Inteligencia artificial desde las perspectivas sociológica y jurídica
DOI:
https://doi.org/10.51247/st.v9iS2.796Palabras clave:
inteligencia artificial, sociología, derecho, regulación.Resumen
El presente estudio examinó la inteligencia artificial desde las perspectivas sociológica y jurídica, con el objetivo de analizar sus principales impactos en las estructuras sociales, las relaciones laborales, la protección de derechos y los sistemas regulatorios. Se adoptó una metodología cualitativa con diseño documental-descriptivo. Se revisaron artículos científicos, libros académicos y fuentes jurídicas indexadas en bases de datos reconocidas mediante análisis temático de contenido. Los resultados evidenciaron que la inteligencia artificial ha transformado los procesos productivos, los sistemas de toma de decisiones y las interacciones digitales, al tiempo que genera desafíos vinculados al desempleo, la desigualdad, la privacidad, el sesgo algorítmico y la responsabilidad legal. Desde la perspectiva sociológica, se determinó que la IA reconfigura identidades, prácticas comunicativas y acceso a oportunidades. Desde la perspectiva jurídica, los marcos normativos actuales aún presentan dificultades para regular sistemas autónomos, asignar responsabilidades y proteger datos personales. Se concluyó que la inteligencia artificial no debe abordarse exclusivamente como un asunto tecnológico, sino como un fenómeno multidimensional que requiere gobernanza interdisciplinaria. Se necesita un modelo regulatorio centrado en el ser humano que equilibre innovación con justicia social, transparencia y valores democráticos.
Descargas
Referencias
Abbott, R. (2020). The Reasonable Robot: Artificial Intelligence and the Law. Cambridge University Press.
Alpaydin, E. (2021). Machine learning. MIT press.
Brynjolfsson, E., & McAfee, A. (2014). The Second Machine Age. W. W. Norton & Company.
Castells, M. (2010). The Rise of the Network Society (2nd ed.). Wiley-Blackwell.
Espinoza Freire, E. E. (2020). La búsqueda de información científica en las bases de datos académicas. Revista Metropolitana de Ciencias Aplicadas, 3(1), 31-35.
Espinoza Freire, E. E. (2020). La investigación cualitativa, una herramienta ética en el ámbito pedagógico. Conrado, 16(75), 103-110.
Espinoza Freire, E. E., & Calva Nagua, D. X. (2020). La ética en las investigaciones educativas. Revista Universidad y sociedad, 12(4), 333-340.
Espinoza Freire, E. E., & Rad Camayd, Y. (2020). A ética na pesquisa inclusiva, uma ferramenta didáctica. Revista Universidad y Sociedad, 12(6), 139-146.
Espinoza-Freire, E. E. (2021). La argumentación científica una herramienta didáctica. Revista Uniandes Episteme, 8(1), 106-121.
Espinoza-Freire, E. E. (2022). Ética en la investigación científica. Revista Mexicana de Investigación e Intervención Educativa, 1(2), 35-43.
Espinoza-Freire, E. E. (2024). Teoría Fundamentada: evolución, principios y aplicaciones en la investigación cualitativa. Sophia Research Review, 1(1), 26-33
Ferrara, C., Sellitto, G., Ferrucci, F., Palomba, F., & De Lucia, A. (2024). Fairness-aware machine learning engineering: how far are we?. Empirical software engineering, 29(1), 9.
Floridi, L., & Cowls, J. (2022). A unified framework of five principles for AI in society. Machine learning and the city: Applications in architecture and urban design, 535-545.
Hickok, G. (2022). The dual stream model of speech and language processing. Handbook of clinical neurology, 185, 57-69.
Howcroft, D., & Taylor, P. (2023). Automation and the future of work: A social shaping of technology approach. New technology, work and employment, 38(2), 351-370.
Jamil, J., Fadli, M., Hadiyantina, S., & Prasetyo, N. D. (2024). Redesigning the Concept of Law Enforcement in Administrative Violations of General Elections in Indonesia. YURIDIKA, 39(3), 279-302.
Lyon, D. (2019). Surveillance capitalism, surveillance culture and data politics 1. In Data politics (pp. 64-77). Routledge.
McCarthy, J., Minsky, M., Rochester, N., & Shannon, C. (2006). A proposal for the Dartmouth summer research project on artificial intelligence, August 31, 1955. AI Magazine, 27(4), 12–14.
Mehrish, A., Majumder, N., Bharadwaj, R., Mihalcea, R., & Poria, S. (2023). A review of deep learning techniques for speech processing. Information Fusion, 99, 101869.
O’Neil, C. (2016). Weapons of Math Destruction. Crown Publishing.
Shneiderman, B. (2022). Human-Centered AI. Oxford University Press.
Smith, M. R., & Marx, L. (Eds.). (1994). Does technology drive history?: The dilemma of technological determinism. Mit Press.
Solove, D. J. (2010). Understanding Privacy. Harvard University Press.
Srnicek, N. (2021). Value, rent and platform capitalism. In Work and labour relations in global platform capitalism (pp. 29-45). Edward Elgar Publishing.
Van Deursen, A. J., & Van Dijk, J. A. (2019). The first-level digital divide shifts from inequalities in physical access to inequalities in material access. New media & society, 21(2), 354-375.
Verwiebe, R., & Hagemann, S. (2025). Bourdieu revisited: new forms of digital capital–emergence, reproduction, inequality of distribution. Information, Communication & Society, 28(11), 1861-1883.
Wachter, S., Mittelstadt, B., & Floridi, L. (2017). Why a right to explanation of automated decision-making does not exist in the General Data Protection Regulation. International Data Privacy Law, 7(2), 76–99.
Yadav, S. P., Mahato, D. P., & Linh, N. T. D. (Eds.). (2020). Distributed artificial intelligence: A modern approach. CRC Press.
Zuboff, S. (2023). The age of surveillance capitalism. In Social theory re-wired (pp. 203-213). Routledge.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Abdelkader Ouanouki, Djamel Ouanouki
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
