La elección del lugar de residencia implica proyectar un modelo de vida futura. En dicha decisión convergen variables del entorno, condicionantes económicos, lazos afectivos y el deseo intrínseco de pertenencia. En el escenario contemporáneo de incertidumbre climática, a este dilema se añade la preocupación por la habitabilidad y las condiciones futuras del territorio. De este modo, surge el interés por sistemas capaces de anticipar los entornos óptimos para el desarrollo humano; no obstante, confiar en tal promesa exige examinar críticamente las implicaciones de delegar en modelos de inteligencia artificial los criterios que definen una vida deseable. Estos interrogantes articulan nuestra trayectoria de investigación de la última década, materializada en los proyectos Data Biography y Machine Biography, así como en la iniciativa en desarrollo El Mejor Lugar para Vivir. Estas tres propuestas analizan cómo los datos configuran la representación de la experiencia, proponiendo un itinerario que se inicia en la recopilación de la huella digital, transita hacia su proyección prospectiva y culmina en la evaluación de las condiciones territoriales que hacen sostenible la vida.
El internet de los comportamientos (Internet of Behaviors, IoB) constituye el marco conceptual de esta investigación; una tendencia tecnológica que, según explicó Gartner en 2020, permite a las organizaciones vincular registros digitales con acontecimientos de la vida cotidiana para influir en la conducta humana. Desde su origen, la inducción conductual figuraba en este planteamiento corporativo orientado a instrumentalizar los perfiles para formular recomendaciones, ofrecer incentivos o tomar decisiones que anticipen el deseo del consumidor. La máxima implícita de este enfoque, «sabemos mejor que tú lo que vas a necesitar», sintetiza la transición de una tecnología pasiva hacia una analítica predictiva y prescriptiva aplicada a la psicología humana, bajo una visión tecnocrática que asume que los algoritmos, al cruzar datos masivos con las ciencias del comportamiento, poseen modelos matemáticos capaces de predecir con exactitud las necesidades individuales. Al revelar el potencial de control social de esta tecnología, emerge el interrogante sobre quién fija los objetivos de dicha intervención, un dilema que Shoshana Zuboff analiza en The Age of Surveillance Capitalism (2019) al describir el interés económico por transformar la experiencia humana en productos de predicción. Según su análisis, la competencia por asegurar resultados comerciales incentiva a las organizaciones a transitar de la mera observación de conductas a la intervención directa sobre estas, de modo que las recomendaciones terminan sirviendo a los fines de quien controla el sistema mientras el sujeto observado desconoce tanto las inferencias elaboradas sobre su perfil como los mecanismos orientados a encauzar su acción. En esta disparidad cognitiva reside la asimetría epistémica del modelo, un diagnóstico en consonancia con el que Antoinette Rouvroy (2013) acuña el término data behaviourism (conductismo de los datos) para describir una producción de conocimiento orientada a predecir conductas futuras a partir de datos, prescindiendo por completo de las razones, las motivaciones y los relatos de los propios sujetos. La crítica de Rouvroy resulta fundamental para comprender cómo se ejerce el gobierno de la conducta mediante la adaptación algorísmica del entorno a perfiles calculados, según el cual modificar las condiciones de elección –ya sea ordenando lo visible, facilitando una acción o eliminando una alternativa– permite que estas intervenciones operen de manera sutil y precedan a la decisión consciente del individuo, incluso cuando la interfaz continúe presentándose bajo la narrativa de un servicio personalizado.
En este ámbito, nuestra primera investigación se materializó en el proyecto Data Biography. Iniciada en 2017, la propuesta partió de un ejercicio de vigilancia voluntaria o autoespionaje, mediante el cual instalamos la aplicación comercial mSpy en nuestros dispositivos móviles. A través de esta herramienta, registramos durante todo el año 2017 nuestras geolocalizaciones, conversaciones, historiales de navegación e imágenes, entre otras huellas digitales. El archivo resultante se tradujo en 365 libros –uno por cada día– organizados en doce columnas que correspondían a los meses del año de estudio. Dado que el grosor de cada volumen variaba en función de la cantidad de información capturada, los datos adquirieron un peso físico y una presencia escultórica dentro del espacio expositivo.
La instalación nos permitía observar nuestra vida tal como es registrada por una infraestructura de seguimiento, donde la acumulación de datos sugiere una aparente exhaustividad en la crónica de nuestra existencia. Sin embargo, cada registro abría otros interrogantes: una coordenada de geolocalización es incapaz de explicar el motivo latente de un desplazamiento, del mismo modo que un mensaje textual, aun conservando la literalidad de las palabras, resulta insuficiente para restituir el contexto social y emocional en el que fue registrado. Lo representado quedaba confinado a aquello que la herramienta estaba programada para detectar y a las categorías predeterminadas que utilizaba para su clasificación, excluyendo de este modo la densidad de una información vivencial que escapa a la captura algorísmica. Al expandir esta lógica, el desenlace del proyecto evidencia los límites de la traducción digital del sujeto. Simplificar el comportamiento humano en variables cuantificables no solo deforma la realidad, sino que instaura el peligro subyacente de la deshumanización mediante el archivo: se promueve una gobernanza predictiva que asume que la existencia es completamente legible y, por ende, manipulable, omitiendo que la riqueza de la experiencia radica precisamente en lo impredecible, lo inefable y aquello que se resiste a ser indexado por el sistema.
En nuestro siguiente proyecto, titulado Machine Biography (2022), la estructura escultórica del archivo se conserva a través de otros 365 volúmenes, esta vez distinguidos por una portada negra. Estos tomos representan las jornadas de nuestra previsible existencia en el año 2050, transformando el contenido interior en un ejercicio estrictamente especulativo. Mediante el uso de diversos modelos de inteligencia artificial, se generaron conversaciones e imágenes de experiencias potenciales que, probablemente, nunca acontecerán. El formato de diario otorga continuidad al relato y aproxima al lector a una identidad familiar y reconocible, aun cuando los episodios que la configuran procedan enteramente de inferencias y asociaciones algorísmicas.
La producción de esta biografía predictiva articuló diversas subtareas técnicas interconectadas. En primer lugar, un modelo de series temporales, alimentado con el corpus de datos recopilados en 2017 para el proyecto anterior, proyectó la frecuencia y distribución cronológica de los acontecimientos para el año 2050, clasificándolos en siete categorías que abarcaban desde mensajes y búsquedas hasta imágenes y geolocalizaciones. Sobre esta secuencia estructural, se generaron los contenidos específicos: el componente textual se desarrolló mediante el modelo GPT-2, ajustado en castellano y entrenado con nuestras conversaciones personales junto a un corpus de más de 200.000 tuits. La selección de estos tuits, determinada por la temática del cambio climático, la biodiversidad y la transición energética, buscó reflejar las principales preocupaciones sociales para el año 2050, permitiendo integrar de forma orgánica las crisis globales en un escenario narrativo previsible y personal. Por otra parte, la producción visual conjugó decisiones tanto técnicas como culturales; para ello, se empleó DALL·E Mini para la generación de escenas a partir de descripciones textuales, mientras que para la reelaboración de fotografías ya existentes se utilizaron modelos de transformación visual. Específicamente, al entrenar la red arquitectónica CUT, se combinaron registros visuales de recorridos urbanos reales con capturas de pantalla del videojuego Cyberpunk 2077. De este modo, la estética del porvenir incorpora una referencia cultural deliberada, cuyo aspecto futurista responde a un proceso de decisión estética y no a una proyección verificable del devenir histórico.
En el plano conceptual, consideramos esta biografía prospectiva como un «gemelo narrativo»: un doble identitario que adquiere presencia y espesor mediante la modulación de la voz, la recurrencia algorísmica de imágenes y la estricta sucesión cronológica de acontecimientos. Se trata, por tanto, de una propuesta explícitamente artística y especulativa, cuyo propósito no consiste en ofrecer una réplica continuamente actualizada de la persona en tiempo real –como pretenden los gemelos digitales de la ingeniería industrial– ni en validar empíricamente los acontecimientos del año 2050. Por el contrario, la obra se configura como un artefacto estético para examinar críticamente la autoridad epistemológica que adquiere un relato cuando adopta la forma institucional y técnica de una predicción. En este sentido, el proyecto demuestra que, si una narrativa parece estar respaldada por un volumen denso de información íntima e histórica, incluso una simulación inexacta o aberrante puede resultar profundamente convincente para el sujeto. Esta dimensión determinante de comportamiento se vincula directamente con los mecanismos de control que Wendy Hui Kyong Chun analiza en Discriminating Data (2021), donde la autora examina cómo la clasificación por semejanzas y las lógicas corporativas de recomendación tienden a reforzar y congelar los patrones preexistentes del comportamiento. Bajo este modelo, la homofilia –entendida operativamente como la agregación automatizada en torno a lo similar– consolida bucles de retroalimentación altamente amplificados en el entorno digital, dado que la interfaz le devuelve constantemente al usuario aquello que el algoritmo ya espera de su perfil psicográfico. Este tipo de perfilado trasciende la mera catalogación demográfica para indexar los rasgos de personalidad, los valores, los sesgos cognitivos y las vulnerabilidades emocionales del sujeto a partir de su huella digital. En este sentido, la personalización extrema no expande la agencia del individuo, sino que contribuye a volverlo un sujeto estrictamente reconocible, dócil y previsible para el mercado. Con base en este diagnóstico, nuestra investigación se plantea un interrogante fundamental: ¿qué vectores de transformación, disidencia o cambio radical deja de considerar un modelo predictivo cuando insiste en identificar y confinar la identidad de alguien a las regularidades estadísticas de su propio pasado?
Predecir consiste en estimar qué puede ocurrir, mientras que prescribir implica recomendar cómo actuar. Ambas operaciones se vinculan estrechamente cuando una predicción orienta decisiones que modifican la propia situación prevista. Perdomo y sus colaboradores (2020) estudian este fenómeno bajo el concepto de «predicción performativa», argumentando que si un sistema predice que una localidad será un entorno óptimo para residir y recomienda el traslado hacia allí, la afluencia de nuevos habitantes alterará inevitablemente sus condiciones de habitabilidad. Las transformaciones resultantes generan un flujo de datos que el sistema reincorpora en sus iteraciones predictivas subsiguientes, participando activamente en la metamorfosis de aquello que intentaba anticipar. No obstante, esta intervención no garantiza el cumplimiento exacto del pronóstico, pues sus efectos definitivos están supeditados a la forma en la que los individuos acepten, cuestionen o rechacen las recomendaciones algorísmicas.
Los proyectos Data Biography y Machine Biography no pretenden demostrar empíricamente esta inducción conductual, sino ofrecer un dispositivo estético y crítico desde el cual interrogarla. Mediante la materialidad de los libros, es posible contrastar una versión computerizada de la existencia con los dilemas de un entorno social en el que la inteligencia artificial predictiva se ha generalizado y ciertos agentes corporativos o gubernamentales aspiran a intervenir masivamente en las decisiones individuales. Esta distancia entre el archivo y la experiencia vivida permite cuestionar los criterios que sostienen el relato algorítmico, así como la legitimidad de transformarlo en una directriz vital. Asimismo, proyectar esta biografía hacia el horizonte de 2050 obliga a considerar un porvenir condicionado por profundas transformaciones ambientales y sociales. Ante la actual crisis climática, imaginar procesos como el envejecimiento o la continuidad de los hábitos cotidianos exige atender prioritariamente a las variables territoriales que harán sostenible la vida. En este sentido, nuestra última propuesta, El Mejor Lugar para Vivir (2026), profundiza en este vínculo indisociable entre identidad y territorio, explorando cómo articular los indicadores de habitabilidad con la dimensión corporal y afectiva de los lugares.
Esta investigación toma Asturias como territorio de exploración y se desarrolla en colaboración con el Grupo de Aprendizaje Automático del Centro de Investigación en Inteligencia Artificial de la Universidad de Oviedo. En este marco, proponemos combinar datos territoriales abiertos con registros ambientales, corporales y subjetivos para estructurar un modelo de inteligencia artificial multimodal, lo que nos permite investigar cómo articular estas fuentes y qué presupuestos epistémicos intervienen al traducirlas en una valoración residencial. El trabajo de campo correlaciona trayectos y coordenadas GPS con indicadores meteorológicos, calidad del aire, ruido y biometría de dispositivos corporales. Asimismo, la metodología incorpora fotografías, dibujos, acuarelas y diarios, abriendo el proceso a otras formas de atención al entorno. De este modo, una ficha por ubicación aglutina las observaciones y evaluaciones subjetivas recopiladas, con la finalidad de construir un archivo situado cuya interpretación preserve tanto las condiciones de captura como las vivencias de los participantes.
Si en Data Biography resaltamos los datos cualitativos y contextos sociales que quedaban excluidos del registro, en este nuevo proyecto intentamos incorporar tales dimensiones para entrenar el modelo multimodal con una mayor densidad contextual. No obstante, la hibridación de estas modalidades plantea desafíos metodológicos complejos, dado que una medición ambiental y una valoración personal poseen significados y escalas diferentes, y la propia respuesta corporal depende estrictamente de la actividad realizada y del contexto. Por lo tanto, relacionar estos registros exige decisiones técnicas que condicionan el modelo. Tal y como plantea Louise Amoore en Cloud Ethics (2020), para articular una crítica útil es necesario entender que los sistemas algorítmicos condensan múltiples posibilidades latentes en un único resultado operativo. Dicha selección determina qué elementos se toman en cuenta y cuáles se descartan, constituyendo la dimensión propiamente política del algoritmo. En nuestra propuesta, esta cuestión afecta a la construcción misma de la habitabilidad: qué experiencias se vuelven comparables, qué singularidades se simplifican y qué alternativas desaparecen al ofrecer una respuesta automatizada.
La expresión «el mejor lugar» presupone una jerarquización inevitable de criterios. Ya sea que un índice aglutine variables como temperatura, acústica, servicios o afinidades estéticas, siempre existe un agente que determina su relevancia relativa. Al seleccionar estos indicadores, no solo definimos una noción de bienestar, sino que privilegiamos ciertas formas de habitar. Si bien incorporar la subjetividad abre un espacio para debatir tal definición, su traducción a una escala numérica corre el riesgo de aplanar las contradicciones inherentes a la experiencia, pues un entorno puede resultar fascinante a la par que incómodo, o mutar de significado según cambien nuestros vínculos personales o estado de ánimo. Este sesgo prescriptivo orienta la propia exploración territorial: al priorizar ciertas localidades, el sistema encauza nuestras visitas y registros, relegando las alternativas a la invisibilidad. Así, el archivo resultante puede terminar por reflejar la selección algorísmica previa, lo que nos obliga a preguntarnos críticamente qué porcentaje de la experiencia procede de las cualidades reales del territorio y cuánto del itinerario diseñado por el modelo de inteligencia artificial multimodal.
Esta capacidad predictiva trasciende lo individual y proyecta un impacto directo sobre los futuros colectivos. Configurar e indexar ciertos territorios bajo la etiqueta de «refugios climáticos» condiciona los flujos de movilidad residencial. De generalizarse esta lógica, se desencadenarían transformaciones profundas en las comunidades receptoras, afectando el acceso a la vivienda, el tejido social y la demanda de servicios públicos. Estos interrogantes, planteados aquí como premisas de investigación y no como certezas cerradas, sitúan la elección residencial dentro de una red de relaciones sociopolíticas que las clasificaciones individualizadas suelen omitir. Esta expansión de la gobernanza mediante la computación es la que Orit Halpern y Robert Mitchell analizan en The Smartness Mandate (2023), donde asocian las infraestructuras de datos a un imperativo de resiliencia y adaptación continua. Su enfoque nos urge a desmontar la promesa de que el cálculo optimizado ofrece una posición de ventaja ante la crisis ecosistémica, puesto que la capacidad de adaptación individual depende de recursos distribuidos de manera profundamente desigual.
Nuestra propia práctica artística confronta esta contradicción. Si bien la búsqueda de un refugio responde a una necesidad legítima de protegerse frente a la crisis ambiental, este tipo de herramientas corren el riesgo de reducir un problema colectivo y estructural a una simple estrategia de salvación u optimización individual. Al trabajar estéticamente con el modelo multimodal, buscamos someter esta operación a examen, asumiendo que la habitabilidad no solo abarca el derecho a desplazarse, sino también el derecho a permanecer y sostener condiciones compartidas que dignifiquen la vida de quienes carecen de la libertad para migrar. Para materializar estas fricciones en el espacio expositivo, la instalación en desarrollo propone un recorrido por el espacio latente del modelo, cartografiando las afinidades y diferencias que emergen al cruzar métricas ambientales, registros visuales y narrativas afectivas. Un primer prototipo conceptual, alimentado con datos sintéticos, nos permite ensayar estas decisiones de diseño sin pretender validar predicciones reales, manteniendo visible la naturaleza especulativa del artefacto frente a la autoridad que la limpieza visual de una interfaz suele proyectar.
Aunque el uso de herramientas de código abierto facilita auditar y modificar estos flujos de trabajo –tal como se ensayó en Machine Biography–, la transparencia técnica no resuelve de forma automática el dilema político de quién determina los fines del modelo. Esta pregunta exige fiscalizar las taxonomías y los criterios de valoración subyacentes, otorgando a las decisiones artísticas sobre qué visibilizar y cómo hacerlo el mismo peso epistemológico que a la selección de la arquitectura de aprendizaje automático. En última instancia, el recorrido por estos tres proyectos traza una genealogía clara: las huellas digitales se convierten en perfiles, estos perfiles sustentan relatos de futuro y dichos relatos acaban por guiar nuestras decisiones. Al mapear y hacer tangibles estas operaciones, la práctica artística reclama un tiempo de pausa indispensable para el examen crítico; un espacio agencial que nos permita discrepar de una biografía calculada y cuestionar una geografía recomendada, reconociendo las mediaciones algorísmicas que pretenden preescribir nuestra relación con el mundo.
Referencias
AMOORE, Louise (2020). «Cloud Ethics: Algorithms and the Attributes of Ourselves and Others». Duke University Press [en línea]. Disponible en: https://www.dukeupress.edu/cloud-ethics
CHUN, Wendy Hui Kyong (2021). Discriminating Data: Correlation, Neighborhoods, and the New Politics of Recognition. The MIT Press. DOI: https://doi.org/10.7551/mitpress/14050.001.0001
DÍAZ, Diego; BOJ, Clara (2019). «Prácticas artísticas en la época del dataceno. Data Biography: rastros digitales para la exploración biográfica de la identidad personal». Artnodes, núm. 24, págs. 134-41. DOI: https://doi.org/10.7238/a.v0i24.3293
DÍAZ, Diego; BOJ, Clara (2023). «Un enfoque crítico para las capacidades de pronóstico del aprendizaje automático: crear una biografía predictiva en la era del Internet of Behaviour (IoB)». Artnodes, núm. 31, págs. 1-12. DOI: https://doi.org/10.7238/artnodes.v0i31.405249
DÍAZ, Diego; BOJ, Clara; PEREZ LIEBANA, Diego (2026). «Machine Biography as Digital Human Twin: artistic explorations of predictive identity in the age of behavioural data». AI & Society, vol. 41, págs. 4913-4927. DOI: https://doi.org/10.1007/s00146-026-02911-3
GARTNER (2020, 19 de octubre). «Gartner Identifies the Top Strategic Technology Trends for 2021». Gartner [en línea]. Disponible en: https://www.gartner.com/en/newsroom/press-releases/2020-10-19-gartner-identifies-the-top-strategic-technology-trends-for-2021
HALPERN, Orit; MITCHELL, Robert (2023). The Smartness Mandate. The MIT Press. DOI: https://doi.org/10.7551/mitpress/14623.001.0001
LAIDLER, John (2019). «High tech is watching you». The Harvard Gazette [en línea]. Disponible en: https://news.harvard.edu/gazette/story/2019/03/harvard-professor-says-surveillance-capitalism-is-undermining-democracy/
PERDOMO, Juan; ZRNIC, Tijana; MENDLER-DÜNNER, Celestine; HARDT, Moritz (2020). «Performative Prediction». Proceedings of Machine Learning Research, vol. 119, págs. 7599-7609.
ROUVROY, Antoinette (2013). «The end(s) of critique: Data behaviourism versus due process». En: M. Hildebrandt y K. de Vries (eds.). Privacy, Due Process and the Computational Turn (págs. 143-167). Routledge. DOI: https://doi.org/10.4324/9780203427644
ZUBOFF, Shoshana (2019). The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power. PublicAffairs.
Cita recomendada: DÍAZ, Diego; BOJ, Clara. La inteligencia artificial como prescriptora de futuros. Mosaic [en línea], octubre 2026, no. 209. ISSN: 1696-3296. DOI: https://doi.org/10.7238/m.n209.2611
Deja un comentario