¿Qué pasaría si la inteligencia artificial se diseñara para las comunidades y no para las grandes corporaciones? Esa es la pregunta que atraviesa el último episodio del Machine Ethics Podcast, donde el anfitrión Ben Byford conversa con E.M. Lewis-Jong, fundadora de Mozilla Data Collective e investigadora en interacción humano-computadora. El diálogo propone un giro radical: dejar de obsesionarse con hacer modelos cada vez más grandes y empezar a entender las necesidades reales de quienes usan esas tecnologías.
Lewis-Jong, descrita como emprendedora de impacto, trabaja en la intersección de tecnología comunitaria, datos abiertos e IA inclusiva. En la conversación aborda por qué el multilingüismo y el cambio de código —algo natural para gran parte del mundo— siguen siendo asignaturas pendientes para los sistemas de IA. También cuestiona quién tiene el control sobre los datos: si las personas o las plataformas que los extraen.
La trampa de la escala
El paradigma dominante en la industria asocia progreso con modelos fundacionales cada vez más grandes, entrenados con enormes volúmenes de datos. Sin embargo, esa lógica deja afuera a las poblaciones que no hablan inglés estándar o que conviven con múltiples lenguas en su día a día. Lewis-Jong sugiere que si la IA se construyera desde las comunidades, con datos propios y gobernanza local, el resultado sería más relevante y menos extractivo.
En América Latina, el cambio de código entre español, portugués, lenguas indígenas y el inglés es cotidiano. Las herramientas de IA que no reconocen esa riqueza lingüística fallan en usos básicos: asistentes de voz que no entienden acentos, traductores que pierden matices o sistemas de moderación que malinterpretan expresiones locales. La conversación en el podcast evidencia que esta no es una falla técnica menor, sino una consecuencia de decisiones de diseño que priorizan la uniformidad por sobre la diversidad.
Datos con consentimiento y control
Otro tema central es la ética de los datos: quién los recolecta, quién se beneficia y quién decide. Las 'colectivas de datos', como la que lidera Lewis-Jong dentro de Mozilla, proponen un modelo donde las comunidades son dueñas de su información y participan en las decisiones sobre su uso. Eso contrasta directamente con la extracción de datos sin consentimiento que alimenta a muchos sistemas actuales.
Para las empresas latinoamericanas, esto tiene implicancias prácticas. Adoptar principios de soberanía de datos no solo reduce riesgos regulatorios —en un contexto donde las leyes de protección de datos se están endureciendo en la región—, sino que también abre puertas a una innovación más localizada. Si un modelo se entrena con datos representativos de los usuarios de un país o de una comunidad, es más probable que funcione para ellos y que genere confianza. Eso puede traducirse en ventajas competitivas: desde servicios de atención al cliente que entienden jerga local hasta asistentes de salud que respetan contextos culturales.
Construir con más manos
Otra idea fuerte del episodio es que más personas deberían construir tecnología, no solo las grandes corporaciones. Esto significa herramientas accesibles, documentación en múltiples idiomas y espacios para que comunidades locales prototipen soluciones a sus propios problemas. En América Latina, eso podría materializarse en startups que atiendan nichos culturales, gobiernos que diseñen servicios con participación ciudadana o universidades que generen datos abiertos útiles.
El énfasis en la comunidad no implica rechazar el avance técnico; significa reorientarlo. En lugar de preguntar únicamente "¿cómo hacer un modelo más grande?", la pregunta clave debería ser "¿cómo hacer que la IA funcione para una persona en Lima, en Oaxaca o en São Paulo?".
Implicancias para los líderes locales
Para ejecutivos y tomadores de decisión en América Latina, la conversación deja al menos tres aprendizajes prácticos: invertir en datos propios y de calidad, exigir transparencia en los modelos de terceros que se adopten y apoyar iniciativas que fomenten la alfabetización en IA. El camino no es esperar a que los gigantes tecnológicos resuelvan las necesidades locales; es construir alternativas desde el conocimiento del contexto.
La entrevista de Lewis-Jong no ofrece recetas, pero sí una dirección clara: la IA del futuro no será solo una cuestión de escala, sino de relevancia local y de respeto por las comunidades a las que pretende servir. En una región tan diversa como América Latina, esa es una oportunidad que no se puede dejar pasar.
