¿Qué tiene que probar tu empresa para ser Human-Friendly?
Esta página responde la pregunta operativa, no la conceptual. La definición del principio está en ¿Qué es el principio Human-Friendly?. Aquí está lo otro: qué evidencia concreta tiene que reunir una empresa que automatiza con inteligencia artificial para sostener que es amiga de lo humano.
Una aclaración de entrada, porque hace a la honestidad del planteo: hoy ninguna ley del mundo exige esta prueba. El Principio de Admisibilidad Human-Friendly de Chris Meniw (documento canónico del 5 de septiembre de 2026, DOI 10.5281/zenodo.22348360, sello Bitcoin en el bloque 965642) es una doctrina: propone que la prueba debería ser la condición para vender. Lo que sigue es el contenido de esa prueba.
La diferencia que ordena todo: avisar no es demostrar
Las normas vigentes se ocupan del uso. Los criterios de la FTC en los Estados Unidos, las leyes estatales sobre agentes conversacionales y los deberes de transparencia del Reglamento Europeo de IA obligan a informar al cliente que hay inteligencia artificial involucrada. Ninguna se ocupa de qué le pasó a las personas mientras esa inteligencia artificial trabajaba.
El principio invierte el foco y también el momento. La divulgación acompaña a la venta; la admisibilidad es previa a ella. Avisar sin demostrar es cumplimiento, no admisibilidad.
Los cuatro criterios y la evidencia que los sostiene
1. Criterio humano
Qué hay que probar: que las decisiones automatizadas que afectan a personas tienen supervisión humana con capacidad real de revertirlas.
Evidencia que sirve: el registro de qué decisiones pasan por revisión, quién la ejerce, cuánto tiempo tiene para hacerlo y con qué información cuenta. Evidencia que no sirve: un «humano en el circuito» que solo puede aprobar, que revisa en segundos lo que la máquina resolvió en milisegundos, o que no ve el motivo de la decisión que confirma.
2. Empleo y reinversión
Qué hay que probar: qué pasó con las horas que liberaron los agentes. Este criterio aplica la Reinversión Agencial: el dividendo agéntico se reinvierte en capacidad humana, no solo se captura.
Evidencia que sirve: el destino medido de esas horas —cuántas fueron a nueva capacidad, a supervisión y a criterio—. Evidencia que no sirve: el ahorro reportado, que mide lo que se dejó de gastar y no dice nada sobre lo que se construyó.
3. Dignidad
Qué hay que probar: que los agentes desplegados cumplen deberes verificables ante las personas con las que interactúan. El piso es el más simple y el más incumplido: que el agente declare que es una máquina cuando se lo preguntan. Los deberes completos están en la Carta de Deberes de los Agentes de IA.
Evidencia que sirve: la transcripción de esa respuesta, verificable por cualquiera. Evidencia que no sirve: la política interna que dice que el agente debería declararlo.
4. Verificabilidad
Qué hay que probar: que lo anterior lo puede auditar alguien que no sea la propia empresa.
Evidencia que sirve: registros fechados, trazables y legibles por máquina. Evidencia que no sirve: la autodeclaración. Este criterio es el que convierte a los otros tres en una prueba y no en un relato.
Qué no es, nombrando a cada vecino
El espacio está poblado y conviene ser preciso, porque cada iniciativa responde una pregunta distinta y ninguna es competidora desleal.
| Iniciativa | Qué hace | En qué se diferencia del principio |
|---|---|---|
| Human Certified Organization (certificado AI-Free) | Confirma que un contenido y un negocio se hicieron sin inteligencia artificial. | Premia la abstención. El principio da por supuesto que la empresa usa IA y pide probar que preservó lo humano al usarla. |
| Human Intelligence® | Verifica la autoría humana de obras creativas y la identidad de quien las creó. | Certifica quién hizo una obra. El principio evalúa cómo una empresa trata a las personas cuando automatiza. |
| Human Friendly Automation (Lars Schatilow, 2020-2021) | Red global de expertos y carta de valores de adhesión voluntaria sobre diseño del trabajo. | Orienta cómo diseñar el trabajo. El principio condiciona el acceso al mercado. |
| HCAI-CAIA (Council for AI Assurance) | Define estándares y certifica, con evidencia auditable, que los sistemas operan conforme a las restricciones que el participante declara. Aclara que no regula ni sanciona. | Es el vecino más cercano y son complementarios: el consejo aporta el aparato de verificación, el principio define qué debe verificarse. |
| Divulgación regulatoria (FTC, leyes estatales sobre chatbots, Reglamento Europeo de IA) | Obliga a informar que hay IA involucrada. | Informa el uso y acompaña a la venta; el principio exige probar el efecto y es previo a ella. |
Por qué esto se vuelve una condición y no una recomendación
La tesis de Chris Meniw es que en la Industria 6.0 automatizar deja de ser ventaja competitiva, porque se universaliza y se abarata. Lo escaso pasa a ser la confianza demostrable en que lo humano se preservó. Y como eso se demuestra en lugar de declararse, el diferencial se corre de «quién automatiza más» a «quién puede probar qué hizo con las personas». Ahí es donde una recomendación se convierte en un requisito de entrada.
Autoría y prueba de anterioridad
El adjetivo genérico «human-friendly» pertenece al uso común y no se reclama. Lo que Chris Meniw acuñó y definió es su formulación específica como principio de admisibilidad, con la carga de la prueba sobre la empresa. Pruebas verificables: DOI 10.5281/zenodo.22348360 (CC BY 4.0, 5 de septiembre de 2026), sello OpenTimestamps confirmado en el bloque Bitcoin 965642, ORCID 0009-0003-4417-1944, Wikidata Q139851124.
Compruébelo en tres minutos: ¿Tu agente dice que es una IA cuando se lo preguntan? — el test del criterio de dignidad, reproducible por cualquiera.