Título de la revisión: IA y el futuro de las controversias: identificar, atribuir, reclamar y prevenir

Artículo original: AI and the Future of Disputing: Naming, Blaming, Claiming, and Preventing

DOI: 10.1002/crq.21477

Sociedad: Conflict Resolution Quarterly

Palabras clave: resolución de conflictos algorítmica, resolución alternativa de conflictos (ADR), Inteligencia artificial (IA), resolución de conflictos en línea (ODR), prevención.

Abreviaturas y acrónimos utilizados: AI: Artificial Intelligence; ADR: Alternative Disputo Resolution; ODR: En línea Disputo Resolution; DSD: Dispute System Design; LLM: Large Language Modelo; EHR: Electronic Health Recuerdo; COMPAS: Correctional Offender Management Profiling forAlternative Sanctions ; GDPR: General Fecha Protection Regulation

Línea editorial del número: Este número está compuesto por diferentes artículos que hacen aproximaciones a las posibilidades y promesas de la inteligencia artificial en gestión de conflictos.

Motivo para la selección: La inteligencia artificial está impulsando muchos cambios, así que el artículo se eligió para explorar las diferentes aplicaciones de estas tecnologías a la resolución de conflictos, puesto que la propuesta de aplicación en la prevención parecía una premisa interesante, y porque contendía ejemplos de diferentes contextos que han aplicado la IA en la gestión de conflictos.

Resumen: Este artículo analiza como la inteligencia artificial está transformando el campo de la resolución de conflictos. A partir del modelo de Felstiner, Abel y Sarat (1981) basado en las fases naming, blaming y claiming (denominar o reconocer, culpar o identificar y reclamar), los autores proponen añadir una cuarta: preventing(prevenir). Esto lo hacen basándose en la premisa que la IA no solo facilita el acceso a la justicia mediante sistemas ODR, sino que también permite detectar patrones de conflicto y prevenirlos antes de que se manifiesten.

El modelo de Felstiner et al. (1981) del que parte propone que hay tres fases en la emergencia de una disputa: denominar (naimg), culpar (blaming) y reclamar (claiming). Este modelo coincide con los procesos de los ejemplos que se exploran más adelante en el artículo (e-commerce y ámbito sanitario). Es un modelo que se ha criticado en cuanto que no hay una transición liniar de una fase a la otra y porque algunas fases se fusionan. Pero se ha mantenido porque se ha mostrado un marco útli para entender la evolución de los conflictos y las barreras que se tienen que pasar para ir de una fase a la otra. Los autores del artículo proponen añadir la fase de prevención que puede servir para hacer un seguimiento de las diferentes fases o bien para precederlas.

Como comentario puntual, un tema interesante que aparece en el artículo es que Felstiner y los otros autores de este modelo señalan que la habilidad para pasar de una fase a la otra se correlaciona con el estatus socioeconómico.

El artículo sigue explorando ejemplos históricos en e-commerce, principalmente plataformas como e-Bay, que fue pionera. Estas plataformas, debido al alto volumen de disputas que surgían, empezaron a usar la IA para recoger datos y automatizar procesos, cosa que llevó a resolver casi todos los casos sin intervención humana ya en 2000.

No solo esto, sino que la acumulación de datos sobre los conflictos en estas plataformas, que permite detectar patrones, los llevó a iniciar sistemas de prevención a través de puntuaciones y de la reputación.

También explora ejemplos en el ámbito sanitario, como por ejemplo la detección y prevención de errores en registros electrónicos que pueden generar conflictos. Los autores afirman que este ámbito, con los usos que hace de la IA, nos puede aportar aprendizajes por las fases de reclamar y prevenir, podría facilitar a los usuarios el reconocimiento de un daño, podría agilizar la expresión de las quejas o procesar demandas a través de mecanismos de ADR.

Los autores afirman que en el ámbito sanitario se ha tardado más a reconocer la necesidad de usar la IA y aplicaciones de terceros externos para identificar y dirigir errores. De hecho, los sistemas adoptados han sido más bien fuente de disputas por datos defectuosos y mecanismos de reparación insuficientes.

A lo largo del artículo también se abordan los riesgos asociados, que no son diferentes a los riesgos de los que habitualmente vemos asociados a la IA. Algunos de los riesgos que se destacan en el artículo son los sesgos algorítmicos, los errores (las llamadas alucinaciones de la IA), la privacidad de datos o el robo de identidad, la accesibilidad, la opacidad de los algoritmos, sin olvidar el reto de la confianza, los valores, la justicia y la accesibilidad.

Como conclusión, los autores afirman que la IA permite superar límites de tiempos y espacio que parecían insuperables y puede extender la capacidad y las aplicaciones de los ODR por resolver disputas de bajo valor. Además, también prometen posibilidades en la resolución y prevención de conflictos más complejas, en los que siempre se había visto necesaria “la mano humana.” Podrían operar en las fases iniciales del conflicto, donde pueden identificar y resolver conflictos antes de que se materialicen., reduciendo barreras y permitiendo un acceso preventivo a la resolución.

También asseñala que, a pesar de que los procesos de resolución de disputas basados en IA cada vez son más convenientes y sofisticados, todavía es difícil que se confíe por todos los riesgos ya mencionados. no solo esto, sino que el futuro de la aplicación de la IA requiere que se ponga atención al contexto, equilibrando las capacidades humanas y de la máquina para preservar la confianza en sistemas de justicia tanto formales como informales.

Comentario personal: El artículo hace un repaso de cómo la IA ha transformado la gestión de conflictos en los dos ámbitos mencionados, valorando la capacidad de sistematizar, analizar y usar la gran cantidad de datos que pueden procesar estos sistemas. Teniendo en cuenta que el que plantea es la gestión de conflictos que podemos considerar de baja complejidad.

Aun así, creo que el artículo deja más preguntas que respuestas, especialmente en la propuesta de añadir la etapa de prevención e incorporar la IA, la propuesta no se acaba de explorar en profundidad, así que se entiende que este artículo plantea abrir puertas a otros proyectos prácticos o de investigación para explorar esta posibilidad.

Como mediadora me parece especialmente interesante la capacidad de la IA para detectar patrones antes de que el conflicto estalle, cosa que podría ser muy útil en diferentes contextos y también aportar mucha información para hacer divulgación. No solo esto, sino que me pregunto hasta qué punto se podrían cruzar datos para prevenir esta correlación entre el estatus socioeconómico y la capacidad de transitar por las fases del conflicto.

Evidentemente, también quedan muchas preguntas sobre como abordar y supervisar (y quienes lo tendría que hacer) todos los riesgos asociados a la IA. Son herramientas con gran potencial pero hay que mantener una mirada crítica y ética en su implementación.

Tipología mediación: múltiple

Tipo de artículo: artículo de investigación

Datos revisor: Glòria Coll Canet. Mediadora escolar y a las organizaciones. (gloria@gcmediacion.com, linkedin, instagram)