Revista Presente (RP): ¿Consideran que, en el contexto actual marcado por las redes sociales y la inteligencia artificial, siguen vigentes las tres premisas clásicas de la esfera pública —la existencia de un público, una cultura de la deliberación y una base de verdad compartida— o creen que estas condiciones se han transformado de manera tal que obligan a repensar el concepto y sus alcances para la discusión pública contemporánea?
Julie Ricard (JR): Yo diría que estamos frente a una transformación de la esfera pública. Para pensarla, vale la pena recuperar algunos elementos de la concepción habermasiana, en particular aquellos que remiten a las condiciones estructurales que pueden generar distorsiones en el debate público. Habermas mismo advierte que la esfera pública nunca es un espacio neutral y que está atravesada por fuerzas estructurales que la moldean.
Uno de los puntos clave tiene que ver con qué entendemos por “lo público”. Es un término ambiguo, porque puede referirse tanto a un colectivo —un público— como a aquello que es público en oposición a lo privado. Estas dos acepciones están profundamente conectadas hoy, porque una parte central de la transformación de la esfera pública ocurre en plataformas que, en un inicio, tendimos a concebir como una extensión natural del espacio público.
Cuando surgieron las redes sociales, hubo una narrativa muy fuerte en torno a la democratización de la producción de contenidos. En un primer momento, incluso se asociaron con procesos como la Primavera Árabe, en la medida en que parecían romper esquemas de comunicación verticales en contextos autoritarios. Con el tiempo se hizo evidente que el panorama era mucho más complejo, pero el supuesto inicial fue que estas plataformas formaban parte de la arena pública y, por lo tanto, de la esfera pública.
Sin embargo, el punto fundamental —y a veces olvidado— es que estos espacios son privados. Y ahí aparece una dimensión estructural decisiva: se trata de plataformas regidas por algoritmos diseñados con base en lógicas de monetización. Los contenidos que vemos no están organizados en función del interés público, sino de métricas como clics, tiempo de permanencia o niveles de interacción. Esa base estructural es innegable.
En ese sentido, hablamos de espacios privados que median gran parte de la discusión pública y que están gobernados por algoritmos cuyo objetivo principal es maximizar la rentabilidad. Esto vale para plataformas abiertas como Facebook, Instagram o X, aunque con matices distintos en el caso de las aplicaciones de mensajería, que se han convertido en otro ámbito central de circulación de información.
Aquí es donde la inteligencia artificial adquiere un papel clave. Estas tecnologías están siendo desarrolladas y desplegadas por los mismos actores privados que controlan las plataformas, y no necesariamente responden a incentivos orientados al interés público. Por eso, más que pensar la inteligencia artificial como un simple factor tecnológico adicional, creo que hay que entenderla como parte de una estructura económica y política que reconfigura profundamente las condiciones de posibilidad de la esfera pública contemporánea.
Doctoranda en Administración Pública y Gobierno en la Fundação Getulio Vargas (FGV) en São Paulo.
Estudia desinformación y políticas públicas, con foco en salud, género y democracia. Anteriormente, fue directora del programa de Tecnología y Democracia en Data-Pop Alliance.
Alejandro Noriega (AN): Creo que la esfera pública sí se ha transformado de manera profunda, aunque diría que la inteligencia artificial no es el factor principal de ese cambio, aun cuando hoy forme parte de él. La transformación más clara es estructural y tiene que ver con el acceso y la circulación de la información.
Antes, el horizonte era relativamente homogéneo: uno leía el periódico dominante o, con suerte, algunos pocos más, y amplios sectores de la sociedad compartían los mismos contenidos. Hoy ese escenario se ha fragmentado radicalmente. Existen miles de fuentes de información y cada persona elige qué consumir. Esto pulveriza tanto el acceso como el control de los contenidos, lo cual tiene efectos ambivalentes: abre posibilidades, pero también genera problemas.
Al mismo tiempo, se ha democratizado la producción de contenidos. Esto transforma de fondo la noción clásica de “público”. Ya no se trata únicamente de un público receptor —que escucha noticias o consume información producida por otros—, sino de un público que también produce, comenta, comparte y reinterpreta contenidos. Incluso sin ser un creador profesional, cualquier persona participa activamente en la circulación de ideas a través de sus redes.
En ese sentido, se rompe la vieja imagen de un público pasivo que escucha de manera más o menos uniforme —como cuando “todos veíamos lo mismo” en la televisión abierta—. Hoy el público es simultáneamente audiencia y productor, receptor y emisor. Aunque este cambio genera tensiones y desafíos, en términos generales me parece que ha tenido efectos más positivos que negativos, en la medida en que amplía las posibilidades de participación y expresión en la discusión pública.
RP: ¿Qué papel creen que juega la inteligencia artificial en la esfera pública, ahora que se pueden generar contenidos falsos o manipulados, como audios o videos verosímiles de actores políticos? Y, en general, ¿cómo piensan hoy el problema de la posverdad en tiempos de la inteligencia artificial?
JR: Prefiero el término desorden informacional al de posverdad, porque describe mejor el ecosistema en el que estamos operando hoy. El problema no es únicamente que haya personas para quienes su opinión pesa más que los hechos, sino que convivimos con un entorno saturado de información, donde se vuelve cada vez más difícil distinguir entre distintos tipos de conocimiento.
Trabajo mucho el tema de las vacunas y ahí el problema se ve con claridad. En ese caso, sí existe un consenso científico amplio y sólido sobre su importancia para la salud pública. Sin embargo, la desinformación —ideas como que contienen metales pesados, chips o conspiraciones diversas— no sólo pone en riesgo a quienes creen en ellas y por eso dejan de vacunarse, sino también a la sociedad en su conjunto. De hecho, estamos viendo el regreso de enfermedades que habían sido prácticamente erradicadas, como el sarampión. Ese es un ejemplo concreto de cómo la lógica de “mi opinión vale más que el consenso científico” tiene consecuencias reales.
Por eso creo que es distinto decir “mi opinión vale más que los hechos” a decir “mi opinión vale más que la verdad”. Hablar de “verdad” en abstracto puede llevar a un relativismo engañoso. En muchos ámbitos es difícil hablar de verdades absolutas, pero sí de consensos construidos con métodos rigurosos, que es lo que hace la ciencia. El problema aparece cuando esos consensos e instituciones son sistemáticamente atacados y deslegitimados.
Aquí entra también la dimensión de la polarización. Todas las personas tenemos sesgos cognitivos: tendemos a creer aquello que confirma nuestras ideas previas. Nadie está exento de eso. Por eso, informarse implica un trabajo constante de cuestionamiento personal y de reflexión sobre cómo consumimos información. El público nunca ha sido un receptor pasivo: siempre interpreta la información desde sus experiencias, referencias y marcos culturales.
Lo que distingue al momento actual es la escala. Vivimos un desorden informacional caracterizado por una cantidad de información abrumadora. No sólo hay más información que antes, sino que gran parte de ella está mediada por inteligencia artificial. Esto ocurre en varios niveles: los algoritmos que deciden qué contenidos vemos, la IA generativa que produce textos, y ahora también audios, imágenes y videos.
Esto introduce una nueva capa de incertidumbre. No todo contenido generado por IA es falso, pero tampoco es “real” en el sentido tradicional: no ha sido producido por una experiencia humana directa. Tampoco podemos caer en la falsa equivalencia de asumir que todo lo generado por IA es desinformación. El problema es que el contexto de producción se vuelve opaco.
AN: La inteligencia artificial hace posible la generación de contenidos sintéticos que pueden parecer verdaderos, aunque no lo sean. Es importante no confundir los conceptos: la IA no genera hechos, sino representaciones. Un video de Trump diciendo algo que nunca dijo no es un hecho; es un contenido sintético que puede inducir a las personas a creer que ocurrió algo que en realidad no pasó. Esa capacidad de simulación forma parte de las posibilidades técnicas actuales y seguirá intensificándose.
Este problema no es completamente nuevo. Antes, la inteligencia artificial ya intervenía en la selección de contenidos a través de algoritmos que decidían qué veíamos y qué no. Lo que cambia ahora es que la IA no sólo selecciona información, sino que también la produce, lo que vuelve mucho más compleja la situación y exacerba el desorden informacional existente.
Dicho esto, creo que es importante introducir un contrapunto. Como muchas tecnologías, la inteligencia artificial tiene usos negativos, pero también potenciales positivos. Por eso me resulta útil el concepto de desorden informacional, porque no sólo describe el problema, sino que abre la puerta a pensar soluciones.
Por ejemplo, existen plataformas como Ground News,[1] que utilizan inteligencia artificial para mapear cómo distintos sectores de la esfera pública abordan un mismo tema. Estas herramientas muestran perspectivas divergentes, identifican sesgos y señalan qué voces o enfoques podrían estar quedando fuera del consumo habitual de una persona. En ese sentido, la IA puede ayudar a romper cámaras de eco y a ampliar el horizonte informativo.
La inteligencia artificial también puede contribuir a la detección de contenidos falsos y, a un nivel más cotidiano, puede servir para organizar información. Herramientas como ChatGPT permiten pedir síntesis balanceadas de un tema desde distintos puntos de vista —por ejemplo, desde la derecha y desde la izquierda— en un tiempo que a una persona le tomaría horas o días. Esa capacidad de ordenar el exceso de información es una de las razones por las que el término desorden informacional resulta tan pertinente.
Estas herramientas están, además, al alcance de muchas personas. Que se utilicen o no de esta manera es otro problema, pero la posibilidad existe. En resumen, la inteligencia artificial amplifica riesgos ya presentes —como la producción y circulación de contenidos engañosos—, pero también ofrece instrumentos para comprender mejor un ecosistema informativo cada vez más saturado y fragmentado. El desafío está en cómo se diseñan, regulan y utilizan esas tecnologías.
Fundador de Crowd Voice, plataforma que usa inteligencia artificial para realizar entrevistas masivas por WhatsApp y convertir la voz ciudadana en evidencia accionable mediante análisis avanzados.
Ha fundado startups de impacto social en salud y protección social que operan en más de 15 países de América Latina y Medio Oriente, impulsado por la visión de vincular los avances en IA con su aplicación para el bien público.
RP: ¿Estamos transitando hacia una sociedad en la que resulta cada vez más difícil —o incluso imposible— construir consensos sobre ciertas realidades de lo público? Si es así, ¿qué papel desempeña la inteligencia artificial en ese proceso?
JR: Para que exista un consenso, tiene que haber actores dispuestos a construirlo. Y eso hoy no siempre ocurre. En contextos de polarización extrema, como el Brasil actual, vemos cómo la competencia política se organiza casi exclusivamente entre polos opuestos —la izquierda y la extrema derecha—, mientras que el centro político queda prácticamente absorbido. Esto nos conduce nuevamente a elecciones altamente polarizadas en 2026.
Por eso creo que no basta con poner el énfasis únicamente en la información; es fundamental ponerlo en los actores. Una pregunta clave es quiénes son los agentes del desorden informacional y qué intereses tienen al promover ciertas narrativas. Aquí es importante distinguir entre misinformation y disinformation: la desinformación (disinformation) no sólo es falsa, sino que se produce con la intención deliberada de engañar; la información errónea (misinformation) es aquella que se comparte creyendo que es verdadera.
En Brasil solemos usar la figura del “tío del WhatsApp” para ilustrar esto último: alguien que comparte información falsa no por mala fe, sino porque cree que es cierta. El problema más grave está en la orquestación deliberada de narrativas diseñadas para generar polarización afectiva, cristalizar identidades y bloquear cualquier posibilidad de acuerdo. Ahí es donde se vuelve realmente difícil pensar en la construcción de consensos.
En el caso brasileño, la polarización se articula sobre todo en torno a agendas culturales: género, religión, moralidad, familia. Estos temas dividen profundamente a la sociedad y se traducen en visiones opuestas sobre cuestiones como la seguridad pública y las formas legítimas de enfrentar la violencia. Episodios recientes en Río de Janeiro muestran con crudeza cómo esas visiones se materializan en acciones concretas y reflejan modelos de sociedad profundamente enfrentados.
Si una sociedad puede volver a construir consensos y verdades compartidas —una de las bases normativas de la democracia— no depende únicamente de la inteligencia artificial. La IA no crea estos procesos desde cero, pero sí los acelera y los amplifica. Hoy es mucho más barato y sencillo producir un deepfake que hace cinco años. En consecuencia, la inteligencia artificial actúa como un potente catalizador de dinámicas de polarización que ya estaban en marcha.
AN: Soy un poco pesimista respecto a la posibilidad de llegar a consensos amplios. Cada vez parece más difícil, sobre todo cuando observamos cómo se discute hoy y desde dónde se discute. El concepto de polarización afectiva me resulta muy ilustrativo: nuestras posturas políticas y públicas se definen cada vez más desde lo emocional y menos desde una racionalidad compartida.
La idea clásica de que, mediante el diálogo racional, podemos discernir entre opciones mejores y peores y eventualmente alcanzar un consenso se vuelve cada vez más lejana. En un entorno marcado por la posverdad, las palabras y los argumentos están atravesados por múltiples mediaciones: los hechos se fabrican, luego se interpretan, y en ese proceso cada quien tiende a quedarse con la versión que confirma sus creencias previas, porque esas creencias están emocionalmente ligadas a identidades y “tribus” sociales. En ese contexto, el desacuerdo no se resuelve argumentando, sino reafirmando pertenencias.
Ante eso, me pregunto si existe algo más fundamental a lo que podamos anclarnos. Al final, hay hechos y hay consecuencias. El problema es que, en sociedades complejas como las nuestras, la relación entre decisiones políticas y sus efectos se ha vuelto extremadamente abstracta. El feedback —la retroalimentación que permite aprender de la experiencia— es débil, lejano o casi inexistente.
Cuando se discute, por ejemplo, si una política pública es mejor que otra, sus efectos sólo se pueden evaluar muchos años después, y aun así siempre se argumenta que intervinieron decenas de factores adicionales. Esto dificulta enormemente aprender colectivamente y corregir el rumbo. En contraste, en comunidades pequeñas y más locales, esa retroalimentación es inmediata y tangible.
Pienso en el ejemplo de un pueblo pequeño, donde si alguien tira detergente al desagüe, al día siguiente el jabón aparece en el río que todos cruzan. La consecuencia es directa, visible y compartida. Ese vínculo inmediato entre acción y efecto permite discutir el problema cara a cara entre los miembros de la comunidad y llegar a consensos prácticos sobre cómo evitar que se contamine el río. En cambio, en nuestras sociedades amplias y altamente mediadas, los problemas son cada vez más abstractos, las consecuencias más difusas y el aprendizaje colectivo mucho más difícil.
Ese alejamiento del feedback concreto debilita el piso común desde el cual podríamos construir acuerdos. Y sin ese piso compartido, la posibilidad de consenso se vuelve, al menos por ahora, profundamente incierta.
[1] Ground News. Disponible en: https://ground.news/
