LOGOS 2026 VOL. VII NO.2

Permanent URI for this community

https://dspace.ulead.ac.cr/handle/123456789/343

Browse

Browsing LOGOS 2026 VOL. VII NO.2 by Subject "Aprendizaje colectivo"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    De outputs a interacción: La nueva economía de la señal en la era de la inteligencia artificial
    (Editorial ULEAD, 2026-08-12) Zolezzi Hernández, Sandro
    Este trabajo Collective learning propone un marco conceptual para entender cómo la inteligencia artificial generativa está transformando los mecanismos de creación de valor en la economía de la información. A partir de la teoría clásica de asimetría de información y señalización, se argumenta que la IA no elimina estas asimetrías, sino que las desplaza. En particular, al reducir drásticamente el costo de producir outputs de alta calidad, como textos, análisis o presentaciones, debilita el poder informativo de las señales tradicionales. En este nuevo contexto, el valor se desplaza desde el output observable hacia el proceso que lo genera. Se introduce el concepto de economía de la interacción, donde la calidad de la interacción entre humanos y sistemas de IA, definida por la capacidad de formular preguntas, iterar, validar y sintetizar información, emerge como la nueva señal costosa y diferenciadora. Asimismo, se plantea que la IA funciona como una infraestructura de aprendizaje colectivo, donde cada interacción contribuye a mejorar el sistema, generando efectos de red basados en el uso. Esto implica que la ventaja competitiva no dependerá del acceso a la tecnología, sino de la calidad del capital humano y de su capacidad de interactuar con ella. El modelo propuesto integra señalización, aprendizaje colectivo y dinámica de redes, y genera predicciones empíricas sobre productividad, desigualdad y evaluación del talento. En este sentido, la inteligencia artificial no redefine únicamente los procesos productivos, sino también los criterios mediante los cuales se observa, mide y valora la capacidad humana.
  • Thumbnail Image
    Item
    IA: de la asimetría de información a la asimetría de validación
    (Editorial ULEAD, 2026-08-13) Zolezzi Hernández, Sandro
    Este artículo propone una reinterpretación del problema clásico de la asimetría de información en el contexto de la inteligencia artificial generativa. Mientras la literatura tradicional ha planteado que la IA reduce las brechas informativas al democratizar el acceso al conocimiento, este trabajo sostiene que dicha tecnología no elimina la asimetría, sino que la transforma. En particular, desplaza el eje del problema desde el acceso a la información hacia la capacidad de validarla, dando origen a una nueva forma de asimetría: la asimetría de validación. A partir de la teoría de señalización, se argumenta que la reducción en el costo de producir outputs de alta calidad genera una inflación de señales, debilitando su capacidad de diferenciación. En este nuevo entorno, el valor económico ya no reside en los outputs generados, sino en la calidad de la interacción humano-IA que los produce. Esta interacción –caracterizada por la formulación de problemas, la iteración, la validación y la integración del conocimiento– se convierte en la nueva unidad de análisis. El artículo introduce además el concepto de aprendizaje colectivo, donde el valor de la IA es endógeno al proceso de interacción, y destaca el rol de los incentivos en la determinación de la calidad de uso. Finalmente, se argumenta que la ventaja competitiva en la economía digital no dependerá del acceso a la tecnología, sino de la capacidad de interactuar eficazmente con ella, generando nuevas brechas de carácter cognitivo.