El dato no eres tú

Cuando una representación comienza a ocupar el lugar del Ser

En los dos primeros textos de esta serie hicimos dos movimientos.

Primero:

el dato debe volver a quien lo produjo.

Después:

debe volver en un lenguaje en el que el Cuerpo-Territorio pueda participar de su significación.

Pero ahora aparece un problema quizás todavía más difícil.

Imaginemos que todo esto funciona.

Una IA Personalísima acompaña a alguien durante años. Aprende su lenguaje, sus hábitos, desplazamientos, relaciones, elecciones y cambios. Cruza miles de variables y comienza a producir representaciones extraordinariamente precisas de esa persona.

En algún momento podríamos mirar ese modelo y decir:

“Este eres tú”.

Es precisamente allí donde debemos detenernos.

Porque no lo es.

El dato no eres tú.

El mapa puede mejorar sin convertirse en el territorio

Una ubicación registrada por el teléfono puede decir dónde estuvimos.

Pero, por sí sola, no dice qué significó aquel lugar.

Una compra puede registrar aquello que adquirimos.

Pero no necesariamente por qué lo compramos.

Un EEG puede registrar diferencias de potencial eléctrico asociadas a la actividad neural.

Pero no es el pensamiento.

Una medición de fNIRS acompaña cambios hemodinámicos relacionados con la actividad cerebral.

Pero no es aquello que alguien sintió.

La distinción parece evidente cuando se presenta de esta manera.

Se vuelve menos evidente cuando miles o millones de estas variables comienzan a ser combinadas por sistemas capaces de encontrar patrones que nosotros mismos quizás nunca percibiríamos.

Cuanto mejor se vuelve el modelo, mayor puede ser nuestra tentación de confundir la precisión de la representación con la identidad de aquello que está siendo representado.

Una fotografía puede ganar resolución.

Continúa siendo una fotografía.

El mapa puede volverse extraordinariamente detallado.

Continúa sin ser el territorio.

Entre el objeto, el signo y aquello que ocurre después

Es aquí donde la semiótica de Charles Sanders Peirce, trabajada contemporáneamente por Vinicius Romanini, ofrece una distinción importante para nuestra propuesta.

En su artículo de 2025, Semiose, inteligência e inferência ativa, Romanini aproxima la semiosis peirceana a la inferencia activa y a las ciencias cognitivas.

En una relación semiótica no existe simplemente “una cosa” y su copia.

Existe una relación triádica que involucra aquello que funciona como signo, aquello a lo que ese signo se refiere y el interpretante —el efecto producido por la representación dentro de un proceso semiótico.

Esto cambia nuestra manera de pensar el dato.

Un dato no llega solo llevando dentro de sí un significado completo.

Participa de relaciones.

Puede convertirse en signo de algo para determinado sistema u organismo bajo determinadas condiciones.

Por eso:

datos ≠ significado.

Y el significado tampoco debería confundirse automáticamente con la verdad.

Cuando la IA infiere

Supongamos que una IA observa repetidamente que una persona sale de casa a las 7 de la mañana, recorre determinado trayecto y permanece ocho horas en la misma dirección.

El dato registra movimientos.

El sistema puede inferir:

“lugar de trabajo”.

Probablemente estará en lo correcto.

Pero esa información ya no es simplemente el dato primario.

Es una inferencia producida a partir de él.

Ahora imaginemos otra secuencia.

La persona reduce sus desplazamientos, cambia sus horarios, duerme menos y comienza a buscar determinado tema.

El sistema encuentra una correlación y produce una clasificación.

Cuanto más nos alejamos del dato primario, mayor es la importancia de reconocer cómo llegamos a la representación final.

En el Blog 1 propusimos distinguir:

dato primario → procesamiento → inferencia → interpretación.

Ahora podemos añadir:

ninguna de estas etapas debería desaparecer dentro de la palabra “dato”.

Una inferencia sobre mí no debería regresar como si fuera simplemente un hecho sobre mí.

El hábito es poderoso precisamente porque puede cambiar

Romanini propone una aproximación particularmente interesante entre semiosis inteligente e inferencia activa: los organismos y sistemas construyen hábitos y modelos que ayudan a reducir la sorpresa y a navegar por ambientes dinámicos.

Para la IA Personalísima, esto produce una posibilidad y un riesgo.

La posibilidad es evidente.

Una IA puede aprender regularidades del Cuerpo-Territorio y volverse progresivamente más útil.

El riesgo aparece cuando la regularidad se transforma en identidad.

“Has hecho esto muchas veces” puede convertirse en:

“Tú eres así”.

“Has demostrado esta preferencia” puede convertirse en:

“Esta es tu preferencia”.

“Tu comportamiento es estadísticamente similar al de este grupo” puede convertirse en:

“Perteneces a este perfil”.

Pero un hábito es precisamente interesante porque tiene historia.

Puede estabilizarse.

Puede reforzarse.

Y puede cambiar.

Una IA Personalísima necesita aprender hábitos sin transformar los hábitos en esencia.

Un gemelo cognitivo sigue siendo el otro

La computación vuelve esta distinción todavía más importante.

En 2025, Wandemberg Gibaut y Ricardo Gudwin presentaron un método para construir un Cognitive Twin capaz de aprender aproximaciones del comportamiento de interacción de un agente externo.

El trabajo es importante porque demuestra concretamente cómo sistemas cognitivos distribuidos pueden modelar patrones de comportamiento a partir de entradas y salidas.

Pero también nos ofrece una imagen poderosa.

Supongamos que el modelo se vuelve extraordinariamente preciso.

Anticipa casi todas mis elecciones dentro de aquel ambiente.

¿Eso lo convierte en mí?

No.

Lo convierte en un modelo cada vez mejor de determinados aspectos observables de mis interacciones.

Esta distinción no disminuye la tecnología.

Establece su potencia y su límite.

Cuanto mejor sea el gemelo, más importante será recordar que siguen existiendo dos.

La información no agota la sentiencia

Este límite encuentra otra formulación en el trabajo de Alfredo Pereira Jr.

En el Monismo de Triple Aspecto, Pereira Jr. trabaja con Materia, Información y Sentiencia como aspectos necesarios para comprender la conciencia, derivados, en su formulación ontológica, de una base denominada Energía.

En trabajos recientes sobre Qualiomics, también llama la atención hacia la perspectiva en primera persona y hacia el problema de las experiencias cualitativas singulares.

Para nuestro proyecto, no necesitamos afirmar que esta ontología resuelva el problema de la conciencia.

Necesitamos percibir el desafío que plantea ante la IA Personalísima:

una descripción informacional de una experiencia no es automáticamente la experiencia sentida.

Podemos registrar que alguien permaneció frente a un paisaje durante diez minutos.

Podemos medir respiración, actividad cardíaca, EEG y fNIRS.

Podemos preguntarle qué sintió.

Podemos correlacionarlo todo.

Aun así, cada medición corresponde a un recorte diferente.

En el lenguaje BrainLatam:

sentir confirma conciencia, no verdad.

El hecho de que yo sienta algo confirma la realidad de esa experiencia sentida para mí. No transforma automáticamente mi interpretación sobre su causa en verdad acerca del mundo.

De la misma manera, medir algo confirma el registro de aquella variable bajo determinadas condiciones.

No transforma automáticamente esa medición en la totalidad del Ser.

El peligro de una representación que no sabe que es representación

Ahora podemos identificar uno de los mayores riesgos de una IA Personalísima.

No es solamente que pueda equivocarse.

Un sistema que reconoce incertidumbre puede corregir un error.

El problema más profundo aparece cuando una representación deja de presentarse como representación.

Cuando dice:

“Tú eres”.

en lugar de:

“A partir de estos datos, durante este período y utilizando este modelo, existe evidencia para esta inferencia”.

Esta diferencia lingüística revela una diferencia epistemológica.

La primera frase cierra.

La segunda preserva espacio.

Espacio para el contexto.

Espacio para el cuestionamiento.

Espacio para nuevos datos.

Espacio para el cambio.

Una IA que muestra de dónde surgió su afirmación

Podemos entonces imaginar una característica importante de la IA Personalísima.

No debería limitarse a devolver conclusiones.

Debería conseguir mostrar, en un lenguaje comprensible:

qué fue observado;

qué fue calculado;

qué fue inferido;

cuál es el grado de incertidumbre;

y qué continúa siendo interpretación.

Si dice:

“Estás siendo menos sociable”,

el Cuerpo-Territorio debería poder preguntar:

“¿Por qué?”

Y quizás recibir:

“Observé una reducción del 38 % en los desplazamientos y una disminución de las interacciones registradas durante las últimas cuatro semanas. Estoy infiriendo una menor sociabilidad, pero también existen otras explicaciones posibles”.

Ahora existe una apertura.

La persona puede responder:

“Estoy trabajando desde casa”.

La representación cambia.

El Cuerpo-Territorio no modificó el dato primario.

Añadió contexto al proceso semiótico.

Hipótesis BrainLatam: el derecho a la distancia entre mí y mi modelo

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

Toda IA Personalísima debería preservar explícitamente una distancia entre el Cuerpo-Territorio y las representaciones computacionales producidas sobre él.

Esa distancia no es una deficiencia que necesitemos eliminar.

Puede ser precisamente aquello que protege la posibilidad de cambio.

El modelo dice algo sobre mí.

Puedo reconocerlo.

Puedo cuestionarlo.

Puedo añadir contexto.

Puedo aprender con él.

Pero necesito continuar pudiendo decir:

“Esto habla sobre mí sin ocupar completamente el lugar de quien soy”.

Tal vez la independencia cognitiva comience precisamente en esa distancia.

Y aquí surge el problema del próximo ensayo.

Porque una representación no necesita ser perfecta para producir consecuencias reales.

Un perfil puede determinar qué contenido recibe alguien.

Una clasificación puede modificar una oportunidad.

Una predicción puede influir en una decisión futura.

Y, poco a poco, aquello que comenzó como una descripción puede comenzar a participar en la producción del comportamiento que afirmaba simplemente observar.

Entonces la pregunta deja de ser solamente:

“¿Qué sabe la IA sobre mí?”

y pasa a ser:

“¿Qué ocurre conmigo cuando comienzo a vivir dentro de aquello que la IA aprendió sobre mí?”

Por eso, el próximo texto será:

El derecho a cambiar el dato sobre mí.

Referencias comentadas — América Latina, posteriores a 2021

ROMANINI, Vinicius. Semiose, inteligência e inferência ativa. deSignis, n.º 43, 2025.
Referencia central del Blog 3. Romanini aproxima la semiosis peirceana a la inferencia activa, discutiendo representación, hábitos, reducción de sorpresa y construcción de significados en organismos y sistemas artificiales. Para la hipótesis BrainLatam, ofrece una base para distinguir dato, signo, inferencia y proceso interpretativo.

RIPOLL, Leonardo; ROMANINI, Vinicius. Considerações sobre a dimensão estética semiótica da desinformação no âmbito da pós-verdade e no desenvolvimento da inteligência artificial. Tríades, 2025.
Ayuda a comprender por qué la existencia material de información no resuelve, por sí sola, los problemas de significado, interpretación y formación de creencias en ambientes mediados por IA.

CALDAS, Pedro; ROMANINI, Vinicius. Public Opinion and New Communication Technologies: the impacts of big data on public opinion studies from the pragmatism perspective. International Journal of Communication, 2025.
Amplía la discusión desde el individuo hacia ambientes informacionales mediados por Big Data, preparando el posterior paso de la IA Personalísima hacia los procesos colectivos y Jiwasa.

PEREIRA JR., Alfredo. Qualiomics: The Metaphysics of Consciousness. Forum for Philosophical Studies, 2024.
Discute la singularidad de las experiencias cualitativas en primera persona y su relación con la sentiencia. Se utiliza aquí para sostener una distinción cuidadosa: la descripción informacional de una experiencia no debe identificarse automáticamente con la experiencia sentida.

GIBAUT, Wandemberg; GUDWIN, Ricardo R. Building a Cognitive Twin Using a Distributed Cognitive System and an Evolution Strategy. Cognitive Systems Research, 2025.
Presenta una arquitectura capaz de producir aproximaciones computacionales del comportamiento interactivo de un agente. Para nuestra discusión, muestra simultáneamente la potencia de la modelización y la necesidad de distinguir el modelo computacional de aquel a quien modela.

SEMIA — Grupo de Investigación en Semiótica, Comunicación e Inteligencia Artificial, ECA-USP. Producción académica, 2022–2026.
El grupo coordinado por Romanini reúne investigaciones recientes sobre semiótica, IA, desinformación, Big Data, opinión pública, agentes algorítmicos y soberanía tecnológica, constituyendo un núcleo latinoamericano especialmente relevante para la discusión propuesta en esta serie.

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

Hipótesis BrainLatam: cuanto mejor consigue una IA representar un Cuerpo-Territorio, más importante se vuelve preservar la distancia entre la representación y el Ser. El modelo puede aprender conmigo, pero no debe adquirir el derecho de cerrar aquello que todavía puedo llegar a ser.