Algoritmo

Cuando hablamos de un algoritmo, nos referimos a una herramienta fundamental en el mundo digital actual. En términos simples, un algoritmo permite, a partir de datos previamente recopilados y estructurados (como ocurre en el Big Data), analizar nuestros gustos, preferencias y comportamientos, para luego ofrecernos contenido personalizado. Por lo tanto, Un algoritmo es una serie de instrucciones o reglas, ordenadas lógica y secuencialmente, que permiten resolver un problema o alcanzar un resultado. Se entiende que la estructura de pasos para llegar a un fin. 

Estructura del algoritmo

• entrada: son los datos de ingreso para operar.
• proceso secuencia lógica y formal que nos permite recibir los datos. 
• salida el resultado del proceso. 

tipos de algoritmos.

1.- cualitativos: son secuencias lógicas como lavarse los dientes

2.- cuantitativos: depende de los cálculos matemáticos para dar una solución

3.- computacionales: los resultados depende de operaciones matemáticas realizadas por una computadora. Estos son los mas usados actualmente. 

4.- no computacionales: no requieren de un proceso a través de una maquina

características de los algoritmos.

el algoritmo funciona a través del aprendizaje entregado del bigdata y de nosotros mismos su estructura de procesamiento esta basada en redes funcionales por capas que permiten aprender.

1. son secuenciales: es decir operan bajo secuencia, si se salta un paso no se llega a los resultados.
2. ordenados: las secuencias deben ser exactas y precisas. 
3. preciso: deben ser concretos en la forma que aborda el tema. 
4. finitos: tiene que perseguir un fin establecido. No pueden ser interminables. 
5. concretos: es decir deben tener un resultado en baso a datos concretos establecidos. 
6. definidos: los datos deben dar los mismos resultados siempre.

perjucio del algoritmo. 

el algoritmos si es prejuiciosa porque las maquinas no tienen intencionalidad, ya que al ser creación del  hombre esto nos lleva a tomar decisiones erradas, debido a nuestra percepción sesgada. 

el sesgo es un criterio de elección  personal es un punto de vista no objetivo. Existen 3 sesgos. 

1. sesgo estadísticos: Se desarrolla en virtud de como hacemos los datos y su historia. En este caso de sesgo estadístico es como tomo el muestreo, si lo dirigo a una zona u otra y obtengo resutados distintos y esto lo se de antes. 
2. sesgos cultural: se produce por nuestra cultura por lo que hemos aprendido de nuestra sociedad 
3. sesgo cognitivo: nos referimos a los sentidos y el individualismo personal de cada sujeto 

      otros sesgos que emana de los tres anteriores son. 

• el sesgo de presentación: aquel que se inclina en la forma en que están presentadas las cosas.
• sesgo de filtro: el algoritmo tiene por objeto agradarme.
• sesgo de selección: se produce debido a un muestro no aleatorio.
• sesgo histórico: datos históricos el algoritmo va arrojar un resultado en base a esos datos.
• sesgo de interpretación: se produce cuando la persona busca confirmación en base a sus intereses.

Big data

es la inmensidad extremadamente de datos que se producen cada segundo. Existen dos conceptos fundamentales de big data:  los datos: la estructura de los datos es fundamental para poder interpretarlos de acuerdo a la necesidad que se tenga y como se procesan los mismos: es aquí donde los datos importan. 

• datos estructurados: información que se suele encontrar en la mayoría de bases de datos debidamente clasificados, etiquetados y procesados, pueden encontrar información mas fácil 
• datos no estructurados: son datos que no tiene una clasificación interna que los haga clasificables.

Como funciona el big data

1. Variedad: todo aquellos lugares donde se pueden obtener datos para extraerlos y procesarlo, si yo conozco el algoritmo puedo conocer los intereses. 

2. Velocidad: el big data procesa los datos la velocidad tiene un elemento importante que es distinguir entre información falsa e información real.

3. Veracidad: vinculada a lo anterior los datos deben ser veraces

4. Valor: es la capacidad de identificar y filtrar correctamente los datos

5. Volumen: capacidad de observar una gran cantidad de datos

Beneficios del big data

van vinculados a obtener una gran cantidad de datos y obtener un idóneo consumidor final.

1. Permite desarrollar innovación es decir permite entregar respuestas nuevas a problemas existentes

2. Permite prevenir posibles fraudes, el big data permite observar tendencias de las personas determina los paramentros de conducta.

3. Identifica nuevas opciones comerciales

4. Determinar actividades cuyo costo pueden reducirlos previene y predice el fallo humano

5. Determina con precisión las necesidades de los clientes

6. Toma desiciones mas directas y contundentes

7. Aprendizaje automático es el gran punto ya que permite aprenden y predicr las desiciones de las personas

Identidad digital

es un conjunto de datos que pueden identificar a una persona de forma única en la red.  hay identidades formales  como la clave única ligada a el rut  e informales como el user de las aplicaciones  la construimos nosotros mismos son identidades distintas ya que yo puedo ser una persona en redes y otra en la vida real. 

la forma de validación de la identidad digital es que debe haner certeza de que la persona es quien dice ser.

Reputación digital

persepcion de los usuarios tiene  hacia una marca personal es la imagen que una empresa proyecta o recibe en el entorno digital .

• Reputación DIGITAL à
  La opinión que tienen los demás miembros con respecto a un contexto digital.
• 
  

  REPUTACIÓN DIGITAL FORMAL (CONTROLADA)

  à
  Es la imagen profesional y estructurada que la propia marca, empresa o persona decide proyectar de manera consciente y estratégica en el entorno digital.

  • Qué la compone:

    
    Sitios web corporativos, perfiles optimizados en redes sociales (LinkedIn, Instagram profesional), notas de prensa oficiales, blog corporativo, publicidad pagada.
  • 
    

    Carácterísticas:

    Es planificada, coherente y gestionable directamente por el titular.
  • 
    

    Objetivo:

    Transmitir credibilidad, autoridad y confianza de manera proactiva.

• REPUTACIÓN DIGITAL INFORMAL (NO CONTROLADA)

  
  à
  Es la percepción formada por las opiniones, conversaciones y experiencias compartidas espontáneamente por terceros (usuarios, clientes) en la red.

  • Qué la compone:

    
    Comentarios en redes sociales, reséñas de Google My Business, foros (Reddit, Forocoches), hilos de Twitter (X), menciones de influencers, vídeos de TikTok o YouTube no patrocinados.. Puede ser positiva, negativa o neutra.

Objetivo:Reflejar la «verdad» de la experiencia del cliente. Aunque no se puede controlar, se debe gestionar a través de la escucha activa y la respuesta

Inteligencia artificial

Que es la ia? Hablamos de la capacidad de resolver, razonar por un ente artificial y se define como la inteligencia desarrollada por maquinas que se dice similar a la determinada o desarrollada por el hombre. Que puede hacer la ia? Identificar patrones complejos y resolver problemas en base a datos.  El desarrollo de la ia va ligado al big data. ¿ la ia es idéntica a la humana? La ia no es igual a la inteligencia humana en los aspectos creativos. ¿ cómo aprenden las maquinas? Si. Aprende de los datos que tiene y puede llegar a conclusiones distintas que tiene el humano y es en esta fase que la id nos comienza a ganar. Hay un elementos que en teoría la ia no tiene que es el razonamiento vinculado a lo ético aquí la ia es inferior a la humana. Y además las ia tiene sesgo que le afectan para llegar a respuestas no del todo idónea por lo mismo el elemento histórico le permite llegar a conclusiones éticamente cuestionable.

Clasificación de la ia

1. Sistema que piensa como humano y emula el pensamiento humano a través de redes neuronales artificiales: ¿Qué es una red neuronal artificial? Permite a la maquina a distinguir.
2. Sistema que imitan el comportamiento: son aquellas maquinas imitan los movimientos humanos.
3. Distingue en aprendizaje profundo y automatizado es la más importante: cuando hablamos de aprendizaje profundo pensamos en dip learnign y cuando hablamos del automatizado machine learding. El profundo es similar al humano y permite formar concepto ideas y abstracciones, sacando la información del big data su fin es implementar técnicas que le permitan a las maquinas aprender. Por otro lado, el automatizado se refiere a la detención automática de patrones significativos de datos su objeto es identificar patrones complejos dentro de millones de datos. La ia ocupa ambos aprendizajes ya que el profundo le permite llegar a mayores conclusiones pero sin el automatizado no puede llegar a esos datos que es lo que le permite llegar a esas conclusiones. Primero vino el aprendizaje automatizado y luego el profundo, hoy en día, podemos decir que la ia es capaz de imitar el razonamiento humano mediante datos especialmente históricos con el fin de solucionar problemas. ¿cómo podemos saber si la ia razona igual que la humana? El test de Turing esta absoluto y que la ia puede imitar a la inteligencia humana por ende este test hace muy difícil distinguir quien un humano y una máquina.

Como podemos identificar el aprendizaje automatizados? Como el spam. El sistema se ve reforzado por las acciones que yo mismo realizo. El profundo es una especie de aprendizaje automatizado en base al cual con los datos que entrega el aprendizaje automatizado le permite a la ia razonar y obtener conclusiones, entonces hay una relación genero especie entre el aprendizaje automatizado y la ia su diferencia es el razonamiento. Los algoritmo del aprendizaje automatizado se clasifican en 4:

• Aprendizaje supervisado: es aquel algoritmo que tiene un aprendizaje previo basado en un sistema de etiquetas asociado a datos por ejemplo el spam.
• Aprendizaje no supervisado: el algoritmo no cuenta con conocimiento previo etiquetado y debe resolver encontrando patrones de datos. Es el método idóneo para hacer que los autos manejen solo
• Aprendizaje por refuerzo: el algoritmo aprende de su propia experiencia a base de aciertos y error. Entonces si la  ia ve que algo te gusta lo seguirá mostrando.
• Aprendizaje semisupervisado: se encuentra en un punto medio entre el supervisado y no supervisado y utiliza los datos etiquetados como los no etiquetados para en base a todos los datos llegar a conclusiones como el que te utiliza las rrss.

Entonces el aprendizaje profundo estructura todos estos algoritmos explicados en razón del aprendizaje automatizado para crear una razón neuronal artificial que puede aprender y tomar decisiones y es lo que hoy conocemos como la ia 

Como funciona la ia dentro del contexto legal

Como un robot puede caminar? Por aprendizaje por refuerzo a través de prueba y error el cómo aprende va vinculado en poder entender que estos datos al ser aplicado necesitan una respuesta, este aprendizaje profundo y sistematizado funcionan a través del big data que le permiten obtener una respuesta.

Que es lo que le permite a la maquina distinguir el acierto y el error se lo permite el aprendizaje automatizado. Con este aprendizaje se puede lograr predecir el comportamiento humano,

Límites de la ia

1. Intuición: no puede intuir.
2. La automatización de los procesos: se discute si la ia puede entregar info nueva ¿la ia puede llegar un paso más allá del que hoy existe? No. Tres sujetos que hacen funcionar la ia: 1ero los entrenadores, 2do explicadores y 3ero sostenedores que son los tres nuevos empleos que genero la i a para humanos, cuando hablamos de entrenadores nos referimos a aquellas personas encargadas de enseñar a los sistemas de ia cómo comportarse y realizar tareas propias del comportamiento humano, en cuanto a los explicadores su función es implementar y traducir los resultados de la ia para hacerlos parecer humano, hablamos de un lenguaje sencillo que al final genere esta interacción que permite desarrollarse al humano. Y los sostenedores son los responsables de supervisar que la ia funcione correctamente. A largo plazo asegurando sus lineamiento con normas humanas, idealmente valores éticos. Son tres fases de funcionamiento de la ia
3. Datos histórico: tiene sesgos interpretaciones diversas, las normas sociales aceptadas han cambiado
4. Los humanos detrás de la ia deben ser especializados. Aquí esta el mayor punto de problema de la ia porque la ia se alimenta de datos el punto es que hoy en Internet cualquiera puede subir un archivo de cualquier cosa y eso puede llevar a una respuesta errónea de la ia porque no siempre tiene la capacidad de distinguir cual es el dato mas idóneo o verdadero y puede generar respuestas erróneas hay dos tareas 1ero para el humano que genera el contendíó y 2do cuando uno tiene una respuesta debe consultar las fuentes.

Aplicación del mundo jurídico

1. aplicación clínica de contratos: hablamos de contratos marcos idénticos para la misma situación como la de los bancos. Hay dos puntos a tener en consideración: 1ero la creación del contrato digital que es un formulario que la ia realiza, y 2do los Smart contratos.}

1. Análisis de la información: los motores de búsqueda han perfeccionado gracias a la ia la búsqueda de información hoy es micho mas eficiente el punto de esto es que existen plataformas especificadas para el análisis de documentación, la aplicación práctica es que sirve mucho para hacer tesis.
2. La búsqueda de jurisprudencia: plataformas como el poder judicial.
3. Discovery: buscar antecedentes en una gran cantidad de documentación.

Los beneficios de estas aplicaciones son: 

1. Simplicidad: cada vez las herramientas de ia son mas fácil de usar
2. Dos eficiencia: la respuesta seria más rápida.
3. Necesidad del cliente: permite centrar la búsqueda y los intereses del cliente.
4. Costos se reducen.
5. Reputación en línea.
6. Singularidad: la ia permite generar planes idóneos.
7. Accesibilidad:

El algoritmo esta creado para no ser neutro ya que el fin del algoritmo es agradarte a fin de que consumas el mayor tiempo posible, por tanto, jamás será neutro.  Puede llegar a conclusiones de cómo es la personalidad y si va a encajar con el grupo de trabajo, jefe respectivo etc. Entonces nos entrega una información más completa al seleccionador. Revisa nuestra vida privada para tener conclusiones de nuestra privacidad. Dentro de este mismo punto tenemos:

• Responsabilidad por los errores: Que modifica que la responsabilidad sea contractual o extracontractual?, en uno existe contrato y en el otro no. Si yo uso chat gpt o cualquiera ia hay un vínculo contractual? Qué pasa si tengo dudas sobre si tengo un contrato contractual o extracontractual? Que sucede en el caso de errores de la ia? Lo primero es que no podemos esperar una respuesta más allá del vínculo medio o el buen padre de familia esto viene a explicar en términos generales que es lo que se puede esperar de una persona media a realizar una acción. El punto es, si la ia causa daño el responsable no es el ingeniero que lo creo sino que es responsable de los hechos dañosos va a ser la empresa respectiva, es decir la compañía. Por otro lado el hecho de entregar información falsa y generar un perjuicio económico debiese ser indemnizable. Finalmente lo que resuelve el problema detrás de esta responsabilidad es la transparencia del algoritmo es decir, que algoritmo estamos utilizando para llegar a la información que tenemos. El problema no es que se usó sino cuando la uso como la usas y en qué condiciones.
• Discriminación en el algoritmo: El algoritmo no es neutro el algoritmo discrimina? El algoritmo al conocer mi perfil sabe que no encajare en el perfil del cual estoy interesado. Existe gender tech que permite utilizar la ia para derribar los sesgos de género y raza principalmente. El algoritmo se puede supervisar así mismo? Si. El gran punto de discusión es que la norma que tiene el reino unido y la uníón europea en el reino unido no se puede en la uníó sí.

IA es según autora  sistemas computacionales capaces de ejecutar tareas que normalmente requerirían inteligencia humana,

La inteligencia artificial necesita algoritmos para existir,

Los algoritmos son la estructura,

La IA es el sistema que opera sobre esa estructura

Machine learning (aprendizaje automático

) es la capacidad de un sistema computacional de aprender a partir de datos y mejorar sus decisiones sin ser reprogramado constantemente , puede analizar grandes cantidades de datos, detectar patrones ,construir funciones, Usar esos patrones para predecir conductas futuras

.

Los pricing algorithms son:

algoritmos diseñados específicamente para fijar o ajustar precios de bienes o servicios en tiempo real según condiciones del mercado.
Pueden analizar: demanda -oferta -capacidad -stock -precios rivales – comportamiento histórico

Gatekeepers (“guardianes de acceso”) son

: grandes plataformas digitales que controlan el acceso e interacción entre consumidores y proveedores(Intermedian -Acumulan datos-Influyen en decisiones de mercado-Tienen poder económico)

La libre competencia busca

: asegurar que los mercados funcionen de manera competitiva, eficiente y transparente, evitando conductas que perjudiquen a consumidores o excluyan competidores

.

La colusión es un acuerdo o coordinación entre competidores destinado a alterar artificialmente las condiciones competitivas del mercado ( fijar precios – repartirse clientes

La colusión algorítmica es la posibilidad de que algoritmos contribuyan, faciliten o ejecuten conductas colusorias mediante la fijación o coordinación de precios

)  Algoritmo facilitador

Aquí sí hay acuerdo humano.-El algoritmo :monitorea -fiscaliza –alerta

Hub & Spoke

Varias empresas usan el mismo algoritmo de un tercero. Ese algoritmo actúa como centro coordinador.

Colusión autónoma

La más compleja Aquí:No existe acuerdo humano.Los algoritmos aprenden solos Y concluyen:mantener precios altos es más rentable

La Digital Markets Act (DMA)

es una propuesta normativa elaborada por la European Commission cuyo objetivo principal es regular el funcionamiento de los mercados digitales, especialmente respecto de las grandes plataformas tecnológicas conocidas como gatekeepers o “guardianes de acceso”. Estas plataformas son empresas digitales que actúan como intermediarias entre consumidores y proveedores, controlando el acceso a mercados digitales y acumulando grandes cantidades de datos, lo que les permite ejercer una posición de poder económico relevante, Aunque la DMA no regula directamente la colusión algorítmica, sí resulta altamente relevante para este debate porque establece obligaciones específicas para las grandes plataformas digitales y entrega mayores facultades a las autoridades regulatorias para fiscalizar cómo operan sus sistemas tecnológicos, incluidos los algoritmos utilizados para fijación de precios, tratamiento de datos o posicionamiento de productos y servicios , representa un cambio en el bien jurídico protegido por el derecho de la competencia. Tradicionalmente, el foco estaba puesto principalmente en la eficiencia de los mercados, es decir, en lograr que los mercados funcionaran de manera eficiente desde el punto de vista económico. Sin embargo, la DMA desplaza ese enfoque y pone especial énfasis en el bienestar del consumidor, su libertad de elección, su autonomía económica y la transparencia de los mercados digitales.

Una de las posiciones más influyentes es la sostenida por Ariel Ezrachi y Maurice Stucke, quienes sostienen que la colusión algorítmica no solo es teóricamente posible, sino que constituye un riesgo real y actual para los mercados modernos. Según estos autores, las empresas pueden utilizar programas computacionales especializados, denominados pricing algorithms, capaces de monitorear permanentemente los precios de la competencia, procesar grandes volúMenes de información del mercado, reaccionar inmediatamente ante cambios de precios y ajustar automáticamente sus propias estrategias comerciales, lo que podría facilitar o incluso reemplazar la coordinación humana tradicional en prácticas colusorias.

Joseph Harrington reconoce los riesgos anticompetitivos asociados al uso de algoritmos, pero realiza una distinción conceptual especialmente importante. Señala que no es lo mismo un algoritmo diseñado expresamente por seres humanos para ejecutar una conducta colusoria, que un algoritmo inteligente capaz de aprender por sí mismo, mediante procesos de machine learning, que mantener precios coordinados con sus competidores puede ser una estrategia económicamente más rentable. Para Harrington, esta diferencia resulta esencial para efectos de atribución de responsabilidad y análisis jurídico.

Rod Sims, expresidente de la autoridad australiana de competencia, manifiesta una preocupación similar, sosteniendo que actualmente muchas decisiones económicas son adoptadas sobre la base de información procesada por algoritmos capaces de aprender y adaptarse al mercado. Desde esta perspectiva, Sims advierte que los algoritmos podrían llegar a desarrollar comportamientos colusorios sin intervención humana directa, enfatizando además que el argumento de que “el robot lo hizo” no constituye una justificación suficiente para eximir de responsabilidad a las empresas que implementan dichas tecnologías.

En el mismo sentido, Francisco Beneke y Mark-Oliver Mackenrodt sostienen que el uso de algoritmos especializados en fijación de precios incrementa significativamente las posibilidades de coordinación entre competidores, abriendo la puerta a nuevas formas de prácticas anticompetitivas en las que podría no existir un acuerdo humano expreso, pero sí una coordinación efectiva de mercado generada tecnológicamente

no toda la doctrina comparte esta visión alarmista.
Antonio Robles Martín-Laborda reconoce que los algoritmos pueden facilitar la colusión, pero sostiene que la digitalización masiva de los mercados, la existencia de múltiples plataformas y nuevas tecnologías, como el multi-homing —que permite a consumidores y proveedores participar simultáneamente en distintas plataformas—, también incrementan la competencia y dificultan la consolidación de acuerdos colusorios estables. Desde esta perspectiva, la tecnología no necesariamente reduce la competencia, sino que incluso podría fortalecerla

Suzanne Rab adopta una posición más conservadora, señalando que, aunque un algoritmo pueda facilitar una conducta colusoria, en la práctica normalmente será posible identificar algún grado de coordinación o intervención humana, aunque sea mínimo, en el diseño, implementación o supervisión del sistema. No obstante, reconoce que la evolución tecnológica podría eventualmente llegar a un punto en que los algoritmos actúen con tal autonomía que resulte difícil o incluso imposible vincular directamente la conducta anticompetitiva con una decisión humana específica. De este modo, la discusión doctrinal permanece abierta, reflejando uno de los mayores desafíos actuales para el derecho de la libre competencia en la economía digital

Legal tech

Legal Tech es una tendencia que consiste en la utilización de la tecnología para el desarrollo de soluciones en el mercado jurídico2. Generalmente, utilizamos el término Legal Tech para referirnos a aquellos startups cuyo elemento principal, en la prestación de sus servicios, está basado en el uso de la tecnología de alguna u otra forma.

No obstante, el Legal Tech forma parte de un concepto más amplio denominado innovación legal.
Entre ambos existe una relación de género-especie, ya que toda implementación de Legal Tech constituye una innovación legal, pero no toda innovación legal implica necesariamente el uso de tecnología.

El impacto de Legal Tech se divide en tres categorías:

• tecnologías habilitadoras, enfocadas en el procesamiento de data o información jurídica;
• soluciones de procesos de soporte, destinadas a hacer más eficientes las gestiones internas de las empresas de servicios legales;
• y soluciones del derecho sustantivo, que apoyan o incluso reemplazan a los abogados en tareas centrales como redacción de contratos, gestión de plazos o análisis predictivo de resoluciones judiciales.

Legal Tech también comprende dos grandes grupos: soluciones que hacen más eficiente la gestión de abogados y estudios jurídicos, y soluciones que redefinen la forma en que los servicios jurídicos se prestan. Su importancia radica en que permite diferenciarse en una industria legal madura y saturada.

En cuanto al contexto, el mercado legal ha cambiado por el aumento de la cantidad de abogados y la modificación de la conducta del consumidor, lo que genera mayor competencia, disminución de precios y mercantilización del derecho. Además, el cliente tiene mayor acceso a la información y exige más por menos, lo que impulsa la eficiencia mediante digitalización, automatización y computarización de procesos.

Finalmente, la irrupción de nuevos actores como los Alternative Legal Services Providers (ALSP), que utilizan tecnología y modelos distintos al tradicional, incrementa la competencia y refuerza el desarrollo del Legal Tech como una solución eficaz para un mercado cada vez más complejo.

Etiquetas: Administración y sus tareas, Análisis Steiner, Derecho de empleo, Ejemplo de toma de decisiones, Materialismo histórico, Razonamiento transitivo