Entrenar siempre nuevos modelos en lugar de optimizar los existentes.

Fomentar el uso crítico, establecer marcos de Transparencia y garantizar el Control Humano Significativo.

Utilizar IA solo en países desarrollados.

Evitar completamente su uso.

Una mejora de la equidad.

Una reducción de la carga cognitiva.

Un caso de plagio y pérdida de aprendizaje intelectual.

Un avance en transparencia académica.

Cantidades significativas de energía y agua para enfriamiento (impacto ambiental).

Exclusivamente energía solar.

Ningún recurso material.

Muy poca energía.

Reducción de la huella de carbono.

Dependencia cognitiva y pérdida de autonomía crítica.

Menor consumo energético.

Eliminación total de sesgos.

Que todos los docentes sepan programar los algoritmos de la IA.

Usar siempre IA de código abierto.

Que la IA nunca cometa errores.

Declarar explícitamente el uso de herramientas de IA en la elaboración de trabajos y justificar su aporte.

Su precio en el mercado.

Que fue entrenado con más de 100 terabytes de datos.

El impacto potencial en la seguridad, los derechos fundamentales o las decisiones críticas de las personas.

Que no requiere conectividad a internet.

Una sobrecarga de datos.

Fallo de traducción.

Un bug visual.

Cuando la IA inventa contenido falso que suena coherente y verosímil.

Fallos de programación sin impacto social.

Filtros publicitarios.

Errores de hardware.

Errores sistemáticos que reproducen desigualdades en la IA a partir de los datos de entrenamiento.

Es Transparente, porque solo es visible para su dueño.

Es Estática, porque no cambia una vez creada.

Es Homogénea, porque es idéntica en todas las plataformas

Es Persistente, ya que la información digital es difícil de borrar por completo

El Pensamiento Crítico

La Dimensión Instrumental

La Dimensión de Uso

La Dimensión de Comprensión