Dos teóricos que plantearon sistemas diametralmente opuestos para entender la naturaleza nacieron en 1707. Carlos Linneo propuso ordenarla en categorías claras mientras que Georges-Louis Leclerc de Buffon prefirió verla como un tejido de relaciones en movimiento. La primera ganó. No solo en biología, sino también en cómo organizamos el conocimiento y, hoy, en cómo funcionan los sistemas de inteligencia artificial.
Un estudio de 2025 publicado en Cambridge Forum on AI: Culture and Society, de Juan Cortés y José Carlos Mariátegui (fundador de Alta Tecnología Andina), sostiene que esa herencia no es inocua. Los sistemas actuales no se limitan a procesar información, sino que la moldean. Al clasificarla bajo esquemas rígidos, privilegian una forma de conocer y desplazan otras. Lo hacen con la eficacia silenciosa de quien cree que ordenar equivale a entender.
La lógica técnica es conocida. Los modelos se entrenan con datos etiquetados, donde cada elemento debe encajar en una categoría. Los metadatos y las ontologías definen qué es cada cosa y cómo se relaciona con las demás. El resultado es un mundo que cabe en casilleros y que funciona bien mientras la realidad coopere. El problema es que rara vez lo hace.
Una planta puede ser alimento, medicina y símbolo al mismo tiempo. Un ecosistema no responde a una sola variable. Una práctica cultural no se deja reducir a una etiqueta. Sin embargo, el sistema exige una respuesta única. En ese proceso, lo que no encaja, desaparece. No porque no exista, sino porque no tiene dónde registrarse.
El estudio propone ampliar ese marco. No se trata de reemplazar una forma de conocimiento por otra, ni de abandonar la clasificación, sino de reconocer que una sola forma de clasificar no basta. De ahí el interés por modelos que admiten múltiples etiquetas, relaciones en red o grados de pertenencia. En términos simples, sistemas capaces de representar mejor la complejidad y el contexto en el que las cosas adquieren significado.
Este cambio no es solo técnico; también abre nuevas posibilidades para entender el conocimiento originario. En lugar de forzarlo a encajar en categorías externas, permite comprenderlo en sus propios términos. Una misma entidad puede tener valor ecológico, cultural y simbólico sin que uno anule al otro. Eso no solo enriquece los modelos, sino que además permite que la tecnología dialogue con las comunidades a partir de sus propios marcos culturales en lugar de reemplazarlos.
No obstante, esta apertura exige cuidado. No todas las afirmaciones cumplen la misma función ni tienen las mismas consecuencias. En ámbitos como la salud, la política pública o la infraestructura, las decisiones requieren criterios exigentes y evidencia sólida. La ampliación del modelo no elimina la necesidad de rigor, sino que la hace más relevante, porque obliga a distinguir mejor cuándo aplicar cada tipo de conocimiento.
Quizá ese sea el punto más interesante. No se trata de elegir entre ordenar o comprender, sino de dejar de asumir que una sola forma de ordenar cubre todo lo que hay que entender. La tecnología que construimos puede seguir simplificando el mundo para hacerlo manejable, o puede empezar a representarlo con mayor fidelidad, incluso cuando eso implique aceptar su complejidad. El estudio ofrece salidas técnicas para integrar estos conocimientos como modelos tipo rizomas (espirales), ontologías flexibles y bases de datos GraphRag que nos ofrecen una visión multidimensional del conocimiento.
En esa decisión no solo está en juego cómo funcionan los sistemas, sino además cómo entendemos la realidad que intentan modelar.
Deja una respuesta