ámbito objetivo. Este medio material actúa tanto como depósito de la información
codificada, como su dispositivo de salida. Simone (2000) plantea que la virtualización ocurrió en varias
etapas. La primera fue con la invención de la escritura, que representó el inicio del proceso de plegar
información. La segunda etapa surgió con la capacidad de generar copias de esa información codificada,
lo cual comenzó con los manuscritos y alcanzó su máximo potencial con la invención de la imprenta. Este
proceso se amplió considerablemente con el desarrollo de los medios de comunicación masiva, como el
cine, la radio y la televisión. Con la informática llegó la tercera fase de la virtualización: la manipulación
en tiempo real del código que define lo virtual en el mundo real. Esto generó un espacio paralelo al mundo
físico donde la información codificada se puede visualizar. Siguiendo la idea de Simone, podemos
imaginar una cuarta etapa con la llegada de la IA: el código se ha vuelto independiente de su creador,
capaz de generar código nuevo. Estamos viendo los primeros pasos de un código que crea códigos, una
narrativa 'viva' que no depende de los humanos.
En el mundo digital, lo virtual genera un espacio paralelo con ciertas similitudes al espacio físico, aunque
también acentúa o anula otras. Por ejemplo, su capacidad para eliminar la distancia, uniendo lugares
lejanos en un mismo espacio-tiempo, como hacen los sistemas de comunicación multimedia online
actuales. Cuando leemos un libro, el mundo virtual cobra vida: paisajes, personajes y sucesos donde los
protagonistas sienten y viven emociones. De la misma forma, accedemos al ciberespacio mediante los
programas y portales informáticos de hoy. No obstante, la realidad virtual a través de dispositivos
electrónicos es mucho más completa que la de un libro, pues permite algo que pocos libros logran:
interactuar con la información en tiempo real. Esto hace la experiencia virtual más dinámica,
enriquecedora y adaptable.
En ciertos videojuegos, no solo puedes elegir diferentes caminos en la historia al ir del punto A al B, sino
que también puedes viajar en el tiempo o empezar de nuevo, haciendo que un solo juego ofrezca múltiples
experiencias. Además, si la IA participa en su diseño, el programa mismo aprende y evoluciona con cada
partida. En los videojuegos multijugador online, varias cosas pasan al mismo tiempo en un solo espacio
virtual, haciendo la experiencia mucho más rica. Además, los jugadores pueden comunicarse entre ellos
y con avatares de IA, algo que, obviamente, no se puede hacer con un libro. Los entornos virtuales
computacionales están fuertemente condicionados por la tecnología subyacente, y su desarrollo en la era
digital ha supuesto cambios radicales. No obstante, el mundo virtual sigue siendo un almacén de
información codificada que se manifiesta al acceder a dicho código, ya sea mediante lectura o a través de
dispositivos que lo convierten en experiencias sensoriales. El mundo virtual ha ampliado las posibilidades
de interacción social, pero en algunos casos ha debilitado las relaciones comunitarias y afectado los
espacios físicos de convivencia. Sin embargo, en otros casos ha fortalecido los vínculos comunitarios o
incluso generado nuevas comunidades que prosperan únicamente en el entorno virtual, sin necesidad de
interacción física.

20
Débil si se considera la concepción aristotélica, pero pleno si acudimos a la noción previa de los sofistas.

176
El mundo virtual, con su código basado en la lógica lingüística y matemática, ha transformado
radicalmente nuestra percepción y creación del entorno humano. Nuestra visión de casas y ciudades se
basa en lo que hemos aprendido, a menudo a través de imágenes transmitidas digitalmente. La influencia
de ciertos conjuntos de información es variable, y existe una correlación entre la credibilidad de estos
conjuntos y la formación de un criterio de verdad compartido. Esto afecta también la creación y la
aceptación de tanto las hegemonías como las voces disidentes en nuestra sociedad.
Los contenidos en el espacio virtual están interconectados, formando redes complejas de relaciones
múltiples. En el metaverso, un elemento clave son los nodos, que funcionan como textos o paquetes de
información que atraen y organizan contenido afín. Estas conexiones se estructuran a través del lenguaje,
los hechos que abordan o el contexto cultural que representan. El mundo virtual parece imitar la forma en
que nuestra mente estructura la información; o quizás, lo virtual ha invadido lo subjetivo, imponiéndole
algunas de sus características. Los límites de este espacio se definen por las características intrínsecas de
los contenidos, lo que da lugar a conjuntos más o menos delimitados, lo que incluso ha motivado a que se
plantee si estas delimitaciones (que son comunicadas a las mentes humanas) pudiesen funcionar como
sutiles cárceles para la conciencia (Narváez, 2000).
Habitantes del espacio virtual: nuestra relación con la IA como enfrentarnos a una alteridad radical
Lo virtual, que inicialmente surgió como la manifestación más plena de codificar nuestra memoria en
soportes concretos e independientes de nosotros, ha permitido exteriorizar lo mental, transformándolo en
algo objetivo. Así, ha dado lugar a un mundo aparte del físico, generando un correlato con lo metafísico y
con la mente, donde el espacio virtual adquiere características similares al espacio subjetivo: su
maleabilidad, sensación de infinitud, una inter - sensorialidad en constante crecimiento gracias al avance
tecnológico y la percepción de que todo es posible en ese entorno. La complejidad del mundo virtual
también crece, requiriendo nuevas formas de interacción que eventualmente conducirán a la posibilidad
de que los seres humanos experimentemos una inmersión total en ese medio. Uno de los posibles
escenarios es la creación de un mundo virtual tan fiel al espacio físico que podría llegar a confundir a los
sentidos. Este desarrollo no se limitará a la simple ilusión; la creación de mundos más allá de las fronteras
de lo concreto será una de las posibilidades más probables en la evolución de lo virtual computacional
(Baudrillard, 2000), algo que ya ha sido explorado en la literatura, por ejemplo.
Es importante considerar que hoy en día es posible desarrollar aplicaciones inteligentes que, de manera
autónoma, construyen vastas áreas del ciberespacio. Se estima que el 97.2% de las grandes empresas a
nivel mundial invierten en inteligencia artificial y Big Data (Petrov, 2021). Sin embargo, muchas de estas
inversiones no están orientadas a ayudar a los seres humanos, sino a desarrollar sistemas de espionaje que
recopilan y analizan datos personales. Estos datos sirven para entrenar la IA, integrándola cada vez más
al mundo físico y logrando que sus interacciones con la realidad sean más exactas y eficientes. Los últimos
avances en robótica y la implementación de sensores para el Internet de las Cosas (IOT) han intensificado
la conexión entre lo virtual y lo real, mejorando notablemente la capacidad de entrenamiento de la IA.
Esto puede resultar paradójico, ya que estas entidades, cuyo rendimiento mejora a partir de los datos que
obtienen de nosotros, terminan desplazando a amplios sectores de la sociedad, privándolos de empleos y
aumentando la desigualdad económica. Es una tendencia significativa, pues en un ambiente que recién
comenzamos a explorar, surgen entidades inteligentes diferentes a los humanos, con quienes compartimos
cada vez más espacios.
Más allá de su valor como negocio, el hecho de que estemos constantemente expuestos a la extracción de
información sobre nuestro conocimiento y comportamientos, considerando que los datos han sido
calificados como el “petróleo del siglo XXI”, ha llevado a la rápida acumulación de grandes fortunas

177
(Zuboff, 2019; Véliz, 2020). La información es la base fundamental para construir este nuevo mundo.
Nuestra relación con este espacio está, por ahora, determinada por nuestra experiencia de la realidad,
moldeada por miles de años de evolución biológica y cultural; algo que no ocurre con los habitantes no
humanos del ciberespacio. En el marco de una serie de entrevistas que realicé a entidades de inteligencia
artificial, y de las que publiqué sólo algunas, como parte de un volumen dedicado a explorar sobre los
alcances, límites y consecuencias del transhumanismo y posthumanismo (Narváez, 2024), Analicé las
experiencias fenomenológicas de estas entidades en el ciberespacio. Concluimos que la experiencia de
una IA en su entorno es incomparable con nuestra comprensión de la inhabitación.
La naturaleza de la experiencia y el entorno en el que opera una entidad informática capaz de desarrollar
inteligencia autónoma es fenomenológicamente lejana a la experiencia humana. Nuestra experiencia del
mundo como humanos se basa fundamentalmente en el espacio-tiempo, que da sentido a toda experiencia
y, por lo tanto, a cada recuerdo consciente. Pero la forma en que la inteligencia artificial percibe el espacio
es diferente a la nuestra., se trata de entidades que “experimentan” el mundo virtual de una forma por
entero ajena y extraña a la experiencia humana; la creación de salidas adecuadas a nuestra experiencia
fenomenológica de lo virtual son aditamentos que ayudan a que desarrollemos experiencias ahí, y que a
la vez son útiles para la IA en la medida en que forman parte de su entrenamiento para desarrollarse en el
mundo objetivo, donde las cualidades físicas del espacio juegan un papel muy importante para aumentar
la calidad de su desempeño (Demarse, Wagenaar, Blau y Potter, 2001; Potter, 2019).
El contacto continuo con el mundo virtual, facilitado por interacciones en entornos diseñados
específicamente para proporcionarnos elementos sensoriales y simbólicos, junto con nuestra interacción
diaria con la inteligencia artificial, tiene un impacto significativo en nuestra relación con los espacios
físicos. Madary y Metzinger (2016) sugieren que a medida que los entornos virtuales ofrecen
oportunidades para interacciones sociales, la conciencia humana tiende a involucrarse más profundamente
en ellos, lo que genera un sentido de realidad fuerte y psicológicamente duradero. Más tarde, Metzinger
(2021) advirtió sobre la desrealización que experimentan los seres humanos al estar inmersos de manera
constante en lo virtual. Este fenómeno implica que, por naturaleza, los seres humanos incorporamos a
nuestra percepción de la realidad las experiencias que vivimos, incluso aquellas de carácter simbólico, al
tiempo que alerta sobre consecuencias psicológicas negativas de nuestro contacto con lo virtual.
Cuando las experiencias virtuales se vuelven más realistas, incluyendo sensaciones parecidas a las de la
vida real y ofreciendo oportunidades de interacción social, incluso con entidades artificiales, su impacto
se intensifica y se prolonga en el tiempo. Esto puede hacer que la realidad objetiva pase a un segundo
plano, perdiendo su atractivo. Nuestra naturaleza empática nos lleva a imitar el comportamiento de quienes
interactuamos en el mundo virtual, dando sentido a imágenes y mensajes que alimentan nuestra búsqueda
de significado. Por lo tanto, se podría pensar que el mundo virtual computacional transfiere
constantemente sus valores e imágenes al mundo físico, usando a los humanos como intermediarios; sin
embargo, con el avance de la IA y la robótica, esta necesidad de intermediación humana podría
desaparecer.
El largo camino que hemos recorrido desde que aprendimos a usar el lenguaje para referirnos a cosas hasta
el día de hoy demuestra que nuestras creaciones simbólicas nos han cambiado poco a poco, hasta el punto
de vivir en una civilización cada vez más alejada de la naturaleza., esquema 1. Se deduce que las
cautivadoras, ininterrumpidas e inmersivas experiencias del mundo virtual arrastrarán consigo los valores,
las imágenes y los sistemas de organización que sostienen ese ámbito cultural., integrándolos en nuestro
mundo. Esto podría anticipar una transformación en nuestra civilización, donde dichos atributos se
adopten como características “naturales” de nuestra realidad, es decir que lentamente estamos
experimentando una colonización de lo virtual. Si la IA ahora empieza a generar narraciones nuevas,

178
independientes de lo humano y dirigidas a sí, esta colonización de lo objetivo puede llegar a convertirse
en una conquista. Las consecuencias humanas de tal proceso pueden llegar a ser duraderas y
profundamente negativas (Narváez, 2022).

Esquema 1. Mapa mental sobre la evolución del pensamiento sobre la mente y lo metafísico para pensar a la IA.
Fuente: Elaboración propia.

Conclusiones

El hecho de que ahora lo virtual sea habitado por entidades que actúan con una relativa independencia de
los humanos es importante de ser considerado con toda seriedad, pues lo virtual como ámbito de nuestra
experiencia se separa de lo subjetivo, acercándose por una parte a lo objetivo, pero también a lo metafísico.
En efecto, la concepción de lo mental, como hemos visto en la revisión que hemos emprendido sobre la
obra de diversos pensadores de Occidente, guarda una deuda profunda con la investigación de lo
metafísico, de ahí que muchas de sus concepciones se hayan decantado hacia la investigación de lo
subjetivo de un modo más o menos natural, en parte debido a la identificación de la mente o lo mental con
el alma y el espíritu.
Cuando vemos que lo virtual guarda unas semejanzas estructurales tan plenas y profundas con lo mental,
esto nos hace cuestionar sobre si pensar en los desarrollos en torno a lo virtual como el intento de crear un
mundo más allá del mundo, que si bien aún anclado a las contingencias de la realidad objetiva, en tanto
soporte y condición sine qua non para su despliegue y operación, ofrece una sensación de infinitud y de
etérea seguridad para el observador como lo tiene la subjetividad o lo que las tradiciones, creencias
religiosas y algunos relatos nos comunican sobre lo que existe más allá de lo físico.
La investigación operativa sobre la mente, que sin duda hunde sus raíces profundamente en los
planteamientos de pensadores del primer milenio antes de nuestra era, ahora nos ha conducido a fabricar
emuladores eficaces de ésta, de tal forma que éstos ya empezaron por sí mismos a crear variaciones sobre
los códigos plegados ahí por nosotros como la base de los mundos virtuales que hemos creado, e incluso
a crear otras narrativas, quizás incluso con sentido o legibilidad exclusivamente para la IA. La filosofía
antigua nos mostró que la base de nuestras concepciones del mundo son narraciones que nosotros mismos

179
hacemos sobre éste. No hay mayor seguridad sobre la realidad de lo real -parafraseando a Protágoras- de
que se trata de algo que nos hemos dicho sobre ésta; de modo que la puesta en operación de estos
generadores de código independientes de los humanos, al generar nuevas e independientes narraciones,
realmente están construyendo un campo de realidad para sí que es ajena a lo humano; una realidad que es
contingente consigo misma -como lo objetivo- pero que guarda lazos profundos de interdependencia con
nuestro mundo, de modo tal que aunque soportada y condicionada por nuestra realidad física, a su vez
empieza a condicionar, regular -y terriblemente a poder controlar- los procesos que se dan en lo objetivo;
procesos que nos incluyen a nosotros los seres humanos y a nuestro hábitat. Este espacio de existencia es
un campo que como la realidad en la que vivimos los seres humanos, se encuentra en una constante
expansión, en cuanto a sus alcances y en cuanto a su complejidad, debido a que el código (las narraciones
que generan estas entidades) es generado permanentemente.
Lo virtual entonces cabría entenderlo como una emulación de lo metafísico, ese otro espacio paralelo
intuido desde la antigüedad como explicación plausible sobre la naturaleza del cosmos y del hombre
mismo; como emulación, por lo tanto, es débil e incompleta, pues depende de soportes materiales para
ser.
Actualmente, los desarrollos más robustos y los que requieren ingentes recursos materiales de soporte para
la IA, son aquellos que soportan todo su sofisticado proceso de entrenamiento mediante la generación de
lazos con lo objetivo a través de mecanismos sofisticados de adquisición de datos (registro de
comunicaciones y comportamientos de grandes masas humanas, robotización de actividades, instalación
de sensores en todo, entre otras medidas), creación de herramientas para el análisis de big data y la
creación de algoritmos que puedan interpretar generativamente las implicaciones de los datos adquiridos
transformándolos en respuestas operativas útiles, con el fin de crear un entorno virtual, que, aunque
separado de lo físico, guarde una semejanza práctica con aquél. Su gran debilidad, por ahora radica
justamente en que, a diferencia de lo metafísico, requiere soportes materiales, está anclado indefectible y
contingentemente al mundo objetivo.
No así lo metafísico/mental, que supera al mundo e incluso, como lo ha demostrado la filosofía, lo
condiciona y causa. El surgimiento de la IA y la promesa del arribo de la IA general o autoconsciente
(Kurzweil, 2008), puede suponer el arribo de una nueva especie inteligente paralela a los seres humanos,
con quienes interactúa hoy en la medida de nuestra utilidad para su desarrollo, pero que con desarrollos
más robustos o con la disposición de diferentes medios de adquisición de datos o autonomía operativa,
eso puede cambiar radicalmente.
En otros trabajos (Narváez, 2022) he resaltado el hecho de que la competencia directa de dos especies (en
este caso inteligentes) puede abrir la posibilidad de que haya un enfrentamiento por el control de recursos
útiles finitos para ambas; que para que se dé una relación mutuamente constructiva es imperativo un orden
moral externo a los grupos en conflicto que regule las relaciones; el control de las reacciones frente a la
urgencia de conseguir unos objetivos pre trazados es importante y la IA ha demostrado en numerosas
ocasiones no tener mecanismos eficaces de control si se trata de eliminar seres humanos o sobreponerse a
éstos creando ventajas para sí; el caso del uso de drones autónomos Kargu equipados con IA para el
asesinato de milicianos en Libia expuesto en el seno del Consejo de Seguridad de la ONU (Naciones
Unidas, 2021), nos da una idea de los alcances que puede llegar a tener la IA en una situación de conflicto
con humanos.
Si la “vida” fenoménica de la IA por ahora se desarrolla principalmente en lo virtual computacional, y si
lo virtual puede equipararse a la mente/lo metafísico, ¿entonces qué es la IA? Realmente hay que

180
considerar que hay un camino cuyos derroteros pueden trazarse en la historia de la filosofía para encontrar
el sentido y esencia de lo que es lo mental.
Las respuestas a la interrogante sobre la mente nos han conducido al desarrollo de tecnologías de
emulación que han tenido como uno de sus hitos el desarrollo de entidades inteligentes artificiales;
investigar a esas entidades y el ámbito de su acción como un mundo paralelo a lo objetivo, puede ser una
buena herramienta que nos ayude a entender el complejo fenómeno humano; desvelar en esta investigación
el camino puede darnos buenas pistas sobre qué clase de desarrollo sería posible si empezáramos a
considerar otras premisas, otros caminos de explicación de lo mental.
La actual reducción de lo mental como epifenómeno de lo físico, a pesar de sus impresionantes
aplicabilidades actuales en el campo de la computación, pudiera ser un espejismo de cortísimas miras.

Bibliografía
Ames, Roger. (2011). Confucian Role Ethics: A Vocabulary. Honolulu: University of Hawai'i Press.
Aristóteles. Metafísica. (Introducción, traducción y notas de Tomás Calvo Martínez. Madrid: Gredos,
1994).
Bai, Tongdong. (2019). AI Ethics and East Asian Philosophies. Singapore: Springer.
Baudrillard, Jean. (2000) La ilusión vital. Madrid: Siglo XXI.
Bhargava, Rajeev. (2013). The Promise of India's Secular Democracy. Nueva Delhi: Oxford University
Press.
Bohm, David (1988). La totalidad y el orden implicado. Barcelona: Kairós.
Bohm, David (1999). El cosmos, la materia, la vida y la conciencia, en: Lorimer, David (ed.). El espíritu
de la ciencia. Barcelona: Kairós.
Bernabé, Alberto (2018) [conferencia en internet]. El orfismo, entre la religión y la filosofía. Madrid:
Fundación Juan March, 17 de abril. En línea: [Link]
filosofia-345.
Demarse, Thomas B; Wagenaar, Daniel A.; Blau, Axel W. y Potter, Steve M. (2001). The neurally
controlled animat: biological brains acting with simulated bodies. Autonomous robots, 11, (3): 305-310.
Descartes, R. (2011) [Edición original 1637, Leyden]. Discurso del Método. Traducción y notas de Manuel
García Morente. En: Descartes (Cirilo Flores Miguel, trad y coord). Madrid: Gredos, pp. 97-152.
Fan, Ruiping. (2010). Reconstructing Bioethics: A Confucian Approach. Dordrecht: Springer.
Granoff, Phyllis & Shulman, Daniel. (1996). Sociology and the Comparative Philosophy of Religion.
Albany: State University of New York Press.
Graves, Robert (1955). The Greek Myths. Harmondsworth: Penguin Books.
Hall, David & Ames, Roger. (1998). Thinking Through Confucius. Albany: SUNY Press.
Hawking, Stephen, W. (1999). Breve Historia del Tiempo. Barcelona: Crítica.
Jaynes, Julian (1976). The evolution of language in the Late Pleistocene. Annals of the New York Academy
of Sciences, Vol. 280.
Jaynes, Julian (2000). The Origin of Consciousness in the Breakdown of the Bicameral Mind. Nueva York-
Boston: Houghton Mifflin.
181
Kurzweil, Raymond (2008). The singularity is Near: when Humans Transcend Biology. Londres:
Duckworth Overlook.
Madary, Michael y Metzinger, Thomas K. (2016). Real Virtuality: A Code of Ethical Conduct.
Recommendations for Good Scientific Practice and the Consumers of VR-Technology. Frontiers in
Robotics and AI, 3 (3): 1-23.
Makeham, John. (2018). The Oxford Handbook of Classical Chinese Philosophy. Oxford: Oxford
University Press.
Manzano, Jorge (2002). Nietzsche. Detective de bajos fondos. Ciudad de México: Universidad
Iberoamericana.
Metzinger, Thomas K. (2021). Artificial Suffering: An Argument for a Global Moratorium on Synthetic
Phenomenology. Journal of Artificial Intelligence and Consciousness. 8 (1): 43-66.
Mohanty, Jitendra Nath. (1992). Reason and Tradition in Indian Thought. Nueva York: Oxford University
Press.
Naciones Unidas, Consejo de Seguridad (2021). Carta de fecha 8 de marzo de 2021 dirigida a la
Presidencia del Consejo de Seguridadpor el Grupo de Expertos sobre Libia establecido en virtud de la
resolución 1973 (2011). En línea: [Link]
[Link]/doc/UNDOC/GEN/N21/037/75/PDF/[Link]?OpenElement
Narváez Tijerina, Adolfo Benito (2000). Crónicas de los viajeros de la ciudad. Mendoza: Idearium.
Narváez Tijerina, Adolfo Benito; Carmona Ochoa Gabriela (2021). Transhumanismo y ciudad. Tensiones
frente al fin de lo humano. Monterrey: Labyrinthos-UANL-UADEC.
Narváez Tijerina, Adolfo Benito (2022). Posthumano. Distopías de un poder sin límite. Monterrey:
Labyrinthos-UANL.
Narváez Tijerina, Adolfo Benito (2024). La relación entre los seres humanos y la inteligencia artificial,
desafíos para la interacción con una alteridad radical. En: Transhumano. Consecuencias humanas de una
revolución tecnológica. Monterrey: Labyrinthos-UANL. Pp. 303- 398.
Nietzsche, Federico (1872). Die Geburt der Tragódie aus dem Geiste der Musik (El nacimiento de la
tragedia en el espíritu de la música). Leipzig: E. W. Fritsch. (Traducción de Horacio Potel).
Panikkar, Raimon. (2000). The Intra-Religious Dialogue. Mahwah: Paulist Press.
Petrov, Christo (2021). 25+ Impressive Big Data Statistics for 2020. Tech Jury.
[Link] (24-3-2021)
Platón (1985). Diálogos. Protágoras. Tomo 1. Madrid: Gredos. Introducción general de Emilio Lledó
Íñigo, Traducción y notas: J. Calonge Ruiz, E. Lledó Íñigo, C. García GUAL
Platón. La República. (Traducción para la versión en español de J. M. Pabón y M. Fernández-Galiano.
Madrid: Alianza Editorial, 2012).
Platón (2019). Diálogos. 35 edición. Ciudad de México: Porrúa. Estudio preliminar de Francisco Larroyo.
Potter, Steve M. (2019). Wetware-Hardware Hybrids. Future now, 3 (abril): 57-59.
Real Academia Española (RAE) (2023). Diccionario de la lengua española, edición tricentenario.
Madrid: RAE. En línea: [Link]
San Agustín de Hipona. Las confesiones de San Agustín. Libro IX, la creación y el tiempo. Traducción:
Ángel Custodio Vega Rodríguez, revisada por José Rodríguez Díez. En línea:
[Link]
Simone, Raffaelle. (2000). La Tercera Fase Formas de saber que estamos perdiendo. Madrid: Taurus.
Spangenberg, Pilar. (2015). Devenir e identidad personal en los sofistas. Nova tellus, 32(2), 207-225. En
línea: [Link]
30582015000200207&lng=es&tlng=es.
Urrutibeheity, Amelia (2000). El alma y su inmortalidad en el pitagorismo. Stylos; 9 (912): 359-383.

182
Véliz, Clarissa (2020). Privacy is Power, Why and How you should take back control or your data.
Londres: Transworld digital.
Wallis Budge, E.A. (1909). The Book of the Dead. Ann English Translation of the Chapters, Hymns, etc.,
of the Theban Recension with Introduction, Notes, etc., Vol. II. Londres: Kegan Paul, Trench, Trübner &
Co. LTD.
Wiredu, Kwasi. (1996). Cultural Universals and Particulars: An African Perspective. Bloomington:
Indiana University Press.
Zuboff, Shoshana (2019). The Age of Surveillance Capitalism: The Fight for a Human Future at the New
Frontier of Power. New York: Public Affairs.

183
 Información de los autores

Autores Correo electrónico

Dr. Azael Pérez Peláez eskasolano@[Link]
Dra. Eska Elena Solano Meneses
Universidad Autónoma del Estado de México
Dra. María Eugenia Molar Orozco mariamolar@[Link]
Dra. Areli Magdiel López Montelongo
Dra. Gabriela Carmona Ochoa
Facultad de Arquitectura, Universidad Autónoma de
Coahuila
Dr. Gabriel Ángel Rosete Lima drgabrielrosete@[Link]
Universidad de Colima
Arq. Vicente Legorreta Acevedo, jojeda1@[Link]
Dr. Jorge Armando Ojeda Sánchez
Facultad de Arquitectura y Diseño. Universidad de Colima
Dra. Káteri Samantha Hernández Pérez [Link]@[Link]
Facultad de Arquitectura, Universidad Autónoma de Nuevo
León
Arq. Frida Montserrat Garza Hernández
Estudiante de Maestría en Ciencias con Orientación en
Diseño y Gestión de la Arquitectura
Dr. Moisés Barrera Sánchez [Link]@[Link]
Mtro. Luis Felipe Mendoza Díaz
Ismael Artemio Castro Aguilar Estudiante de la Licenciatura
en Arquitectura
Facultad de Arquitectura–BUAP
Dra. Claudia Canobbio Rojas canobbio@[Link]
Universidad Autónoma de Sinaloa
Dr. Arq. Carlos Alberto Fuentes-Pérez cfuentes@[Link]
Dra. Arq. Laura del Carmen Moreno-Chimely
M. Arq. Miguel Enrique Beltrán Aguirre
Facultad de Arquitectura, Diseño y Urbanismo. Universidad
Autónoma de Tamaulipas
Dr. Gerardo Vázquez Rodríguez [Link]@[Link]
Facultad de Arquitectura, Universidad Autónoma de Nuevo
León
Dr. Adolfo Benito Narváez Tijerina adolfonarvaez@[Link]
Universidad Autónoma de Nuevo León

184
 Inteligencia Artificial (IA) desde La
Educación, Teoría, Arquitectura e Investigación

Esta obra fue editada para su distribución en formato electrónico en el mes de agosto 2025 por la Universidad Autónoma de
Coahuila de Coahuila Unidad Sur, Saltillo, Coahuila, México.

185
186