Mediación (de la Inteligencia Artificial)
La mediación de la inteligencia artificial (IA) en la esfera pública (Habermas, 2022) describe la forma en que sistemas automatizados -como algoritmos de recomendación, modelos de lenguaje y mecanismos de moderación- condicionan quién participa, qué discursos circulan y cómo se articulan las interacciones públicas en entornos digitales. Este concepto no se limita a la presencia de IA como herramienta técnica, sino que enfatiza su papel estructurante en los procesos de visibilización, representación y deliberación.
En lugar de entender la esfera pública como un ideal normativo, se propone analizarla como una arena pública concreta, mediada por sistemas inteligentes que afectan las condiciones materiales del discurso. Esta mediación altera las dinámicas de poder, agencia y acceso, y plantea nuevas preguntas sobre la legitimidad, la transparencia y la evaluación social de dichos sistemas.
Autores como Jungherr y Schroeder (2023) plantean el estudio de la mediación desde una aproximación estructuralista: la IA no transforma la deliberación directamente, sino las condiciones que la hacen posible o la inhiben. Estos autores subrayan que la IA no solo organiza y prioriza la información, sino que también redefine quién participa y cómo participa en los debates públicos. Proponen pensar la IA no como una herramienta neutral, sino como un actor político que puede reforzar asimetrías de poder y manipulación. La reflexión teórica sitúa la IA como un elemento central en la futura arquitectura de la esfera pública.
La distinción entre esfera pública (como ideal deliberativo) y arena pública (como espacio real de interacción mediada) es clave para estructurar empíricamente la investigación sin caer en simplificaciones normativas. El concepto de evaluabilidad permite incorporar una dimensión crítica: no basta con observar interacciones, sino preguntarse si los agentes tienen herramientas para entender y desafiar el funcionamiento de los sistemas que las median (Nahmias y Perel, 2021).
El discurso mediático tiende a destacar más los riesgos individuales (como la vigilancia) que los estructurales (como la concentración de poder informacional) (Nguyen, 2023). Esto condiciona cómo el público percibe la IA en relación con la esfera pública y limita la posibilidad de un debate informado sobre sus implicaciones democráticas.
Desde el punto de vista empírico se abren dos líneas complementarias. Por un lado, el análisis de plataformas (Poell, Nieborg y van Dijck, 2019) y sistemas que estructuran la interacción pública digital: ChatGPT, algoritmos de TikTok, recomendaciones en YouTube, etc., que pueden estudiarse mediante análisis de casos, entrevistas y trazabilidad de contenido. Por otro, el uso de métodos de IA para mapear dinámicas discursivas a gran escala (por ejemplo, LDA, clustering o análisis de sentimiento), como proponen Schmank y Buchkremer (2024). Esto permite identificar patrones de tematización, exclusión o sobrerrepresentación de actores.
Cabe también destacar el método STIRL (Systemic Taxonomy for Information Retrieval from Literature), propuesto por Buchkremer et al. (2019) y aplicado por Schmank y Buchkremer (2024), que combina análisis sistemático de la literatura con técnicas de IA (como LDA) para identificar agrupaciones temáticas en grandes corpus académicos sobre interacción pública. Además, resultan relevantes las experiencias de interacción con pantallas públicas inteligentes o interfaces de IA aplicadas a contextos urbanos, educativos o sanitarios, como casos de observación participante o prototipado experimental.
Entradas relacionadas:
Referencias:
Jungherr, A., and R. Schroeder (2023). “Artificial Intelligence and the Public Arena.” Communication Theory, vol. 33, no. 2–3, pp. 164–73, https://doi.org/10.1093/ct/qtad006.
Habermas, J. (2022). “Reflections and Hypotheses on a Further Structural Transformation of the Political Public Sphere.” Theory, Culture & Society, vol. 39, no. 4, pp. 145–71, https://doi.org/10.1177/02632764221112341.
Nahmias, Y., and M. Perel (2021). “The Oversight of Content Moderation by Ai: Impact Assessments and Their Limitations.” Harvard Journal on Legislation, vol. 58, no. 1, pp. 145–94., https://journals.law.harvard.edu/jol/wp-content/uploads/sites/86/2021/02/105_Nahmias.pdf.
Nguyen, D (2023). “How News Media Frame Data Risks in Their Coverage of Big Data and AI.” Internet Policy Review, vol. 12, no. 2, https://doi.org/10.14763/2023.2.1708.
Poell, T., D. Nieborg, and J. van Dijck (2019). “Platformisation.” Internet Policy Review, vol. 8, no. 4, https://doi.org/10.14763/2019.4.1425.
Schmank, J., and R. Buchkremer (2024). “Navigating the Digital Public Sphere: An AI-Driven Analysis of Interaction Dynamics across Societal Domains.” Societies, vol. 14, no. 10, art. 195, https://doi.org/10.3390/soc14100195.
Investigador responsable de la entrada: Francisco José García UllVOLVER A LA PÁGINA INICIAL DEL ATLAS
