Jonathan Piedra-Alegría
Este artículo sostiene que los sistemas contemporáneos de inteligencia artificial (IA) no operan solo como herramientas cognitivas, sino como infraestructuras de verdad que traducen la pluralidad de lenguajes, experiencias y formas de vida a una racionalidad algorítmica. A partir del concepto de tecnodiversidad de Yuk Hui, planteamos la tesis de que esa operación constituye una forma de homogeneización cosmotécnica. Frente a ella, propone una crítica filosófica que reabra el horizonte de trayectorias técnicas plurales.
Autor/ Author
Jonathan Piedra-Alegría Universidad de Costa Rica San José, Costa Rica
Recibido: 31/05/26 Aprobado: 18/06/25 Publicado: 20/07/2026
La IA no es solo una técnica cognitiva eficaz, también es una infraestructura que produce verdad. Cuando fija criterios de relevancia, reduce la pluralidad de mundos a una arquitectura epistémica común que no es neutra ni indiferente puesto que traduce, transforma y escala el mundo a partir de criterios bien establecidos en una racionalidad técnica que no se discute desde dentro.
La noción de tecnodiversidad de Hui (2020, 2024) nos ofrece un marco fértil para analizar este fenómeno. Esto se
debe a que nos presenta una tesis sobre la pluralidad de las trayectorias técnicas posibles, irreductibles entre sí y enraizadas en cosmologías diferentes. Frente al supuesto de que la técnica posee una esencia única (que se muestra en distintos grados de desarrollo), Hui sostiene que toda técnica es ya cosmotécnica. Es decir, una articulación específica entre un orden moral, un orden cósmico y una actividad técnica (Hui, 2020). Si se traslada esta tesis al campo de la IA contemporánea, la cuestión deja de ser solo ética o política para volverse, en sentido estricto, ontológica. Una infraestructura única traduce la heterogeneidad lingüística, perceptiva y normativa del planeta a un mismo conjunto de operaciones probabilísticas y algorítmicas, por lo que esa traducción ya no es un asunto de una mera implementación instrumental de la técnica.
No es extraño que los grandes modelos de lenguaje (LLM) sean descritos como sistemas de procesamiento de información. La descripción puede ser útil en algunos casos, pero desde el punto de vista que estamos trabajando en este documento su aporte es reducido. Lo que un motor de búsqueda, un sistema de recomendación o un modelo generativo hacen no se reduce a responder preguntas ni a simplemente presentar la información tomada de internet. Lo que hacen es ordenar el campo de lo decible, jerarquizar fuentes, distribuir visibilidades y producir umbrales de relevancia. Cada respuesta encarna una serie de decisiones previas sobre un corpus. El resultado no es un reflejo del mundo, sino una recomposición técnica de la realidad bajo parámetros específicos. Se hace necesario, en este sentido, determinar el régimen de verdad con el que esas operaciones pasan a contar como verdaderas.
Foucault (2009) sostiene que cada sociedad posee su política general de la verdad. Esto remite a los tipos de discurso que se promueven como verdaderos. Esto implica a los mecanismos que distinguen lo verdadero de lo falso, a las técnicas que se valoran para la obtención de la verdad, así como el estatuto de quienes están encargadas de decir lo que funciona como verdadero. La verdad no es exterior al poder ni se opone a él. Por el contrario, se produce en el interior de relaciones que la sostienen y la organizan. Lo importante no es la verdad o falsedad de un enunciado tomado en abstracto, sino las condiciones que permiten la circulación social de cierta forma del decir verdadero.
Al menos en la teoría, los LLM no se presentan desde una posición específica ni a partir de una tradición concreta. Se presentan como una serie de respuestas probables, como una información “imparcial” resumida o como contenido confiable. La pretensión de neutralidad opera, así, como una condición básica de su funcionamiento. Es por eso por lo que el análisis de Foucault nos ayuda a ver lo que el discurso técnico oscurece. La “información imparcial” se presenta respecto de un corpus determinado. El “mejor resumen” es el “mejor” según ciertas métricas. El contenido confiable se construye sobre jerarquías de fuente que fueron fijadas mediante decisiones técnicas. Es decir, el paso de la información a la verdad no se da en el interior del modelo, sino en una infraestructura material, política y económica que selecciona los corpus que se entrenan (por ejemplo, los idiomas válidos o con cuales etiquetas categorizan los temas).
Bender et al. (2021) describen a los LLM como “loros estocásticos” (stochastic parrots)1. Esta metáfora se ha interpretado como una crítica al carácter no semántico de los modelos. No obstante, su alcance es mayor. Las autoras documentan la forma en como los modelos absorben sesgos hegemónicos, refuerzan jerarquías lingüísticas (con el inglés como idioma de optimización por defecto) y desplazan recursos científicos hacia direcciones de investigación que privilegian la escala sobre la comprensión. Como vemos, queda claro que el problema no se agota en un mejor etiquetado de los datos, ni en ampliar los datasets. Los modelos no fallan por carecer de buenos datos. Producen una verdad de un modo determinado a partir de los datos que procesan, y ese modo posee una historicidad propia que no se anula por más sofisticada que sea la arquitectura.
Ahora bien, conviene anticipar aquí una objeción. Se podría sostener que cuando utilizamos la noción foucaultiana de régimen de verdad a los sistemas técnicos, se pierde su especificidad histórica contextual. Esto porque Foucault lo que analizó en su momento fueron prácticas discursivas y dispositivos institucionales, no sistemas sociotécnicos. Por lo que aplicar el concepto a las redes neuronales sería, desde esa perspectiva, una traslación incorrecta o, al menos, un razonamiento inadecuado. La objeción es válida en un primer momento, pero pierde fuerza cuando observamos que la propuesta del francés no es solo un asunto discursivo. Foucault subrayó siempre la materialidad de los dispositivos, ya sea que fueran arquitecturas carcelarias, tecnologías médicas o prácticas estadísticas. Los sistemas de IA son, en este sentido, un dispositivo más, aunque uno cuya escala y opacidad lo distinguen de sus predecesores. Lo que aquí retomamos del pensador francés no es una simple analogía, sino un problema filosófico de fondo: En cada época se articulan las prácticas, los saberes y los regímenes de lo que cuenta como verdadero. Hoy ese problema es inseparable de las infraestructuras algorítmicas que organizan validación y jerarquización de la información.
Existe, no obstante, una objeción más exigente que debemos mencionar. Goldberg
(2021) sostiene que exigir a los modelos una representación “más justa” del mundo puede convertirse en una imposición normativa, pues toda corrección presupone criterios previos sobre los sujetos representados. Ya sea desde las “formas legítimas de representación” o el horizonte valorativo que orienta esa operación. Vale la pena detenernos en este punto, ya que la objeción es pertinente. Según Foucault, toda representación participa de una política de la verdad. El punto decisivo no consiste en determinar si los modelos serán normativos (eso no se puede evitar) sino en precisar la normatividad que incorporan. El régimen de verdad algorítmico no desaparece mediante apelaciones abstractas a la objetividad. Se vuelve discutible cuando se identifican las decisiones técnicas, institucionales y epistémicas que lo hacen posible. Es en este punto cuando introducimos la propuesta de Hui. El filósofo hongkonés (2024) sostiene que toda técnica es cosmotécnica. A saber, una articulación entre un orden cósmico y un orden moral por medio de una operación material. Si esto es así, la perspectiva dominante de la IA no constituye la realización de un supuesto “raciocinio humano general”, sino la expansión de un horizonte técnico particular. Uno que se consolidó particularmente en el cruce entre la cibernética estadounidense de posguerra, el capitalismo de plataformas y la ciencia computacional anglófona. Su fuerza radica en
presentarse como universal, aunque responde a una trayectoria histórica concreta. El régimen de verdad algorítmico es, en este sentido, una cosmotécnica que ha devenido hegemónica. La IA no es un instrumento que simplemente refleja el mundo. Es una máquina de producción de verdad cuya pretensión de neutralidad oculta su historicidad cosmotécnica. Esa pretensión no constituye un defecto accidental que pueda corregirse con mejor ingeniería o con más datos. Opera como una condición de su funcionamiento en tanto infraestructura planetaria.
Con base en la descripción anterior abrimos una segunda tesis. Si los sistemas dominantes de IA constituyen un régimen de verdad situado en una cosmotécnica concreta, las respuestas que se ofrecen desde el debate público suelen quedar cortas. Por ejemplo, la demanda más frecuente apela a la inclusión: Más datos de comunidades subrepresentadas o más diversidad cultural en los corpus. La intención es legítima y, en muchos casos, necesaria. Pero nuestra posición es que, a pesar de su importancia concreta, esa vía, tomada como horizonte último, resulta insuficiente y, en cierto sentido, contraproducente. La inclusión de la diversidad cultural opera dentro de la misma arquitectura epistémica que el problema requiere cuestionar. No basta con admitir más voces y diversidad de posturas. Hay que preguntar quienes diseñaron el sistema y cuáles son los presupuestos ontológicos lo sostienen.
Este punto conviene precisarlo. Eso que llamaremos como “multiculturalismo algorítmico” parte del supuesto de que existe una sola técnica (en este caso, una sola forma de concebir el desarrollo de la IA) y una gran cantidad de culturas que ella debe representar mejor. La tecnodiversidad de Hui invierte ese planteamiento. No existe una sola técnica capaz de admitir distintas culturas como contenidos. Existen diferentes técnicas que articulan, cada una según sus características, un mundo distinto. Esto no quiere decir que la tecnodiversidad implique un regreso a particularismos étnicos (el indigenismo o el latinoamericanismo, por ejemplo) ni una concesión a nacionalismos identitarios, tampoco la adopción de posturas ideológicas convenientes para ciertos fines concretos. Quiere decir que las tradiciones cosmológicas ofrecen articulaciones técnicas alternativas, no traducibles sin pérdida a la matriz dominante. La diferencia se sitúa, así, no en el nivel del contenido sino en el de la arquitectura.
Cuando un LLM incorpora textos en quechua (Vaselli et al., 2026), aymara (Lucas,
Burgueño & Carazas, 2025) o yoruba (Dawson et al., 2024), lo que hace es traducir esas lenguas a una misma operación probabilística sobre tokens. La pluralidad sobrevive en apariencia, pero solo después de una conversión a la gramática técnica común. Vectorización, predicción del próximo token y una optimización por gradiente. La heterogeneidad de mundos2 queda absorbida en una infraestructura que opera bajo presupuestos uniformes. Marcos que funcionan desde un paradigma occidental (principalmente anglófono), que dicen como se entiende el conocimiento y, sobre todo, lo que cuenta como una respuesta legítima o confiable. Por lo que este “multiculturalismo algorítmico” no constituye, por tanto, una superación del problema. Es, al contrario, su domesticación técnica3.
Sobre este punto aparece una crítica interesante desde la llamada gobernanza global o cosmopolita. Autores como Held (2004) sostienen que los problemas contemporáneos exceden la escala del Estado-nación, por lo que para resolverlos es necesario instituciones, normas e infraestructuras compartidas. Desde esa perspectiva, una pluralización de la técnica podría parecer atractiva, pero resultaría insuficiente en el plano político ante desafíos como el cambio climático, las pandemias, las guerras o la gobernanza algorítmica. No obstante, esta objeción no es necesariamente una crítica la propuesta de Hui. Su argumentación resultaría correcta, si se interpreta la tesis de la cosmotécnica como una defensa del aislamiento cultural o un retorno a esencialismos étnicos o nacionales. No obstante, tal y como entendemos la propuesta de Hui, la perspectiva cosmotécnica no propone sustituir la coordinación por una multiplicación confusa de tradiciones aisladas. Lo que busca es cuestionar las condiciones históricas, políticas y especialmente, las epistémicas con las cuales esa coordinación se vuelve posible. El problema no es la necesidad de infraestructuras comunes, sino los actores que las diseñan y los presupuestos que las orientan. Todo esto, con tal de poder estimar los elementos reales para articular alternativas cosmotécnicas.
Vale la pena considerar otra objeción, esta vez proveniente de la teoría decolonial.
Couldry y Mejias (2023) describen el régimen actual como un colonialismo de datos. Es decir, una expansión de las lógicas históricas del colonialismo (extractivismo, apropiación, jerarquización e ideologías de justificación) al terreno de la vida cotidiana mediada por plataformas. La IA no sería un fenómeno técnico autónomo, sino un nuevo capítulo de esa larga historia de dominación. Podríamos plantear la crítica así: Si el problema es la tradición colonial, entonces la respuesta debe ser sobre todo política y económica, no ontológica ni metafísica. Hablar de cosmotécnica tiene el riesgo de “espiritualizar” lo que es, en el fondo, un asunto de poder. La objeción es seria y debe tomarse en consideración. Por eso conviene decir que ambos planos no excluyentes. El cuestionamiento decolonial se complementa con una crítica cosmotécnica que interroga la pretensión misma de universalidad técnica. Sin esta segunda capa, la denuncia del colonialismo de datos puede terminar reproducida en propuestas que, en el plano normativo, asumen los mismos supuestos ontológicos que combaten en el plano económico4.
Como se ve, una crítica de la IA debe distinguir entre dos demandas que el
debate público a menudo confunde. Una demanda de inclusión, que opera dentro del horizonte técnico dominante y que, aun cuando produce mejoras locales, deja intacta la arquitectura epistémica que reproduce esta convergencia ontológica. Y una demanda cosmotécnica, que cuestiona el horizonte mismo y exige la apertura a trayectorias técnicas plurales. Solo este permite asumir la asimetría de fondo. La primera, asumida como horizonte final, corre el riesgo de operar como un gesto de absorción. La pluralidad se reconoce, pero solo en la medida en que se deja traducir a la gramática hegemónica.
Conviene recordar, en este punto, que no hay un regreso posible a un afuera de la técnica, por lo que toda apelación a tradiciones desde un punto de vista esencialista
confunde la crítica cosmotécnica con un romanticismo identitario. Lo que la crítica cosmotécnica propone es una reflexión sobre las articulaciones posibles entre técnica, mundo y normatividad, sin asumir que la articulación dominante es la única o la mejor. Para pensar estas articulaciones en el caso específico de la IA, hace falta visualizar, al menos, tres ejes que se anudan entre sí. La pluralidad ontológica, la cuestión política y la justicia epistémica.
Sobre el primer punto, el trabajo de Viveiros de Castro (2010) nos resulta útil. Según su propuesta, no existe una sola naturaleza interpretada de distintas maneras por diversas culturas. Existen, más bien, múltiples naturalezas, habitadas por seres humanos cuya perspectiva depende de su cuerpo y de su posición en el mundo. Este giro (del multiculturalismo al multinaturalismo). Los sistemas dominantes de IA suelen partir de la idea de un mundo único, traducible en datos mediante categorías estables. Viveiros muestra que no se trata de una condición universal del pensamiento, sino de una decisión metafísica situada en una historia y una cultura particular. Por eso la “solución” no consiste en agregar “datos diversos” a los modelos, sino en revisar la arquitectura ontológica que define los parámetros “objetivos”.
La articulación que proponemos resulta útil sobre todo cuando se analizan algunas respuestas bienintencionadas a los problemas señalados. Es frecuente, por ejemplo, encontrar personas que consideran que el problema con los modelos dominantes es que no han “comprendido bien” a las comunidades indígenas, latinoamericanas o africanas, y que la solución es enseñarles mejor. Si embargo, no se trata de que los modelos deban representar mejor a otros mundos. Sino de que la pretensión misma de representar todos los mundos desde un solo lugar es el problema. El multinaturalismo indigenista de Latinoamérica, por ejemplo, no es una creencia exótica que un sistema bien diseñado podría incorporar. Es un cuestionamiento del marco mismo que hace posible el sistema, tal como hoy se concibe.
Tampoco debe olvidarse que la infraestructura algorítmica no es solo un sistema informático, sino un dispositivo geopolítico de constitución del mundo común. Aquí entra la cuestión política. Decidir que lenguas se modelan, por ejemplo, equivale a decidir cuál es el lenguaje operacional del mundo5. Latinoamérica no enfrenta solo el problema de no haber participado en el diseño de los LLM. Afronta el problema más profundo de que, al no participar, los presupuestos cosmotécnicos que organizan su vida cotidiana (mediada por estas plataformas) son ajenos a sus propias articulaciones sociales y existenciales.
Esta propuesta puede explicarse en un segundo nivel, con el concepto de justica epistémica. Fricker (2017) distingue dos entre formas básicas de injusticia epistémica. La primera es la injusticia testimonial (Una persona recibe menos credibilidad debido a prejuicios vinculados con su identidad social), la otra es la injusticia hermenéutica. (Ciertos grupos carecen de recursos compartidos para interpretar su propia experiencia, porque esos recursos se construyeron desde marcos sociales desiguales). A pesar de que la filósofa desarrolla estas categorías para relaciones interpersonales y estructuras culturales, también son útiles para pensar la IA. Los sistemas algorítmicos pueden producir injusticia testimonial cuando clasifican ciertas voces como menos confiables mediante jerarquías (usualmente opacas), reputación o relevancia. Y producen injusticia hermenéutica cuando las plataformas moldean los marcos desde
los cuales los usuarios comprenden su propia experiencia tecnológica. El régimen de verdad algorítmico, por tanto, no solo distribuye la verdad de forma desigual. Distribuye también las herramientas disponibles para cuestionar esa desigualdad.
Conviene adelantarse, en este punto, a ciertas réplicas. Un crítico podría señalar que aplicar la categoría de injusticia hermenéutica a sistemas técnicos implica concederles una agencia que no poseen y que solo la tienen los seres humanos que los diseñan. Frente a esto podríamos responder, que cuestión aquí no es si el modelo, en sentido estricto, “daña” a alguien. La cuestión es si la infraestructura sociotécnica en la que el modelo se inserta produce condiciones de injusticia hermenéutica a escala global o macro. Esa producción no requiere la intencionalidad del LLM, por ejemplo. Solo necesita una infraestructura capaz de generarla. No es un tema sobre la imputación moral de las máquinas, sino de los marcos que producen ciertos tipos de resultados.
Ahora bien, esta propuesta no es un camino cerrado. Sí ofrece, en cambio, a nuestro modo de ver, algunas orientaciones. La pregunta por la pluralidad debe instalarse en el nivel de la arquitectura, no solo en el de los datos. Esto significa interrogar las elecciones de diseño como decisiones cosmotécnicas con efectos ontológicos. La crítica debe, además, abrir un espacio institucional y epistémico para que tradiciones técnicas alternativas no se midan según las métricas de la infraestructura dominante. No se puede aceptar la falsa disyuntiva entre asumir la infraestructura tal como existe y rechazar la técnica en bloque. Lo que está en debate no es la técnica, sino su configuración cosmotécnica.
En este artículo hemos sostenido que los sistemas contemporáneos de IA no son herramientas cognitivas en sentido neutro. Son infraestructuras de verdad que traducen la pluralidad de mundos a una racionalidad algorítmica dominante.
La asimetría material entre los grandes consorcios tecnológicos y las realidades cosmotécnicas alternativas es enorme, y ninguna crítica la suprime por sí sola. Pero la crítica posee una función específica que no se reduce a la denuncia ni se debe confundir con una propuesta técnica concreta. Su propósito consiste en mostrarnos que lo que se presenta como inevitable no lo es, que lo que es pretendidamente universal posee una historia y que esa historia podría (y bien puede) ser otra. Ahora bien, esto lejos de ser un sueño utópico, nos sirve como un motor real que nos permite, al menos de manera inicial, ver que el estado actual de estos sistemas sociotécnicos, no constituyen el cumplimiento de una técnica universal, sino una cosmotécnica que se ha vuelto hegemónica y que, frente a esto, la respuesta no consiste, únicamente, en reclamar más inclusión (cultural, de género, étnica etc.) dentro del mismo marco (aun cuando sea necesario), sino en abrir el horizonte cosmotécnico que subyace en estas visiones.
1 La expresión “loros estocásticos” se usa para criticar a los modelos de lenguaje que producen textos verosímiles a partir de patrones probabilísticos aprendidos en grandes cantidades de datos, sin que esa fluidez implique comprensión, intención o relación con la verdad objetiva. La metáfora indica que una máquina puede ofrecer respuestas convincentes sin tener comprensión, y que esa apariencia de sentido puede ocultar sesgos, errores y formas indebidas de autoridad epistémica (Bender et al., 2021).
2 Lo que Viveiros de Castro (2010) llama, en otro contexto, multinaturalismo.
3 Algo semejante plantea Crawford (2022) al mostrar que los sistemas de aprendizaje automático no son artefactos inmateriales suspendidos sobre el mundo, sino infraestructuras extractivas sostenidas por minerales, energía, trabajo precarizado y datos masivos. La selección de los objetos clasificables, los procedimientos de etiquetado y los criterios de optimización nunca resultan neutros. En cada decisión operan supuestos sobre el rostro, la emoción, la normalidad y la conducta. Crawford señala, además, el papel político de la propia categoría de «inteligencia». Muestra cómo esta delimita el pensamiento legítimo y, al mismo tiempo, desplaza saberes no reductibles a la formalización computacional ni a la lógica algorítmica.
4 Ricaurte (2019) ofrece una vía para articular esta doble exigencia. Su análisis de las epistemologías de datos como expresión de la colonialidad del poder muestra que la imposición no ocurre solo en el nivel de la apropiación material de la información, sino también en el nivel del orden simbólico. La autora sostiene que las epistemologías centradas en datos niegan la existencia de mundos alternativos y de epistemologías otras, lo que amenaza a la vida misma.
5 Esto remite a problemas de soberanía técnica, soberanía lingüística y, en último término, soberanía cognitiva.
Bender, Emily M., Gebru, Timnit, McMillan-Major, Angelina, & Shmitchell, Shmargaret. (2021). On the dangers of stochastic parrots: Can language models be too big? En Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT ’21) (pp. 610–623). Association for Computing Machinery. https://doi.org/10.1145/3442188.3445922
Couldry, Nick, & Mejias, Ulises A. (2023). El costo de la conexión: Cómo los datos colonizan la vida humana y se la apropian para el capitalismo (L. Estefanía, Trad.). Ediciones Godot.
Crawford, Kate. (2023). Atlas de inteligencia artificial: Poder, política y costos planetarios (F. Díaz Klaassen, Trad.). Fondo de Cultura Económica.
Dawson, Fiifi, Mosunmola, Zainab, Pocker, Sahil, Dandekar, Raj Abhijit, Dandekar, Rajat, & Panat, Sreedath. (2024). Evaluating Cultural Awareness of LLMs for Yoruba, Malayalam, and English (arXiv:2410.01811). arXiv. https://doi.org/10.48550/arXiv.2410.01811
Foucault, Michel. (2009). Nacimiento de la biopolítica: Curso en el Collège de France (1978-1979) (H. Pons, Trad.). Fondo de Cultura Económica.
Fricker, Miranda. (2017). Injusticia epistémica: El poder y la ética del conocimiento (R. García Pérez, Trad.). Herder.
Goldberg, Yoav. (2021). A criticism of Stochastic Parrots. GitHub Gist. https://gist.github.com/ yoavg/9fc9be2f98b47c189a513573d902fb27
Held, David. (1995). Democracy and the global order: From the modern state to cosmopolitan governance. Stanford University Press.
Held, David. (2004). Global covenant: The social democratic alternative to the Washington consensus.
Polity Press.
Hui, Yuk. (2020). Fragmentar el futuro: Ensayos sobre tecnodiversidad. Caja Negra.
Hui, Yuk. (2024). La pregunta por la técnica en China: Un ensayo sobre cosmotécnica (M. Gonnet, Trad.). Caja Negra.
Lucas, Miguel, Burgueño, Alejandro, Carazas, Miguel, Buenadicha Sánchez, César, Ramirez Rufino, Smeldy, & Rosales Torres, César Said. (2025). The performance of artificial intelligence in the use of Indigenous American languages. Inter-American Development Bank. https://doi. org/10.18235/0013542
Ricaurte, Paola. (2019). Data epistemologies, the coloniality of power, and resistance. Television & New Media, 20(4), 350–365. https://doi.org/10.1177/1527476419831640
Vasselli, Justin, Mp, Arturo, Hudi, Frederikus, Sakajo, Haruki, & Watanabe, Taro. (2026). Measuring linguistic competence of LLMs on Indigenous languages of the Americas. En V. Demberg, K. Inui, & L. Màrquez (Eds.), Proceedings of the 19th Conference of the European Chapter of the Association for Computational Linguistics (Volume 2: Short Papers) (pp. 287–296). Association for Computational Linguistics. https://doi.org/10.18653/v1/2026.eacl-short.21
Viveiros de Castro, Eduardo. (2010). Metafísicas caníbales: Líneas de antropología postestructural (S. Mastrangelo, Trad.). Katz Editores.