Ir al contenido principal
Volver al Glosario

Testimonio de IA

El problema abierto de qué son, epistemológicamente, las respuestas de una IA conversacional: ¿la lectura de un instrumento, el testimonio de alguien, o una tercera categoría nueva?

Última revisión:
Fuentes:
4 fuentes · 4 verificadas

Buena parte de lo que sabes te llegó porque alguien te lo dijo: profesores, libros, prensa, colegas. La epistemología llama a eso testimonio (testimony) y lleva siglos discutiendo cuándo y por qué está justificado creerle a otro. Con los instrumentos el asunto parecía más simple: un termómetro no "te dice" la temperatura como un testigo — es un aparato cuya fiabilidad se calibra, y el conocimiento lo pones tú al leerlo.

Los chatbots rompen esa división cómoda. Por diseño conversan como un testigo — en primera persona, con seguridad, respondiendo a lo que preguntaste — pero por dentro no hay un alguien que crea lo que afirma ni que responda por ello. Tratarlos como instrumentos ignora que su interfaz es lingüística y te induce a confiar como se confía en una persona; tratarlos como testigos les concede estados mentales y responsabilidad que no está claro que tengan.

Frente a ese dilema, Ori Freiman propuso que las creencias que adquieres de una IA conversacional no calzan en ninguna de las dos categorías clásicas y merecen una propia: creencias basadas en tecnología (technology-based beliefs). La jugada no es un tecnicismo: cambia qué preguntas corresponde hacer. A un testigo se le pregunta si es sincero y competente; a un instrumento, si está calibrado; a una IA conversacional habría que preguntarle —a quien la opera y entrena— por sus datos, sus sesgos, su tasa de error y su trazabilidad.

En paralelo, P. D. Magnus argumenta que decidir cuándo creerle a un chatbot es un problema genuinamente nuevo, distinto de confiar en Wikipedia o en un buscador: la respuesta se genera para ti en el momento, no existe una página estable que otros hayan revisado. Y Richard Heersmink y coautores muestran el lado fenomenológico: el LLM se experimenta como un "cuasi-otro" conversacional, y esa experiencia empuja a confiar más de lo que su fiabilidad real justifica — el problema práctico central es calibrar la confianza.

Nada de esto resuelve si "la IA sabe". Lo que hace es separar dos preguntas que se confunden a diario: si el sistema conoce (pregunta sobre la máquina, empantanada en filosofía de la mente) y si tú puedes llegar a saber algo usándolo (pregunta sobre tu proceso, que se responde con verificación y fiabilidad).

¿Por qué te importa?

Usas IA conversacional a diario y tu cabeza tiene que decidir, cada vez, cuánto creerle. Saber que no es ni un testigo ni un termómetro —y que la confianza que te provoca su tono conversacional no es evidencia de su fiabilidad— es la defensa más barata contra creerle de más.

Ejemplos

  • Un chatbot te explica un trámite con seguridad total y se equivoca en el plazo: la fluidez del lenguaje funcionó como señal de credibilidad, sin serlo.
  • La misma pregunta hecha dos veces da respuestas distintas: no hay una 'página' estable detrás, como sí la hay en Wikipedia (el contraste es de Magnus, 2025).
  • Un modelo con búsqueda integrada cita la fuente y te permite verificar: el diseño acerca la interacción a la lectura de un instrumento trazable.

Términos relacionados

Debate y controversia

El estatus epistémico de las salidas de IA es debate académico activo: instrumentalistas, partidarios de tratarlas como cuasi-testimonio y defensores de una categoría propia (Freiman) publican en las mismas revistas sin que ninguna posición haya ganado. La controversia '¿Puede una IA saber algo?' de este medio mapea las posiciones.

Fuentes

Aparece en los dossiers