Briefing por Audiencia
La cadena de suministro humana que su universidad ya está firmando
Esta semana la prensa tecnológica volvió a celebrar la potencia de los modelos, y esa celebración volvió a ocultar lo que la sostiene: una cadena de trabajo humano mal pagado, vigilado y subcontratado que atraviesa América Latina sin que casi nadie la nombre. Para quien dirige una institución de educación superior, la noticia no es que exista ese trabajo invisible —existe hace años— sino que su universidad probablemente ya lo está financiando cada vez que firma un contrato de IA sin auditar quién etiqueta, quién modera y bajo qué condiciones lo hace.
El arco de la semana obliga a leer la inteligencia artificial como una relación laboral antes que como un logro de ingeniería. Y esa relación laboral entra a la universidad por tres puertas simultáneas: el contrato con el proveedor, el marco de riesgo que la propia empresa se autoescribe, y la política de alfabetización que le transfiere al usuario la responsabilidad de detectar lo indetectable. Ninguna de las tres es un problema de aula. Las tres son decisiones de consejo.
Lo que sigue no es un inventario de novedades. Es un mapa de dónde el rectorado está heredando riesgo sin haberlo evaluado.
La autonomía de la máquina es una subcontratación de personas
El primer movimiento editorial de la semana es desmontar la palabra “autónomo”. Cuando un proveedor vende un sistema que “razona” o “decide”, vende el resultado de una cadena de suministro humana: trabajadores que etiquetan datos, moderan contenido tóxico y transcriben audio por tarea, sin prestaciones ni contrato estable. Esa cadena no llega a América Latina en el futuro. Ya opera aquí, en centros de etiquetado y moderación subcontratados con salarios locales y con jerga contractual importada que difumina deliberadamente la relación laboral.
La lente de disponibilidad aplicada al fenómeno es incómoda precisamente porque invierte la pregunta habitual. No se trata de cuándo llegará la tecnología a la región, sino de reconocer que la región ya provee la mano de obra que la hace funcionar, rara vez con nombre y país en la prensa. La lente de accesibilidad, para el trabajador latinoamericano, describe un empleo real y hasta deseable frente al desempleo local, pero estructurado como pago por tarea, sin contrato, con jerarquía contractual borrosa. Y la lente de aplicabilidad cierra el círculo institucional: las industrias que consumen estos modelos —banca, retail, medios, salud, gobierno y también la universidad— financian una cadena laboral que no auditan y cuyos abusos heredan después como riesgo reputacional y regulatorio.
Vale nombrar el delta frente a lo que esta publicación ya argumentó. En agosto sostuvimos que el vocabulario de la eficiencia coloniza el de los aspectos sociales, convirtiendo daños en bugs técnicos o leyes naturales El lenguaje que despolitiza los daños algorítmicos. Esta semana el argumento avanza un paso: no basta con mostrar cómo el lenguaje despolitiza; el trabajo invisible es el caso donde esa gramática opera en una institución concreta —el contrato de compra— y donde el contra-vocabulario ya existe: trazabilidad laboral, cláusulas de derechos del trabajador, registro público de proveedores. La universidad tiene el instrumento —su poder de compra— para exigir ese contra-vocabulario. La pregunta es si lo usará.
Escribir reglas propias sin evidencia propia
El segundo bloque es el que más rápido debería llegar al consejo académico. La gobernanza institucional de la IA pasó del debate a la reglamentación, y lo hizo antes de que existiera evidencia controlada sobre resultados. La Universidad San Sebastián en Chile se presenta por delante de la discusión con reglas propias; Nebraska arma un grupo de trabajo; y el paquete que se vende como solución llega acompañado de cinco universidades retratadas no como casos comparables sino como clientes Universidades escriben sus propias reglas de IA mientras los proveedores ocupan el lugar del estudio.
La afirmación que un rector puede llevar a consejo es directa: escribir reglas propias ya es la norma, y hacerlo sin grupo de comparación también. Los contratos institucionales con proveedores se firman sin datos de resultados y sin cohorte de control. Esto significa que el liderazgo hereda el riesgo legal y de equidad de una decisión que, en la práctica, delegó en el vendedor. Cuando el proveedor ocupa el lugar que debería ocupar el estudio, la institución no compró una solución: compró una hipótesis no verificada con su firma encima.
La lente de alternativas aquí es útil y disciplinante. Frente al paquete comercial que no ofrece evidencia, las alternativas que fijan el estándar exigible no son necesariamente tecnológicas: son de procedimiento. Exigir al proveedor un diseño con grupo de comparación, datos de resultados desagregados por perfil de estudiante y una cláusula de auditoría independiente cuesta poco y cambia radicalmente la posición negociadora de la institución. La autonomía universitaria —ese término que la región defiende con razón frente al Estado— pierde sentido si se rinde ante el contrato de un vendedor. Delegar el diseño evaluativo en quien vende el producto es exactamente lo contrario de la autonomía.
El apetito de riesgo como soberanía auto-otorgada
El tercer bloque conecta la gobernanza institucional con la dimensión de aspectos sociales, y es probablemente el más denso en implicaciones de política. Los marcos de evaluación de riesgo que hoy acompañan a los sistemas de IA incluyen una cláusula de “apetito de riesgo” que le permite a la propia empresa declarar aceptable un nivel de daño y archivar el resto como residual El apetito de riesgo permite a las empresas declarar aceptable el daño que producen. Dicho sin eufemismos: quien produce el sistema se otorga a sí mismo la facultad de definir cuánto daño es tolerable. Es soberanía auto-otorgada mientras no exista auditoría externa.
Para una institución de educación superior esto tiene una traducción concreta. Cuando la universidad adopta un sistema, en la práctica legisla sobre las personas que lo operan y lo padecen: estudiantes evaluados por él, docentes cuyo régimen de dedicación se reorganiza a su alrededor, y trabajadores subcontratados aguas arriba en la cadena de datos. Si el marco de riesgo lo escribe el proveedor y el apetito lo fija el proveedor, la institución adopta un sistema cuyos daños aceptables fueron definidos por alguien que no responde ante su comunidad universitaria.
El caso de Sudáfrica ilustra por qué esperar no es neutral. El país retrasó su política de IA hasta 2027 y sigue desplegando sistemas mientras tanto Sudáfrica retrasa su política de IA a 2027 y continúa el despliegue. Esperar es una decisión, no una pausa: cada mes sin marco propio es un mes en que el marco del proveedor gobierna por defecto. La lente de anticipación para la región es explícita: registros públicos de la cadena de suministro laboral, cláusulas de derechos del trabajador en la contratación estatal —y universitaria pública— de sistemas de IA, y consulta obligatoria de los representantes laborales antes de que la subcontratación precaria se consolide como norma irreversible. Esa consulta obligatoria de los representantes laborales es, hoy, el único contrapeso real al apetito auto-otorgado, y llega sin jerarquía formal en la mayoría de las estructuras universitarias de la región.
Aquí conviene invocar a García Canclini sin forzarlo. En Ciudadanos reemplazados por algoritmos advierte que el riesgo puede desplazarse de la explotación hacia la irrelevancia: la pregunta ya no sería solo bajo qué condiciones se trabaja, sino si se es necesario para trabajar (García Canclini, Ciudadanos reemplazados por algoritmos, 56). El fenómeno de la semana muestra las dos caras a la vez. La cadena de datos latinoamericana revela que el trabajo sigue siendo necesario —alguien etiqueta, alguien modera—, pero está estructurado para ser invisible y desechable. La universidad, como empleadora y como compradora, decide de qué lado empuja: hacia el reconocimiento de ese trabajo o hacia su borrado.
Delegar la detección en una facultad que no existe
El cuarto bloque desarma una política que muchas instituciones latinoamericanas están adoptando sin advertir su fragilidad. La respuesta institucional frente a deepfakes, textos sintéticos y fraude asistido por IA suele apoyarse en la capacidad del usuario —estudiante, docente, evaluador— de detectar el contenido generado. La evidencia de la semana declara esa capacidad inexistente: los verificadores automáticos aciertan entre 45 y 50 por ciento, y las personas identifican deepfakes de alta calidad casi al azar Los verificadores de IA aciertan la mitad de las veces y las personas casi nunca.
La afirmación para el consejo es tajante: responsabilizar al usuario es una transferencia de costo, no una estrategia de alfabetización. Cuando una institución construye su política de integridad académica sobre el supuesto de que docentes y estudiantes distinguirán lo real de lo sintético, apoya su cumplimiento en una facultad que la evidencia niega. El problema se agrava porque los chatbots se usan cada vez más para verificar, y su evidencia es mixta: el verificador y la fuente son el mismo sistema El uso de chatbots para verificar información produce resultados mixtos. Pedirle al modelo que audite lo que el modelo produjo no es verificación; es circularidad.
La lente de accesibilidad vuelve aquí bajo la forma del presupuesto. La alfabetización mediática sin financiamiento es una política de riesgo sin control: se anuncia una expectativa —que la comunidad detecte— sin dotar a nadie de los medios para cumplirla. En instituciones latinoamericanas con presupuestos de extensión y capacitación docente ya tensionados, “alfabetización en IA” corre el riesgo de convertirse en una línea declarativa del plan de desarrollo institucional sin una sola hora de dedicación docente asignada ni un solo recurso de formación pagado. Esa brecha entre el enunciado y el presupuesto es exactamente donde la política se vuelve teatro de cumplimiento.
El contraste con nuestro encuadre previo sobre Toffler es útil. En agosto usamos el marco del future shock para señalar que la IA entra a la economía informal por canales ya convertidos en infraestructura, sin que los actores puedan elegir La llegada silenciosa de agentes de IA a WhatsApp Business. El cambio esta semana es de registro: no se trata solo de la velocidad de la llegada, sino de que la respuesta institucional dominante —“que el usuario detecte”— es estructuralmente incapaz de amortiguar el impacto. La alfabetización real no es entrenar el ojo humano en una tarea que fracasa casi siempre; es rediseñar la evaluación para que no dependa de la detección. Eso sí es competencia del rectorado, y sí tiene consecuencias sobre currículo y acreditación.
La caja negra con factura de electricidad no publicada
El quinto bloque cierra el arco por el lado de las herramientas, y es el que más directamente toca la due diligence de compras. Cuando la institución evalúa adquirir un sistema, los campos que una afirmación de reproducibilidad necesita —pesos del modelo, parámetros de decodificación, corpus de recuperación— los retiene el vendedor. La reproducibilidad del proveedor no es verificable por el cliente Las afirmaciones de reproducibilidad de los proveedores no son verificables. Se compra, literalmente, una caja negra.
A esa opacidad técnica se suma una opacidad ambiental. Los informes de los proveedores mejoraron en el reporte de la energía de entrenamiento, pero el costo ambiental de la inferencia —la energía que se consume cada vez que el sistema se usa, y que escala con el volumen de uso— sigue fuera de los reportes El costo ambiental de la inferencia sigue sin reportarse. Para una universidad que despliega un sistema a miles de estudiantes, la inferencia no es un detalle: es el costo que crece con la adopción exitosa. Comprar sin ese dato es firmar una factura de electricidad cuya cifra el proveedor no publica.
Un tercer elemento afina la lectura para administradores. La regla de divulgación judicial que empieza a exigirse a los sistemas de IA obliga a revisar mejor cómo se presenta la evidencia, no a auditar la herramienta que la produjo Las reglas de divulgación judicial obligan a revisar la presentación, no la herramienta. La distinción importa porque marca el techo de lo que la regulación actual garantiza: mejor documentación del output, no transparencia del proceso. Trasladado a la universidad, esto significa que cumplir con la formalidad de divulgación no equivale a haber auditado el sistema. La institución puede estar en regla y seguir sin saber qué compró.
Qué significa esto para rectores
Cinco decisiones concretas se desprenden del arco de la semana, y ninguna requiere esperar a que la región produzca su propia normativa.
Incorpore trazabilidad laboral a la contratación de IA. Toda compra institucional de un sistema de IA debería exigir al proveedor la declaración de su cadena de suministro humana: quién etiqueta, quién modera, bajo qué condiciones contractuales y con qué prestaciones. En universidades públicas, esto puede anclarse en las normas de compra estatal existentes; en privadas, en la política de proveedores. No es activismo: es gestión de riesgo reputacional y regulatorio, porque los abusos aguas arriba se heredan aguas abajo El apetito de riesgo permite a las empresas declarar aceptable el daño que producen.
No firme sin grupo de comparación. Cualquier contrato que prometa mejoras de resultados debe incluir un diseño evaluativo con cohorte de control y datos desagregados. Si el proveedor no puede ofrecerlo, la institución está comprando una hipótesis, no una solución, y debe registrarlo así ante el consejo Universidades escriben sus propias reglas de IA mientras los proveedores ocupan el lugar del estudio.
Rediseñe la integridad académica sin apoyarse en la detección. Dado que verificadores y personas fallan sistemáticamente, la política de integridad no puede descansar en “detectar contenido generado”. La respuesta institucional debe moverse hacia formas de evaluación —presenciales, orales, de proceso, por defensa ante pares— que no dependan de una facultad de detección inexistente. Esto tiene consecuencias curriculares y de acreditación que corresponden al rectorado, no al docente aislado Los verificadores de IA aciertan la mitad de las veces y las personas casi nunca.
Presupueste la alfabetización o no la anuncie. Una línea de alfabetización en IA sin horas de dedicación docente asignadas ni recursos de formación pagados es una política de riesgo sin control. Si no hay presupuesto, es más honesto no incluirla en el plan de desarrollo institucional que sostenerla como declaración vacía El uso de chatbots para verificar información produce resultados mixtos.
Exija el dato de inferencia y asuma que compra una caja negra. En la due diligence técnica, pida explícitamente el costo energético de inferencia proyectado al volumen de uso institucional, y documente que la reproducibilidad del proveedor no es verificable. Cumplir con la formalidad de divulgación no equivale a haber auditado la herramienta; el consejo debe saber la diferencia El costo ambiental de la inferencia sigue sin reportarse.
Observación prospectiva
La conversación regional sobre IA en educación superior está a punto de bifurcarse. Un camino consolida la posición de comprador pasivo: la universidad adopta sistemas cuyos daños aceptables definió el proveedor, cuya cadena laboral no audita, cuya reproducibilidad no puede verificar y cuya factura de inferencia no conoce, mientras traslada a estudiantes y docentes la responsabilidad de detectar lo indetectable. Ese camino es cómodo porque cada paso parece razonable y ninguno exige confrontar al vendedor.
El otro camino usa el único poder real que la institución conserva —su firma en el contrato— para imponer condiciones: trazabilidad laboral, grupo de comparación, dato de inferencia, cláusula de auditoría, consulta a los representantes laborales. Ninguna de esas condiciones requiere tecnología nueva ni legislación nacional que aún no existe. Requieren que el rectorado entienda que adoptar un sistema de IA es, hoy, un acto de gobierno sobre personas —las que lo operan, las que lo padecen, las que lo aprenden— y no una simple decisión de compra tecnológica.
Sudáfrica muestra que esperar la política nacional no detiene el despliegue; lo deja gobernado por defecto por el marco del proveedor. América Latina puede escribir sus reglas donde tiene jurisdicción indiscutible: dentro de sus propias instituciones, en sus propios contratos, esta semana. La autonomía universitaria que la región defiende frente al Estado se prueba, ahora, frente al vendedor. Quien la ejerza fijará el estándar exigible para los demás.