Gemelos digitales:: inteligencia artificial y realidad mixta en comunidades vulnerables

Luís Esis

doi:10.62876/tc.vi52.8235

Autores/as

Luís Esis Universidad Metropolitana

DOI:

https://doi.org/10.62876/tc.vi52.8235

Palabras clave:

Gemelos digitales, inteligencia artificial, realidad mixta, comunidades vulnerables, anticipación socioambiental

Resumen

La intensificación de los riesgos climáticos, sociales y territoriales ha evidenciado las limitaciones de los enfoques tradicionales de planificación, especialmente en comunidades vulnerables caracterizadas por debilidades institucionales y baja capacidad de anticipación. En este contexto, el presente artículo analiza la convergencia entre gemelos digitales, inteligencia artificial y realidad mixta como una arquitectura sociotécnica emergente con potencial para fortalecer la anticipación socioambiental y los procesos de planificación sostenible. El objetivo es examinar los alcances y límites de estas tecnologías desde una perspectiva comunicacional, ética e interdisciplinaria orientada al desarrollo sostenible. Metodológicamente, se desarrolla una investigación teórico-documental de enfoque cualitativo e interpretativo, basada en la revisión y análisis crítico de literatura especializada y documentos institucionales. Los resultados indican que la integración de gemelos digitales con inteligencia artificial y realidad mixta puede mejorar la toma de decisiones mediante la simulación de escenarios, la visibilidad inmersiva y la traducción de datos complejos en representaciones comprensibles para distintos actores; no obstante, su valor social depende de condiciones de diseño centradas en las personas, gobernanza ética de los datos y participación comunitaria efectiva. El principal aporte del estudio es proponer una lectura que concibe los gemelos digitales no solo como infraestructuras técnicas, sino también como dispositivos comunicacionales y políticos, subrayando que su contribución a la sostenibilidad y a la reducción de vulnerabilidades está condicionada por marcos de justicia algorítmica, transparencia y equidad.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Luís Esis, Universidad Metropolitana

Doctorando en Ciencias de las Comunicaciones de la Sociedad del Conocimiento de la Universidad Católica Andrés Bello (UCAB). Máster Universitario en Comunicación Organizacional de la Universidad Católica Andrés Bello (UCAB). Especialista de Responsabilidad Social y Empresarial de la Universidad Metropolitana (UNIMET). Consultor y experto en comunicaciones corporativas, gestión de crisis, asuntos públicos, marca personal y desarrollo de programas de impacto social, económico y ambiental, con más de 10 años de experiencia en el sector privado de Venezuela, Colombia, Chile, Guatemala, México y Brasil.

Citas

Berganza M. R., y Ruiz San Román, J. A. (2005). Investigar en comunicación: Guía práctica de métodos y técnicas de investigación social en comunicación. McGraw-Hill.

Castells, M. (2010). The rise of the network society (2nd ed.). Wiley-Blackwell.

Crawford, K. (2021). Atlas of AI: Power, politics, and the planetary costs of artificial intelligence. Yale University Press.

Flick, U. (2015). Introducing research methodology: A beginner’s guide to doing a research project (2nd ed.). SAGE Publications.

Floridi, L. (2022). The ethics of artificial intelligence. Oxford University Press.

Grieves, M., y Vickers, J. (2017). Digital twin: Mitigating unpredictable, undesirable emergent behavior in complex systems. (pp. 85–113). https://doi.org/10.1007/978-3-319-38756-7_4

Harvey, P. (2017). El diseño comunáutico: Fundamentos para una teoría del vínculo social en los entornos digitales. Université du Québec.

Hernández-Sampieri, R., Fernández-Collado, C., y Baptista-Lucio, M. del P. (2014). Metodología de la investigación (6a ed.). McGraw-Hill Education.

Inter-American Development Bank. (2019). Emerging technologies for resilience and disaster risk management. BID.

Jones, D., Snider, C., Nassehi, A., Yon, J., y Hicks, B. (2020). Characterising the digital twin: A systematic literature review. CIRP Journal of Manufacturing Science and Technology, 29, 36–52. https://doi.org/10.1016/j.cirpj.2020.02.002

Ketzler, B., Löchner, G., Neugebauer, C. S., Ritthoff, M., y Voss, A. (2023). Digital twins for sustainability assessment and decision-making. Journal of Industrial Ecology, 27(2), 345–360. https://doi.org/10.1111/jiec.13369

Milgram, P., y Kishino, F. (1994). A taxonomy of mixed reality visual displays. IEICE Transactions on Information and Systems, E77-D (12), 1321–1329.

Morin, E. (2005). Introduction à la pensée complexe. Éditions du Seuil.

O’Neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown.

OECD. (2023). Artificial intelligence in society: Sustainability and governance. Organization for Economic Co-operation and Development.

ONU. (2023). Informe de los Objetivos de Desarrollo Sostenible 2023. Organización de las Naciones Unidas.

Pasquale, F. (2020). New laws of robotics: Defending human expertise in the age of AI. Harvard University Press.

Tao, F., Qi, Q., Liu, A., y Kusiak, A. (2019). Data-driven smart manufacturing. Journal of Manufacturing Systems, 48, 157–169. https://doi.org/10.1016/j.jmsy.2018.01.006

United Nations Development Program. (2021). Technology for development: Digital tools for climate resilience. https://www.undp.org/publications/technology-development-digital-tools-climate-resilience

Virtual Singapore. (2020). Virtual Singapore: A dynamic 3D city model and collaborative platform. Singapore Land Authority. https://www.sla.gov.sg