Percepción ante la información y la inteligencia artificial

Investigación · Percepción humana

Un contenido puede parecer convincente sin ser verdadero. La pregunta es cómo observar, contrastar y decidir cuando parte del entorno informativo está mediado por IA.

La IA puede seleccionar contenidos, generar imágenes y explicaciones o participar en conversaciones. Sus efectos dependen de la tarea, la calidad del sistema y las condiciones de interacción: no existe un único efecto inevitable sobre todas las personas.

Rodrigo Velásquez Vera · Investigador independiente · Perfil ORCID

De lo que vemos a lo que compartimos

Reconocer una escena, interpretar su contexto, confiar en una fuente y decidir difundirla son operaciones diferentes. Un video puede mostrar una inundación real y circular con una fecha o ubicación falsa.

La investigación sobre desinformación considera factores cognitivos, sociales y afectivos, además de sus interacciones. No respalda reducir el problema a falta de inteligencia ni a una única técnica de corrección. Ecker et al., 2022

Conviene distinguir exposición, percepción, atención, interpretación, juicio de credibilidad y acción. Son relaciones que pueden retroalimentarse, no una cadena automática de manipulación.

Circuito entre contenidos, exposición, atención e interpretación, juicio y acción, con retroalimentación dentro de un contexto social y tecnológico.

Figura · Síntesis interdisciplinaria. La IA puede intervenir en distintos puntos del entorno informativo. El esquema no afirma una cadena universal de efectos ni confunde persuasión con verdad.

Qué muestran los experimentos con IA

Juicios y retroalimentación. Glickman y Sharot estudiaron una serie experimental con 1401 participantes en total. Sistemas sesgados podían amplificar sesgos en las tareas examinadas; sistemas más precisos también podían mejorar juicios. No fue una encuesta mundial ni prueba de que cualquier uso de IA produzca el mismo resultado. Glickman y Sharot, 2025

Persuasión conversacional. Salvi y colaboradores realizaron un experimento prerregistrado con 900 participantes. GPT-4 personalizado superó la conversación entre humanos en la medida de mayor acuerdo posterior: razón de odds 1,812, intervalo de confianza del 95% 1,260–2,607. No significa que el 81,2% de las personas fuera convencido. Salvi et al., 2025, versión corregida

Corrección del 3 de septiembre de 2026. La comparación entre IA personalizada y no personalizada arrojó p = 0,0678. No establece concluyentemente una ventaja adicional de personalizar. Es un contraste distinto del anterior y debe leerse junto a él. Salvi et al., corrección de 2026

Cambiar de acuerdo no demuestra mayor verdad, autonomía ni un cambio conductual duradero. Las cifras pertenecen a condiciones experimentales específicas.

Estimación de razón de odds 1,812 con intervalo de confianza del 95 por ciento de 1,260 a 2,607, frente a referencia 1, para GPT-4 personalizado comparado con conversación humana.

Figura · Evidencia experimental. Salvi et al. (2025), experimento prerregistrado. La corrección de 2026 no permite concluir una ventaja adicional de personalizar frente a IA no personalizada; es una comparación diferente.

Autenticidad no equivale a verdad

NIST distingue enfoques de procedencia, marcas de agua, detección y etiquetado para aumentar la transparencia del contenido sintético. Son herramientas con alcances diferentes; ninguna debe presentarse como garantía universal de veracidad. Chandra et al., 2024

Cuatro preguntas orientan una verificación prudente:

¿Quién produjo el material?
¿Qué modificaciones tuvo?
¿Corresponde al acontecimiento, lugar y fecha que se afirman?
¿La interpretación está respaldada por fuentes independientes?

Una fotografía auténtica puede estar mal contextualizada; una ilustración sintética bien identificada puede explicar con fidelidad. También es válido suspender el juicio cuando faltan antecedentes.

Chile como caso del entorno informativo

El Digital News Report 2026 informa para Chile 34% de confianza en las noticias en general y 45% de evitación de noticias algunas veces o a menudo. Fernández y Núñez-Mussa, 2026

Son indicadores independientes de una encuesta online, no partes de un mismo total ni mediciones de capacidad perceptiva. La muestra chilena total fue de 2039 participantes. Se utilizaron cuotas y ponderación; el diseño no probabilístico no admite un margen de error convencional. No permite atribuir esas cifras a la IA. Reuters Institute, metodología de 2026; Reuters Institute, informe de 2026

Este caso contextualiza confianza y circulación de información. No supone una percepción esencialmente chilena ni explica por sí solo las causas de la evitación.

Dos paneles muestran para Chile 34 por ciento de confianza general en noticias y 45 por ciento de evitación algunas veces o a menudo en 2026. Son indicadores independientes.

Figura · Datos declarados. Datos del Digital News Report 2026. No miden capacidad perceptiva ni permiten atribuir sus valores a la IA.

Qué podría cambiar en los próximos años

Mejor acceso y contraste. Si las herramientas permiten rastrear fuentes y comparar respuestas, podrían apoyar comprensión y aprendizaje. La evaluación debe comprobar qué se aprende y qué se conserva sin asistencia.

Dependencia interpretativa. Delegar sostenidamente selección y explicación podría estrechar las fuentes examinadas. Es una hipótesis que requiere seguimiento, no un destino inevitable.

Experiencias más inmersivas. La combinación de voz, imágenes y entornos simulados puede intensificar la experiencia. La inmersión no prueba autenticidad histórica ni verdad de una explicación.

Estos son escenarios condicionales de cambio sociotécnico. No anuncian una evolución biológica rápida de la percepción ni demuestran conciencia en la IA.

Comprender sin perder autonomía

El criterio educativo no es aumentar la facilidad para persuadir a una persona. Es mejorar sus condiciones para preguntar, contrastar, disentir y decidir. La confianza debe corresponder a la calidad del respaldo, no solo a la fluidez de una respuesta.

Desde la propuesta autoral, las mediaciones digitales pueden estudiarse por su relación con atención, experiencia, acción y aprendizaje. Esta conexión es una hipótesis de aplicación, no una validación del sistema completo. (Velásquez Vera, 2026, manuscrito v2)

Volver a los fundamentos de la percepción humana · Explorar percepción y realidad en la propuesta autoral

Cómo leer la medida de persuasión

Una razón de odds compara razones entre la probabilidad de un resultado y la de su alternativa, dentro del modelo utilizado. No es una diferencia de puntos porcentuales. En el contraste principal descrito, 1 representa ausencia de diferencia y el intervalo publicado no lo incluye. Salvi et al., 2025, versión corregida

La corrección de 2026 afecta el contraste entre modalidades de IA. Evita atribuir toda la ventaja observada a la personalización. No demuestra que ambas modalidades sean equivalentes; señala incertidumbre en esa comparación. Salvi et al., corrección de 2026

Para trasladar los resultados a educación o servicios habría que evaluar comprensión, exactitud, duración del cambio, posibilidad de disentir y consecuencias no deseadas.

Qué preguntó la encuesta chilena

La confianza general procede del ítem Q6_2016_1; la evitación, de Q1di_2017. Esta última agrupa las respuestas algunas veces y a menudo. El cuestionario permite distinguirlas de confianza en marcas concretas o de uso de chatbots. Reuters Institute, cuestionario de 2026

El trabajo de campo principal se realizó entre mediados de enero y fines de febrero de 2026. Los datos describen respuestas declaradas de población online. La base se presenta como muestra total, sin inventar recuentos por respuesta a partir de porcentajes ponderados. Reuters Institute, metodología de 2026

Marcos internacionales y contexto chileno

UNESCO y ética de la inteligencia artificial

La Recomendación de 2021 ofrece orientaciones sobre dignidad, derechos, equidad, transparencia y supervisión humana. Es un instrumento normativo de recomendación, no una teoría de la percepción ni una certificación del sitio. UNESCO, 2021

Naciones Unidas e integridad de la información

Los Principios Globales de 2024 abordan confianza social, pluralismo, incentivos, transparencia y empoderamiento público. Sitúan el problema también en las condiciones del entorno informativo, no únicamente en la habilidad individual para detectar errores. Naciones Unidas, 2024

Protección y política pública en Chile

La Ley 21.383 reformó el artículo 19 número 1 de la Constitución e incorporó un resguardo especial de la actividad cerebral y de la información proveniente de ella. Es pertinente para discutir neurotecnologías; no convierte toda persuasión comunicativa en una intervención cerebral jurídicamente equivalente. Chile, Ley 21383, 2021

La Política Nacional de Inteligencia Artificial aporta un marco de desarrollo y gobernanza. Una política pública no debe confundirse con una ley ni con un proyecto legislativo ya vigente. MinCiencia, Política Nacional de IA

Esta selección es contextual, no exhaustiva ni un dictamen jurídico. Las obligaciones de un servicio dependen de su uso, datos y normativa aplicable.

Criterios de actualización de la evidencia

Las correcciones editoriales forman parte de la lectura científica. El aviso de preocupación publicado en 2026 respecto del estudio de Costello, Pennycook y Rand impide utilizar aquí sus cifras como evidencia estable de eficacia. El aviso no se equipara a retractación ni a prueba de fraude. Thorp, 2026

Esta es una revisión narrativa crítica, no sistemática. No se generaron datos originales. Se empleó asistencia de IA para organización y redacción editorial; las afirmaciones se vinculan a fuentes y distinguen evidencia, síntesis y escenarios. Actualización documental: 12 de septiembre de 2026.

Autoría y colaboración

Rodrigo Velásquez Vera · Investigador independiente · Licenciado en Terapia Ocupacional · Magíster en Educación · Asesor de Potencial Humano.

Perfil ORCID · Publicaciones y documentos de trabajo

¿Trabajas en educación, comunicación o desarrollo humano? Conversar sobre una colaboración educativa o de investigación.

Referencias

Chandra, B., Dunietz, J., Roberts, K., Lee, Y., Fontana, P., & Awad, G. (2024, 20 de noviembre). Reducing risks posed by synthetic content: An overview of technical approaches to digital content transparency (NIST AI 100-4). National Institute of Standards and Technology. DOI: 10.6028/NIST.AI.100-4. Chandra et al., 2024

Chile. (2021, 25 de octubre). Ley 21.383. Modifica la Carta Fundamental, para establecer el desarrollo científico y tecnológico al servicio de las personas. Biblioteca del Congreso Nacional, Ley Chile. Chile, Ley 21383, 2021

Ecker, U. K. H., Lewandowsky, S., Cook, J., Schmid, P., Fazio, L. K., Brashier, N., Kendeou, P., Vraga, E. K., & Amazeen, M. A. (2022). The psychological drivers of misinformation belief and its resistance to correction. Nature Reviews Psychology, 1, 13–29. DOI: 10.1038/s44159-021-00006-y. Ecker et al., 2022

Fernández, F. J., & Núñez-Mussa, E. (2026, 16 de junio). Chile. Reuters Institute Digital News Report 2026. Reuters Institute for the Study of Journalism, University of Oxford. Fernández y Núñez-Mussa, 2026

Glickman, M., & Sharot, T. (2025). How human–AI feedback loops alter human perceptual, emotional and social judgements. Nature Human Behaviour, 9, 345–359. DOI: 10.1038/s41562-024-02077-2. Publicación online: 18 de diciembre de 2024. Glickman y Sharot, 2025

Ministerio de Ciencia, Tecnología, Conocimiento e Innovación de Chile. (s. f.). Política Nacional de Inteligencia Artificial. Portal oficial y antecedentes de actualización. Consultado el 12 de septiembre de 2026. MinCiencia, Política Nacional de IA

Naciones Unidas. (2024). United Nations Global Principles for Information Integrity. Naciones Unidas, 2024

Reuters Institute for the Study of Journalism & YouGov. (2026). Digital News Report 2026 questionnaire (pp. 4 y 16; Q6_2016 y Q1di_2017). Reuters Institute, cuestionario de 2026

Reuters Institute for the Study of Journalism. (2026). Digital News Report 2026 (pp. 2–3, metodología y muestras; p. 131, Chile). University of Oxford. Copia del informe original alojada por Fritt Ord. Reuters Institute, informe de 2026

Reuters Institute for the Study of Journalism. (2026). Methodology. Digital News Report 2026. University of Oxford. Reuters Institute, metodología de 2026

Salvi, F., Horta Ribeiro, M., Gallotti, R., & West, R. (2025). On the conversational persuasiveness of GPT-4. Nature Human Behaviour, 9, 1645–1653. DOI: 10.1038/s41562-025-02194-6. Debe leerse con la corrección de 2026. Salvi et al., 2025, versión corregida

Salvi, F., Horta Ribeiro, M., Gallotti, R., & West, R. (2026, 3 de septiembre). Author Correction: On the conversational persuasiveness of GPT-4. Nature Human Behaviour. DOI: 10.1038/s41562-026-02588-0. Salvi et al., corrección de 2026

Thorp, H. H. (2026). Editorial Expression of Concern. Science, 392(6803), 1131. DOI: 10.1126/science.aej2383. Aviso relativo al artículo de Costello, Pennycook y Rand de 2024. Thorp, 2026

UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO, 2021

Velásquez Vera, R. (2026). Percepción y realidad: Teoría Recursiva Multinivel de Percepción y Realidad (TRM-PR), versión 2.0 [Manuscrito de trabajo para revisión]. Sin depósito público de esta versión comprobado.

Page updated

Google Sites

Report abuse