Inteligencia artificial en condiciones de ambigüedad radical: modelos mentales y emociones públicas

Aquí se propone un marco analítico para comprender cómo se forman las expectativas públicas sobre la inteligencia artificial (IA) bajo condiciones de ambigüedad conceptual radical. A partir de datos secundarios de la Chapman Survey of American Fears, Pew Research Center (2021-2025) y YouGov (2025), el trabajo examina juicios y emociones públicas en Estados Unidos respecto a la posibilidad de que la IA sea o llegue a ser “más inteligente que las personas”. Para ello, se proponen y articulan tres mecanismos de procesamiento: (MP1) heurísticas afectivas moduladas por la familiaridad, que distinguen entre miedos abstractos/existenciales y preocupaciones concretas; (MP2) anclaje en el consenso experto percibido, filtrado por sesgos mediáticos e identitarios; y (MP3) construcción de modelos mentales, mediante los cuales legos y expertos definen de manera divergente qué cuenta como “IA”, “inteligencia” y “superioridad”. El análisis exploratorio identifica cinco patrones: heterogeneidad estructurada de expectativas, transformación del miedo con la experiencia, brecha sistemática entre consenso experto real y percibido, divergencias en la categorización de la automatización laboral y disminución diferenciada de la confianza en la IA a medida que aumenta la experiencia de uso. Estos hallazgos sugieren que las actitudes hacia la IA no pueden explicarse solo por la exposición o la información disponible, sino por la interacción entre afectos, señales de autoridad epistémica y modelos mentales que operan sobre un objeto intrínsecamente ambiguo.