> ## Content Index
> Fetch the complete content index at: https://entre-bastidores-el-ser-la-existencia-y-otros-asuntos.ghost.io/llms.txt
> Use this file to discover other available public pages before exploring further.

# La IA en entornos científico-técnicos
- URL: https://entre-bastidores-el-ser-la-existencia-y-otros-asuntos.ghost.io/la-ia-en-entornos-cientifico-tecnicos/
- Published: 2026-10-12T13:52:42.000Z
- Updated: 2026-10-12T13:52:42.000Z
- Author: FilosofoCientifico

Se puede afirmar que, a lo largo del siglo XXI, el uso de tecnologías cibernéticas y de sistemas de información y comunicación se ha incrementado de forma exponencial en los entornos científico-técnicos. En la actualidad, una parte sustancial de los equipos empleados en investigación depende de software capaz de adquirir, procesar, interpretar y traducir datos complejos a formatos comprensibles para los agentes humanos.

Esta realidad introduce una dificultad adicional: garantizar la trazabilidad y la integridad de la información generada por sistemas automatizados. Todo dato producido por un instrumento científico, ya sea un valor numérico, una imagen o una señal analítica, debe poder relacionarse con un fenómeno real y no con un simple artefacto computacional derivado de errores de captura, procesamiento o transferencia. Por este motivo, los entornos regulados exigen el cumplimiento de principios de integridad de datos como ALCOA y ALCOA+, concebidos para asegurar que la información generada sea atribuible, legible, contemporánea, original y exacta, así como completa, consistente, duradera y disponible a lo largo de todo su ciclo de vida (FDA 2018; MHRA 2018; PIC/S 2021). Estas exigencias tienen como finalidad mantener la confianza en los datos generados, garantizar la reconstrucción de las actividades realizadas y preservar la calidad de los procesos científicos y tecnológicos en contextos regulados (MHRA 2018; PIC/S 2021).

Al mismo tiempo, la progresiva digitalización de los procesos de investigación ha aumentado la dependencia de sistemas informatizados para la adquisición, el tratamiento, el intercambio y el almacenamiento de datos científicos. Tanto la normativa europea sobre sistemas informatizados como las directrices para el uso de datos electrónicos en investigación clínica subrayan la necesidad de garantizar la fiabilidad, trazabilidad y gobernanza de la información producida en estos entornos complejos (European Commission 2011; EMA 2023).

Esta creciente dependencia de sistemas informatizados ha ido acompañada de una sofisticación progresiva de la instrumentación científica, dando lugar a redes tecnológicas compuestas por un número cada vez mayor de equipos, aplicaciones y sistemas interconectados. Desde una perspectiva posthumanista, estas redes pueden entenderse como ensamblajes sociotécnicos en los que la producción de conocimiento emerge de la interacción continua entre agentes humanos y no humanos (Latour 1988; Latour 2005; FilosofoCientifico 2026a). La complejidad alcanzada por estos ensamblajes dificulta que un investigador pueda supervisar de forma directa y exhaustiva cada una de las operaciones involucradas en la generación, transformación y almacenamiento de los datos.

Como respuesta a esta limitación han surgido plataformas de orquestación capaces de coordinar múltiples sistemas y presentar información distribuida de manera inteligible para los operadores humanos. No obstante, a medida que aumenta el número de interacciones y la velocidad de procesamiento requerida, la propia lógica de estos sistemas de orquestación conduce a la incorporación de mecanismos basados en inteligencia artificial. La razón no es únicamente tecnológica, sino también cognitiva: la magnitud de las operaciones realizadas supera la capacidad humana de revisar, correlacionar e interpretar en tiempo real los procesos que sostienen la producción contemporánea de conocimiento científico. La incorporación de la IA en los entornos científico-técnicos no surge inicialmente como un intento de sustituir al investigador humano, sino como una respuesta a la imposibilidad material de gobernar redes tecnológicas cuya complejidad excede la capacidad cognitiva de cualquier agente individual.

Conviene señalar que los sistemas de inteligencia artificial empleados actualmente en estos entornos corresponden al ámbito de la denominada inteligencia artificial débil. Aunque pueden analizar grandes volúmenes de información, identificar patrones, automatizar procesos complejos y asistir en la toma de decisiones, no poseen capacidad autónoma para establecer fines cognoscitivos, atribuir significado a los resultados obtenidos o validar de forma independiente el conocimiento generado. A ello se añaden no solo las limitaciones tecnológicas actuales, sino también las exigencias regulatorias y éticas establecidas por numerosas instituciones nacionales e internacionales, que insisten en la necesidad de mantener mecanismos efectivos de supervisión humana sobre los sistemas de inteligencia artificial (European Union 2024; UNESCO 2021). En consecuencia, la incorporación de la IA a los entornos científico-técnicos no supone la aparición de un nuevo agente epistemológico autónomo, sino la introducción de una mediación tecnológica especialmente sofisticada destinada a gestionar la creciente complejidad de las redes contemporáneas de producción del conocimiento.

Desde esta perspectiva, la función principal de estos sistemas no consiste en generar conocimiento de manera independiente, sino en facilitar que los agentes humanos puedan acceder, organizar, correlacionar e interpretar cantidades crecientes de información producida por instrumentos, aplicaciones y sistemas interconectados. La producción del conocimiento continúa realizándose en redes relacionales donde participan simultáneamente actores humanos y no humanos, aunque la interpretación, atribución de significado y validación de los resultados siguen dependiendo predominantemente de agentes humanos (FilosofoCientifico 2026b). El investigador no desaparece de la red; su posición se transforma. Deja de ocupar una posición central y aislada para integrarse en una estructura distribuida de relaciones tecnológicas sin las cuales la producción contemporánea del conocimiento resultaría prácticamente imposible.

Buena parte del debate público sobre la inteligencia artificial ha tendido a interpretar su incorporación a los procesos productivos como un mecanismo orientado principalmente a la sustitución de trabajadores humanos. Sin embargo, esta interpretación resulta insuficiente para explicar su aparición en determinados entornos científico-técnicos. En estos contextos, la introducción de sistemas basados en inteligencia artificial responde con frecuencia a la necesidad de gestionar niveles crecientes de complejidad operativa, integración tecnológica y volumen de información. El problema fundamental deja de ser la sustitución del trabajador y pasa a ser la capacidad de gobernar redes tecnológicas cuya escala y velocidad de funcionamiento exceden las posibilidades de supervisión directa de cualquier agente humano individual.

 En consecuencia, la cuestión relevante no consiste en determinar si la IA reemplaza o no a los investigadores, sino en comprender cómo las crecientes exigencias de producción de conocimiento están transformando la organización de las redes científico-técnicas contemporáneas. Desde una perspectiva posthumanista, el cambio fundamental afecta a la posición que ocupan los agentes humanos dentro de dichas redes. A medida que aumenta la complejidad de los procesos científicos y técnicos, los investigadores dejan de actuar como observadores aislados capaces de controlar directamente cada una de las operaciones que conducen a la producción del conocimiento. Su función se desplaza progresivamente hacia la supervisión, interpretación, validación y orientación de procesos distribuidos en los que participan instrumentos, sistemas informáticos e inteligencias artificiales.

Esta transformación no debe interpretarse como una pérdida de relevancia del ser humano, sino como una adaptación a las nuevas condiciones materiales de producción del conocimiento. En una tecnociencia caracterizada por la interconexión, la automatización y el procesamiento masivo de información, la permanencia de modelos organizativos y cognitivos concebidos para entornos mucho menos complejos resultaría cada vez más insuficiente. Los agentes humanos continúan siendo imprescindibles, pero el desempeño de sus funciones exige formas de interacción distintas con las redes tecnológicas de las que forman parte.

Desde esta perspectiva, el reto principal no consiste en decidir si la inteligencia artificial debe formar parte de los procesos científicos, sino en comprender cómo deben transformarse los propios agentes humanos para participar eficazmente en redes de conocimiento cuya complejidad supera ampliamente la existente en etapas anteriores del desarrollo científico. El problema ya no es la sustitución del ser humano por la máquina, sino la reorganización de las relaciones entre los distintos nodos que intervienen en la producción contemporánea del conocimiento.

##   **Referencias**

European Commission. 2011\. *EudraLex. Volume 4\. EU Guidelines for Good Manufacturing Practice for Medicinal Products for Human and Veterinary Use. Annex 11: Computerised Systems*. Brussels: European Commission.

European Union. 2024\. *Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 Laying Down Harmonised Rules on Artificial Intelligence (Artificial Intelligence Act).* Official Journal of the European Union. https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng.

European Medicines Agency (EMA). 2023\. *Guideline on Computerised Systems and Electronic Data in Clinical Trials*. Amsterdam: European Medicines Agency.

FilosofoCientifico. 2026a. «Los límites de una interpretación binaria de la epistemología posthumanista». *Entre bastidores: el ser, la existencia y otros asuntos*. <https://entre-bastidores-el-ser-la-existencia-y-otros-asuntos.ghost.io/los-limites-de-una-interpretacion-binaria-de-la-epistemologia-posthumanista/>.

 FilosofoCientifico. 2026b. «La agencia epistemológica de los actores no humanos». *Entre bastidores: el ser, la existencia y otros asuntos*. <https://entre-bastidores-el-ser-la-existencia-y-otros-asuntos.ghost.io/la-agencia-epistemologica-de-los-actores-no-humanos/>.

 Food and Drug Administration (FDA). 2018\. *Data Integrity and Compliance With Drug CGMP: Questions and Answers. Guidance for Industry*. Silver Spring, MD: U.S. Food and Drug Administration.

Latour, Bruno. 1988\. *Science in Action: How to Follow Scientists and Engineers through Society*. Cambridge, MA: Harvard University Press.

Latour, Bruno. 2005\. *Reassembling the Social: An Introduction to Actor-Network-Theory*. Oxford: Oxford University Press.

Medicines and Healthcare products Regulatory Agency (MHRA). 2018\. *GxP Data Integrity Guidance and Definitions*. London: MHRA.

Pharmaceutical Inspection Co-operation Scheme (PIC/S). 2021\. *Good Practices for Data Management and Integrity in Regulated GMP/GDP Environments (PI 041-1)*. Geneva: PIC/S.

UNESCO. 2021\. *Recommendation on the Ethics of Artificial Intelligence.* Paris: UNESCO. [https://unesdoc.unesco.org/ark:/48223/pf0000381137](https://unesdoc.unesco.org/ark:/48223/pf0000381137?ref=entre-bastidores-el-ser-la-existencia-y-otros-asuntos.ghost.io).