Comparación entre modelos de inteligencia artificial 653 269
USA-Empresarial vs. UE-Universitario*
DOI:
https://doi.org/10.51896/ocsi.v6i3.942Palabras clave:
inteligencia artificial, transparencia, sostenibilidad, dilema de caja negra, sesgos y riesgos, enfoques heterodoxosResumen
Estudio crítico e interdisciplinario de Ingeniería, Economía y Ética Aplicada sobre el auge en la implementación cotidiana de los algoritmos de inteligencia artificial, sus sesgos y riesgos para la vida humana por falta de transparencia o efecto caja negra. Se centra la atención aquí en la evaluación de un problema que ha influido en el desarrollo de la inteligencia artificial, como es el dilema ético-económico de caja negra, junto con su paradoja. La atención a dicho problema, sobre si prima la transparencia sobre el rendimiento algorítmico (y cómo se valora, con sus sesgos y riesgos), ello permite comprender la paradoja conducente a la actual dicotomía entre el mundo anglosajón y europeo continental. Mediante un estudio bibliométrico-narrativo y crítico-hermenéutico, junto con los marcos teóricos y metodológicos de la Escuela Austriaca y los Neoinstitucionalistas (dada su experiencia en el análisis de otras cajas negras, como el Estado, el Sector público o la economía de bienestar), desde este trabajo se ofrece una exposición y explicación del problema, su alcance y si cabe esperar una futura convergencia de posiciones al respecto.
Descargas
Referencias
Alonso MA, Sánchez-Bayón A & Castro-Oliva M (2023). Teoría austriaca del ciclo económico aplicada al caso español: del inicio del euro a la gran recesión y su recuperación. Revista De Métodos Cuantitativos Para La Economía Y La Empresa, 35, 280–310. https://doi.org/10.46661/revmetodoscuanteconempresa.6837
Alonso MA, Sánchez-Bayón A. y Gallego-Morales D (2024). Enhancing Visual Literacy and Data Analysis Skills in Macroeconomics Education. In: Valls Martínez M & Montero J (eds) Teaching Innovations in Economics. Springer, Cham., p. 51-76 https://doi.org/10.1007/978-3-031-72549-4_3
Al-Rashaida, M., Moustafa, A., Mohsen, W., Aishan, H., Abuwatfa, R. & Khan, A. (2025). AI Strategies for Inclusive Education Resources and Support, AI in Learning, Educational Leadership, and Special Education, 10.4018/979-8-3373-0573-8.ch012, p. 349-380.
Ammar A (2025). Systematic and bibliometric review of artificial intelligence in sustainable education: Current trends and future research directions, Sustainable Futures, 10, 101033. DOI: 10.1016/j.sftr.2025.101033.
Andreeva O, Ivanov V, Nesterov A. y Trubnikova T (2019). Facial Recognition Technologies in Criminal Proceedings: Problems of Grounds for the Legal Regulation of Using Artificial Intelligence. Tomsk State University Journal 449: 201–212.
Awad, E., Dsouza, S., Kim, R., Schulz, J., Henrich, J., Shariff, A., Bonnefon, J.-F., & Rahwan, I.(2018). The Moral Machine Experiment. Nature, 563: 59–64. http://dx.doi.org/10.1038/s41586-018-0637-6
Benkler Y (2019). Don’t let industry write the rules for AI. Nature 569:161.
Biller-Andorno N, Biller A (2019). Algorithm-Aided Prediction of Patient Preferences - An Ethics Sneak Peek. New England Journal of Medicine, 381(15):1480-1485. https://doi.org/10.1056/NEJMms1904869
Boettke P (2000). Socialism and the market: The socialist calculation debate re-visited. London: Routledge
Bollerman M (2025). Digital Sovereigns Big Tech and Nation-State Influence. arXiv preprint arXiv:2507.21066.
Buragohain D. y Chaudhary S (2025). Navigating ChatGPT in ASEAN Higher Education: Ethical and Pedagogical Perspectives, Computer Applications in Engineering Education, 33(4). 10.1002/cae.70062.
Cath C (2018). Governing artificial intelligence: ethical, legal and technical opportunities and challenges. Phil. Trans. R. Soc. A.37620180080. http://doi.org/10.1098/rsta.2018.0080
Challoumis C (2024). Charting the course-The impact of AI on global economic cycles. In XVI International Scientific Conference. Copenhagen: ISG Konf. (pp. 103-127).
Chaudhary G (2024). Unveiling the black box: Bringing algorithmic transparency to AI. Masaryk University Journal of Law and Technology, 18(1), 93-122.
Chen, Y., Zhong, R., Ri, N., Zhao, C., He, H., Steinhardt, J., Yu, Z., & McKeown, K. (2023). Do models explain themselves? counterfactual simulatability of natural language explanations. arXiv preprint arXiv:2307.08678.
Cheong B (2024). Transparency and accountability in AI systems: safeguarding wellbeing in the age of algorithmic decision-making. Frontiers in Human Dynamics, 6, 1421273.
Dietvorst B, Simmons J. y Massey C (2018). Overcoming Algorithm Aversion: People Will Use Imperfect Algorithms If They Can (Even Slightly) Modify Them. Management Science 64(3). https://doi.org/10.1287/mnsc.2016.2643.
Doroudi S (2023). The Intertwined Histories of Artificial Intelligence and Education. Int J Artif Intell Educ 33, 885–928. https://doi.org/10.1007/s40593-022-00313-2
Dumitru C, Abdulsahib G, Khalaf O & Bennour A (2025). Integrating artificial intelligence in supporting students with disabilities in higher education: An integrative review, Technology and Disability, 10.1177/10554181251355428.
European Parliament. (2023). EU AI Act: First regulation on artificial intelligence (URL: https://www.europarl.europa.eu/topics/en/article/20230601STO93804/eu-ai-act-first-regulation-on-artificial-intelligence).
Floridi L (2024). Why the AI hype is another tech bubble. Philosophy & Technology, 37(4), 128.
Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., Luetge, C., Madelin, R., Pagallo, U., Rossi, F., Schafer, B., Valcke, P., & Vayena, E. (2018). AI4People—An Ethical Framework for a Good AI Society: Opportunities, Risks, Principles, and Recommendations. Minds & Machines 28, 689–707. https://doi.org/10.1007/s11023-018-9482-5
Foffano F, Scantamburlo T & Cortés A (2023). Investing in AI for social good: an analysis of European national strategies. AI & society, 38(2), 479-500.
Gofman M, & Jin Z (2024). Artificial intelligence, education, and entrepreneurship. The Journal of Finance, 79(1), 631-667. DOI: 10.1111/jofi.13302
Grimmelikhuijsen S (2023). Explaining why the computer says no: Algorithmic transparency affects the perceived trustworthiness of automated decision‐making. Public Administration Review, 83(2), 241-262.
Hayek F (1988). The fatal conceit. Chicago: The University of Chicago.
Huerta de Soto J (2008). The Austrian School: Market Order and Entrepreneurial Creativity. Cheltenham: Edward Elgar Publishing Ltd.
Huerta de Soto J (2010). Socialism, Economic Calculation and Entrepreneurship. Cheltenham: Edward Elgar Publishing Ltd
Huerta de Soto J, Sánchez-Bayón A, Bagus P (2021). Principles of Monetary & Financial Sustainability and Wellbeing in a Post-COVID-19 World: The Crisis and Its Management. Sustainability, 13(9): 4655 (1-11). https://doi.org/10.3390/su13094655
Jahin M, Naife S, Saha A & Mridha M (2023). Ai in supply chain risk assessment: A systematic literature review and bibliometric analysis. arXiv preprint arXiv:2401.10895.
JCR (2019) Impact factor into Journal Citation Reports (URL: https://clarivate.com/webofsciencegroup/solutions/journal-citation-reports).
LaGrandeur K (2024). AI and Reverse Mimesis: From Human Imitation to Human Subjugation?. Mimetic Posthumanism: Homo Mimeticus 2.0 in Art, Philosophy and Technics, 5, 321.
Lipton Z (2017). The Mythos of Model Interpretability. https://arxiv.org/abs/1606.03490
Marcus E & Teuwen J (2024). Artificial intelligence and explanation: How, why, and when to explain black boxes. European Journal of Radiology, 173, 111393.
Mazurowski M (2020). Artificial Intelligence in Radiology: Some Ethical Considerations for Radiologists and Algorithm Developers Academic Radiology 27(1):127-129. https://doi.org/10.1016/j.acra.2019.04.024
Menger C (2007[1871]). Principles of Economics. Auburn: Mises Institute.
Mises L (2000[1922]). Socialism: An Economic and Sociological Analysis. Auburn: Mises Institute.
Mises L (1949). Human action. A treatise on Economics. New Haven: Yale University Press.
Neumann O, Guirguis K, & Steiner R (2024). Exploring artificial intelligence adoption in public organizations: a comparative case study. Public Management Review, 26(1), 114-141. DOI:
doi/abs/10.1080/14719037.2022.2048685
Ngiam K, Khor W (2019). Big data and machine learning algorithms for health-care delivery. The Lancet Oncology, 20(5): E262-E273. http://dx.doi.org/10.1016/S1470-2045(19)30149-4
Noncheva D & Baykin A (2025). Innovate approaches to crisis management and economic recovery: the role of artificial intelligence. ББК 65.9 (4Укр) 261-18я431 Ф 59, 455.
Oh S, Sanfilippo M (2025). Responsible AI in academia: policies and guidelines in US universities, Information and Learning Sciences, 10.1108/ILS-03-2025-0042.
Petkus H, Hoogewerf J, Wyatt JC. (2020). What do senior physicians think about AI and clinical decision support systems: Quantitative and qualitative analysis of data from specialty societies. Clin Med, 20(3):324-328. doi: 10.7861/clinmed.2019-0317. PMID: 32414724; PMCID: PMC7354034.
Rivas E, Núnez M, Rodríguez J y Rubio M (2024). Revisión de la producción científica sobre Storytelling mediado por tecnología entre 2019 y 2022 a través de SCOPUS. Texto Livre, 17, e51392.
Romanova, A. (2025). Analysis of Interfaces Informativeness Issues in the Development of Autonomous Artificial Intelligence Systems for Corporate Management. Available at SSRN 5347689.
Sánchez-Bayón, A. (2015). Filosofía del aula inteligente del S. XXI: críticas urgentes y necesarias. Bajo Palabra, 10: 259-269. DOI: 10.15366/bp2015.10.022
Sánchez-Bayón A (2020). Renovación del pensamiento económico-empresarial tras la globalización, Bajo Palabra, 24: 293-318 DOI: https://doi.org/10.15366/bp.2020.24.015
Sánchez-Bayón A (2021a).The digital economy review under the technological singularity: technovation in labour relations and entrepreneur culture. Sociología y Tecnociencia, 11(2). 53-80. DOI: https://doi.org/10.24197/st.Extra_2.2021.53-80
Sánchez-Bayón, A. (2021b). Urgencia de una filosofía económica para la transición digital: Auge y declive del pensamiento anglosajón dominante y una alternativa de bienestar personal, Miscelánea Comillas. Rev. Ciencias Humanas y Sociales, 79(155): 521-551. DOI: https://doi.org/10.14422/mis.v79.i155.y2021.004
Sánchez-Bayón, A. (2022a). De la Síntesis Neoclásica a la Síntesis Heterodoxa en la economía digital. Procesos de Mercado, 19(2): 277-306. https://doi.org/10.52195/pm.v19i2.818
Sánchez-Bayón, A. (2022b). ¿Crisis económica o economía en crisis? Relaciones ortodoxia-heterodoxia en la transición digital. Semestre Económico, 11(1): 54–73 doi: http://dx.doi.org/10.26867/se.2022.1.128
Sánchez-Bayón, A. (2022c). La Escuela Económica Española y su relación con los enfoques heterodoxos. Semestre Económico, 25(58): 1-28. https://doi.org/10.22395/seec.v25n58a2
Sánchez-Bayón, A. (2024). Ortodoxia versus heterodoxias sobre la colonización del Oeste estadounidense por empresas religiosas e ideológicas. Carthaginensia, 40(77): 117-156. DOI: https://doi.org/10.62217/carth.457.
Sánchez-Bayón, A. (2025a). ¿Cómo innovar en aprendizaje de gestión digital de riqueza y bienestar? Experiencia con monedas digitales socio-empresariales. AROEC, 8(1): 1-32
Sánchez-Bayón, A. (2025b). Bioética y biojurídica: una revision veinte años después. Encuentros Multidisciplinares, 27(79): 1-16
Sánchez-Bayón A (2025c). Revisión de las relaciones ortodoxia-heterodoxia en la Economía y la transición digital. Pensamiento, 81(314): 523-550. DOI:: 10.14422/pen.v81.i314.y2025.012
Sánchez-Bayón, A., Urbina, D., Alonso-Neira, M.A, & Arpi, R. (2023). Problema del conocimiento económico: revitalización de la disputa del método, análisis heterodoxo y claves de innovación docente. Bajo Palabra, (34), 117–140. https://doi.org/10.15366/bp2023.34.006
Sánchez-Bayón, A., Alonso-Neira, M.A., Morales, D. (2024a). Aprender a emprender con IA y método de talento digital: Revisión de responsabilidad social universitaria. Iberoamerican Business Journal, SI 1(1): 48 – 63. https://doi.org/10.22451/5817.ibj2024.Spec.Ed.vol1.1.11094
Sánchez-Bayón, A., Alonso, M.A., Miquel, A.B., Sastre, F.J. (2024b). Aprendizaje creativo e innovación docente sobre RSC 3.0, ODS y divisas alternativas. Encuentros Multidisciplinares, 78: 1-13
Sánchez-Bayón, A., Sastre, F.J. & Sánchez, L.I. (2024c). Public management of digitalization into the Spanish tourism services: a heterodox analysis. Review of Manageral Science, 18(4): 1-19. https://doi.org/10.1007/s11846-024-00753-1
Sánchez-Bayón, A., Pellejero, C., Luque, M. (2024d). Una revisión de la producción científico-académica sobre turismo en la Unión Europea (2013-23). Iberian Journal of the History of Economic Thought, 11(1): 55-64
Sánchez-Bayón, A., Miquel-Burgos, A.B., & Alonso-Neira, M.A. (2025). Experience of learning technovation for i-entrepreneurship training: how to prepare the students for digital economy? Estrategia y Gestión Universitaria, 13(1), e8765. https://doi.org/10.5281/zenodo.14908364
Sastre Segovia, F. J., García Vaquero, M., Sánchez Bayón, A., & Mazier, A. (2024). ¿Recuperación económica española vía Pacto Verde Europeo? Evaluación de empleos verdes y sus capacidades. Semestre Económico, 13(1), 43–64. DOI: https://doi.org/10.26867/se.2024.v13i1.162
Singla A (2024). Cognitive Computing Emulating Human Intelligence in AI Systems. Journal of Artificial Intelligence General Science (JAIGS), 1(1): e38. https://doi.org/10.60087/jaigs.v1i1.38
Smith D (2024). Austrian Economics. Piamonte: Amazon Italy.
Tahiru F (2021). AI in education: A systematic literature review. Journal of Cases on Information Technology (JCIT), 23(1), 1-20.
Tajodin, A. y Sánchez-Bayón, A. (2024). ¿En qué falla la digitalización del sector de la salud? Limitaciones y sesgos. Revista Gestión De Las Personas Y Tecnología, 17(51), 51-67. https://doi.org/10.35588/w42e3v90
Tan K, Wu J, Zhou H, Wang Y & Chen J (2024). Integrating advanced computer vision and ai algorithms for autonomous driving systems. Journal of Theory and Practice of Engineering Science, 4(01), 41-48.
Teufel J, Torresi L & Friederich P (2023). Quantifying the intrinsic usefulness of attributional explanations for graph neural networks with artificial simulatability studies. In World Conference on Explainable Artificial Intelligence. Cham: Springer Nature Switzerland, p. 361-381.
Torres D (2023). Entre métricas y narraciones: definición y aplicaciones de la Bibliometría Narrativa. Anuario ThinkEPI, 17. https://doi.org/10.3145/thinkepi.2023.e17a30
Turing A (1950) Computing Machinery and Intelligence. Mind 49: 433-460
Wang L, Chen X, Zhang L, Li L, Huang Y, Sun Y, Yuan X, Davis C, Henstock P, Hodge P, Maciejewski M, Mu X, Ra S, Zhao S, Ziemek D, Fisher C. (2023). Artificial intelligence in clinical decision support systems for oncology. Int J Med Sci., 20(1):79-86. doi: 10.7150/ijms.77205.
Xie Y & Avila S (2025). The social impact of generative LLM-based AI. Chinese Journal of Sociology, 11(1), 31-57.
Zhu H, Sun Y, Yang J (2025). Towards responsible artificial intelligence in education: a systematic review on identifying and mitigating ethical risks, Humanities and Social Sciences Communications, 12(1). 10.1057/s41599-025-05252-6.
Declaración de intereses y autoría
Se declara no tener ningún conflicto de intereses, que pueda haber influido en los resultados obtenidos o las interpretaciones propuestas. Todos los autores han participado en todos los apartados y fases del estudio.
Autor de correspondencia: Antonio Sánchez-Bayón (antonio.sbayon@urjc.es)
Financiación: investigación realizada con propios fondos de los investigadores (con apoyo de Jerusalem College of Technology beca №5969, más GESCE-URJC, GID TIC-TAC CEE-URJC y CIELO ESIC).
Agradecimientos: nuestro reconocimiento por su orientación a Dr. Avi Caspi (Jerusalem College of Technology – JCT), Prof. Dmitry Klokov (IRSN, Francia), y Dra. Ariella Richardson (JCT).
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Antonio Sánchez-Bayón, Moshe Yanovskiy, Yehoshua Socol, Francisco Javier Sastre
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
