Recibido: 28 de julio de 2025
Aceptado: 12 de agosto de 2025
Debido a la falta de políticas públicas, regulaciones y estrategia nacional, en México la inteligencia artificial se encuentra en una fase de flexibilidad interpretativa en la que cobran importancia las visiones de futuro colectivamente modeladas para su estabilización. Este estudio identifica las visiones de futuro de investigadores en inteligencia artificial afiliados a dos centros mexicanos principales. Se adoptó un enfoque cualitativo, basado en 25 entrevistas semiestructuradas y sustentado en el carácter discursivo de las motivaciones que orientan la práctica científica. Los hallazgos destacan que las visiones de futuro varían según el abordaje básico o aplicado del conocimiento, y de acuerdo con la institución de pertenencia. El artículo contribuye a mostrar que, en México, las visiones de futuro sobre la inteligencia artificial se configuran como estrategias de nicho orientadas a la utilidad social, en contraste con los imaginarios corporativos globales centrados en la disrupción y la productividad. Asimismo, se evidencia que la visión de la inteligencia artificial como herramienta de desarrollo tecnocientífico enfrenta limitaciones por falta de una estrategia coordinada y de políticas públicas. Las conclusiones detallan acciones de políticas científicas que apunten a fortalecer las relaciones entre actores, así como el apoyo al desarrollo de soluciones de bajo costo computacional.
Palabras clave:estudios CTS, desarrollo tecnocientífico, imaginarios sociotécnicos, inteligencia artificial, utilidad social del conocimiento.
In Mexico, the lack of public policies, regulations, and a national strategy has left Artificial Intelligence (AI) in a phase of interpretative flexibility, where collectively shaped visions of its future play a key role in its stabilization. Against this backdrop, this study examines the future visions of AI held by researchers affiliated with two major Mexican research centers. To do so, a qualitative approach was employed, drawing on 25 semi-structured interviews and grounded in the discursive nature of the motivations guiding scientific practice. The findings reveal that these visions vary not only according to whether research is oriented toward basic or applied knowledge, but also depending on the institutional setting in which it takes place. Moreover, the study demonstrates that, in Mexico, future visions of AI are configured as niche strategies aimed at social utility, in contrast to global corporate imaginaries focused on disruption and productivity. It also shows that the vision of AI as a tool for technoscientific development is limited by the absence of a coordinated strategy and public policies. In conclusion, the paper outlines science policy actions that could strengthen collaboration among actors and support the development of low-cost computational solutions.
Keywords: STS studies, technoscientific development, sociotechnical imaginaries, artificial intelligence, social utility of knowledge.
Si bien la inteligencia artificial (IA) se creó hace seis décadas, se ha difundido más ampliamente en la última. Surgida en el ámbito universitario en la década de 1950, primero predominó un enfoque simbólico, que buscaba emular la cognición humana mediante reglas lógicas y matemáticas, luego cuestionado por su carácter fragmentario. En la década de 1980 lo sucedió el paradigma conexionista, centrado en el aprendizaje y la autoorganización a través de redes neuronales inspiradas en el cerebro (
En este nuevo escenario, las visiones de futuro sobre la IA, tanto institucionales como individuales, adquieren una importancia central para orientar los desarrollos tecnocientíficos, los usos sociales y las políticas públicas. Desde la perspectiva de los estudios de ciencia, tecnología y sociedad (CTS), dichas visiones no deben entenderse como pronósticos neutrales, sino como construcciones de sentido que actúan como guías para la acción. La formación de imaginarios sociotécnicos —visiones colectivas de futuros deseables— contribuye a estabilizar las tecnologías emergentes y legitimar la intervención científica sobre los problemas sociales (
Las grandes empresas tecnológicas han desempeñado un papel central en la configuración de las visiones de futuro de la IA (
En el año 2022, los modelos basados en aprendizaje avanzaron hacia modelos fundacionales, sistemas de inteligencia artificial entrenados a gran escala con enormes volúmenes de datos no estructurados, generalmente mediante aprendizaje autosupervisado, que, tras ajustes mínimos, sirven como base para una amplia variedad de tareas posteriores y son adaptables a múltiples aplicaciones en distintos dominios, lo que transforma tanto la investigación como el desarrollo de sistemas de IA (
A diferencia del Norte Global, donde el desarrollo de IA se concentra en las grandes empresas tecnológicas, en América Latina son los centros públicos de investigación los actores principales tanto en la producción de conocimiento como en la formación de recursos humanos especializados (
Este artículo vincula la relevancia de los centros públicos de investigación en ia con la necesidad de identificar sus dimensiones interpretativas en el contexto local. Su objetivo es caracterizar las visiones transversales y heterogéneas sobre la inteligencia artificial en México. Propone como hipótesis que, aun compartiendo algunos rasgos en común, las visiones sobre la IA varían según el tipo de investigación —básica o aplicada— que se realiza, así como por sus trayectorias en sus instituciones de afiliación, diferentes en historia y propósitos. Para sustentarla empíricamente se analizan veinticinco entrevistas a investigadores afiliados a dos instituciones públicas dedicadas a la investigación en computación.
El trabajo se organiza del siguiente modo: primero se revisan las herramientas analíticas de los estudios de ciencia, tecnología y sociedad que caracterizan los aspectos discursivos y narrativos de la práctica científica (
En el campo CTS existen varias herramientas analíticas para el abordaje de las visiones de futuro. Entre ellas la más utilizada es el encuadre de imaginarios sociotécnicos (
No obstante, cuando las visiones aún no alcanzan la estabilidad institucional de un imaginario sociotécnico, resulta útil atender a su carácter emergente y en disputa. En este sentido, las visiones de vanguardia (
Como se verá en los hallazgos, los investigadores vinculan sus desarrollos con el concepto de utilidad social del conocimiento, un concepto que en los años noventa se asociaba principalmente a la vinculación con el mercado y en el siglo xxi se reorientó hacia criterios de desarrollo, equidad y sustentabilidad (
Se diseñó una metodología de tipo cualitativo, centrada en el registro, categorización y análisis interpretativo de 25 entrevistas semiestructuradas a especialistas afiliados de tiempo completo a dos centros públicos universitarios principales de investigación en computación. Ambos coinciden en ser pioneros en México, pero varían en su disposición y objetivos de investigación. El primero, denominado en los hallazgos Centro A, fue creado en la década del setenta. Cuenta con diversos departamentos de ciencias aplicadas, entre los que se encuentra el de ciencias de la computación, al que pertenecen los entrevistados. Este centro prioriza la investigación académica y la publicación de productos en revistas indexadas en las evaluaciones de desempeño.
El segundo, denominado Centro B, se creó en la década de los noventa como centro de excelencia en ingeniería de cómputo. Sus objetivos son la investigación, la docencia y la transferencia de conocimientos hacia diferentes sectores sociales. Fue creado con la explícita intención de lograr una incidencia social a través de la resolución de problemas, el registro de patentes y modelos de utilidad, así como la generación de redes de colaboración para proyectos innovadores. Cuenta con 13 laboratorios organizados en tres líneas de investigación, una de ellas especializada en inteligencia artificial.
En cuanto a los entrevistados —18 de sexo masculino y 7 de sexo femenino— predominan los ingenieros (17), seguidos por los licenciados en Ciencias de la Computación o afines (6) y los licenciados en Matemática (2). Todos ellos poseen título de doctorado, principalmente en Ciencias de la Computación o afines (16), y además en Ingeniería (5), en Ciencias Cognitivas e IA (2) y en Matemática (2). La mayoría de ellos (15) se encuadró en la producción de conocimiento aplicado, probando algoritmos propios o de terceros con diferentes conjuntos de datos. Una menor parte (5) declaró dedicarse a la producción de conocimiento básico, entendido como la construcción de algoritmos propios o la optimización de existentes, y otro tanto (5) a la producción de conocimiento básico y aplicado. Las subáreas de trabajo en ia son diversas; se destacan el reconocimiento de patrones, las redes neuronales, el aprendizaje de máquina, la visión de máquina y en menor medida el procesamiento del lenguaje natural. En cuanto a sus temáticas, el campo de trabajo más frecuente es la aplicación de técnicas de aprendizaje automático a datos médicos. Al menos 15 de los entrevistados trabajaron en esa área, seguida por problemáticas ambientales, diferentes aplicaciones de procesamiento de lenguaje natural y usos eficientes de energías.
Las entrevistas se realizaron entre mayo de 2024 y abril de 2025 en los lugares de trabajo de los investigadores. Estos fueron seleccionados por conveniencia a partir de sus perfiles institucionales, su registro como especialistas en gestores bibliográficos y del método bola de nieve, es decir, por recomendación de otros entrevistados. Los encuentros duraron entre una y dos horas, y se realizaron preguntas sobre formación, trayectorias, áreas de especialidad, temas de trabajo, modos de organización y de asociación en colaboraciones. Finalmente, se les solicitó su visión acerca del futuro de la inteligencia artificial en México, así como de sus perspectivas de desarrollo, sus fortalezas y debilidades.
Una vez transcriptos los registros orales, se procedió a una codificación temática con el software Taguette (
Las herramientas analíticas destacan la heterogeneidad de perspectivas, especialmente en fases en las que las tecnologías aún no se han estabilizado por completo. En el caso de los entrevistados, esta diversidad se manifiesta, en parte, porque sus motivaciones y posturas sobre sus objetos de estudio se vinculan a las prácticas propias de cada subcampo de la IA, por lo que es necesario comunicar las visiones sociotécnicas integradas en el contexto de investigación en las que tienen lugar. Las áreas de incidencia de los desarrollos, las estrategias para conseguir datos de entrenamiento, los productos de las investigaciones, los abordajes básicos o aplicados y la pertenencia institucional son elementos que contribuyen a modelar las visiones sobre la IA.
A pesar de estas diferencias, se observan visiones homogéneas en torno a aspectos específicos. En contraste con los imaginarios producidos por medios de comunicación y empresarios —los que suelen presentar a la inteligencia artificial con un enfoque disruptivo, destacando sus supuestas capacidades revolucionarias y su potencial para transformar radicalmente la sociedad, la economía y el mercado laboral (
En esta sección se presentan dos tipos de visiones. En el primer apartado, se agrupan aquellas que son comunes a todos los participantes, las cuales se refieren a las inteligencias artificiales de propósito general, tanto en relación con sus usos sociales como con las estrategias de nicho que los investigadores han adoptado para evitar que sus desarrollos compitan directamente, debido a la falta de recursos a escala. En el segundo, se presentan las visiones heterogéneas, organizadas en dos categorías: primero, según los centros de adscripción de los investigadores, que influyen en las perspectivas sobre la inteligencia artificial y sus posibles futuros en México; y segundo, según el tipo de enfoque del conocimiento: básico, asociado predominantemente a paradigmas lógico-matemáticos, o aplicado, centrado en modelos conexionistas.
La mayoría de los entrevistados considera la relevancia de los modelos fundacionales, pero a la vez los diferencia de su propio trabajo, al que consideran inteligencia artificial de propósitos específicos y acotados; por ejemplo, efectuar un diagnóstico médico automatizado o predecir una condición ambiental a partir de técnicas de aprendizaje. Las visiones sobre los primeros oscilan entre la fascinación por sus capacidades y la crítica hacia los usos que perjudican el aprendizaje. En ese sentido, los investigadores observan los chatbots como herramientas que presentan un alto riesgo de sustitución de las capacidades cognitivas:
… que el capital humano que se está formando tenga plena conciencia del uso de la IA para reforzar su toma de decisiones, pero no para sustituir la inteligencia que debe desarrollar. Las neuronas para que trabajen, necesitan un proceso de errores. La madurez profesional solamente se logra con la práctica. Si yo quiero un ingeniero que sea de los mejores, es porque ha participado en práctica tras práctica en la implementación de algoritmos y metodologías que definan claramente soluciones. (Inv. Centro B, subárea en procesamiento inteligente de señales)
Mientras que se preocupan por las potencialidades de sustitución de las capacidades cognitivas por inteligencias artificiales generativas, los entrevistados tienden a pensar sus propios desarrollos en una relación de colaboración entre usuarios y sistemas, o bien de incremento de conocimientos específicos. La visión acerca de los desarrollos propios implica que son los creadores los que controlan a los algoritmos, y la tecnología solamente apoya las decisiones que finalmente tomarán los humanos.
Por otro lado, surgen críticas a los objetivos comerciales de los chatbots. Visiones coincidentes señalan que las prioridades de difusión comercial se imponen al desarrollo de soluciones efectivas, dados los persistentes problemas de exactitud y los fallos en la consistencia factual que presentan estas aplicaciones. Resaltan además la educación, no solo en términos de formación de capacidades tecnológicas, sino también en función de los usos sociales de la inteligencia artificial como posibilidad o barrera al desarrollo local.
Asimismo, todos los investigadores coinciden en que su práctica profesional demanda adaptaciones frente al surgimiento de los modelos fundacionales, con los que no pueden competir debido a las limitaciones de escala de recursos. Como consecuencia, su estrategia principal, común a los investigadores de ambos centros, se alinea con las dinámicas de los nichos tecnológicos (
Con el surgimiento de las redes profundas y de los modelos grandes del lenguaje se requiere mucho más poder de cómputo [...] Nosotros tenemos que cambiar de rubro, acotar o atacar problemas que a lo mejor en el mundo no están siendo globalmente atacados. Centrarnos en nichos pequeños. (Inv. Centro A, procesamiento de lenguaje natural)
Afirmaciones como la mencionada aparecen con frecuencia en el discurso de los entrevistados. Funcionan como guías de acción, pero todavía no se materializan en dispositivos concretos. Se presenta, por ejemplo, un caso de fetometría a distancia:
Puede llegar una mamá muy preocupada, que viene desde muy lejos o va desde muy lejos a la Ciudad de México. Se espera por horas y cuando llega la consulta le dicen que está bien. Porque llegó mal diagnosticada en su pueblo. Entonces son los casos de diagnósticos equivocados en poblaciones pequeñas. Si hubiera una cobertura amplia de un diagnóstico correcto en todas partes, los institutos solo atenderían los casos de verdad. Entonces el proyecto es tener un software en los pueblitos chiquitos que apoye a un residente, un médico residente general para que tome las imágenes. Y el software haga un primer diagnóstico (Inv. Centro A, subárea en visión de máquina)
En este caso, el prototipo continúa en desarrollo. El investigador prevé publicar los resultados como ciencia aplicada, pero está más preocupado por llegar a transferir su proyecto. Entiende que luego de cuatro años de haber comenzado podría tener un prototipo instalado en un consultorio y, si funciona, extenderlo a más consultorios del sistema público, transfiriendo conocimiento a una pequeña empresa que pudiera hacer el mantenimiento del sistema.
Según los entrevistados, la viabilidad de los desarrollos y su transformación en conocimiento transferido se enfrenta a varias limitaciones. Una de ellas se asocia a la falta de bases de datos de la población mexicana para, principalmente, la investigación aplicada a la salud, pero también al procesamiento de audio digital. Estas barreras también funcionan como limitantes en la construcción de un futuro local para la inteligencia artificial mexicana, y llevan a la percepción de algunos investigadores de que México es un país seguidor y usuario de IA, pero no desarrollador a la par de otros países. Más bien se considera a México en un proceso de aprendizaje tecnológico y de formación de recursos humanos que luego trabajará en la industria. Existe coincidencia en señalar que para avanzar hacia el desarrollo autónomo de inteligencia artificial se necesitan esfuerzos coordinados todavía ausentes en las políticas científico-tecnológicas.
Sobre estas visiones homogéneas se observan diferencias basadas en la pertenencia institucional, así como en el abordaje —básico o aplicado— de la producción de conocimiento. El Centro A no se especializa en ciencias de la computación, sino que comparte el espacio de investigación con matemáticos, estadísticos e ingenieros. Si bien es un centro de investigación aplicada, las promociones e incentivos de los investigadores se producen sobre publicaciones.
Dado que la IA basada en aprendizaje automático tiene aspectos importantes de ciencia aplicada por la necesidad de testear los algoritmos en ambientes reales, deben encontrar un equilibrio entre producir prototipos y publicar resultados. Producen aplicaciones en el área de aprendizaje de máquina, especialmente en visión, redes neuronales y procesamiento de lenguaje natural aplicadas al área de salud, de energías, de traducción de lenguas locales, entre otros. La orientación de sus investigaciones se relaciona con sus especialidades de base, así como con la posibilidad de obtener datos de otras disciplinas. Por ejemplo, en el área de salud cuentan con el apoyo de los médicos del sistema público, quienes son a la vez coproductores de las investigaciones como proveedores de datos, evaluadores de resultado y usuarios potenciales de las aplicaciones.
El resultado típico es el de un prototipo cuyo proceso de producción se vuelca en una publicación académica, pero todavía no concluye en un proceso de transferencia tecnológica. Sus investigadores se encuentran motivados por publicar modelos y prototipos basados en colaboraciones interdisciplinarias con actores no especialistas de diversas áreas del conocimiento. El imaginario sociotécnico de referencia es el de producción de conocimiento aplicado y socialmente útil, especialmente en el área de salud, donde las investigaciones se replantean las relaciones médico-paciente a partir de la incorporación de dispositivos automatizados de diagnóstico. El valor de utilidad social de los desarrollos es potencial y futuro, dado que los desarrollos todavía se encuentran materializados en prototipos y publicaciones de conocimiento aplicable, pero todavía no aplicado. Los investigadores del Centro A entienden la investigación en IA como un área aplicada donde la interdisciplina y la capacidad de iniciar conversaciones con actores no especialistas es una oportunidad de desarrollo:
La tendencia ahora es interdisciplinaria, esas son buenas noticias para nosotros porque es aplicación. No necesariamente en el core de nuestra comunidad, sino en las comunidades que están empezando a utilizar inteligencia artificial. Por ejemplo, Química ha sufrido una revolución y está ahora superasociada a inteligencia artificial. Biología ha ido de a poco. Medicina ya tenía un aspecto muy tecnológico. Yo creo que tenemos buenas herramientas para tener un impacto a través de la interdisciplinariedad, cosa que los colegas de inteligencia artificial supercore no son tan buenos. Es como que ya tienes comunidad y pueden hablar con ella. (Inv. Centro A, subárea en procesamiento de lenguaje natural)
Los investigadores del Centro B también producen conocimiento aplicado, pero están más habituados a trabajar con base en las demandas de conocimiento y en proyectos que puedan ser de utilidad al gobierno o a la industria. Les interesa resolver problemas concretos, generar modelos de utilidad, consultorías y atraer recursos mediante proyectos de financiamiento público y privado. Han logrado transferir resultados y ofrecer soluciones a sectores no académicos que se materializaron en asesorías expertas a funcionarios de gobierno, patentes y modelos de utilidad. La visión de sus investigadores es que la IA es una oportunidad de desarrollo científico-tecnológico, pero limitada por las dificultades de acceso a fondos de financiamiento, de creación de plataformas innovadoras como empresas de base científico-tecnológica, rezagos en el poder de cómputo y dificultades para financiar la inserción del Centro en sectores productivos locales de fortaleza industrial, principalmente debido a las políticas tecnológicas de los últimos años, que dieron impulso a la ciencia pero dejaron en las iniciativas de innovación en manos del sector privado:
Como país en inteligencia artificial, no somos potencia. ¿Cuánto del PIB se está asociando con la investigación y la generación de empresas de base tecnológica? Se ven cosas muy puntuales, el Gobierno está colocando una mirada a sitios clave dentro de la línea de atención que va asociada con la inteligencia artificial, semiconductores que puedan estar generando cómputo sobre datos que son muy específicos, pero nosotros no tenemos la tecnología para hacer ese ese tipo de trabajos. Hay trabajo de investigación y hay líneas importantes, pero hace falta más cosas alrededor, como empresas de base tecnológica o formación de capital humano orientado a estas. La educación debería enfocarse en la formación de emprendedores de base tecnológica, al menos identificar a quienes tengan la vocación. (Inv. Centro B, subárea en procesamiento digital de señales)
Otra diferencia en perspectivas existe entre quienes abordan la inteligencia artificial como ciencia básica, que implica el trabajo sobre modelos lógico-matemáticos y quienes desarrollan prototipos y modelos basados en algoritmos entrenados con datos. Este grupo es una minoría dentro de los entrevistados, e incluye a investigadores con más experiencia. Trabajan con el paradigma lógico-matemático, anterior a la explosión del paradigma conexionista. Sin embargo, hay algunos casos aislados que, desde la ciencia básica, también se identifican con la generación de conocimiento socialmente útil. Son aquellos que han visto sus desarrollos básicos aplicados a diferentes áreas:
Lo que motiva la ciencia es el conocimiento, no el mercado. A veces en el entorno académico hay presiones para que los estudiantes no solo se dediquen a la teoría, sino también exploren las aplicaciones, pero yo me alejo de ese enfoque. (Inv. Centro B, subárea en modelos lógico-matemáticos)
A los investigadores que se ubican en la ciencia básica les interesa publicar en foros importantes, o bien formar a los estudiantes de primer nivel que de todos modos siguen la carrera industrial. Su objetivo no es hacer IA comercialmente valorable, sino investigación explicable y publicable en foros de excelencia. Critican duramente a la IA de las redes neuronales por su falta de explicabilidad. Defienden las analogías entre las habilidades humanas y las automatizadas.
Hay quien se ubica en el paradigma simbólico como postura política de defensa frente a las aplicaciones de redes neuronales, a las que adjudica falta de explicabilidad y generación de ignorancia en los estudiantes. Estas visiones también señalan que, a diferencia de los modelos basados en aprendizaje que predominan en los entrevistados e imperan en los desarrollos de inteligencia artificial de propósito general, los paradigmas lógico-matemáticos y conexionistas conviven en la investigación.
El análisis desarrollado se fundamentó en herramientas analíticas de los estudios sociales de la ciencia y la tecnología para examinar las motivaciones y proyecciones sobre inteligencia artificial entre investigadores académicos mexicanos. En un contexto de flexibilidad interpretativa motivada por la ausencia de políticas públicas y visiones estratégicas, las perspectivas de los investigadores locales cobran importancia para la estabilización de la tecnología, así como para la producción de futuros deseables materializados en propuestas, políticas públicas y regulaciones (
Estos resultados pueden leerse también en clave regional. El informe de la
Las visiones y motivaciones que emergieron en las entrevistas carecen de la suficiente estabilización que
Este estudio contribuye a ampliar los procesos de atribución de sentido a los sistemas sociotécnicos, destacando el carácter situado de dicha atribución y deslindando las visiones de los desarrollos globales de los locales. Esta visión diferenciada puede contribuir a un diseño futuro de políticas públicas y visiones estratégicas enraizado en las prácticas, posibilidades y fortalezas locales vinculadas al bien común y la utilidad social del conocimiento.
En el grupo entrevistado coexisten visiones sociotécnicas diversas. En general, los investigadores expresan una ambivalencia frente a las inteligencias artificiales de propósito general, al tiempo que reconocen la necesidad de orientarse hacia desarrollos específicos como estrategias de nicho vinculadas al bien común y a la disponibilidad de datos locales. Estas visiones se diferencian según el perfil de los investigadores y sus instituciones: mientras los dedicados a la ciencia básica valoran la autonomía académica y la producción de conocimiento fundamental, quienes trabajan en aplicaciones prácticas priorizan la utilidad social; por su parte, el Centro A privilegia las colaboraciones interdisciplinarias con fines aplicados, mientras el Centro B enfatiza en el potencial de la IA para el desarrollo científico-tecnológico y la necesidad de mayores esfuerzos de financiamiento y coordinación nacional. Este entramado contrarresta el carácter disruptivo que imaginarios corporativos y mediáticos adjudican a la IA y revela las tensiones constitutivas del campo científico mexicano y latinoamericano: entre el escalamiento global y las soluciones locales, entre la investigación teórica y la transferencia tecnológica.
A partir de estos hallazgos, se delinean recomendaciones de política científica basadas en evidencias, con mayor proyección y aplicabilidad. En el ámbito de la ciencia aplicada resulta indispensable fortalecer la colaboración entre investigadores, profesionales de la salud, ingenieros, comunidades locales y sectores gubernamentales, de modo que los prototipos académicos se transformen en soluciones efectivas con impacto social. En paralelo, es necesario apoyar a la ciencia básica mediante el desarrollo de infraestructuras y soluciones de bajo costo de computación que reduzcan la dependencia de hardware especializado y permitan sostener innovaciones locales. Estas acciones, combinadas con una estrategia nacional de coordinación y financiamiento, pueden potenciar tanto la transferencia tecnológica como la producción de conocimiento fundamental, equilibrando la brecha frente a las corporaciones globales y favoreciendo un ecosistema de IA enraizado en las necesidades y capacidades del país.
Este estudio realiza aportes en tres direcciones: identifica visiones alternativas a las narrativas corporativas de la IA; analiza críticamente los conceptos que orientan las motivaciones y la discursividad de las prácticas científicas; y aporta evidencias empíricas que abren la posibilidad de orientar acciones de política científica situadas y con impacto social. Se enfatiza, no obstante, en que al ser cualitativo y, aunque su muestra comprende a investigadores principales en el área de la IA, sus resultados no pueden generalizarse a toda la comunidad académica del área. Asimismo, el proceso evidenció una limitación: no todos los investigadores están dispuestos a abrir su trabajo al análisis desde las ciencias sociales, lo que restringe el acceso a información clave y dificulta la construcción de estudios con mayor validez y alcance. Esta resistencia refleja tensiones entre la práctica científica y su abordaje social, y señala la necesidad de generar condiciones de confianza que amplíen los horizontes de investigación. Futuros estudios podrán identificar las visiones de vanguardia de investigadores afiliados a instituciones de diferente perfil, o bien las de investigadores de otros países de la región, a fin de establecer comparaciones entre visiones y motivaciones.
La comprensión de las visiones de futuro de la ia desde centros públicos de investigación permite avanzar hacia una agenda de investigación arraigada en las prácticas, donde los desarrollos tecnológicos respondan a posibilidades reales, contextos concretos y necesidades sociales. Si se aspira a una inteligencia artificial con impacto social positivo, será indispensable fortalecer las capacidades locales, así como las formas propias de imaginar futuros posibles, no hegemónicos, de la IA.
La autora agradece a la beca postdoctoral de la Secretaría de Ciencia, Humanidades, Tecnología e Innovación (Secihti) por su apoyo para la realización de este artículo, así como a los investigadores entrevistados por la disposición, el tiempo y la generosidad.
No existe conflicto de interés financiero, profesional o personal que pueda influir de forma inapropiada en los resultados obtenidos o las interpretaciones propuestas en el manuscrito.
Se utilizó ChatGPT 4.0 para tareas específicas: traducción del resumen al inglés, microedición de textos, verificación de la estructura argumentativa con relación a los requisitos editoriales y aclaración de terminologías propias de la inteligencia artificial. Todos los usos fueron supervisados por la autora.