Jorge Alberto Hidalgo Toledo – Coordinador General del Human & Nonhuman Communication Lab en Universidad Anáhuac México

Querido Gabriel Richaud, gracias por compartir el Manifiesto IA de IAB México; muy interesante, extiendo mi reflexión ante el mismo. Espero sea de utilidad para quienes nos dedicamos a la comunicación digital y el marketing. Aquí una lectura crítica reconociendo apuestas y retos.
Cuando la promesa inteligente tropieza con lo humano: lecturas al Manifiesto IA de IAB México
Dr. Jorge Alberto Hidalgo Toledo, Human & Nonhuman Communication Lab, Facultad de Comunicación, Universidad Anáhuac México
En plena euforia por la llegada imparable de la inteligencia artificial, IAB México ha decidido lanzar un manifiesto que quiere ser brújula ética, económica, cultural y técnica para el uso responsable del poder algorítmico. Pero ¿hasta qué punto ese documento cumple su misión filosófica? ¿Qué sombras revela cuando lo sometemos al escrutinio antropológico, comunicacional y moral? Aquí ofrezco una lectura que exige miradas cruzadas, no consignas estéticas.
Punto de partida: el manifiesto en su gravedad pública
El Manifiesto de IA de IAB México propone una hoja de ruta para el uso “ético, transparente y responsable” de la inteligencia artificial en marketing, comunicación y publicidad. Reconoce que estamos ante una de las transformaciones más profundas que hemos vivido: “la automatización y la IA analítica, generativa y agéntica ofrecen algunas de las mayores oportunidades y riesgos para nuestra industria y sociedad” (texto del manifiesto).
Se esbozan “principios de decisión” como iterar hacia valor exponencial, diseñar para la diversidad cultural y la equidad, impulsar soberanía de datos, minimizar impactos ecológicos, proteger datos y verificar resultados, crecer en conjunto. También se plantean prioridades jerárquicas: “combinación sobre automatización”, “talento sobre tecnología”, “ética sobre economía”, “autenticidad sobre volumen”.
No es trivial que una organización de la industria del marketing se atreva a incorporar en su manifiesto expresiones como “ética sobre economía” o “minimizar impactos ecológicos”. Eso significa que la industria reconoce tensiones irreductibles: entre ganar mercado, cortar costos y cuidar el mundo (social, humano, natural). Pero hay fisuras, omisiones y luces tenues que merecen ser interrogadas con rigor.
El acierto del manifiesto: equilibrio entre lo humano y lo algorítmico
Uno de los méritos del manifiesto es que evita caer en la tecnolatía ingenua. No promete sustitución del ser humano, sino “combinación sobre automatización” y “talento sobre tecnología”. Esa articulación me recuerda a Hannah Arendt cuando advierte que no todo progreso tecnológico es emancipador si no se coloca al servicio de la acción humana plenamente entendida. Arendt habla del “animal laborans” frente al “animal politicus”: la IA no puede ser solo instrumento de trabajo sino parte de un cuidado hacia la esfera de lo humano.
Asimismo, priorizar el talento —la fluidez en IA y el pensamiento crítico— sobre la mera adquisición de software es un gesto metodológico de fondo: se entiende que las tecnologías no corrigen faltas humanas, solo las amplifican. Esa intuición es compartida por Bruno Latour cuando señala que los artefactos tecnológicos “inscriben” comportamientos y relaciones. No basta con tener buen software, hay que cultivar culturas de uso.
Transparencia, verificación y límites: entre lo exigible y lo difuso
El manifiesto acierta al enfatizar la necesidad de “proteger datos y verificar los resultados”, de reconocer los límites de los modelos y de incluir validación humana. Cita la importancia de que cualquier cadena de suministro de datos o algoritmo sea explicable, transparente y con resultados veraces. Esa apuesta converge con la literatura de la “IA explicable” (XAI, eXplainable AI) y con los códigos de ética que exigen que una decisión algorítmica pueda ser auditada por humanos.
Sin embargo, el manifiesto no define grados, métricas o mecanismos concretos de transparencia. ¿Qué nivel de explicabilidad se demanda? ¿Quién audita? ¿Con qué sanciones administrativas o reputacionales? La diferencia entre un “principio aspiracional” y una política ejecutable no es menor. Aquí echo de menos un esquema específico de rendición de cuentas, quizá inspirado en mecanismos de auditoría algorítmica.
También, al hablar de “competir en igualdad de condiciones” comprometiéndose a “hacer negocios solo con quienes actúan de igual manera”, el manifiesto pone la vara alta, pero no ofrece reglas del juego claras para homologarla. En ese vacío, emergen riesgos de “lavado ético” (ethics-washing): declarar ética sin estructura verificable.
Diversidad, sesgos y epistemologías locales
Diseñar para contexto, diversidad cultural y equidad es un principio brillante. Reconoce que los modelos globales llevan sesgos históricos (colonialismos de datos, sesgos algorítmicos) y que la solución no es aplicar una plantilla universal. En esa línea el manifiesto reivindica la soberanía de datos: “generar valor de IA local para la gente local … siempre que sea posible, el almacenamiento, la gobernanza, la privacidad… deben ocurrir dentro de las fronteras”.
Pero me preocupa que no se hable explícitamente de epistemologías no hegemónicas, de inteligencias culturales indígenas o menores, ni de diálogos con saberes locales para co-diseñar algoritmos. La propuesta corre el riesgo de caer en una versión “localista” que reproduce estructuras dominantes, sin cuestionar quién produce las métricas y con qué sesgos internos de poder simbólico. En el contexto mexicano—pluricultural y plurilingüe—sería relevante incorporar mecanismos de consulta con comunidades marginadas, para que no solo sean sujetos de datos, sino coproductores de significado.
Sostenibilidad ecológica y economía circular de datos
Uno de los principios más atrevidos es el que exige “minimizar los impactos ecológicos”. La industria no siempre asume su huella energética, de agua ni de carbono. Este principio introduce una dimensión sistémica que trasciende al mero marketing. Aquí IAB México toca una vena crítica: en la era de la IA no solo debemos medir retornos de inversión sino “costos ecológicos invisibles”.
Sin embargo, la formulación sigue siendo genérica. ¿Qué estándares, qué métricas, con qué huella de carbono o consumo de agua se pueden comparar? No hay referencia a estándares internacionales (por ejemplo, iniciativas de Green AI, huella de carbono de data centers, modelos de eficiencia energética). Tampoco hay alianza explícita con organismos ambientales o de energía para certificar que las plataformas que apoya la industria cumplan criterios verdes.
Ética frente a economía: promesa y tensión
Enunciar “ética sobre economía” es un gesto potente. Pero en la práctica, muchas decisiones en agencias y marketing responden a la cuenta de resultados, al KPI, al ROI inmediato. ¿Cuánto peso puede tener la ética cuando el cliente exige volumen y menor costo? El manifiesto no ofrece un marco de trade-off, ni una ponderación cuantitativa de cuándo la economía puede ceder frente a la ética. Ese silencio puede convertirse en un lugar de ambigüedad.
En ese sentido, echo de menos un test ético cuantitativo: un “filtro de decisión algorítmica” para proyectos de IA (por ejemplo, ¿este proyecto pasa por una evaluación de riesgo ético vs impacto económico?). Las organizaciones podrían adoptar un “valor ético esperado” como contrapeso al ROI financiero.
Lo que falta: justicia algorítmica, educación ética y gobernanza consumidor-centrada
Algunas ausencias notables del manifiesto:
1. Justicia algorítmica: aunque se alude a evitar sesgos, no se explicita cómo garantizar justicia distributiva. No hay referencia a auditorías independientes de equidad, pruebas de disparate o mecanismos de reparación para grupos afectados.
2. Educación ética obligatoria: debe incorporarse no solo la fluidez en IA, sino una formación obligatoria en ética algorítmica, derechos digitales, semiotikismo y filosofía de la tecnología. No basta con cursos: requiere currículos certificados, tal como el manifiesto promueve recursos comunes y certificaciones, pero debe llegar a un nivel obligatorio mínimo para agencias y marcas.
3. Empoderamiento del usuario: el manifiesto pone en foco “las audiencias”, pero no se define cómo los usuarios pueden conocer, rechazar o fiscalizar el uso de IA en los mensajes que reciben. Se echa en falta un derecho explícito de “opt-out de decisión algorítmica publicitaria” o de “explicación al usuario” cuando la IA interviene en la comunicación.
4. Mecanismo sancionador o correctivo: estar conscientes de que las buenas intenciones no bastan. Si una agencia incurre en prácticas no transparentes, debe haber consecuencias reputacionales, sanciones definidas o procedimientos de mediación sectorial.
5. Alianzas interdisciplinarias: conviene involucrar especialistas externos (filósofos, sociólogos, antropólogos) en comités técnicos del manifiesto, para evitar que el diseño quede en manos solo de tecnólogos. Esa apertura fortalecería la legitimidad del documento.
6. Economía de datos circular: promover que los datos generados por sistemas de IA regresen a las comunidades como un bien invertido—por ejemplo, permitir que los usuarios accedan, reutilicen o tengan dividendos simbólicos de los datos generados sobre ellos.
Hacia agencias y mercadólogos con alma algorítmica
¿Qué pueden hacer quienes están en el terreno —mercadólogos, agencias, medios— para que este manifiesto trascienda el papel y se transforme en una cultura viva?
Adoptar un filtro de ética operativa: cada propuesta de IA debe superar un balance calculado entre impacto ético, costo ecológico y retorno económico. No es una pantalla retórica, sino un paso obligatorio.
Construir auditorías internas y externas: diseñar mecanismos regulares de auditoría de sesgos, verificabilidad, explicabilidad y equidad, con reporte público selectivo.
Radicalizar la transparencia hacia el usuario: que cada pieza publicitaria pueda explicarse como “este mensaje fue optimizado con IA X y parámetros Y”, y ofrecer al usuario un modo de entender o rechazar la intervención algorítmica.
Practicar la co-creación de contenido con públicos diversos, no imponer modelos centralizados: talleres con comunidades, encuestas de impacto cultural, colaboraciones locales.
Incorporar métricas ecológicas en los reportes de campaña: consumo energético estimado (modelos, servidores), huella de carbono del proyecto IA, compensaciones ambientales.
Apoyar iniciativas de educación ética en IA en universidades o asociaciones profesionales, para fortalecer una base de sentido compartido.
Participar activamente en la “construcción colaborativa” que propone el manifiesto: no ver el documento como una imposición, sino como un organismo vivo que debe adaptarse, corregirse, renovarse con aportaciones del ecosistema.
Si el manifiesto de IAB México representa un paso valiente hacia una industria más consciente, también revela que estamos en la encrucijada: podemos usar la IA como motor de dominación simbólica o como plataforma de emancipación ética. Entre la promesa y la práctica, quedan millones de decisiones pequeñas que definirán si este manifiesto será rito de apariencia o transformación real.
¿Estamos dispuestos a asumir que cada algoritmo que desplegamos es también un mensaje de mundo —y que los mercadólogos y comunicadores somos, en ese gesto, arquitectos de futuros íntimos?