Investigating Artificial Intelligence Digital Sovereignty in Mobile Shopping Apps: A Case Study of Nigeria

Resumen Técnico: Investigación de la Soberanía Digital de la Inteligencia Artificial en Aplicaciones de Compras Móviles: Un Estudio de Caso de Nigeria

Planteamiento del Problema
La rápida expansión del comercio móvil en Nigeria, un mercado con más de 240 millones de personas y una alta penetración de teléfonos inteligentes, presenta una dicotomía entre la oportunidad económica y el riesgo digital. Si bien el comercio electrónico impulsa el desarrollo, también introduce vulnerabilidades como el fraude y una reducción en el control del usuario sobre las tecnologías digitales. El problema central abordado es la erosión de la soberanía digital —definida aquí como la capacidad de los individuos para controlar sus datos personales e identidad digital— en el contexto de la creciente integración de la IA. Específicamente, el artículo investiga si las aplicaciones de compras móviles nigerianas informan a los usuarios sobre el uso de Inteligencia Artificial (IA). Los autores postulan que, sin transparencia respecto a las funciones impulsadas por IA (como la personalización y la toma de decisiones automatizada), los usuarios no pueden ejercer un control significativo, comprometiendo así su soberanía digital. Este problema se ve exacerbado por la moderada conciencia de la IA en Nigeria y la baja confianza pública en los sistemas digitales.

Metodología
El estudio emplea un enfoque interpretativo que combina el análisis forense móvil con el análisis contextual de documentos. La investigación se centra en tres aplicaciones de Android de comercio electrónico líderes en Nigeria: Jumia, Konga y Jiji.

1. Extracción de Artefactos Forenses:

   • Se estableció un entorno controlado utilizando un Dispositivo Virtual de Android (AVD) con root vía Android Studio y Magisk para eludir las restricciones de seguridad estándar y acceder a los directorios protegidos de las aplicaciones.
   • Las tres aplicaciones fueron instaladas y sometidas a interacciones sintéticas (navegación, modificación del carrito) sin crear cuentas de usuario.
   • Los datos se extrajeron utilizando el Android Debug Bridge (ADB), apuntando a bases de datos SQLite, archivos XML, cachés, registros (logs) y metadatos.
   • Análisis Guiado por Artefactos: Los archivos extraídos fueron examinados en busca de indicadores técnicos (nombres de SDK, nombres de archivos, registros) asociados con la infraestructura de IA. El análisis se centró en tres áreas funcionales específicas:
     • Sistemas de recomendación y personalización.
     • Chatbots de IA conversacional.
     • Plataformas de analítica de compromiso (engagement).
   • Los componentes se clasificaron como ejecutados localmente o dependientes del servidor, basándose en si el procesamiento de datos ocurría en el dispositivo o se transmitía externamente.

2. Evaluación de la Transparencia:

   • Se realizó un análisis de documentos de los materiales disponibles públicamente para cada plataforma, incluyendo listados de Google Play Store, políticas de privacidad y sitios web oficiales.
   • El objetivo fue identificar la divulgación explícita o implícita de IA, toma de decisiones automatizada o procesamiento algorítmico, definido como "transparencia algorítmica".

3. Integración Contextual:

   • Los hallazgos forenses se interpretaron junto con los datos de la Encuesta Global de la ONU sobre IA y Desarrollo Humano de 2025 y el Índice de Desarrollo Humano de la ONU para situar los hallazgos técnicos dentro del panorama socioeconómico de Nigeria, específicamente respecto a la conciencia de la IA, los patrones de uso y los niveles de confianza.

Resultados Clave
El análisis forense indicó la presencia generalizada de infraestructura impulsada por IA en las tres aplicaciones, aunque el análisis de documentos reveló una falta significativa de transparencia respecto a estas tecnologías.

• Konga: Los artefactos forenses revelaron el uso de Netcore Smartech (una plataforma de compromiso del cliente) y Firebase. Una base de datos SQLite (NCSmartech) contenía eventos de usuario con marcas de tiempo (búsquedas, navegación), y ChatDatabase poseía registros JSON para recomendaciones de productos. Estos artefactos indican personalización impulsada por IA y segmentación de comportamiento. Sin embargo, ni el listado de Google Play Store ni la política de privacidad mencionan explícitamente la IA o la toma de decisiones automatizada.
• Jumia: El análisis de jumia.db reveló la integración con Sprinklr para bots conversacionales (confirmado mediante metadatos de LiveChatConfigEntity e informes de despliegue público, aunque no se recuperaron transcripciones de chat) y MoEngage para marketing y compromiso. Los artefactos incluyeron atributos de usuario, términos de búsqueda y actividad del carrito almacenados en MOEInteractions. Aunque la política de privacidad de Jumia menciona el uso de datos para la personalización y el análisis de comportamiento, no hace referencia explícita a tecnologías de IA o aprendizaje automático (machine learning).
• Jiji: La aplicación utilizó Intercom para mensajería (con flujos de trabajo habilitados por IA) y Google ML Kit para capacidades de aprendizaje automático, evidenciado por ml_sdk_instance_id en las preferencias compartidas (shared preferences). El history.db almacenaba registros JSON de productos vistos y metadatos del vendedor. La política de privacidad de Jiji fue la única que declaró explícitamente que "herramientas automatizadas impulsadas por IA" operan dentro de la plataforma, aunque esta divulgación permanece oculta en el texto legal en lugar de ser un material orientado al usuario.

Hallazgos de Transparencia:

• Falta de Divulgación General: Ninguna de las tres aplicaciones hizo referencia explícita a la funcionalidad impulsada por IA en sus descripciones de Google Play Store.
• Implícito vs. Explícito: Mientras que la evidencia forense indica la existencia de infraestructura de IA (SDKs, bases de datos, registros), la documentación orientada al usuario omite esto en gran medida. La divulgación, cuando está presente, es indirecta (por ejemplo, mencionar "personalización" sin nombrar la IA subyacente) o se restringe a densas políticas de privacidad legales.
• Contexto Socioeconómico: Los datos de la encuesta de la ONU indican que, si bien casi el 40% de los nigerianos tienen solo "poco" conocimiento de la IA y el 22% no tiene ninguno, existe una fuerte dependencia de las plataformas digitales de consumo. La confianza en la IA es baja (el 48% expresa confianza), y las interacciones son desiguales, con un alto uso en redes sociales pero un bajo uso en servicios gubernamentales o de salud.

Contribuciones Clave

1. Evidencia Empírica de la Integración de la IA: El estudio proporciona evidencia forense que sugiere que las principales plataformas de comercio electrónico nigerianas dependen fuertmente de sistemas de IA externos y dependientes del servidor para la personalización, los chatbots y la analítica de compromiso, en lugar de un procesamiento en el dispositivo.
2. Identificación de la Brecha de Transparencia: Establece una desconexión entre la realidad técnica del despliegue de la IA y la realidad informativa presentada a los usuarios. El artículo demuestra que las prácticas actuales de divulgación son insuficientes para informar a los usuarios sobre la naturaleza automatizada de sus interacciones.
3. Refinamiento Conceptual de la Soberanía Digital: El documento operacionaliza la transparencia como un indicador medible de la soberanía digital individual. Argumenta que, sin una divulgación clara de los mecanismos de IA, los usuarios no pueden ejercer el control necesario para mantener la soberanía sobre sus datos e identidad digital.
4. Generalización Analítica: En lugar de una generalización estadística, el estudio ofrece una generalización analítica que vincula la opacidad de la IA con la reducción de la soberanía en economías de primero mundo con un desarrollo móvil predominante y una conciencia moderada de la IA.

Significancia y Reivindicaciones
El artículo sostiene que sus hallazgos resaltan un desafío crítico para el desarrollo socioeconómico en Nigeria y mercados emergentes similares. Los autores argumentan que, si bien las funciones de IA (como los motores de recomendación) no son inherentemente dañinas, su operación sin transparencia amplifica los riesgos asociados con el capitalismo de vigilancia, donde los datos se utilizan para predecir y potencialmente moldear el comportamiento del consumidor sin el consentimiento o la conciencia del usuario.

La significancia del trabajo radica en su capacidad para:

• Exponer la "Caja Negra": Mediante el uso de métodos forenses, el estudio revela una infraestructura de IA que es invisible para el usuario promedio, desafiando la suposición de que los usuarios son participantes plenamente informados en la economía digital.
• Vincular Hallazgos Técnicos con la Gobernanza: Conecta los artefactos técnicos (SDKs, bases de datos) con problemas de gobernanza más amplios, sugiriendo que la falta de transparencia socava la confianza necesaria para que los ecosistemas digitales prosperen.
• Informar la Política y la Práctica: El estudio sugiere que fortalecer la soberanía digital individual requiere mecanismos de transparencia y modelos de consentimiento más claros. Postula que abordar estos déficits de transparencia es un prerrequisito para fomentar ciclos de desarrollo positivos en las economías digitales, en lugar de reforzar ciclos negativos de explotación y desconfianza.

Los autores mantienen la modestia en su alcance, reconociendo que el estudio está limitado a tres aplicaciones en un solo país. Sin embargo, afirman que los patrones identificados de integración y opacidad de la IA son probablemente representativos de tendencias más amplias en las economías digitales de base móvil con marcos regulatorios en desarrollo.