Fei-Fei Li y la IA centrada en las personas: cuando la tecnología debe servir a la humanidad

IA · ÉTICA · FUTURO DEL TRABAJO

1. Quién es Fei-Fei Li y por qué su opinión importa

Fei-Fei Li es una de las figuras clave de la era moderna de la inteligencia artificial. Nació en China, emigró a Estados Unidos siendo adolescente, trabajó en la tintorería de su familia y acabó estudiando Física en Princeton para después doctorarse en ingeniería eléctrica y ciencias de la computación. Su historia completa la cuenta en su libro de memorias, “The Worlds I See”, recomendado por Barack Obama y el Financial Times como una de las lecturas imprescindibles para entender la IA actual.

En el plano técnico, su papel es difícil de exagerar: lideró el proyecto ImageNet, un gigantesco dataset de imágenes etiquetadas que se convirtió en el catalizador del boom del deep learning. Aquella competición de visión por computador en 2012, donde una red profunda arrasó al resto, marcó un antes y un después. Por eso hay quien la llama la “madrina de la IA”: sin ImageNet, la ola actual de modelos de visión y lenguaje habría llegado mucho más tarde o de forma muy distinta.

Hoy es profesora en Stanford y codirectora del Stanford Institute for Human-Centered Artificial Intelligence (HAI), creado en 2019 con una misión clara: “avanzar la investigación, la educación, la política y la práctica de la IA para mejorar la condición humana”. No es un eslogan bonito para la web: es el filtro con el que intentan evaluar cada proyecto, cada beca y cada informe que sale del instituto.

2. Qué significa realmente “IA centrada en las personas”

Para Fei-Fei Li, hablar de IA centrada en el ser humano no es solo poner al usuario al final del flujo de diseño. Es empezar al revés: antes del modelo, de los datos o de la GPU, hacer una pregunta muy básica: ¿a quién ayuda esto y a quién puede hacer daño?

En Stanford HAI lo formulan con tres ideas que se repiten en su trabajo y en sus charlas. La primera: la IA debe ser guiada por su impacto en las personas, no solo por lo que es técnicamente posible. La segunda: los sistemas deberían inspirarse en la inteligencia humana, entendiendo cómo percibimos, aprendemos y tomamos decisiones, en lugar de tratar a las personas como ruido alrededor del algoritmo. Y la tercera: la IA debe ampliar capacidades humanas, no reemplazarlas de manera ciega.

Ese enfoque se traduce en preguntas muy concretas: ¿qué colectivo se ve más afectado si el sistema se equivoca?, ¿qué datos está usando, quién falta en ese dataset?, ¿quién se beneficia económicamente del sistema y quién asume los riesgos?, ¿cómo puede explicarse una decisión para que alguien que no es técnico pueda impugnarla?

Cuando Fei-Fei Li habla de IA centrada en las personas, habla de esto: de que la arquitectura técnica, el modelo de negocio y el marco regulatorio estén alineados con la idea de mejorar vidas, no solo KPIs de eficiencia.

3. De los laboratorios a las personas: tres hilos que atraviesan su trabajo

Una forma sencilla de entender su visión es seguir tres hilos que se repiten en sus proyectos.

El primero es el de la tecnología como “tecnología civilizacional”. En entrevistas recientes, Fei-Fei Li insiste en que la IA no es solo una herramienta más, sino una infraestructura que moldeará cómo aprendemos, trabajamos, nos cuidamos o votamos. Por eso, dice, no puede quedar solo en manos de ingenieros o de un puñado de empresas: hace falta la voz de médicos, educadores, juristas, filósofos, economistas y, en general, de gente que entienda qué pasa cuando un sistema se despliega sobre vidas reales.

El segundo hilo es el de la ética incorporada al proceso de desarrollo. En el podcast de Greylock con Reid Hoffman, Fei-Fei Li lo explica sin rodeos: si quieres IA centrada en las personas, la conversación sobre impacto y valores tiene que empezar antes de escribir una línea de código. En Stanford HAI han llegado a crear un comité de Ethics & Society Review que revisa proyectos de investigación para identificar riesgos sociales y obliga a los equipos a explicitar cómo piensan mitigarlos.

El tercer hilo es el de la inclusión. Fei-Fei Li lleva años advirtiendo de que la IA entrenada solo con datos de países ricos, hombres blancos o grupos sobre-representados acabará perpetuando sesgos y desigualdades. De ahí su esfuerzo en iniciativas como AI4ALL, que busca abrir puertas en la IA a jóvenes de comunidades infrarrepresentadas. Su propia biografía de inmigrante de bajos recursos atraviesa esa preocupación: sabe lo fácil que es que la tecnología ignore a quien no tiene voz en la mesa.

4. De los papers a la realidad: dónde se nota su impacto

Una crítica habitual al discurso sobre ética en IA es que suena muy bien pero cuesta verlo aterrizado. En el caso de Fei-Fei Li, hay varias líneas donde su influencia sí se está notando.

En sanidad, gran parte de su trabajo en visión por computador se ha aplicado a diagnóstico por imagen: desde detectar tumores en pruebas médicas hasta analizar patrones en escáneres cerebrales. Su mensaje es claro: los sistemas bien diseñados no sustituyen a los médicos, sino que liberan tiempo para tareas donde el ojo humano sigue siendo irremplazable: hablar con pacientes, tomar decisiones complejas, evaluar contexto.

En educación, defiende el uso de la IA como tutor personalizado y como herramienta para ampliar el acceso a contenidos de alto nivel, pero advierte del riesgo de crear una brecha entre quienes cuentan con buenos modelos, buenos dispositivos y buen acompañamiento, y quienes solo reciben versiones recortadas. Ahí insiste en la necesidad de políticas públicas y alianzas entre universidades, sector privado y gobiernos.

En política y regulación, Stanford HAI se ha convertido en un actor influyente. Sus informes, como el AI Index, ofrecen datos sobre inversión, capacidades y regulación a escala global y se usan como referencia en debates de gobiernos y organismos internacionales. La idea subyacente es muy Fei-Fei Li: no se puede gobernar algo que no se mide con rigor.

Todo esto no significa que el mundo ya funcione con una IA “humana” y justa; significa que hay instituciones activas intentando que así sea. Y que una parte de esa presión viene de alguien que podría haberse quedado en su laboratorio, pero ha elegido meterse en el barro de la política, la divulgación y el diseño institucional.

5. Entre el tecno-optimismo y el miedo: su postura en el debate actual

Si Sam Altman habla de AGI y superinteligencia, y Geoffrey Hinton de un 10–20 % de riesgo de extinción, Fei-Fei Li se coloca en un punto intermedio: optimismo cauteloso. En entrevistas conjuntas con otros expertos ha defendido que la IA es una tecnología tan profunda como la electricidad o la imprenta, capaz de transformar civilizaciones enteras, pero a la vez insiste en que debemos abrazarla "con cautela" y con marcos de seguridad serios.

No niega los riesgos de uso malicioso, de pérdida de empleo o de desigualdad creciente. De hecho, en su libro y en sus charlas habla con mucha claridad del miedo de padres, trabajadores y estudiantes ante una tecnología que no entienden del todo pero que ya está cambiando su día a día. La diferencia es que, en lugar de quedarse en la advertencia abstracta, empuja soluciones: más investigación en seguridad, más transparencia, más colaboración entre países y más educación ciudadana para entender qué pueden y qué no pueden hacer estos sistemas.

Su mensaje es: ni negacionismo ingenuo (“esto es una moda”) ni pánico paralizante (“estamos condenados”). Toca trabajar en serio para orientar la tecnología hacia usos que sumen.

6. Qué significa para ti una IA centrada en las personas

Todo esto suena bien, pero la pregunta importante es cómo te afecta si estás programando, montando una startup, liderando una empresa o trabajando en un sector que empieza a usar IA.

Si construyes producto con IA, la visión de Fei-Fei Li te obliga a cambiar el orden mental clásico. No empiezas por “qué modelo usamos”, sino por “qué problema humano resolvemos y qué podría salir mal”. ¿A quién perjudica un falso positivo? ¿Qué pasa si el sistema deja fuera a una minoría? ¿Cómo revertimos una decisión injusta? A partir de ahí, eliges arquitectura, datos y modelo de negocio. Es justo el giro que necesitas para que tu encaje producto-mercado no sea solo técnico, sino también social; algo que conectamos en más detalle en encaje producto-mercado para startups de IA.

Si lideras equipos o una organización, una IA centrada en las personas se traduce en gobernanza: políticas claras de uso de modelos, formación para tu gente, procesos de revisión de riesgos, y decisiones conscientes sobre qué datos alimentan tus sistemas y dónde se ejecutan. No es solo “meter un chatbot”; es rediseñar el trabajo y la cultura alrededor de nuevas herramientas. Ese es el tipo de enfoque que desarrollamos en liderazgo en IA empresarial.

A nivel de infraestructura, su enfoque refuerza una idea que ya se ve en los grandes actores: necesitas pensar en privacidad, residencia de datos y seguridad desde el minuto cero. Modelos privados, controles de acceso, auditoría de quién ve qué, y despliegues que cumplan la normativa local no son extras, son parte del diseño centrado en las personas. Si te interesa esa capa más técnica, puedes cruzarlo con conceptos como los que explicamos en Private AI Compute de Google.

Y si eres profesional “de a pie” en cualquier sector, su mensaje es doble. Por un lado, necesitas alfabetizarte en IA: entender qué puede y qué no puede hacer, cómo se están usando tus datos y qué derechos tienes. Por otro, tienes más poder del que crees para empujar preguntas incómodas dentro de tu empresa: ¿quién valida este modelo?, ¿quién revisa sesgos?, ¿a quién puedo reclamar si se equivoca?

Y ahí está la clave: una IA centrada en las personas no es una etiqueta, es una práctica diaria. El trabajo de Fei-Fei Li nos recuerda que todavía estamos a tiempo de elegir hacia dónde inclinamos la balanza.

---

Si quieres seguir explorando cómo aterrizar esta visión en tu organización, puedes combinar este artículo con liderazgo en IA empresarial, con la capa de producto en encaje producto-mercado para startups de IA y con la parte de infraestructura segura en Private AI Compute de Google.