Governance in an Institutional Environment Reconfigured by Artificial Intelligence. A Public Choice Institutionalism Perspective

Cuando pensamos en la gobernanza de la inteligencia artificial, la conversación suele centrarse en la máquina misma. Nos preguntamos cómo construirla de forma segura, cómo asegurar que su código no falle y cómo garantizar que sus decisiones se alineen con los valores humanos. Esto es como revisar el motor de un coche para asegurarse de que funciona sin problemas. Pero hay una pregunta mucho más grande y profunda que a menudo se pasa por alto. No se trata solo de la máquina; se trata del mundo que la máquina está cambiando. A medida que la inteligencia artificial se extiende, no solo se asienta junto a nuestras leyes y organizaciones existentes; redefine activamente estas. Nos obliga a repensar cómo elaboramos reglas, cómo asignamos responsabilidades y cómo organizamos la sociedad misma. El desafío ya no es solo arreglar una herramienta; es navegar por un paisaje que se desplaza bajo nuestros pies, donde la naturaleza misma del trabajo, la autoridad y la toma de decisiones está siendo reescrita en tiempo real.

Este es el rompecabezas central abordado por Paul Dragos Aligica, investigador de la Universidad George Mason. Él sostiene que para entender esta nueva realidad, debemos dejar de ver la inteligencia artificial como un problema único que deba ser resuelto por una única autoridad. En su lugar, sugiere que la veamos como un ecososistema complejo donde muchos grupos, reglas y decisiones interactúan. El artículo propone que la mejor manera de gestionar este mundo cambiante es a través de un concepto llamado "policentricidad". En términos sencillos, esto significa un sistema donde existen muchos centros de poder que coexisten, cada uno dictando sus propias reglas y decisiones, en lugar de un único jefe o gobierno que intente controlarlo todo desde arriba. Aligica construye este argumento combinando dos ideas poderosas: el estudio de cómo las personas toman decisiones cuando tienen intereses distintos, y el estudio de cómo los sistemas complejos se organizan sin un comandante central.

El artículo comienza trazando una línea divisoria clara entre dos tipos de problemas. El primero es el problema "estrecho": cómo gobernar el artefacto de la inteligencia artificial en sí mismo. Esto implica el trabajo técnico de programación, monitoreo y asegurar que el sistema se comporte según lo previsto. El segundo es el problema "amplio": cómo gobernar todo el entorno institucional que la tecnología está transformando. Aligica insiste en que el problema amplio es el que realmente importa. Cuando la inteligencia artificial entra en una sociedad, desencadena una reacción en cadena. Cambia la división del trabajo, lo que significa que algunas tareas que antes realizaban los humanos ahora las realizan las máquinas, mientras que los humanos asumen roles nuevos y diferentes. Este cambio no es un simple intercambio; crea un efecto de cascada que se propaga hacia arriba a través de todo el sistema de reglas.

Para entender cómo funciona este efecto de cascada, el artículo utiliza una lógica similar a la que emplean los economistas para estudiar la división del trabajo. Imagine una fábrica donde se introduce una nueva máquina. Al principio, la máquina se encarga de las tareas repetitivas y de alto volumen. Pero esto obliga a los trabajadores humanos a cambiar lo que hacen. Pueden dejar de realizar el trabajo rutinario para centrarse en las excepciones, los casos difíciles o la supervisión de la máquina. Este cambio en los roles humanos crea entonces la necesidad de nuevas reglas, nuevos supervisores y nuevas formas de gestionar disputas. El artículo describe esto como una "cascada". Una sola decisión de utilizar la inteligencia artificial para una tarea puede acabar obligando a reescribir las reglas de nivel más alto que rigen cómo la sociedad toma decisiones. Pasa de las operaciones cotidianas de una tarea específica, sube hasta las reglas que deciden quién tiene el poder para realizar esas tareas, y finalmente llega al nivel constitucional que decide quién tiene el derecho a cambiar las reglas mismas.

A medida que esta cascada se mueve a través del sistema, activa comportamientos humanos familiares que los politólogos han estudiado durante décadas. Cuando se crean nuevos roles y poderes, las personas y las organizaciones intentarán apoderarse de ellos para su propio beneficio. Esto conduce a la "búsqueda de rentas" (rent-seeking), donde los grupos gastan energía intentando capturar los beneficios de una nueva regla en lugar de crear valor. Conduce a la "captura regulatoria", donde las personas encargadas de supervisar la tecnología terminan dependiendo de las mismas empresas que deben regular porque dichas empresas poseen la única experiencia necesaria. También crea una "pérdida de agencia", donde las personas que deberían estar a cargo no pueden supervisar eficazmente las decisiones complejas y opacas tomadas por las máquinas o las nuevas burocracias creadas para gestionarlas. El artículo sostiene que estos no son accidentes; son consecuencias inevitables de cómo funcionan los incentivos humanos cuando la estructura de la sociedad cambia.

Dada esta complejidad, el artículo evalúa dos visiones principales sobre cómo gobernar este nuevo mundo. La primera es la visión "monocéntrica". Esta es la idea de una autoridad central única —un regulador global o un tratado unificado— que establece un conjunto de reglas para todos. Es una idea atractiva porque promete orden, una responsabilidad clara y un único lugar a donde señalar si algo sale mal. Sin embargo, Aligica sostiene que este enfoque es tanto poco realista como peligroso. Supone que un solo centro puede saber lo suficiente como para gestionar una tecnología que cambia más rápido de lo que cualquier gobierno individual puede reaccionar. También concentra todo el poder de captura, lo que significa que las empresas o naciones más poderosas podrían secuestrar fácilmente todo el sistema para servir a sus propios intereses. Además, un único conjunto de reglas no puede adaptarse a las profundas diferencias de valores y necesidades entre las distintas culturas y sociedades.

La alternativa, y la que el artículo defiende, es la visión "policéntrica". Esto no es un caos de libre competencia, sino un sistema estructurado donde operan simultáneamente muchos centros de decisión diferentes. En este sistema, diferentes ciudades, regiones, empresas y organizaciones pueden probar distintos enfoques para gobernar la inteligencia artificial. Algunos pueden priorizar la velocidad, otros la seguridad y otros la privacidad. Estos diferentes centros compiten y aprenden unos de otros. Si un enfoque falla, puede abandonarse sin que todo el sistema colapse. Si un enfoque funciona bien, otros pueden adoptarlo. Crucialmente, este sistema se basa en la "interoperabilidad". Esto significa que, aunque diferentes centros tengan reglas distintas, pueden seguir comunicándose y trabajando juntos a través de estándares y acuerdos compartidos. Es como una red de pueblos independientes que comercian entre sí y respetan las leyes de los demás sin necesidad de un único rey que los gobierne a todos.

El artículo sostiene firmemente que este enfoque policéntrico no es solo un ideal teórico, sino la realidad que ya está emergiendo. El mundo no se dirige hacia un único gobierno global para la inteligencia artificial; ya se está moviendo hacia un mosaico de diferentes reglas y estándares. Intentar imponer una solución única y descendente a esta realidad sería un error. En su lugar, el objetivo debería ser dirigir este proceso evolutivo. El artículo enfatiza que no podemos simplemente diseñar un sistema perfecto desde cero e instalarlo. El sistema es demasiado complejo y los cambios son demasiado rápidos. En su lugar, debemos actuar como jardineros o navegantes. Podemos crear las condiciones que permitan que las buenas soluciones crezcan y que las malas sean eliminadas. Podemos construir los puentes que permitan la cooperación entre distintos grupos y proteger el espacio donde se puedan probar nuevas ideas.

En última instancia, el artículo concluye que la mejor manera de gobernar la inteligencia artificial es aceptar que estamos en medio de un proceso largo y en desarrollo. No podemos predecir el resultado final, ni deberíamos intentar controlar cada detalle. En su lugar, debemos centrarnos en construir un marco flexible que permita la experimentación, el aprendizaje y la adaptación. Al adoptar un enfoque policéntrico, podemos aprovechar la diversidad del pensamiento humano y la presión competitiva de las distintas jurisdicciones para encontrar soluciones que funcionen. Podemos gestionar los riesgos de la búsqueda de rentas y la captura asegurando que ningún grupo posea todo el poder. Y podemos mantener la legitimidad de nuestras reglas asegurando que sean moldeadas por las personas a las que afectan, en lugar de ser impuestas desde un centro distante. El camino a seguir no es construir una máquina perfecta para controlar el futuro, sino cultivar un sistema resiliente que pueda aprender y adaptarse a medida que el futuro se despliega.