La Comunicación Mediada por Inteligencia Artificial (AI-MC): fundamentos teóricos, dimensiones analíticas, implicaciones comunicativas y consideraciones éticas
Hancock, J. T., Naaman, M., & Levy, K. (2020). AI-mediated communication: Definition, research agenda, and ethical considerations. Journal of Computer-Mediated Communication, 25(1), 89–100. https://doi.org/10.1093/jcmc/zmz022
.png)
La Comunicación Mediada por Inteligencia Artificial (AI-MC): fundamentos teóricos, dimensiones analíticas, implicaciones comunicativas y consideraciones éticas
Introducción
La acelerada incorporación de
sistemas de inteligencia artificial (IA) en la vida cotidiana ha modificado de
manera sustancial los procesos de interacción humana, especialmente en los
entornos digitales. Herramientas como correctores automáticos, asistentes de
escritura, traductores inteligentes, generadores de texto y sistemas de
recomendación han dejado de ser dispositivos marginales para convertirse en
mediadores permanentes de la comunicación interpersonal. Este fenómeno ha
impulsado la necesidad de replantear los marcos teóricos clásicos de la
Comunicación Mediada por Computadora (CMC), los cuales tradicionalmente asumían
que la agencia comunicativa recaía exclusivamente en los sujetos humanos.
En este contexto, Hancock, Naaman
y Levy (2020) proponen el concepto de Comunicación Mediada por Inteligencia
Artificial (Artificial Intelligence–Mediated Communication, AI-MC) para
describir aquellas situaciones en las que un agente computacional interviene
activamente en la producción, modificación o generación de mensajes con el
objetivo de optimizar resultados comunicativos. Esta formulación abre un campo
emergente de investigación que articula la comunicación interpersonal, la
psicología social, la lingüística, la ética y los estudios sobre tecnología.
El presente trabajo tiene como
objetivo analizar los fundamentos conceptuales de la AI-MC, sus principales
dimensiones analíticas, su impacto en el lenguaje y las dinámicas
interpersonales, así como sus implicaciones éticas, culturales y políticas.
Asimismo, se incorpora un apartado metodológico que transparenta el uso de
herramientas de IA en la redacción académica, atendiendo a los principios de
integridad científica.
Hancock et al. (2020) definen la
AI-MC como la comunicación interpersonal mediada en la que un agente
computacional actúa en nombre de un comunicador humano, modificando, ampliando
o generando mensajes para cumplir objetivos comunicativos o relacionales.
Esta definición se apoya en la concepción de la IA como un “agente racional”
capaz de percibir información del entorno, procesarla y actuar para maximizar
resultados esperados, conforme al planteamiento clásico de Russell y Norvig
(2010).
A diferencia de la CMC
tradicional —que estudia los efectos sociales de la comunicación entre personas
a través de dispositivos digitales (Walther & Parks, 2002)—, la AI-MC
introduce una mediación activa de carácter algorítmico. El mensaje ya no es únicamente
transmitido por un canal tecnológico, sino que es transformado por sistemas que
pueden sugerir palabras, reestructurar frases, ajustar tonos discursivos o
incluso producir mensajes completos de forma autónoma.
Ejemplos contemporáneos de AI-MC
incluyen los sistemas de respuesta automática en correos electrónicos, los
correctores gramaticales inteligentes, los sistemas de predicción de texto, la
inserción automática de emojis y, de manera más avanzada, la generación de
perfiles, textos persuasivos o voces sintéticas. En muchos casos, el receptor
no es consciente de que un sistema de IA ha intervenido en la elaboración del
mensaje, lo que plantea interrogantes sobre la autoría, la transparencia y la
responsabilidad comunicativa.
2. Dimensiones analíticas de
la Comunicación Mediada por IA
Para caracterizar la diversidad
de sistemas de AI-MC, Hancock et al. (2020) proponen un conjunto de dimensiones
que permiten analizar el grado y tipo de intervención algorítmica:
- Magnitud de la intervención: Va desde
modificaciones mínimas (corrección ortográfica) hasta la generación total
del mensaje.
- Tipo de medio: Texto, audio, imagen o video,
lo que amplía el alcance de la mediación más allá del lenguaje escrito.
- Objetivo de optimización: La IA puede buscar
aumentar la persuasión, la confianza, el atractivo, la claridad, la
cortesía o la autoridad discursiva.
- Nivel de autonomía: Grado de independencia
del sistema respecto a la supervisión humana.
- Orientación del rol: La IA puede apoyar al
emisor (mejora del mensaje) o al receptor (detección de emociones,
mentiras o intenciones).
Estas dimensiones permiten
analizar comparativamente distintos escenarios de mediación tecnológica y
comprender cómo varía el impacto comunicativo según el contexto de uso.
3. Límites conceptuales de la
AI-MC
No toda interacción con
tecnologías inteligentes constituye AI-MC. Los autores excluyen explícitamente
las interacciones humano–máquina puras (por ejemplo, asistentes virtuales que
no representan a otro ser humano) y los algoritmos que únicamente organizan o
filtran información sin intervenir directamente en la producción del mensaje
interpersonal, como los sistemas de recomendación o clasificación de
contenidos.
El núcleo conceptual de la AI-MC
se centra en la mediación algorítmica directa de la comunicación entre
personas, donde el sistema actúa como un coautor funcional del mensaje.
Esta delimitación permite mantener un marco analítico preciso y operativo para
la investigación.
4. Agenda de investigación en
AI-MC
4.1 Diseño y percepción de
agencia
Uno de los ejes centrales de
investigación se relaciona con la percepción de agencia. ¿En qué medida los
usuarios atribuyen la responsabilidad del mensaje al emisor humano o al sistema
algorítmico? Estudios previos indican que las personas reaccionan de manera
distinta ante decisiones humanas y algorítmicas, fenómeno conocido como
aversión algorítmica (Dietvorst et al., 2015). La AI-MC complejiza esta
relación al introducir una agencia híbrida.
Asimismo, el diseño de interfaces
y los mecanismos de transparencia influyen en la confianza, la aceptación y el
uso de estas tecnologías.
4.2 Impacto en el lenguaje
La mediación algorítmica puede
moldear patrones lingüísticos y discursivos a gran escala. Las sugerencias
automáticas tienden a estandarizar el lenguaje, favoreciendo ciertos estilos
expresivos y reduciendo la diversidad comunicativa. Desde el modelo de alineación
interactiva (Pickering & Garrod, 2013), la incorporación de textos
generados por IA puede influir en la adaptación lingüística entre
interlocutores.
Esto implica riesgos de
homogeneización cultural y transformación progresiva de normas comunicativas.
4.3 Dinámicas interpersonales
La AI-MC reconfigura procesos
clásicos como la formación de impresiones, la autenticidad, la credibilidad y
la interpretación de señales sociales. Desde la perspectiva del modelo
hiperpersonal (Walther, 2011), la posibilidad de optimizar estratégicamente la
auto-presentación mediante IA puede intensificar o distorsionar la construcción
de identidades digitales.
4.4 Autopresentación,
confianza y efecto replicante
La percepción de que un mensaje o
perfil ha sido generado por IA puede disminuir la confianza del receptor,
fenómeno denominado “efecto replicante” (Jakesch et al., 2019). Esto
obliga a revisar teorías como la señalización (Donath, 2007) y el warranting
(DeAndrea, 2014).
4.5 Relaciones, identidad y
retroalimentación
La automatización comunicativa
puede afectar la percepción del esfuerzo relacional, la intimidad y la
autenticidad. Además, podría influir en la construcción de la identidad
personal, tal como lo plantea la teoría del desplazamiento identitario
(Gonzales & Hancock, 2008).
5. Implicaciones éticas,
culturales y políticas
5.1 Sesgo y equidad
Los sistemas de IA pueden
reproducir sesgos presentes en los datos de entrenamiento, reforzando
desigualdades estructurales (Levy & Barocas, 2018). Esto plantea desafíos
en términos de justicia comunicativa.
5.2 Transparencia
Existe debate sobre cuándo debe
revelarse la intervención de la IA. Mientras que en algunos casos la
transparencia parece innecesaria (autocorrección), en otros resulta esencial
para una correcta interpretación del mensaje.
5.3 Manipulación y
desinformación
El desarrollo de tecnologías como
los deepfakes plantea riesgos significativos para la confianza pública, la
credibilidad mediática y los procesos democráticos (Sundar, 2008).
6. Metodología y proceso de
uso de IA en la redacción académica
El presente texto fue elaborado
mediante un proceso de escritura asistida por inteligencia artificial,
bajo principios de transparencia, control humano y responsabilidad académica.
El procedimiento consistió en las siguientes etapas:
- Selección y análisis de fuentes primarias:
Se utilizó como base principal el artículo de Hancock et al. (2020),
complementado con literatura clásica en comunicación mediada, IA y ética
tecnológica.
- Síntesis conceptual: La IA fue empleada como
herramienta de apoyo para organizar, resumir y estructurar los contenidos
teóricos, sin sustituir el criterio analítico del autor humano.
- Redacción asistida: El sistema de IA generó
borradores textuales que fueron revisados, corregidos y validados
conceptualmente por el investigador.
- Verificación de coherencia académica: Se
ajustaron citas, estilo formal, terminología disciplinar y coherencia
argumentativa.
- Declaración ética: Se reconoce
explícitamente el uso de IA como apoyo editorial, garantizando que la
responsabilidad intelectual del contenido recae en el autor humano.
Este enfoque se alinea con las
recomendaciones emergentes sobre el uso responsable de tecnologías generativas
en investigación académica, promoviendo la integridad científica, la
trazabilidad de fuentes y la transparencia metodológica.
La Comunicación Mediada por
Inteligencia Artificial (AI-MC) constituye uno de los desplazamientos
paradigmáticos más relevantes en el campo de la investigación en comunicación
en las primeras décadas del siglo XXI. A diferencia de transformaciones tecnológicas
previas —como la expansión de internet o la consolidación de las redes
sociales—, la AI-MC no solo amplía los canales o las velocidades de transmisión
de mensajes, sino que interviene activamente en los procesos de producción
simbólica, interpretación de significados y construcción de relaciones sociales.
Esto obliga a repensar categorías fundamentales de la disciplina, tales como
autoría, agencia, intencionalidad, mediación, poder simbólico y ética
comunicativa (Hancock, Naaman & Levy, 2020).
Desde una perspectiva
epistemológica, la AI-MC desafía la concepción clásica del sujeto comunicador
como fuente exclusiva del mensaje. En los entornos mediados por IA, la
producción discursiva emerge de una co-agencia humano-algorítmica, lo
que exige reformular los modelos teóricos de la comunicación interpersonal, la
comunicación organizacional y la comunicación digital. Teorías consolidadas
como el modelo hiperpersonal, la señalización, el warranting o la comunicación
mediada por computadora requieren ser actualizadas para incorporar la presencia
de agentes no humanos que influyen en la estructura, el tono y la
intencionalidad de los mensajes. Para la investigación en comunicación, este
desplazamiento implica no solo revisar marcos conceptuales, sino también
desarrollar nuevas categorías analíticas que permitan explicar fenómenos
emergentes como la automatización de la persuasión, la estandarización
algorítmica del lenguaje y la delegación comunicativa.
En el plano metodológico, la
AI-MC abre oportunidades y desafíos significativos. Por un lado, los
investigadores cuentan con nuevas herramientas para el análisis automatizado de
grandes volúmenes de datos comunicativos, el modelado de interacciones y la simulación
de escenarios discursivos. Por otro lado, se incrementa la complejidad para
identificar la autoría real de los mensajes, distinguir entre producción humana
y algorítmica, y garantizar la validez de los datos empíricos. La investigación
en comunicación deberá avanzar hacia metodologías híbridas que integren
enfoques cualitativos, análisis computacional, etnografía digital y estudios
experimentales, con protocolos éticos robustos que aseguren la transparencia,
la trazabilidad y la protección de los sujetos participantes.
Asimismo, la AI-MC impacta
directamente en los objetos tradicionales de estudio de la comunicación: el
lenguaje, la interacción, la identidad, la confianza y la construcción de
sentido. La mediación algorítmica puede contribuir a la homogeneización discursiva,
al reforzamiento de sesgos culturales y a la transformación de normas
lingüísticas, fenómenos que requieren ser analizados críticamente desde
perspectivas sociolingüísticas, semióticas y culturales. De igual forma, los
procesos de autopresentación, formación de impresiones y gestión de relaciones
interpersonales se ven reconfigurados por la intervención de sistemas
inteligentes que optimizan estratégicamente los mensajes. Esto demanda
investigaciones empíricas que evalúen cómo los sujetos negocian la
autenticidad, la credibilidad y la responsabilidad comunicativa en escenarios
donde la frontera entre lo humano y lo artificial se vuelve difusa.
Desde una dimensión ética y
política, la investigación en comunicación adquiere un papel central en la
construcción de marcos normativos y en la alfabetización digital crítica de la
ciudadanía. La posibilidad de manipulación simbólica, desinformación automatizada,
reproducción de sesgos y erosión de la confianza pública convierte a la AI-MC
en un campo prioritario para el análisis de políticas públicas, regulación
tecnológica y derechos comunicativos. Los investigadores en comunicación están
llamados a generar evidencia empírica que fundamente decisiones regulatorias,
así como a participar activamente en el diseño responsable de tecnologías
comunicativas centradas en el bienestar social.
Finalmente, la AI-MC también
redefine los procesos de formación académica y profesional en comunicación. Las
competencias tradicionales —análisis crítico del discurso, producción de
contenidos, ética comunicativa, investigación social— deben articularse con
nuevas alfabetizaciones digitales, comprensión de sistemas algorítmicos, manejo
de datos y evaluación crítica de herramientas de inteligencia artificial. En
este sentido, la investigación en comunicación no solo debe explicar el
fenómeno, sino también orientar pedagógicamente la integración responsable
de la IA en la docencia, la producción académica y la práctica profesional.
En síntesis, la Comunicación
Mediada por Inteligencia Artificial no representa únicamente una innovación
tecnológica, sino una transformación estructural del ecosistema comunicativo.
Su estudio exige una agenda de investigación amplia, interdisciplinaria y
socialmente comprometida, capaz de comprender los impactos simbólicos,
culturales, relacionales y éticos de la mediación algorítmica. Para el campo de
la comunicación, la AI-MC se consolida como un eje estratégico de investigación
que permitirá anticipar los desafíos emergentes de la sociedad digital y
contribuir al fortalecimiento de una comunicación más justa, transparente y
humanamente significativa.
Bibliografia
Hancock, J. T., Naaman, M., & Levy, K. (2020). AI-mediated communication:
Definition, research agenda, and ethical considerations. Journal of Computer-Mediated
Communication, 25(1), 89–100.
Russell, S. J., & Norvig, P. (2010). Artificial
intelligence: A modern approach (3rd ed.). Pearson.
Walther, J. B., & Parks, M. R. (2002). Cues
filtered out, cues filtered in. En M. L. Knapp & J. A. Daly (Eds.), Handbook
of interpersonal communication. Sage.
Walther, J. B. (2011). Theories of
computer-mediated communication and interpersonal relations. Sage.
Donath, J. (2007). Signals in social supernets.
Journal of Computer-Mediated Communication, 13(1), 231–251.
DeAndrea, D. C. (2014). Advancing warranting
theory. Communication Theory, 24(2), 186–204.
Gonzales, A. L., & Hancock, J. T. (2008).
Identity shift in computer-mediated environments. Media Psychology, 11,
167–185.
Levy, K., & Barocas, S. (2018). Designing
against discrimination in online markets. Berkeley Technology Law Journal,
32(2).
Sundar, S. S. (2008). The MAIN model. En M. J.
Metzger & A. J. Flanagin (Eds.), Digital media, youth, and credibility.
MIT Press.
Comentarios
Publicar un comentario