Inteligencia artificial y zemiología para la visibilización del daño social en los Altos de Chiapas
inteligencia artificial explicable (Explainable AI) (Pan et al., 2024).
Así, la herramienta tecnológica permitiría construir una genealogía del
daño que es, al mismo tiempo, macroestructural y específica. Sin embargo, no
se limitaría a mostrar su origen, sino que daría pie a develar la dañosidad de
larga data, registrar su continuum y a la par, fijar estadística y gráficamente la
cantidad de perjuicio dado a cierta comunidad indígena o grupo vulnerable,
propuestas que ya han sido llevadas a la práctica mediante el uso de GC (KG
por sus siglas en inglés) a través de LLM (Ziems et al., 2024).
Gracias al uso de la IA, mediante la aplicación de modelos de PLN y GC,
se tiene la capacidad de convertir relatos cualitativos, testimonios históricos y
documentos burocráticos en nodos de evidencia (Törnberg, 2024). Esto es, por
una parte, lo que para el derecho tradicional es “subjetivo” o “político”, para la
IA es información procesable que coadyuva a advertir patrones de causalidad
compleja. Luego entonces, se trasciende la dificultad del diagnóstico crítico
para avanzar hacia una fase de intervención técnica, donde la visibilización del
daño estructural en algún pueblo originario o grupo vulnerable, se transforma
en una prueba técnica para la exigencia de reparación.
Ahora bien, cabe aclarar que el uso de herramientas tecnológicas no busca
de ninguna manera borrar el rostro o identidad de quienes conforman los entes
colectivos, mucho menos deshumanizar o convertir sus vivencias, carencias o
procesos de marginación en simples números o algoritmos1 (Lazer et al. 2020).
Por el contrario, esta propuesta técnica y metodológica del uso de la IA para
medir el daño, es un esfuerzo que pretende sumar todos aquellos instrumentos
a nuestro alcance, llámese tecnología, aparatos teóricos o investigación
participativa e intercultural, con el fin de lograr una justicia restaurativa (Eglash,
1958; Zehr, 1990; Clamp, 2025) a los pueblos indígenas o grupos vulnerados,
incluso como un pendiente histórico.
Por consiguiente, la utilización de la IA para el análisis cualitativo de
los pueblos originarios de los Altos de Chiapas no implica la sustitución del
juicio humano, sino la idea de extenderlo en el análisis inductivo de grandes
volúmenes de texto. De acuerdo con Hickman (2022), el uso ético en el análisis
de texto en una investigación social, demanda que el algoritmo sea tratado más
bien como un instrumento de apoyo siempre sujeto a una supervisión constante
-o validación humana- para evitar el sesgo algorítmico, para asegurar que los
patrones detectados no distorsionen la realidad de los sujetos de estudio.
Por ende, el modelo prototipo del “algoritmo zemiológico” aquí sugerido
promete contar con la capacidad para actuar como un marco de transparencia
que, según Kelleher y Tierney (2018), respete la privacidad y la integridad de
los datos, con el fin de tratar de garantizar que el procesamiento tecnológico
sirva para visibilizar la vulnerabilidad estructural y no para profundizar la
estigmatización de las comunidades analizadas.
Para poder demostrar el apoyo eficaz de la IA para medir el daño en un
pueblo originario o comunidad en situación de vulnerabilidad, se ha aplicado al
caso de los pueblos indígenas chiapanecos, esto por varios motivos. Es verdad
¹ Se entiende por “algoritmo” como aquel procedimiento computacional cuya sistematización toma uno o varios
valores como entrada (input) y produce a su vez algún otro valor o conjunto de valores, como salida (output)
(Cormen et al., 2022).
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 9(17), pp. 21-46. Segundo Semestre de 2026
27
