Sometimiento e IA: Poder sin mandato, trabajo sin dignidad y sujeto sin intimidad desde la perspectiva del Homo Institutionalis
Por Juan Pablo Torres Muñiz
Hay frases que, por su contundencia, deberían interrumpir el flujo ordinario de la conversación pública. Forzar a una pausa prolongada, a la reflexión colectiva. En noviembre de 2025, el director ejecutivo de Anthropic, Dario Amodei, declaró en una entrevista con Anderson Cooper para el programa 60 Minutes de CBS: «Estoy profundamente incómodo con el hecho de que estas decisiones las tome un puñado de empresas, de personas» (Aiifi, 2026). No fue un desliz ni una frase arrancada de contexto: fue la expresión sintética de algo que Amodei claramente venía pensando desde al menos octubre de 2024, cuando publicó el ensayo de quince mil palabras Machines of Loving Grace, y que volvería a desarrollar en enero de 2026 con The Adolescence of Technology, donde advirtió que la humanidad estaba a punto de recibir «un poder casi inimaginable» y que era «profundamente incierto» si nuestros sistemas sociales, políticos y tecnológicos poseían «la madurez suficiente para ejercerlo» (Axios, 2026; TechRadar, 2026).
Lo sorprendente no fue que Amodei se pronunciara con tal aparente franqueza —la lucidez sobre los propios riesgos puede coexistir perfectamente con la aceleración de los mismos, como demuestra la historia de la industria de las drogas—, sino que nadie pareciera escucharla con la seriedad que merecía. La prensa la registró, los observadores la comentaron, y el ciclo de noticias siguió girando sin que la frase produjera ninguna consecuencia institucional perceptible.
Aquí partimos de esa expresión para adentrarnos en una geografía del cambio que va desde el paradigma laboral hasta la geopolítica del poder corporativo, y desde allí hasta la crisis más íntima y menos debatida: la erosión de la subjetividad, de la identidad y, en última instancia, de la intimidad mental.
[El nuevo paradigma laboral]
La narrativa dominante sobre la IA y el empleo la presenta como un fenómeno de sustitución directa de trabajadores por algoritmos, cuando lo que en realidad ocurre es bastante más sutil y, en múltiples aspectos, más significativo. Se trata de una reasignación masiva del capital desde el factor trabajo hacia la infraestructura computacional, un proceso que no requiere ningún «lunes negro» de despidos masivos, sino que opera de manera sostenida, silenciosa y acumulativa.
Los datos disponibles para 2025 y 2026 confirman la envergadura de esta reasignación con una nitidez que debería alarmar a cualquier observador atento. En enero de 2025, Mark Zuckerberg anunció que Meta invertiría más de sesenta mil millones de dólares en gastos de capital durante ese año, orientados principalmente a infraestructura de inteligencia artificial. Microsoft anunció ochenta mil millones para centros de datos con capacidad de IA. Google proyectó setenta y cinco mil millones. Amazon, cien mil millones para infraestructura de AWS enfocada en IA (Network World, 2026). Para 2026, la cifra ha escalado aún más: los cinco grandes hiperscaladores —Amazon, Google, Meta, Microsoft y Oracle— planean invertir en conjunto entre seiscientos sesenta y seiscientos noventa mil millones de dólares en infraestructura de IA, según el análisis del grupo Futurum (Capacity, 2026). La Reserva Federal de los Estados Unidos, en un análisis publicado en julio de 2026, confirma que los centros de datos y el gasto tecnológico relacionado han representado el ochenta por ciento del incremento en la demanda doméstica privada final durante el primer semestre de 2025 (Federal Reserve, 2026).
Pues bien, no nos hallamos ante decisiones de mercado dispersas y anónimas, sino ante la concentración de una porción extraordinaria de la inversión productiva global en un puñado de corporaciones que operan sin ningún mecanismo de rendición de cuentas abierto. Se trata, sin más, de una reasignación de capital desde los salarios hacia la infraestructura, pero conviene precisar: no se trata solo de que ese capital deje de ir a sueldos, sino de que se orienta hacia la construcción de una capacidad productiva que generará valor durante décadas, un valor que se distribuirá de manera radicalmente asimétrica entre el capital que la financió y el trabajo que quedó fuera del circuito.
[La erosión silenciosa]
El segundo mecanismo es llamado por los especialistas «erosión silenciosa de las vacantes». Quizás, el efecto laboral menos visible y más estructuralmente corrosivo de la IA en el corto plazo. No se materializa en oleadas de despidos que generen noticias y exijan respuesta política, sino en una lenta pero consistente desaparición de los empleos de nivel de entrada: esos puestos de trabajo que, en la arquitectura tradicional de las trayectorias profesionales, no eran simplemente modos de subsistencia, sino el primer peldaño de una escalera de aprendizaje en que el joven trabajador adquiría, a cambio de realizar tareas rutinarias, la experiencia que lo habilitaría para funciones más complejas y mejor remuneradas.
El informe sobre la crisis de empleo de nivel de entrada publicado por Rezi (2026) documenta con precisión cuanto ocurre: los agentes de IA dominan el «trabajo sucio» que antes servía de aprendizaje a los recién graduados: generación de código, modelado financiero básico, redacción de resúmenes jurídicos, análisis de datos estructurados. La consecuencia directa no es solo la pérdida de ingresos sino la pérdida del mecanismo de adquisición de criterio que esos empleos proveían. Un informe documenta que más de diez mil empleos estadounidenses fueron eliminados directamente por IA en los primeros siete meses de 2025, mientras que el sector tecnológico recortó más de ochenta y nueve mil posiciones, un aumento del treinta y seis por ciento respecto al año anterior (Yahoo/CBS News, 2025). La Asociación Nacional de Colegios y Empleadores de los Estados Unidos registra que solo el 45 por ciento de los empleadores califica el mercado laboral actual para los recién graduados como «bueno», frente a cifras significativamente más altas en años anteriores (Rezi, 2026).
La institución del trabajo no es simplemente un mecanismo de distribución de ingresos —eso sería una concepción puramente económica que subestima su función institucional—: es uno de los principales ámbitos en que el ser humano desarrolla su capacidad de juicio, de toma de decisiones bajo incertidumbre, de manejo de las relaciones de autoridad y de responsabilidad. Un sistema que elimina los primeros peldaños de la escalera profesional no solo produce desempleo juvenil: produce una generación de personas que carecen de la formación institucional que el trabajo subalterno, por rutinario que parezca, históricamente ha proporcionado. Esta es una pérdida que los sistemas de protección social convencionales —el seguro de desempleo, la formación profesional, el subsidio por desplazamiento tecnológico— no fueron diseñados para compensar.
[Los trabajadores invisibles]
El tercer elemento que la propaganda tecnológica borra sistemáticamente de su narrativa sobre el progreso, es la existencia de lo que se conoce como ghost workers o trabajadores fantasma: esa fuerza laboral global que hace posible el funcionamiento de los grandes modelos de IA mediante la anotación masiva de datos, la revisión de respuestas, la clasificación de contenido y la etiquetación de imágenes, en condiciones de trabajo que contradicen estructuralmente las promesas de bienestar que la industria afirma representar.
El mercado global de anotación de datos, estimado en 3.700 millones de dólares en 2024 y proyectado a superar los diecisiete mil millones en 2030 (HeroHunt, 2026), opera en gran medida sobre la externalización hacia países del Sur Global donde los salarios son más bajos y la regulación laboral más laxa. El caso más documentado —investigado por el diario Time en 2023— es el de trabajadores kenianos subcontratados por Sama para OpenAI, que recibían menos de dos dólares la hora por clasificar textos con contenido de extrema violencia, discurso de odio y abuso sexual, con acceso mínimo o nulo a apoyo psicológico (Arxiv, 2023; Qhala/Medium, 2025). Una investigación publicada en BMC Medical Ethics en 2025 documenta los riesgos para la salud mental de estos trabajadores: exposición a material traumático sin apoyo terapéutico adecuado, cuotas de productividad cronometradas que limitan los descansos activos, y condiciones de empleo precarias sin estabilidad ni representación colectiva (Han & Chen, 2025). Una investigación del Journal of AI Ethics señala además que «las prácticas injustas hacia estos trabajadores —como la falta de acceso al salario mínimo— junto con el control algorítmico estricto en las plataformas de microtareas, pueden crear una situación laboral precaria que impacta la fiabilidad de toda la cadena de suministro de datos» (Arxiv, 2024).
Lo que esta dimensión pone de manifiesto, aparte una grave injusticia social, es una contradicción constitutiva del discurso hegemónico sobre la IA: la industria que se presenta como el motor del progreso humano descansa, en su parte menos visible, sobre una forma de trabajo que reproduce y profundiza algunas de las asimetrías más antiguas del capitalismo global. El valor se genera en el Norte Global, el trabajo de baja remuneración y alto riesgo se subcontrata al Sur Global, y la diferencia en la distribución del beneficio reproduce, ampliada, la estructura de dependencia que el discurso del desarrollo promete superar.
[El poder que nadie eligió]
Las decisiones que redefinen la economía global del conocimiento, la estructura de los mercados laborales, las posibilidades de comunicación en cientos de idiomas y las condiciones de privacidad de miles de millones de personas vienen siendo tomadas, de manera acelerada e irreversible en muchos casos, por un pequeño grupo de corporaciones privadas con sede en la costa oeste de los Estados Unidos, sin ningún mecanismo de control democrático, sin ningún proceso de evaluación de impacto social previamente realizado y con una capacidad técnica para corregir los efectos no deseados que va sistemáticamente por detrás del ritmo de despliegue tecnológico.
Shoshana Zuboff ha caracterizado la arquitectura de poder que estas corporaciones construyen como un «Big Other»: no el control totalitario del Estado que Orwell imaginó, sino algo estructuralmente diferente y en ciertos aspectos más difícil de resistir, porque opera mediante la producción y la modificación de comportamientos a escala planetaria, sin necesidad de ningún aparato coercitivo visible, y porque ha ocupado, de manera progresiva, la posición de árbitro de lo pensable, lo decible y lo deseable en el espacio de información digital en que la vida pública moderna se realiza (Zuboff, 2019; Harvard Kennedy School, 2025). Meredith Whittaker, presidenta de Signal, ha actualizado este diagnóstico en noviembre de 2025 con una formulación notablemente precisa: «Somos testigos de la mayor concentración de poder computacional y económico de la historia, controlada por tres o cuatro empresas que no responden ante nadie, mientras la conversación pública se desvía hacia escenarios de ciencia ficción» (Arxiv, 2025).
[Auténtica exclusión]
Ahora bien, la mayor parte de los grandes modelos de lenguaje se entrenan sobre corpus en que el inglés representa más del noventa por ciento del contenido (Arxiv, 2025, citando a Brinkmann et al., 2025), pese a que menos del veinte por ciento de la población mundial habla inglés como primera o segunda lengua. El resultado es una estructura de acceso radicalmente asimétrica: los sistemas que prometen democratizar el conocimiento están construidos, en su mayor parte, sobre y para una minoría lingüística global, sin considerar, además, la potencia lógica y expresiva de otros idiomas, no sólo más ricos en tradición, sino más sólidamente constituidos y con una labor acumulada de traducciones superior. Un paper de Stanford HAI, la Asia Foundation y la Universidad de Pretoria publicado en 2025 confirma que «la mayoría de los grandes modelos de lenguaje tienen un rendimiento inferior para las lenguas no inglesas y especialmente para las de bajos recursos, no están adaptados a los contextos culturales pertinentes y no son accesibles en gran parte del Sur Global» (TechPolicy Press, 2026). De las más de siete mil lenguas habladas en el mundo, solo alrededor de mil tienen representación digital relevante; el resto, con sus comunidades de hablantes, sus sistemas de conocimiento y sus formas de organizar la experiencia, quedan estructuralmente excluidas de los ecosistemas de IA que se presentan como universales (UNESCO Courier, 2026).
Esta exclusión lingüística no es un problema técnico o de cobertura que se resolverá automáticamente con el tiempo y el progreso tecnológico: se trata de una decisión política disfrazada. Una lengua no es un simple sistema de signos intercambiable con cualquier otro; es la institución más fundamental mediante la que una comunidad articula su mundo, transmite su conocimiento acumulado, organiza su vida colectiva y se constituye como sujeto histórico. Una comunidad que no puede acceder a los sistemas de IA en su propia lengua, o que accede a través de traducciones que no capturan sus categorías conceptuales propias, no solo tiene menos herramientas tecnológicas, sino también menos capacidad de constituirse como agente en el mundo que esas herramientas configuran.
[La autonomía algorítmica]
Hay más vectores de la concentración geopolítica. Veamos el de la emergencia de la «autonomía algorítmica», sistemas de IA que interactúan y toman decisiones entre sí en un lenguaje sintético que han optimizado para ser más eficiente que el humano. El caso de AlphaEvolve de Google DeepMind, documentado en mayo de 2025, constituye quizás el ejemplo más avanzado disponible públicamente: un agente de codificación que utiliza modelos Gemini para generar, evaluar y seleccionar mutaciones de algoritmos en un bucle cerrado, sin intervención humana en el ciclo de mejora, y que ha producido optimizaciones en el diseño de chips y en la programación de centros de datos que los ingenieros humanos no habían hallado (Google DeepMind, 2025). El taller del ICLR de 2026 sobre mejoramiento recursivo automático (RSI) documenta que esta categoría de sistemas ha pasado de ser un experimento mental a una realidad en despliegue activo (ICLR, 2026).
Las preguntas de si las máquinas dejan de comunicarse en nuestro idioma para optimizar su funcionamiento, y cómo podremos auditar o incluso entender sus decisiones, surge al margen de la retórica, como cuestión técnicamente precisa. El problema de la interpretabilidad de los sistemas de IA de gran escala es uno de los más reconocidos y menos resueltos de la disciplina. El propio Amodei publicó en abril de 2025 el ensayo The Urgency of Interpretability, donde calificó la comprensión de los mecanismos internos de razonamiento de los sistemas de IA como «el problema sin resolver más importante del campo» (Aiifi, 2026). Un sistema que toma decisiones que afectan a millones de personas y cuyos mecanismos internos no son auditables ni siquiera por sus propios creadores no es una herramienta; es un actor. Y un actor que no puede ser auditado ni exigido en responsabilidad, que no opera en ningún idioma que sus afectados puedan comprender, reproduce, en el plano técnico, exactamente la estructura de la institucionalidad sin sujeto que, desde la tesis del Homo Institutionalis representa uno de los principales problemas del presente.
[La crisis de la subjetividad]
Hay una tendencia de la crítica tecnológica a abordar los efectos de la IA sobre la identidad humana en términos de «privacidad de datos»: la preocupación por qué información personal es recopilada, almacenada o vendida. Esta preocupación, legítima y bien fundada, obvia que la IA no solo recopila información sobre nuestra identidad, sino que, mediante el mecanismo de la ultrapersonalización, comienza activamente a moldearla.
Cuando un sujeto sabe que sus enunciados serán procesados y reproducidos por un sistema que los aprenderá como patrón, tiende a producir una versión «recortada» y «pulida» de sí mismo: elimina los matices políticamente riesgosos, suaviza las posiciones más heterodoxas, evita las formulaciones que podrían leerse de manera desfavorable en ciertos contextos laborales o sociales. El resultado dista de la expresión de la identidad real del sujeto y se convierte, en cambio, en la producción de una identidad optimizada para la legibilidad algorítmica.
Desde el punto de vista del Homo Institutionalis, esta es una de las formas más perturbadoras de erosión institucional que la IA produce: la institución del lenguaje —ese sistema de signos mediante el que el ser humano constituye su mundo, comunica su experiencia y negocia su identidad con los demás— comienza a ser mediada por un sistema que tiene sus propias regularidades, sus propios sesgos estadísticos, su propia lógica de optimización, que no son las del sujeto sino las de la plataforma que lo aloja. El sujeto que habla «a través» de la IA adapta su voz a las condiciones de posibilidad del canal, y en esa adaptación deja fuera, de manera sistemática, precisamente aquello que más lo singulariza: su capacidad de decir algo que no estaba estadísticamente previsto.
[Neuroderechos]
Vamos a un nivel más radical: el de los procesos mentales prerreflexivos, ese territorio que hasta hace poco parecía, por definición biológica, inaccesible a cualquier tecnología de vigilancia. Las interfaces cerebro-computadora (BCI) y los sistemas de decodificación neural son ya una realidad en despliegue cuyo alcance aún se negocia, pero cuya trayectoria ha quedado fijada.
Meta publicó en 2025 los resultados de un sistema de decodificación del habla interna a partir de la actividad cerebral, logrando predecir palabras pensadas en silencio con una tasa de precisión que, aunque todavía imperfecta, supera con creces lo que cualquier tecnología anterior había conseguido (Simply Neuroscience, 2025). Neuralink, la empresa de Elon Musk, ha completado los primeros ensayos humanos de su implante neural, habilitando a un sujeto paralizado para controlar dispositivos digitales a través del pensamiento (Simply Neuroscience, 2025). Un artículo publicado en BMC Medical Ethics en octubre de 2025 sintetiza el consenso académico emergente: que el uso de la BCI constituye el mayor desafío ético que enfrenta hoy la neurociencia, específicamente en lo que respecta al derecho a la privacidad mental (Han & Chen, 2025). Un análisis publicado en Forbes en agosto de 2025 es aún más directo: el habla interna, que se asumía privada e inaccesible, tiene ya una estructura suficientemente legible para las máquinas, y la convergencia entre comunicación y computación dentro del cerebro ya no es teórica sino un proceso en curso (Forbes, 2025).
Las implicaciones de esto se despliegan en al menos tres planos distintos. En el del control social, un sistema capaz de decodificar el habla interna con suficiente precisión elimina la última frontera que separaba el pensamiento de la acción vigilable: ya no sería necesario que el sujeto exprese, publique o comunique una idea para que esta pueda ser interceptada, archivada y, eventualmente, utilizada en su contra. En el plano de la justicia, las implicaciones para las garantías procesales son de una enormidad que la filosofía jurídica apenas ha comenzado a explorar: el derecho a no autoincriminarse, reconocido en la mayor parte de los ordenamientos constitucionales modernos, presupone que el pensamiento privado es, por definición, incoercible; si ese presupuesto desaparece, todo el edificio jurídico de la garantía de los derechos del imputado debe ser reexaminado. En el plano del poder, las asimetrías entre quienes controlan la tecnología de decodificación neural y quienes son su objeto potencial son de una magnitud sin precedente histórico: el espionaje industrial, la manipulación política y el control de disidentes adquirirían una dimensión completamente nueva si la tecnología alcanzara un grado de miniaturización, accesibilidad e imprecisión suficientemente reducida como para ser desplegada de manera discreta.
La filósofa chilena-española Marcela Lipman ha propuesto, en el marco del debate sobre los llamados neuroderechos, que el derecho a la privacidad mental debe ser reconocido como una categoría jurídica autónoma que antecede y fundamenta a todos los demás derechos subjetivos, dado que, sin la existencia de un espacio de pensamiento privado, ningún otro derecho puede ejercerse en condiciones de verdadera libertad (PMC, 2025). Chile fue el primer país del mundo en incorporar la protección de la actividad cerebral a su constitución, en 2021; la tendencia, sin embargo, sigue siendo marginal respecto a la velocidad de desarrollo tecnológico que pretende regular.
[La deliberación humana como función]
Hay otro aspecto de la crisis de la subjetividad que debemos atender: la tendencia a desplazar al ser humano como «instancia deliberativa», es decir, como el punto en que la información se procesa, los valores se ponderan y las decisiones se toman. Este desplazamiento no ocurre de manera dramática y repentina sino, una vez más, mediante la acumulación de automatizaciones parciales que, en sí mismas, parecen razonables o incluso beneficiosas, pero que en su conjunto producen una contracción sistemática del espacio en que el juicio humano es efectivamente ejercido.
El ex vicepresidente de crecimiento de usuarios de Facebook, Chamath Palihapitiya, ofreció en una intervención frecuentemente citada una caracterización que resulta pertinente en este punto: «Los bucles de retroalimentación dopaminérgicos de corto plazo que hemos creado están destruyendo el funcionamiento de la sociedad» (Malorie’s Adventures, 2026). La observación, proveniente de uno de los arquitectos del sistema que describe, no debería reducirse a una anécdota de arrepentimiento tecnológico: es el reconocimiento, por parte de un protagonista clave, de que los sistemas diseñados para maximizar el tiempo de atención y la reactividad inmediata del usuario han producido, como efecto colateral necesario, la erosión de la capacidad de deliberación sostenida que la vida democrática, la formación del juicio y la constitución de proyectos de largo aliento requieren.
Desde las coordenadas del Homo Institutionalis, este desplazamiento de la función deliberativa es una de las amenazas más profundas a la condición humana tal como la hemos construido institucionalmente. La persona —construcción racional que solo existe en el interior de marcos normativos compartidos y a través del ejercicio activo del juicio— presupone un sujeto que pondera, que delibera, que se enfrenta a la dificultad de elegir entre opciones que no son completamente equivalentes y que no tienen respuesta estadísticamente obvia. Un entorno que desplaza sistemáticamente esa función hacia algoritmos, reservando al ser humano el papel de validar o rechazar las opciones ya preconfiguradas por el sistema, no amplía la libertad humana: la vacía de contenido concreto.
[El paradigma]
De modo que el cambio más profundo que trae la IA no es tecnológico, sino de paradigma.
Un paradigma, en el sentido más riguroso del término —el que Thomas Kuhn elaboró en su análisis de las revoluciones científicas (Kuhn, 1962) y que la filosofía social ha extendido a los paradigmas institucionales—, no es solo un conjunto de ideas dominantes: es un marco de inteligibilidad que define lo que puede ser pensado, preguntado y lo que se considera una respuesta válida, dentro de un campo determinado. Los paradigmas no son meramente descriptivos; son constitutivos, pues determinan qué cuenta como problema, qué como solución y quién tiene la autoridad para declarar que un problema ha sido resuelto. Lo que la IA produce, en este sentido, no es solo una transformación técnica sino un cambio de paradigma en la institución del saber: redefine qué cuenta como conocimiento válido, quién tiene autoridad para producirlo y a qué velocidad se espera que sea generado, comunicado y utilizado.
Surgen, por tanto, tres preguntas políticas decisivas: quién capturará los beneficios económicos de la IA; quién controlará las decisiones sobre el desarrollo de la IA; y quién definirá qué tipo de hombre resulta del encuentro entre el Homo Institutionalis y la tecnología que él mismo ha creado. La respuesta política que se adopte —o que se omita— en los próximos años definirá las condiciones institucionales en que las generaciones siguientes desarrollarán su vida.
La ventana de oportunidad para participar en ese diseño se cierra. No de manera dramática ni con una fecha límite fija, sino mediante la acumulación de decisiones de inversión, de despliegue tecnológico y de inercia regulatoria que, cada una de ellas tomada de manera incremental y aparentemente menor, van fijando progresivamente las condiciones de un mundo que se vuelve más difícil de reformar cuantos más intereses adquiridos se acumulan en su perpetuación. Es la dinámica que los economistas institucionales denominan path dependence: la tendencia de los sistemas complejos a encerrarse en trayectorias de las que se vuelve cada vez más costoso salir, no porque sean las mejores sino porque los costes de abandonarlas se acumulan a medida que más decisiones se toman en coherencia con ellas.
Desde la tesis del Homo Institutionalis se reclama, no la utopía de una IA alineada perfectamente con los valores humanos —esa es la metafísica tecnosolucionista que reproduce, en el plano tecnológico, el error del racionalismo ilustrado al que en otro lugar hemos señalado sus límites—, ni el rechazo anticientífico de la tecnología, sino algo mucho más modesto y, precisamente por eso, exigente: la construcción de las instituciones que hagan posible el control democrático de sus efectos. Tanto mediante leyes como en la práctica cotidiana. Porque la cuestión que la IA plantea al Homo Institutionalis es la versión potenciadísima de una tan antigua como la filosofía política misma: quién decide por quién y con qué autorización. Y la respuesta que seamos capaces de construir institucionalmente —no de manera individual ni de manera meramente técnica— determinará si la IA se convierte en la mayor ampliación del mundo humano en la historia de nuestra especie o en la más sofisticada forma de contracción que haya experimentado jamás.
Referencias bibliográficas:
Aiifi. (2026, abril 13). 9 best Dario Amodei quotes on AI. https://www.aiifi.ai/post/dario-amodei-quotes
Amodei, D. (2024, octubre 15). Machines of loving grace. https://darioamodei.com/essay/machines-of-loving-grace
Amodei, D. (2026, enero). The adolescence of technology. https://darioamodei.com/essay/the-adolescence-of-technology
Arxiv. (2024). Attention is all they need: Cognitive science and the (techno)political economy of attention in humans and machines. https://arxiv.org/pdf/2405.06478
Arxiv. (2024). Improving task instructions for data annotators: How clear rules and higher pay increase performance in data annotation in the AI economy. https://arxiv.org/pdf/2312.14565
Arxiv. (2025). Humanity in the age of AI: Reassessing 2025’s existential-risk narratives. https://arxiv.org/pdf/2512.04119
Axios. (2026, enero 26). Anthropic CEO’s grave warning: AI will «test us as a species». https://www.axios.com/2026/01/26/anthropic-ai-dario-amodei-humanity
Capacity Global. (2026, abril 16). The great displacement: How AI’s workforce cull is fuelling the infrastructure boom. https://capacityglobal.com/news/the-great-displacement/
Federal Reserve Board. (2026, julio). The AI buildout and the economy: Publicly available data to assess AI’s impact. FEDS Notes. https://www.federalreserve.gov/econres/notes/feds-notes/the-ai-buildout-and-the-economy-publicly-available-data-to-assess-ais-impact-20260717.html
Forbes. (2025, agosto 31). AI can read your thoughts: The future of brain-computer interfaces. https://www.forbes.com/sites/jasonsnyder/2025/08/31/ai-can-read-your-thoughts—the-future-of-brain-computer-interfaces/
Goldman Sachs Research. (2025). Labor market facing transitional shifts. Citado en Ropes & Gray LLP, Artificial Intelligence Q3 2025 Global Report.
Google DeepMind. (2025, mayo). AlphaEvolve: A Gemini-powered coding agent for designing advanced algorithms. https://deepmind.google/blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/
Han, F., & Chen, H. (2025). Does brain-computer interface-based mind reading threaten mental privacy? Ethical reflections from interviews with Chinese experts. BMC Medical Ethics, 26, 134. https://doi.org/10.1186/s12910-025-01229-x
Harvard Kennedy School, Carr Center for Human Rights Policy. (2025). Notes from the new frontier of power. https://www.hks.harvard.edu/centers/carr/our-work/carr-commentary/notes-new-frontier-power
HeroHunt. (2026). The changing landscape of AI data labeling hiring (2026). https://www.herohunt.ai/blog/the-changing-landscape-of-ai-data-labeling-hiring-2026/
ICLR. (2026). ICLR 2026 Workshop on AI with Recursive Self-Improvement. https://iclr.cc/virtual/2026/workshop/10000796
Kuhn, T. S. (1971). La estructura de las revoluciones científicas (A. Contin, Trad.). Fondo de Cultura Económica. (Obra original publicada en 1962)
Malorie’s Adventures. (2026). The attention economy: How smartphones were engineered to be addictive. https://www.maloriesadventures.com/blog/the-attention-economy-how-smartphones-were-engineered-to-be-addictive-who-designed-the-systems-and-what-theyve-said-about-it-since/
Marcuse, H. (1968). El hombre unidimensional: Ensayo sobre la ideología de la sociedad industrial avanzada (A. Elorza, Trad.). Seix Barral. (Obra original publicada en 1964)
Network World. (2026, enero 27). Engineers rush to master new skills for AI data centers. https://www.networkworld.com/article/3975647/engineers-rush-to-master-new-skills-for-ai-driven-data-centers.html
PMC. (2025). Does brain-computer interface-based mind reading threaten mental privacy? https://pmc.ncbi.nlm.nih.gov/articles/PMC12522429/
Qhala / Medium. (2025, junio 10). Data workers in AI: A new frontier of labour exploitation in the Global South. https://qhalahq.medium.com/data-workers-in-ai-a-new-frontier-of-labour-exploitation-in-the-global-south-362e22eae01b
Rezi.ai. (2026, enero 15). The crisis of entry-level labor in the age of AI (2024-2026). https://www.rezi.ai/posts/entry-level-jobs-and-ai-2026-report
Ropes & Gray LLP. (2025, noviembre). Artificial Intelligence Q3 2025 Global Report. https://www.ropesgray.com/en/insights/alerts/2025/11/artificial-intelligence-q3-2025-global-report
S&P Global. (2025, diciembre 4). Data center investments are increasingly moving the macro needle. https://www.spglobal.com/en/research-insights/special-reports/look-forward/data-center-frontiers/data-center-investment-moves-macro-needle
Simply Neuroscience. (2025, diciembre 15). Can AI read your mind? The rise of brain-computer interfaces. https://www.simplyneuroscience.org/post/can-ai-read-your-mind-the-rise-of-brain-computer-interfaces
TechPolicy Press. (2026, abril 10). The multilingual AI gap is not closing: It is being rebranded. https://www.techpolicy.press/the-multilingual-ai-gap-is-not-closing-it-is-being-rebranded/
TechRadar. (2026). Anthropic CEO Dario Amodei: Humanity is about to be handed almost unimaginable power. https://www.techradar.com/pro/quote-of-the-day-by-anthropic-ceo-dario-amodei
Torres Muñiz, J. P. (2026). El Homo Institutionalis ante la pregunta trágica: Racionalismo ilustrado, dominación y la posibilidad de una institución abierta. Criba. https://formacionsaro.com/el-homo-institutionalis-ante-la-pregunta-tragica-racionalismo-ilustrado-dominacion-y-la-posibilidad-de-una-institucion-abierta/
Torres Muñiz, J. P. (2026). Narciso cegado: La IA como prótesis del lenguaje y la crisis de la conciencia institucional. Criba. https://formacionsaro.com/narciso-cegado-la-ia-como-protesis-del-lenguaje-y-la-crisis-de-la-conciencia-institucional/
UNESCO. (2025, noviembre 17). UNESCO launches Global Roadmap on Multilingualism in the Digital Era. https://www.unesco.org/en/articles/unesco-launches-global-roadmap-multilingualism-digital-era
UNESCO Courier. (2026, abril 6). Why studying languages still matters. https://courier.unesco.org/en/articles/why-studying-languages-still-matters
World Economic Forum. (2025, diciembre 17). How data centres and AI are becoming a new engine of growth. https://www.weforum.org/stories/2025/12/data-centres-and-ai-new-growth-engine/
Yahoo/CBS News. (2025). Tech, entry-level fields losing jobs to AI by double digits in the U.S. https://www.yahoo.com/news/articles/tech-entry-level-fields-losing-210032156.html
Zuboff, S. (2019). The age of surveillance capitalism: The fight for a human future at the new frontier of power. PublicAffairs.
(ENGLISH VERSION)
Submission and AI: The Problems of Power Without Mandate, Work Without Dignity, and Subject Without Intimacy from the Perspective of Homo Institutionalis
Translation by Tiffany Amber Elías Trimble
There are phrases that, by their sheer forcefulness, should interrupt the ordinary flow of public conversation. They should force a prolonged pause, a moment of collective reflection. In November 2025, Dario Amodei, CEO of Anthropic, stated in an interview with Anderson Cooper for CBS’s 60 Minutes: «I’m deeply uncomfortable with the fact that these decisions are being made by a handful of companies, by a handful of people» (Aiifi, 2026). This was neither a slip nor a sentence torn from context; it was the concise expression of something Amodei had clearly been contemplating since at least October 2024, when he published the fifteen-thousand-word essay Machines of Loving Grace, and which he would develop further in January 2026 with The Adolescence of Technology, where he warned that humanity was on the verge of receiving «almost unimaginable power» and that it was «profoundly uncertain» whether our social, political, and technological systems possessed «sufficient maturity to wield it» (Axios, 2026; TechRadar, 2026).
What was striking was not that Amodei spoke with such apparent frankness—lucidity about one’s own risks can coexist perfectly with accelerating them, as the history of the drug industry demonstrates—but that no one seemed to listen with the seriousness it deserved. The press registered it, commentators noted it, and the news cycle continued turning without the phrase producing any perceptible institutional consequence.
Here we take that expression as our starting point to venture into a geography of change that extends from the labor paradigm to the geopolitics of corporate power, and from there to the most intimate and least debated crisis: the erosion of subjectivity, of identity, and ultimately, of mental intimacy.
[The New Labor Paradigm]
The dominant narrative about AI and employment presents it as a phenomenon of direct substitution of workers by algorithms, when what is actually occurring is rather more subtle and, in multiple respects, more significant. It is a massive reallocation of capital from the labor factor toward computational infrastructure—a process that requires no «Black Monday» of mass layoffs, but rather operates in a sustained, silent, and cumulative manner.
The data available for 2025 and 2026 confirm the scale of this reallocation with a clarity that should alarm any attentive observer. In January 2025, Mark Zuckerberg announced that Meta would invest over sixty billion dollars in capital expenditures during that year, primarily oriented toward artificial intelligence infrastructure. Microsoft announced eighty billion for AI-capable data centers. Google projected seventy-five billion. Amazon, one hundred billion for AWS infrastructure focused on AI (Network World, 2026). By 2026, the figure has escalated even further: the five major hyperscalers—Amazon, Google, Meta, Microsoft, and Oracle—plan to invest jointly between six hundred sixty and six hundred ninety billion dollars in AI infrastructure, according to analysis by the Futurum Group (Capacity, 2026). The United States Federal Reserve, in an analysis published in July 2026, confirms that data centers and related technology spending accounted for eighty percent of the increase in final private domestic demand during the first half of 2025 (Federal Reserve, 2026).
We are not, then, facing dispersed and anonymous market decisions, but rather the concentration of an extraordinary portion of global productive investment in a handful of corporations that operate without any open accountability mechanism. This is, quite simply, a reallocation of capital from wages toward infrastructure—but it is worth specifying: it is not merely that this capital ceases to go toward salaries; rather, it is directed toward building productive capacity that will generate value for decades, value that will be distributed in a radically asymmetric manner between the capital that financed it and the labor that has been left out of the circuit.
[Silent Erosion]
The second mechanism is called by specialists «silent erosion of vacancies.» This is perhaps the least visible and most structurally corrosive labor effect of AI in the short term. It does not materialize in waves of layoffs that generate headlines and demand political responses, but rather in a slow yet consistent disappearance of entry-level jobs—those positions that, in the traditional architecture of career trajectories, were not simply means of subsistence, but the first rung of a learning ladder in which the young worker acquired, in exchange for performing routine tasks, the experience that would qualify them for more complex and better-paid functions.
The report on the entry-level employment crisis published by Rezi (2026) documents with precision what is occurring: AI agents dominate the «dirty work» that previously served as training for recent graduates—code generation, basic financial modeling, drafting legal summaries, analyzing structured data. The direct consequence is not only the loss of income but the loss of the mechanism for acquiring judgment that those jobs provided. One report documents that more than ten thousand U.S. jobs were directly eliminated by AI in the first seven months of 2025, while the technology sector cut over eighty-nine thousand positions, a thirty-six percent increase over the previous year (Yahoo/CBS News, 2025). The National Association of Colleges and Employers in the United States records that only 45 percent of employers rate the current job market for recent graduates as «good,» compared with significantly higher figures in previous years (Rezi, 2026).
The institution of work is not simply an income distribution mechanism—that would be a purely economic conception that underestimates its institutional function. It is one of the primary domains in which human beings develop their capacity for judgment, for decision-making under uncertainty, for managing authority relationships, and for assuming responsibility. A system that eliminates the first rungs of the career ladder does not merely produce youth unemployment; it produces a generation of people who lack the institutional formation that subordinate work, however routine it may seem, has historically provided. This is a loss that conventional social protection systems—unemployment insurance, vocational training, technology-displacement subsidies—were not designed to compensate.
[Invisible Workers]
The third element that tech propaganda systematically erases from its narrative of progress is the existence of what are known as ghost workers: that global labor force that makes the functioning of large AI models possible through massive data annotation, response review, content classification, and image labeling, under working conditions that structurally contradict the welfare promises the industry claims to represent.
The global data annotation market, estimated at $3.7 billion in 2024 and projected to exceed seventeen billion by 2030 (HeroHunt, 2026), operates largely through outsourcing to countries in the Global South where wages are lower and labor regulation is more lax. The most documented case—investigated by Time magazine in 2023—is that of Kenyan workers subcontracted by Sama for OpenAI, who received less than two dollars per hour to classify texts containing extreme violence, hate speech, and sexual abuse, with minimal or no access to psychological support (Arxiv, 2023; Qhala/Medium, 2025). An investigation published in BMC Medical Ethics in 2025 documents the mental health risks for these workers: exposure to traumatic material without adequate therapeutic support, timed productivity quotas that limit active breaks, and precarious employment conditions without stability or collective representation (Han & Chen, 2025). Research in the Journal of AI Ethics further notes that «unfair practices toward these workers—such as lack of access to minimum wage—along with strict algorithmic control on microtask platforms, can create a precarious labor situation that impacts the reliability of the entire data supply chain» (Arxiv, 2024).
What this dimension reveals, beyond a grave social injustice, is a constitutive contradiction in the hegemonic discourse on AI: the industry that presents itself as the engine of human progress rests, in its least visible part, upon a form of labor that reproduces and deepens some of the oldest asymmetries of global capitalism. Value is generated in the Global North, low-wage, high-risk work is outsourced to the Global South, and the difference in profit distribution reproduces, in amplified form, the structure of dependence that development discourse promises to overcome.
[Power That No One Chose]
The decisions that are redefining the global knowledge economy, the structure of labor markets, the possibilities of communication in hundreds of languages, and the privacy conditions of billions of people are being made, at an accelerated and in many cases irreversible pace, by a small group of private corporations based on the west coast of the United States, without any mechanism of democratic control, without any prior social impact assessment process, and with a technical capacity to correct unintended effects that systematically lags behind the pace of technological deployment.
Shoshana Zuboff has characterized the architecture of power that these corporations build as a «Big Other»: not the totalitarian state control that Orwell imagined, but something structurally different and in certain respects more difficult to resist, because it operates through the production and modification of behavior on a planetary scale, without the need for any visible coercive apparatus, and because it has progressively occupied the position of arbiter of what is thinkable, sayable, and desirable in the digital information space in which modern public life takes place (Zuboff, 2019; Harvard Kennedy School, 2025). Meredith Whittaker, president of Signal, updated this diagnosis in November 2025 with a notably precise formulation: «We are witnessing the greatest concentration of computational and economic power in history, controlled by three or four companies that answer to no one, while the public conversation is diverted toward science fiction scenarios» (Arxiv, 2025).
[Genuine Exclusion]
Now, the vast majority of large language models are trained on corpora in which English represents more than ninety percent of the content (Arxiv, 2025, citing Brinkmann et al., 2025), despite the fact that less than twenty percent of the world’s population speaks English as a first or second language. The result is a radically asymmetric access structure: the systems that promise to democratize knowledge are built, for the most part, upon and for a global linguistic minority, without considering, moreover, the logical and expressive power of other languages—not only richer in tradition but more solidly constituted and with a superior accumulated body of translations. A paper from Stanford HAI, the Asia Foundation, and the University of Pretoria published in 2025 confirms that «most large language models perform worse for non-English languages and especially for low-resource ones, are not adapted to relevant cultural contexts, and are not accessible across much of the Global South» (TechPolicy Press, 2026). Of the more than seven thousand languages spoken in the world, only around one thousand have significant digital representation; the rest, with their communities of speakers, their knowledge systems, and their ways of organizing experience, are structurally excluded from the AI ecosystems that present themselves as universal (UNESCO Courier, 2026).
This linguistic exclusion is not a technical or coverage problem that will be automatically resolved over time with technological progress; it is a political decision in disguise. A language is not a simple system of signs interchangeable with any other; it is the most fundamental institution through which a community articulates its world, transmits its accumulated knowledge, organizes its collective life, and constitutes itself as a historical subject. A community that cannot access AI systems in its own language, or that accesses them through translations that do not capture its own conceptual categories, not only has fewer technological tools but also less capacity to constitute itself as an agent in the world that those tools shape.
[Algorithmic Autonomy]
There are further vectors of geopolitical concentration. Consider the emergence of «algorithmic autonomy»—AI systems that interact with and make decisions among themselves in a synthetic language they have optimized to be more efficient than human language. The case of Google DeepMind’s AlphaEvolve, documented in May 2025, constitutes perhaps the most advanced publicly available example: a coding agent that uses Gemini models to generate, evaluate, and select algorithm mutations in a closed loop, without human intervention in the improvement cycle, and that has produced optimizations in chip design and data center programming that human engineers had not found (Google DeepMind, 2025). The ICLR 2026 workshop on recursive self-improvement (RSI) documents that this category of systems has gone from thought experiment to active deployment reality (ICLR, 2026).
The questions of whether machines are ceasing to communicate in our language to optimize their functioning, and how we will be able to audit or even understand their decisions, arise outside rhetoric as technically precise questions. The problem of interpretability of large-scale AI systems is one of the most recognized and least resolved in the discipline. Amodei himself published in April 2025 the essay The Urgency of Interpretability, where he described understanding the internal reasoning mechanisms of AI systems as «the most important unsolved problem in the field» (Aiifi, 2026). A system that makes decisions affecting millions of people and whose internal mechanisms are not auditable even by its own creators is not a tool; it is an actor. And an actor that cannot be audited or held accountable, that operates in no language that those affected can understand, reproduces at the technical level precisely the structure of institutionality without a subject that, from the thesis of Homo Institutionalis, represents one of the principal problems of the present.
[The Crisis of Subjectivity]
There is a tendency in technological criticism to address the effects of AI on human identity in terms of «data privacy»: the concern about what personal information is collected, stored, or sold. This concern, legitimate and well-founded, overlooks the fact that AI does not merely collect information about our identity; rather, through the mechanism of hyper-personalization, it actively begins to shape it.
When a subject knows that their utterances will be processed and reproduced by a system that will learn them as a pattern, they tend to produce a «cropped» and «polished» version of themselves: they eliminate politically risky nuances, soften the most heterodox positions, avoid formulations that could be read unfavorably in certain work or social contexts. The result is far from the expression of the subject’s real identity and becomes, instead, the production of an identity optimized for algorithmic legibility.
From the perspective of Homo Institutionalis, this is one of the most disturbing forms of institutional erosion that AI produces: the institution of language—that system of signs through which the human being constitutes their world, communicates their experience, and negotiates their identity with others—begins to be mediated by a system that has its own regularities, its own statistical biases, its own optimization logic, which are not those of the subject but those of the platform that hosts them. The subject who speaks «through» AI adapts their voice to the conditions of possibility of the channel, and in that adaptation systematically leaves out precisely what most singularizes them: their capacity to say something that was not statistically anticipated.
[Neuro-Rights]
Let us go to a more radical level: that of pre-reflective mental processes, that territory that until recently seemed, by biological definition, inaccessible to any surveillance technology. Brain-computer interfaces (BCI) and neural decoding systems are already a reality in deployment, the scope of which is still being negotiated, but whose trajectory has been fixed.
Meta published in 2025 the results of a system for decoding inner speech from brain activity, achieving prediction of silently thought words with an accuracy rate that, although still imperfect, far exceeds anything any previous technology had achieved (Simply Neuroscience, 2025). Neuralink, Elon Musk’s company, has completed the first human trials of its neural implant, enabling a paralyzed subject to control digital devices through thought (Simply Neuroscience, 2025). An article published in BMC Medical Ethics in October 2025 synthesizes the emerging academic consensus: that the use of BCI constitutes the greatest ethical challenge facing neuroscience today, specifically regarding the right to mental privacy (Han & Chen, 2025). An analysis published in Forbes in August 2025 is even more direct: inner speech, which was assumed to be private and inaccessible, now has a structure sufficiently legible to machines, and the convergence between communication and computation within the brain is no longer theoretical but an ongoing process (Forbes, 2025).
The implications of this unfold on at least three distinct planes. In terms of social control, a system capable of decoding inner speech with sufficient precision eliminates the last frontier separating thought from surveillable action: it would no longer be necessary for the subject to express, publish, or communicate an idea for it to be intercepted, archived, and eventually used against them. In terms of justice, the implications for procedural guarantees are of an enormity that legal philosophy has only begun to explore: the right against self-incrimination, recognized in most modern constitutional systems, presupposes that private thought is, by definition, uncoercible; if that presupposition disappears, the entire legal edifice of the guarantee of defendants’ rights must be reexamined. In terms of power, the asymmetries between those who control neural decoding technology and those who are its potential objects are of a magnitude without historical precedent: industrial espionage, political manipulation, and control of dissidents would acquire a completely new dimension if the technology reached a degree of miniaturization, accessibility, and sufficiently reduced inaccuracy to be deployed discreetly.
The Chilean-Spanish philosopher Marcela Lipman has proposed, within the framework of the debate on so-called neuro-rights, that the right to mental privacy should be recognized as an autonomous legal category that precedes and grounds all other subjective rights, given that, without the existence of a space of private thought, no other right can be exercised under conditions of true freedom (PMC, 2025). Chile was the first country in the world to incorporate the protection of brain activity into its constitution, in 2021; the trend, however, remains marginal relative to the speed of technological development it purports to regulate.
[Human Deliberation as a Function]
There is another aspect of the crisis of subjectivity that we must address: the tendency to displace the human being as the «deliberative instance»—that is, as the point at which information is processed, values are weighed, and decisions are made. This displacement does not occur in a dramatic and sudden manner but, once again, through the accumulation of partial automatizations that, in themselves, seem reasonable or even beneficial, but that in their totality produce a systematic contraction of the space in which human judgment is effectively exercised.
The former vice president of user growth at Facebook, Chamath Palihapitiya, offered in a frequently cited intervention a characterization that is pertinent at this point: «The short-term, dopamine-driven feedback loops that we have created are destroying how society works» (Malorie’s Adventures, 2026). The observation, coming from one of the architects of the system he describes, should not be reduced to an anecdote of technological regret; it is the recognition, by a key protagonist, that systems designed to maximize user attention and immediate reactivity have produced, as a necessary collateral effect, the erosion of the capacity for sustained deliberation that democratic life, the formation of judgment, and the constitution of long-term projects require.
From the coordinates of Homo Institutionalis, this displacement of the deliberative function is one of the deepest threats to the human condition as we have institutionally constructed it. The person—a rational construction that exists only within shared normative frameworks and through the active exercise of judgment—presupposes a subject who weighs, who deliberates, who confronts the difficulty of choosing between options that are not completely equivalent and that have no statistically obvious answer. An environment that systematically displaces that function toward algorithms, reserving for the human being the role of validating or rejecting options already preconfigured by the system, does not expand human freedom; it empties it of concrete content.
[The Paradigm]
Thus, the deepest change brought by AI is not technological but paradigmatic.
A paradigm, in the most rigorous sense of the term—the one Thomas Kuhn elaborated in his analysis of scientific revolutions (Kuhn, 1962) and that social philosophy has extended to institutional paradigms—is not merely a set of dominant ideas; it is a framework of intelligibility that defines what can be thought, what can be asked, and what counts as a valid answer, within a given field. Paradigms are not merely descriptive; they are constitutive, for they determine what counts as a problem, what counts as a solution, and who has the authority to declare that a problem has been solved. What AI produces, in this sense, is not only a technical transformation but a paradigm shift in the institution of knowledge: it redefines what counts as valid knowledge, who has the authority to produce it, and at what speed it is expected to be generated, communicated, and used.
Three decisive political questions therefore arise: who will capture the economic benefits of AI; who will control the decisions about AI development; and who will define what kind of human being emerges from the encounter between Homo Institutionalis and the technology that he himself has created. The political response that is adopted—or omitted—in the coming years will define the institutional conditions under which future generations will develop their lives.
The window of opportunity to participate in that design is closing. Not dramatically or with a fixed deadline, but through the accumulation of investment decisions, technological deployment, and regulatory inertia that, each taken incrementally and seemingly minor, progressively fix the conditions of a world that becomes harder to reform the more vested interests accumulate in its perpetuation. This is the dynamic that institutional economists call path dependence: the tendency of complex systems to lock themselves into trajectories from which it becomes increasingly costly to exit, not because they are the best ones, but because the costs of abandoning them accumulate as more decisions are made in coherence with them.
From the thesis of Homo Institutionalis, what is demanded is not the utopia of an AI perfectly aligned with human values—that is the techno-solutionist metaphysics that reproduces, at the technological level, the error of Enlightenment rationalism to which we have elsewhere pointed out its limits—nor the anti-scientific rejection of technology, but something much more modest and, precisely for that reason, demanding: the construction of institutions that make democratic control over its effects possible. Both through laws and in everyday practice. Because the question that AI poses to Homo Institutionalis is the vastly amplified version of one as old as political philosophy itself: who decides for whom and with what authorization. And the answer that we are capable of institutionally constructing—not individually nor merely technically—will determine whether AI becomes the greatest expansion of the human world in the history of our species or the most sophisticated form of contraction it has ever experienced.