Revista Mexicana de Comunicación

Segundo Semestre 2025

Abordajes tecnológicos, humanísticos y sociológicos de las inteligencias artificiales generativas

Fecha límite de recepción de ensayos de divulgación: 31 de octubre de 2025

PDF

Coordinadores invitados
Rafael Pérez y Pérez, Gabriel Pérez Salazar, Gilberto León Martagón

La inteligencia artificial representa un área de investigación y desarrollo cuyos primeros antecedentes se encuentran en la década de 1950. Estos sistemas han sido diseñados para apoyar la investigación sobre el ser humano y su entorno, y para atender necesidades concretas según apuntó Margaret Boden (2016), recientemente fallecida, en un libro que hoy conforma una de las aproximaciones más asequibles al tema: Inteligencia artificial. En el siglo XXI, los desarrolladores de inteligencias artificiales de tipo generativo han posibilitado un mayor acceso al público debido a la programación de muy diversas aplicaciones para dispositivos de uso profesional o doméstico. Tal fue el caso del lanzamiento del ChatGPT el 30 de noviembre de 2022. El siguiente año fue especialmente relevante porque reportó un incremento de cerca de 800% en la inversión en desarrollos con 25.2 miles de millones de dólares según el Artificial Intelligence Index Report 2024 (Universidad de Stanford, 2024).

En este contexto, distintos medios de comunicación pusieron una notable atención a las inteligencias artificiales; quizás sin haber dedicado un tiempo suficiente a documentar en profundidad las investigaciones y los desarrollos en proceso. Este énfasis generalista en el tema podría identificarse dentro de lo que Bender y Hanna (2025) han descrito como un extenso dispositivo de promoción a través de entrevistas, podcasts y artículos periodísticos. Más aún, advierten que el fenómeno que denominan como “IA hype” enlaza su función comercial primordial con un rol cultural a través de la creación de una fantasía popular acerca de máquinas sensibles. Estos antecedentes nos conducen a preguntarnos: ¿cómo son representadas las inteligencias artificiales generativas en los discursos de la industria, los medios de comunicación, los gobiernos, las legislaciones y la investigación académica?

La cobertura periodística de las inteligencias artificiales generativas también ha suscitado desinformación con titulares y tratamientos informativos que plantean escenarios opuestos ya que enfatizan, respectivamente, las implicaciones más favorables o las menos favorables de estas herramientas. Los titulares se refieren a “revoluciones” en ciertos campos profesionales o a procesos de automatización que supondrán la “sustitución” de perfiles profesionales o la pérdida masiva de empleos. Hay evidencias de cambios en la manera en que se produce y consume información, así como en el repertorio de herramientas informáticas a las que acuden las personas en sectores educativos o laborales, pero los datos específicos no dan cuenta de cambios drásticos. Por ejemplo, en un estudio empírico con apoyo del Banco Mundial y la Organización Internacional del Trabajo, Gmnyrek, Winkler y Garganta (2024) encontraron que, en Latinoamérica, 3 de cada 1o empleos podrían convivir con la llamada GeAI y que sólo entre 2 y 5 por ciento de los trabajos podrían ser automatizados completamente. No obstante, también destacaron la presencia de brechas de infraestructura y acceso que podrían afectar el aprovechamiento de inteligencias artificiales generativas en la productividad.

Las inteligencias artificiales generativas plantean una serie de temáticas de interés para la Revista Mexicana de Comunicación. Pérez Pérez y Perdomo (2024) muestran que, en la investigación global sobre inteligencia artificial y comunicación, destacan áreas como el periodismo computacional, la publicidad digital, el análisis de audiencias, la producción automatizada de contenidos y, de forma creciente, la ética. Otro inventario fue recopilado por Azuaje y Finol (2025) al referirse a las aplicaciones que pueden reconocer imágenes y texto manuscrito, así como comprender lenguajes o traducir. Los autores también enlistan a la robótica, los juegos, los sistemas para filtrar sonido, los asistentes personales, el reconocimiento de voz o de rostros, la corrección automatizada de imagen, audio o texto, los gestores de inventarios, los buscadores de contenido, los correctores de estilo y los muy comunes sistemas de recomendación.

En contraste, otras investigaciones focalizadas en los entornos educativos subrayan que, si bien herramientas como los Modelos de Lenguaje pueden agilizar tareas como la redacción de borradores o la traducción de contenidos, su uso acrítico puede comprometer el rigor informativo al eliminar filtros de verificación editorial (Gutiérrez-Caneda, Vázquez-Herrero y López García, 2024). Este riesgo se vincula con la advertencia de la UNESCO (2023) sobre mantener una supervisión ética constante para evitar que los usos de las inteligencias artificiales amplifiquen la desinformación o las desigualdades. También ha conducido a posiciones severas como la prohibición, impuesta por reconocidas universidades como Oxford, Cambridge o Sciences Po, de usar el chatbots con los argumentos de que no fueron programados para promover la resolución de problemas o el pensamiento crítico, o porque vulneran la propiedad intelectual y los marcos éticos. Estos ejemplos permiten comprender que, además de su dimensión técnica, las inteligencias artificiales generativas demandan reflexiones sobre su uso adecuado.

La fase actual de desarrollo de las inteligencias artificiales generativas no puede escapar a la estructura del mercado. Si acudimos a la perspectiva propuesta por Nick Srnicek en Capitalismo de plataformas (2018), la economía digital planteó la continuidad de un modelo que explota tanto la materia prima como el trabajo de las personas con ésta. En tal proceso, los datos son la materia prima esencial y su obtención, filtración y almacenamiento son fundamentales no sólo para potenciar el funcionamiento de las inteligencias artificiales, sino para garantizar su valor comercial. Bajo el esquema I+D, o investigación más desarrollo, estas herramientas son diseñadas y probadas en el ámbito público tanto por corporaciones tecnológicas establecidas, las cuales tienden a las prácticas propias de los monopolios, como por startups que se concentran en proyectos concretos. Debido al empuje de ambas, y quizás con más intensidad de las startups, por imponerse en el mercado quedan también de lado desarrollos emprendidos por universidades para la investigación, la educación o la difusión como lo ejemplifica Mexica que, desde la Universidad Autónoma Metropolitana, se propuso comprender cómo funcionan y cómo pueden clasificarse los procesos de creatividad computacional para procurar que la sociedad pueda beneficiarse de la enorme cantidad de textos que circulan en Internet o para desarrollar formas en que estos modelos conceptuales puedan enriquecer los procesos de escritura humana, entre otras posibilidades (Sharples y Pérez y Pérez, 2022).

Las humanidades y las ciencias sociales han mostrado, erróneamente, resistencias a emprender un mejor entendimiento de cómo funciona la inteligencia artificial. Para emplear y criticar de manera efectiva estos sistemas es necesario comprender las principales características de sus modelos de manera que se supere el desconocimiento sobre sus límites y ventajas. Existen numerosos riesgos en aquellos casos en que se delega a estos sistemas aspectos importantes de trabajos de investigación o de proyectos artísticos. Ante ello, por ejemplo, las grandes empresas tecnológicas dictarán lo que se puede o no estudiar y desarrollar. Es de suma relevancia promover una comprensión profunda de las inteligencias artificiales entre estudiantes, investigadores y profesionistas que permita un uso consciente frente a los esquemas de estandarización que procurarán los desarrolladores.

En 2021, Emily Blender, Angelina McMillan-Major, Timit Gebru y Shmargaret Shmitchell (2011) se preguntaron en un artículo de investigación si los Modelos Grandes de Lenguaje (LLM) eran realmente necesarios o inevitables si sopesamos los costos derivados de su desarrollo. Sus respuestas tuvieron un enfoque deontológico pues propusieron una serie de sugerencias en torno a los llamados LLM (Large Language Models): evaluar los impactos ambientales y financieros puesto que éstos suelen afectar a comunidades que no son las beneficiarias del desarrollo; orientar los recursos a desarrollar métodos para filtrar con más rigor los datos procesados por los modelos en vez de que recopilen todo lo que hay en la red; focalizar la investigación y el desarrollo en los valores comunes de las partes implicadas; indagar los eventuales beneficios y afectaciones de los desarrollos que imitan al ser humano; finalmente, procurar nuevos proyectos que gocen de un diseño en colaboración con comunidades afectadas por los cambios.

La construcción y la difusión de ideas sobre las inteligencias artificiales generativas son relevantes en el ámbito público pues no sólo establecen connotaciones atribuidas a las máquinas, sino que también inciden en las prácticas y las interacciones cotidianas, y plantean abordajes técnicos, éticos, semánticos, discursivos, políticos, culturales y comunicativos que proponemos desarrollar en los siguientes ejes temáticos:

1. ¿Cómo se habla y de qué se habla al referirse a las inteligencias artificiales generativas?
2. ¿Qué representaciones de las inteligencias artificiales ha aportado el ámbito mediático desde el periodismo, la publicidad, la propaganda, el diseño, las plataformas digitales y la divulgación de la ciencia?
3. ¿Qué importancia tiene fomentar la comprensión crítica del funcionamiento de la inteligencia artificial en general y, en particular, de las inteligencias artificiales generativas entre estudiantes, docentes, investigadores y profesionistas sobre en todo en campos como la ciencia social, las humanidades y la creación artística?
4. ¿Cuáles son las posibilidades creativas y las derivias críticas que encuentran las sociedades actuales ante el desarrollo y uso más recurrente de programas, aplicaciones y dispositivos con inteligencias artificiales generativas?
5. ¿Qué cuestiones políticas, socioeconómicas y antropológicas en torno de las inteligencias artificiales generativas es necesario plantear?
6. ¿Qué parámetros éticos, normativos y legislativos demanda la implementación de inteligencia artificial generativa?
7. ¿Cuáles son los imaginarios y escenarios que las expresiones culturales (cine, literatura, pintura, música, entre otras) han ideado sobre y con las inteligencias artificiales generativas o sobre los modelos de lenguaje de gran magnitud?

¿Cómo colaborar?

La Revista Mexicana de Comunicación admite colaboraciones para evaluación y eventual publicación bajo la modalidad de ensayos monográficos o de ensayos críticos sobre los ejes temáticos de esta convocatoria.

Entendemos que el ensayo monográfico es un trabajo de síntesis cuyo objetivo es difundir una aproximación temática con sustento en el conocimiento del campo, así como en la caracterización de casos o ejemplos concretos. Son textos expositivos que sitúan, clasifican o interpretan sus propuestas temáticas para identificarlas, señalarlas, perfilarlas o explicarlas.

Por su parte, entendemos por ensayo crítico un texto argumentativo que, además de documentar e informar sobre el asunto de su interés, plantea una postura, una interpretación o una problemática a partir de la reflexión propia. Puede constituir un primer acercamiento a una propuesta de investigación que se emprenderá posteriormente con mayor profundidad.

En cualquiera de los casos, el propósito del dossier monotemático de ensayo es aproximarse a la actualidad del tema para divulgar los enfoques y saberes que contribuyen a explicarlo y comprenderlo.

La Revista Mexicana de Comunicación no publica artículos de investigación, sino ensayos de divulgación pues se trata de un medio de socialización y reflexión del conocimiento producido en el campo al que se adscribe. Su propósito es brindar textos monográficos y argumentativos, adecuadamente fundamentados y documentados, que vuelvan asequible y accesible el conocimiento especializado en su materia. Es posible contribuir con escritos divulgativos en que den a conocer esfuerzos de investigación propios o aquellos realizados por otras personas investigadoras.

Esta convocatoria también estará abierta a la recepción de colaboraciones para las secciones de Reseña, Entrevista y Visuales. Recibimos reseñas de libros, volúmenes de revistas, artículos de investigación, foros o mesas, así como entrevistas con personas profesionales, expertas o especialistas. Del mismo modo, la revista publica foto-ensayos, reportajes fotográficos, visualizaciones o discursos visuales o audiovisuales sobre la temática de la convocatoria.

Los ensayos serán dictaminados a doble ciego en caso de que cumplan con los requisitos formales y de contenido de la RMC. Por su parte, las reseñas, las entrevistas y los discursos visuales serán revisados directamente por los editores de nuestra publicación.

Invitamos a investigadores, docentes, profesionales de la comunicación y de la imagen, editores, divulgadores, así como a estudiantes de licenciatura y posgrado a enviar propuestas de colaboración hasta el 31 de octubre de 2025.

Fecha límite de recepción de propuestas: 31 de octubre de 2025

Envío de colaboraciones al siguiente correo: rmc@cua.uam.mx

Ver Convocatoria 156 en PDF

Consulta aquí las normas de estilo de los ensayos, reseñas y entrevistas para colaborar con la RMC

Fuentes

• Azuaje, M. (2023). Introducción a la Ética y el Derecho de la Inteligencia Artificial. Madrid: La Ley.
• Banco Mundial (2024). Buffer or Bottleneck? Employment Exposure to Generative AI and the Digital Divide in Latin America. World Bank Group and the International Labour Organization. Poverty and Equity Global Practice
• Bender, E.; y Alex Hanna. The AI Con: How to Fight Big Tech’s Hype and Create the Future We Want. Estados Unidos: Vintage Publishing.
• Bender , E. y Timnit Gebru, Angelina McMillan-Major, Shmargaret Shmitchell (2021). On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? . En Conference on Fairness, Accountability, and Transparency (FAccT ’21), Nueva York, Estados Unidos.
• Boden, M. (2016). Inteligencia artificial. España: Tuner.
• Gutiérrez-Caneda, B., Vázquez-Herrero, J., & López García, X. (2024). ChatGPT y el periodismo: potenciales usos y riesgos de los chatbots generativos. El profesional de la información, 33(1), 1–20.
• Pérez Pérez, C., & Perdomo, B. (2024). Inteligencia artificial en comunicación: una revisión bibliométrica en Web of Science. Investigación Bibliotecológica: Archivonomía, Bibliotecología e Información, 38(99), 165–185.
• Sharples, M; y Rafael Pérez y Pérez. (2022). Story Machines. How Computers Become Creative Writers. Estados Unidos: Routledge.
• Srnicek, N. (2018). Capitalismo de plataformas. Buenos Aires. Caja Negra Editora.
• Universidad de Stanford (2024). Artificial Intelligence Index Report 2024. Estados Unidos: Stanford.
• UNESCO. (2023). Inteligencia artificial: Entre el mito y la realidad. El Correo de la UNESCO. Recuperado de https://www.unesco.org