Autonomía sin soberanía: Gobernanza relacional de inteligencia artificial desde la Inteligencia Estructural. Un modelo conceptual-formal para distinguir capacidad, autonomía, competencia y soberanía en sistemas de IA agentiva.

Counts differ because each database indexes a different set of publications. We treat OpenAlex as the canonical count; Google Scholar is not shown (no API, and crawling it violates its ToS).

La expansión de sistemas de inteligencia artificial agentiva vuelve insuficiente una concepción de la gobernanza basada en una única escala de autonomía o en la oposición binaria entre control humano y autonomía artificial. Un sistema puede poseer capacidades técnicas avanzadas, operar con amplios márgenes de autonomía y recibir autoridad delegada para ejecutar decisiones sin adquirir por ello autoridad para redefinir el marco que hace válidas esas competencias. Este artículo desarrolla, desde la Inteligencia Estructural (IE), el Modelo Relacional de Inteligencia Estructural (MRIE), que distingue cuatro dimensiones analíticamente distintas: capacidad, autonomía, competencia delegada y soberanía estructural. Para evitar confundir autonomía con permiso operacional, el modelo incorpora además una función de autorización en tiempo de ejecución y una función diferenciada de aseguramiento. El MRIE se formula como un sistema tipado de transición de estados con una raíz de legitimidad exógena al modelo: las competencias son registros contextuales, temporales, revocables y trazables, mientras la soberanía se representa como una relación entre principales o procedimientos legitimados, ámbitos de gobernanza y operaciones de cambio. Sobre esa base se especifican siete invariantes de conformidad, incluida la prohibición de autoatribución suficiente de nuevas competencias. El trabajo delimita su contribución frente a seguridad informática, RBAC/ARBAC, meaningful human control, NIST AI RMF, delegación autenticada y marcos recientes de IA agentiva, y diferencia su uso de soberanía estructural de otros usos contemporáneos del término. Finalmente, formula pruebas y métricas observables para evaluación futura. El artículo no demuestra todavía que una implementación preserve los invariantes; establece las condiciones que una implementación conforme debería satisfacer.