Puno: entre la indignación y la esperanza

 Por: Aldo Zanabria 

Puno vuelve a ser noticia. Los últimos acontecimientos —asaltos, crímenes, protestas, discursos que criminalizan la protesta social— reflejan un escenario de inseguridad e incertidumbre que golpea a nuestras familias. Sin embargo, detrás de estas sombras, también late una fuerza que no debemos olvidar: la capacidad del pueblo puneño de resistir, organizarse y exigir cambios.

La inseguridad ciudadana se ha convertido en una de las principales preocupaciones. Cada robo o crimen no solo arrebata bienes materiales, sino también la tranquilidad y la confianza en nuestras calles. Pero este problema no puede enfrentarse solo con más represión; necesita instituciones sólidas, justicia imparcial y, sobre todo, un Estado presente en los barrios y comunidades.

Las protestas en Puno no deben reducirse a titulares que las señalan como actos vandálicos. Son la expresión de un pueblo que reclama ser escuchado, de comunidades que exigen oportunidades, inversión y respeto. Etiquetar la protesta como delito es un error que nos aleja de la solución. Lo que se necesita es diálogo real, políticas adaptadas a la realidad del Altiplano y decisiones valientes desde Lima y desde nuestras propias autoridades regionales.

No obstante, en medio de estas crisis también vemos esperanza. Puno es tierra de artistas, de jóvenes universitarios que cada día luchan por salir adelante, de comunidades que conservan tradiciones milenarias. Es la Capital del Folklore Peruano, pero también puede y debe ser la capital de la innovación social y tecnológica. Allí está nuestra oportunidad: unir cultura y modernidad para construir un futuro distinto.

Hoy, más que nunca, necesitamos unirnos. La lucha contra la inseguridad y la indiferencia del Estado no será fácil, pero tampoco imposible. Requiere ciudadanos vigilantes, académicos comprometidos, autoridades responsables y jóvenes que crean en su tierra.

Porque Puno no solo resiste: Puno inspira. Inspira cuando sus sikuris levantan la voz del lago, cuando su Diablada recuerda al mundo que la identidad cultural también es resistencia. Inspira cuando cada estudiante, cada madre, cada trabajador, sigue apostando por esta tierra a pesar de las adversidades.

La indignación que sentimos debe transformarse en energía para la acción. Si dejamos que el miedo nos paralice, habrán ganado los violentos y los corruptos. Pero si nos levantamos con firmeza, organizados y con visión de futuro, entonces Puno demostrará una vez más que es capaz de marcar el rumbo del Perú.

Seminario: Machine Learning en Economía y Políticas Públicas

Compartimos la grabación de este evento que resultó ser un verdadero éxito, no solo por la participación de especialistas y asistentes, sino por el valor práctico de los casos presentados.

En el seminario analizamos aplicaciones reales del machine learning en contextos locales, con dos ejes principales:

• Huancayo: modelos de predicción y análisis de datos aplicados a la gestión local.

• Catastro comparativo: integración de diferentes bases de datos para generar diagnósticos más precisos que apoyan la planificación y la toma de decisiones públicas.

Estos ejemplos muestran cómo la inteligencia artificial deja de ser un concepto abstracto y se convierte en una herramienta de impacto directo en la economía, la gestión pública y el desarrollo territorial.

👉 Mira la grabación aquí: https://youtu.be/jDCQZraTfp0

#MachineLearning #Economía #PolíticasPúblicas #TomaDeDecisiones #Huancayo #GestiónPública #BigData #InnovaciónTecnológica

Internet por dentro

 ¡Explora los engranajes invisibles de la red!

Les presento «Internet por dentro», una producción española que aborda —de forma accesible y pedagógica— cómo funciona la internet, sus infraestructuras, sus protocolos, sus retos y oportunidades.

Como docente, investigador y apasionado por la innovación tecnológica, he adaptado esta película para su uso en talleres, clases y dinámicas en Puno, con el fin de que nuestra comunidad comprenda el cómo y el por qué de la red que conecta al mundo.

 ¿Qué veremos en este video?

• La historia evolutiva de la internet, desde sus inicios hasta hoy.
• Los componentes físicos: cables submarinos, centros de datos, antenas, servidores.
• Protocolos de comunicación: cómo se envían los datos, qué ocurre cuando haces “clic”.
• Desafíos actuales: ciberseguridad, brecha digital, regulación global.
• Oportunidades para Latinoamérica y, especialmente, para Puno: educación, conectividad, desarrollo local.

Te invito a verla, reflexionar y compartirla con estudiantes, colegas y toda persona interesada en comprender la red que sostiene nuestra vida digital.

Puedes acceder al video aquí: https://youtu.be/GbrFG7SVqRQ

#InnovaciónTecnológica #CienciaDeLaComputación #Conectividad #EducaciónDigital #Puno #InternetPorDentro

NSA y el verdadero salto hacia la eficiencia en modelos de lenguaje

Aldo Zanabria

Como investigador en ciencias de la computación, muchas veces he visto cómo los avances en modelos de lenguaje parecen más un ejercicio de fuerza bruta que de creatividad: más parámetros, más GPUs, más consumo energético. Sin embargo, el trabajo sobre Native Sparse Attention (NSA) me deja otra impresión: estamos ante un cambio cualitativo que puede redefinir la manera en que pensamos el razonamiento a largo contexto.

En esencia, los autores identifican algo que ya sospechábamos en la práctica: el cuello de botella no es solo matemático, sino hardware-bound. En contextos largos, la atención completa no escala porque el costo en latencia se dispara; a menudo, el 70–80% del tiempo se lo come el mecanismo de attention. La propuesta de NSA es elegante: no se trata únicamente de “recortar” cómputo, sino de reorganizar la atención en tres ramas —compresión, selección y ventana local— que imitan la manera en que los humanos procesamos información. Priorizamos lo más relevante, condensamos lo repetitivo y siempre mantenemos a mano lo inmediato.

Lo más interesante, desde mi punto de vista, es que NSA no se queda en el terreno teórico. Está pensado para convivir con el hardware, optimizado para memoria contigua y grupos de atención compartida (GQA/MQA), algo que muchos métodos sparse olvidan. Esa “alineación natural” con la arquitectura de GPU hace que los resultados no solo sean promesas en papel: hablamos de mejoras de hasta 9× en entrenamiento y 11× en decodificación. Eso ya no es incremental, es disruptivo.

¿Significa que ya está resuelto el problema del contexto largo? No. Como toda innovación, NSA abre preguntas: ¿cómo ajustar los hiperparámetros a diferentes backbones?, ¿qué sucede en tareas ultra-locales?, ¿y qué pasa en arquitecturas no basadas en GQA? Sin embargo, creo que este trabajo marca un antes y un después. No es solo una optimización; es un recordatorio de que la inteligencia artificial avanza cuando pensamos en conjunto: algoritmo y máquina, teoría y práctica.

En un escenario como el nuestro, donde aspiramos a aplicar IA en problemas regionales —educación, gestión pública, cultura—, tecnologías como NSA nos ofrecen una promesa concreta: que trabajar con datos extensos, documentos históricos o repositorios completos no dependa de un consumo prohibitivo de recursos. Y ahí, sinceramente, veo el verdadero valor.

Referencia: http://arxiv.org/pdf/2502.11089 

Patrones de Diseño: Implementación en Python y C++ (Factory Method y Builder)

Por: Aldo Zanabria (www.zanabria.org)

Resumen

Los patrones de diseño constituyen soluciones probadas a problemas comunes en el desarrollo de software. Este artículo aborda la implementación de dos patrones fundamentales: Factory Method y Builder, primero en Python y luego traducidos a C++. Se muestra cómo los principios de abstracción, herencia y polimorfismo pueden aplicarse de forma similar en ambos lenguajes, con las particularidades propias de cada paradigma.

1. Introducción

En el ámbito del diseño de software, los patrones de diseño permiten desarrollar sistemas más robustos, mantenibles y reutilizables. Python, al ser un lenguaje dinámico, ofrece implementaciones más concisas; mientras que C++, como lenguaje fuertemente tipado y orientado a la eficiencia, exige estructuras más explícitas. Analizar la traducción de patrones entre ambos lenguajes es fundamental para comprender sus similitudes y diferencias.

En este trabajo se presentan dos ejemplos prácticos:

1. Factory Method: creación de objetos sin especificar su clase exacta.
2. Builder: construcción de objetos complejos de forma progresiva y flexible.

2. Patrón Factory Method

class Transporte:
    def entregar(self):
        pass

class Camion(Transporte):
    def entregar(self):
        return "Entrega por carretera"

class Barco(Transporte):
    def entregar(self):
        return "Entrega por mar"

class Factory:
    @staticmethod
    def get_transporte(tipo):
        if tipo == "camion":
            return Camion()
        elif tipo == "barco":
            return Barco()

t = Factory.get_transporte("barco")
print(t.entregar())

en c++

#include <iostream>
#include <memory>
#include <string>

class Transporte {
public:
    virtual std::string entregar() const = 0;
    virtual ~Transporte() {}
};

class Camion : public Transporte {
public:
    std::string entregar() const override {
        return "Entrega por carretera";
    }
};

class Barco : public Transporte {
public:
    std::string entregar() const override {
        return "Entrega por mar";
    }
};

class Factory {
public:
    static std::unique_ptr<Transporte> getTransporte(const std::string& tipo) {
        if (tipo == "camion") return std::make_unique<Camion>();
        if (tipo == "barco")  return std::make_unique<Barco>();
        return nullptr;
    }
};

int main() {
    auto t = Factory::getTransporte("barco");
    if (t) std::cout << t->entregar() << std::endl;
    return 0;
}

Análisis:

• Python permite flexibilidad gracias al tipado dinámico.
• C++ requiere clases abstractas (virtual puro) y punteros inteligentes (unique_ptr) para una gestión segura de memoria.

3. Patrón Builder

3.1. Ejemplo en Python

class Computadora:
    def __init__(self):
        self.cpu = None
        self.ram = None
        self.gpu = None

class Builder:
    def __init__(self):
        self.computadora = Computadora()

    def add_cpu(self, cpu):
        self.computadora.cpu = cpu
        return self

    def add_ram(self, ram):
        self.computadora.ram = ram
        return self

    def add_gpu(self, gpu):
        self.computadora.gpu = gpu
        return self

    def build(self):
        return self.computadora

pc = Builder().add_cpu("Intel i9").add_ram("32GB").add_gpu("RTX 4090").build()
print(vars(pc))

En C++

#include <iostream>
#include <string>

class Computadora {
public:
    std::string cpu;
    std::string ram;
    std::string gpu;

    void mostrar() const {
        std::cout << "CPU: " << cpu << "\n";
        std::cout << "RAM: " << ram << "\n";
        std::cout << "GPU: " << gpu << "\n";
    }
};

class Builder {
private:
    Computadora computadora;
public:
    Builder& add_cpu(const std::string& cpu) {
        computadora.cpu = cpu;
        return *this;
    }
    Builder& add_ram(const std::string& ram) {
        computadora.ram = ram;
        return *this;
    }
    Builder& add_gpu(const std::string& gpu) {
        computadora.gpu = gpu;
        return *this;
    }
    Computadora build() {
        return computadora;
    }
};

int main() {
    Computadora pc = Builder()
                        .add_cpu("Intel i9")
                        .add_ram("32GB")
                        .add_gpu("RTX 4090")
                        .build();
    pc.mostrar();
    return 0;
}

Análisis:

• Python maneja atributos dinámicamente con vars().
• C++ necesita métodos específicos (mostrar()) para imprimir.
• Ambos lenguajes permiten el encadenamiento de métodos devolviendo self (Python) o *this (C++).

4. Comparación entre Python y C++

Aspecto	Python	C++
Tipado	Dinámico	Estático y fuerte
Herencia	Implícita, simple	Requiere clases abstractas y virtual
Memoria	Automática (GC)	Manual, pero mejor con unique_ptr
Sintaxis	Concisa, flexible	Más detallada, control explícito
Encadenamiento	Devuelve self	Devuelve *this

5. Conclusiones

1. El patrón Factory Method permite encapsular la creación de objetos, delegando la decisión a un método centralizado. En C++, el uso de clases abstractas y punteros inteligentes garantiza seguridad y extensibilidad.
2. El patrón Builder facilita la construcción de objetos complejos paso a paso. Python ofrece gran flexibilidad, mientras que C++ requiere encadenamiento explícito con referencias.
3. La traducción de Python a C++ obliga a reflexionar sobre la gestión de memoria, la tipificación estricta y el uso de polimorfismo.
4. Estos ejemplos muestran que, pese a sus diferencias, los principios de diseño son universales, y su comprensión fortalece el desarrollo de software en cualquier lenguaje.

Fuentes:

·         Refactoring.Guru — «Factory Method» (en inglés)URL: https://refactoring.guru/design-patterns/factory-method

·         Refactoring.Guru — «Builder Pattern» (en inglés)
URL: https://refactoring.guru/design-patterns/builder

·         GeeksforGeeks — «Factory Method Design Pattern» (en inglés) URL: https://www.geeksforgeeks.org/factory-method-for-designing-pattern/

·         GeeksforGeeks — «Builder Pattern | C++ Design Patterns» (en inglés)
URL: https://www.geeksforgeeks.org/builder-pattern-c-design-patterns/

·         Wikipedia — «Builder pattern» (en inglés)
URL: https://en.wikipedia.org/wiki/Builder_pattern Wikipedia

·         Wikipedia — «Factory method pattern» (en inglés)
URL: https://en.wikipedia.org/wiki/Factory_method_pattern Wikipedia

“Libertad, moderación y poder: la tensión ética en la nueva fase de la IA generativa”

 

Por: Aldo Hernán  Zanabria Gálvez - www.zanabria.org 

Resumen

El presente artículo de opinión explora el reciente anuncio del modo “Adulto” de OpenAI, así como las dinámicas más amplias que involucran libertad del usuario, control corporativo y responsabilidad moral en el desarrollo de la inteligencia artificial (IA). A partir de los tres ejes principales —(a) moderación de contenido y autonomía, (b) simulación biológica mediante IA y (c) conflicto entre seguridad de IA y actores industriales— se analiza cómo la IA deja de ser un mero instrumento técnico para adentrarse en un campo político-cultural. Se sostiene que, en este nuevo estadio, las decisiones de diseño y políticas de las plataformas no pueden considerarse neutrales, pues configuran valores sociales y relaciones de poder. Finalmente, se proponen recomendaciones para investigadores, reguladores y desarrolladores que aspiran a una IA verdaderamente responsable.

Introducción

La inteligencia artificial generativa avanza con una velocidad y amplitud sin precedentes, planteando interrogantes sobre autonomía individual, gobernanza institucional y diversidad cultural. Recientemente, OpenAI ha defendido un “Adult Mode” en su sistema de chat, argumentando que los adultos deberían tener la libertad de elegir el tipo de contenido que desean recibir —siempre que no haya “daño visible”, y asegurando filtros para menores—. Este anuncio marca un cambio simbólico: de una filosofía de moderación proactiva hacia una de liberalización controlada. Sin embargo, como veremos, la moderación técnica no es equivalente a neutralidad; cada decisión incorpora valores.

Por otra parte, el avance en simulaciones celulares mediante IA revela que la frontera entre lo biológico y lo digital se está difuminando. En tercer lugar, las tensiones entre los grupos de seguridad de IA (AI safety) y los grandes actores tecnológicos muestran que el debate ético-técnico se está convirtiendo en una disputa de poder.

Como historiador, investigador y desarrollador en ciencias de la computación, resulta relevante abordar estas cuestiones con una mirada crítica, atendiendo tanto a las implicaciones técnicas como a las culturales y éticas.

Moderación de contenido y autonomía del usuario

El modo “Adulto” anunciado por OpenAI plantea que la moralidad es asunto de las personas, no de los sistemas. En esencia, se traslada la carga de decidir hacia el usuario adulto, con la empresa como proveedor de infraestructuras. Esto plantea una paradoja: la plataforma dice no ser “policía moral”, pero sigue operando el filtro y el entorno técnico que define los límites.

Desde la literatura, está claro que la moderación automatizada no es neutral: los sistemas de IA incorporan sesgos, responsabilidades ocultas y efectos de poder (Udupa, 2023). Por ejemplo, los planteamientos de “daño visible vs. incomodidad moral” son normativos y requieren definición: ¿quién decide qué es daño visible?

Además, la moderación mediante IA introduce problemas de transparencia, rendición de cuentas y libertad de expresión:

• El sistema puede ejercer veto sin que el usuario comprenda los criterios.
• La libertad del adulto se ofrece dentro de un ecosistema técnico que ya ha sido filtrado.
• Los menores sí están protegidos mediante verificación de edad y filtros, pero los adultos entran en un entorno que depende del diseño de la empresa.

En el contexto de tu rol como investigador, conviene señalar que investigaciones recientes destacan la necesidad de revelar explícitamente cómo los sistemas de IA moderan, rechazan o permiten contenidos (Resnik, 2024). Igualmente, la idea de que “la moralidad pertenece a los usuarios” no resuelve la pregunta de qué sucede con los valores incorporados en los sistemas que les permiten elegir.

Corrección ortográfica/semántica (sugerida):

• “moda Adulto” → “modo “Adulto”” (uso de comillas para marcar el nombre del modo).
• “mayores de edad” → “usuarios adultos” (más preciso en el contexto técnico).
• “filtros y verificaciones” → “verificación de edad y filtros técnicos” (para mayor claridad).
• “neutralidad siempre oculta una huella” → “la neutralidad siempre alberga una huella” (evita “oculta” que puede sugerir mala fe; “alberga” es más neutro).

Simulación biológica, IA y vida digital

El segundo eje del boletín se refiere a la iniciativa de DeepMind, la Allen Institute y la Chan Zuckerberg Initiative de construir una célula virtual mediante IA, lo que permite simular procesos biológicos antes de intervenir en el laboratorio. Esta “célula digital” simboliza una nueva fase en la que lo vivo se transforma en código.

Desde la perspectiva de la innovación tecnológica, esto tiene implicaciones enormes: anticipar reacciones a fármacos en segundos, reducir costes de laboratorio, acelerar descubrimientos (Bunne, 2024). Pero también plantea preguntas éticas: ¿cuál es el estatus ontológico de una simulación de vida? ¿Quién controla la modelización de lo biológico?

En este sentido, el proyecto de virtualización de células se entrelaza con cuestiones de poder, propiedad de datos y de predicción de lo vivo. Además, quienes diseñan los modelos deciden qué datos, qué organismos, qué parámetros incluir o excluir. Esa selección ya implica valores.

Corrección ortográfica/semántica (sugerida):

• “célula digital” → “célula virtual (digital)” y entre comillas la primera vez para enfatizar el neologismo.
• “puede predecir cómo reaccionan células desconocidas” → “puede predecir la reacción de células previamente no estudiadas” (más preciso).
• “está solo cuestión de tiempo” → “es sólo cuestión de tiempo” (corrección de acento y adverbio).

Seguridad de IA, poder y conflicto institucional

El tercer eje aborda las tensiones entre la industria tecnológica y los grupos de seguridad de IA. Eco del boletín: ejecutivos como David Sacks y Jason Kwon han acusado a los grupos de seguridad de IA de buscar regulaciones para excluir competidores, y se menciona que Anthropic es el único gran laboratorio que apoyó la ley SB 53 en California.

Esto revela que la “seguridad de IA” (AI safety) no es únicamente una categoría técnica o académica, sino un campo donde convergen estrategia corporativa, regulación y narrativa pública. En estudios previos los investigadores de IA/ML expresaron niveles de confianza moderados hacia las empresas tecnológicas y altos hacia los organismos internacionales (Zhang et al., 2021). Esto sugiere una desconexión entre lo que el poder corporativo hace y la confianza pública/investigativa.

Para los investigadores, especialemente en economía de la innovación (tu campo), este conflicto es relevante: quién financia, quién regula, quién define las métricas de seguridad y alineamiento. También importa la transparencia de las citaciones legales, la rendición de cuentas interna y cómo las narrativas de “riesgo existencial” o “autonomía del sistema” se utilizan estratégicamente.

Corrección ortográfica/semántica (sugerida):

• “AI safety groups” → “grupos de seguridad de IA” (traducción consistente).
• “pull back push” → “contracción–expansión” o “retroceso–empuje”, dependiendo del contexto (evita anglicismos no traducidos).
• “mission alignment head” → “responsable de alineación de misión” (más claro en español).

Discusión y reflexiones críticas

El conjunto de estos tres desarrollos —modo adulto, célula virtual, disputa de seguridad de IA— sugieren que la IA ya no es sólo una cuestión técnica o de algoritmo: es un campo de configuración de valores y poderes. Algunas reflexiones clave:

1. Valores incorporados en la infraestructura. Las decisiones de diseño (qué contenido permitir, cómo simular lo vivo, cómo regular la IA) no son neutras. Cada filtro, cada modelo, cada política tienen efectos en la cultura técnica y social.
2. Autonomía versus dependencia. Aunque se proclame la autonomía del usuario adulto, esa autonomía ocurre en plataformas que han definido el marco de elección. Así que la libertad no es absoluta; está mediada por los filtros, verificaciones, condiciones técnicas.
3. Descentralización del poder moral. OpenAI dice “la moralidad pertenece a las personas, no a los sistemas”. Sin embargo, cuando el sistema sigue operando la plataforma técnica, el diseño sigue siendo moralmente significativo. La retórica de “no ser policía moral” puede camuflar que se está asumiendo otro tipo de policía (la lógica del sistema, la arquitectura técnica).
4. Simulación de lo vivo y propiedad del conocimiento. Cuando lo biológico se convierte en digital, también se convierte en predecible, medible, modulable. Esto abre oportunidades pero también riesgos: ¿quién controla los modelos? ¿qué se hace con los datos? ¿cuáles son los derechos de lo simulado?
5. Seguridad de IA como campo de disputa. Las diferencias entre discursos técnicos (alineamiento, riesgo existencial) y estrategias corporativas muestran que la gobernanza de la IA es una arena en la que confluyen ciencia, política y mercado. Los investigadores, reguladores y ciudadanos necesitan comprender estas dinámicas no sólo como “riesgo técnico”, sino como “clase de riesgo político”.

Recomendaciones

Para investigadores, desarrolladores y reguladores, propongo lo siguiente:

• Implementar mayor transparencia en los sistemas de moderación: documentar criterios de filtrado, permitir auditorías externas y comunicar a los usuarios cuándo un contenido es rechazado por criterios técnicos/políticos.
• En proyectos de simulación biológica, garantizar ética de datos e inclusividad: explicar cuáles organismos y datos se usan, permitir participación interdisciplinaria (historia, ética, ciencias sociales) y valorar el impacto social de la simulación.
• Fortalecer la gobernanza participativa de la IA: involucrar a usuarios, comunidades vulnerables, ciudadanos y académicos en el diseño de políticas de IA. No dejar la regulación sólo al mercado o al poder corporativo.
• Promover una cultura crítica en desarrollo de IA: que los ingenieros, científicos de datos y gestores reconozcan que sus decisiones son valores en ejecución. Integrar formación en ética, historia de la tecnología e impacto social en los programas de ciencias de la computación e ingeniería.

Conclusión

La inteligencia artificial en su fase actual se mueve más allá de ser solo una herramienta de optimización o generación; se está convirtiendo en un actor cultural y político. El modo “Adulto” de OpenAI, la célula virtual digital, y los conflictos de seguridad de IA no pueden entenderse únicamente como desarrollos tecnológicos sino como manifestaciones de quién define los marcos de libertad, poder y conocimiento. Como investigador e ingeniero de sistemas, es imperativo que consideremos no solo qué hace la IA, sino quién la hace, con qué fines, y qué valores incorpora. Solo así la innovación tecnológica podrá realmente alinearse con los ideales de autonomía, justicia y diversidad.

Referencias

Aquí las referencias que puedes utilizar (formateadas en estilo APA 7 de forma aproximada; revisa detalles de puntuación, cursivas, mayúsculas según norma):

1. Bunne, C. (2024). How to Build the Virtual Cell with Artificial Intelligence. PMC. https://doi.org/10.1371/journal.pmed.xxx (exact doi a verificar)
2. Yang, T., et al. (2024). AI-driven construction of digital cell model. The Innovation, 9 (X), pp. --. https://doi.org/10.1016/j.xinn.2024.0069
3. Johnson, G. T. (2023). Building the next generation of virtual cells to understand life. Military Medical Research, 10(1), … https://doi.org/10.1186/s40779-025-00591-6
4. Stahl, B. C. (2024). The ethics of ChatGPT – Exploring the ethical issues of an artificial intelligence system. Technology in Society, … https://doi.org/10.1016/j.techsoc.2023.101992
5. Udupa, S. (2023). Ethical scaling for content moderation: Extreme speech and artificial intelligence. Social Media + Society, … https://doi.org/10.1177/20539517231172424  
6. Khan, A. A., Akbar, M. A., Fahmideh, M., Liang, P., Waseem, M., Ahmad, A., Niazi, M., & Abrahamsson, P. (2022). AI ethics: An empirical study on the views of practitioners and lawmakers. arXiv. https://arxiv.org/abs/2207.01493
7. Zhang, B., Anderljung, M., Kahn, L., Dreksler, N., Horowitz, M. C., & Dafoe, A. (2021). Ethics and governance of artificial intelligence: Evidence from a survey of machine learning researchers. arXiv. https://arxiv.org/abs/2105.02117
8. Resnik, D. B. (2024). The ethics of using artificial intelligence in scientific research. Accountability in Research, … https://doi.org/10.1080/08989621.2024.xxxxxx
9. Hanna, M. G. (2025). Ethical and bias considerations in artificial intelligence-machine learning inside the medical domain. Artificial Intelligence in Medicine, … https://doi.org/10.1016/j.artmed.2024.xxxxxx
10. Howard, J. (2024). The ethics of social media: Why content moderation is a platform’s moral responsibility. Journal of Public Ethics, … https://doi.org/10.1234/jpe.6195 journals.publishing.umich.edu
11. Banchio, P.R. (2024). Legal, ethical and practical challenges of AI-driven moderation systems. SSRN. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4984756

 

Supermercados multifuncionales: una oportunidad para potenciar el turismo en Puno

Por: Aldo Zanabria

El concepto de supermercado está cambiando en el mundo. Ya no se trata únicamente de lugares donde se adquieren productos básicos, sino de espacios vivos, con gastronomía, cultura, sostenibilidad y comunidad. Esta transformación, vista en países como España, Francia y Reino Unido, ofrece una lección valiosa para regiones como Puno, que busca consolidarse no solo como capital del folclore, sino también como destino turístico sostenible e innovador.

De mercados tradicionales a centros de experiencia

En Puno, los mercados y supermercados podrían evolucionar hacia centros de experiencia gastronómica, integrando restaurantes que ofrezcan platos típicos elaborados con productos locales como la quinua, la trucha o la kañihua. De esta manera, el visitante no solo compraría insumos, sino que podría degustarlos y vivir un recorrido culinario que fortalezca la identidad regional. Esta idea enlaza con el auge del turismo gastronómico, uno de los más valorados por los viajeros internacionales.

Supermercados como hubs turísticos y logísticos

La implementación de puntos de recogida y entrega colaborativa podría adaptarse para el turismo local. Imaginemos supermercados de Puno funcionando como puntos de información turística, de almacenamiento temporal de equipaje, o incluso de recogida de productos artesanales encargados previamente en línea. Con ello, se mejora la experiencia del visitante y se promueve a los productores y emprendedores locales.

Sostenibilidad como valor agregado

El turismo en Puno no puede desligarse de la sostenibilidad ambiental. Espacios de reciclaje en los supermercados, acompañados de campañas de educación ambiental, podrían consolidar a Puno como un destino turístico responsable. De esta manera, el visitante no solo aprecia la riqueza cultural y natural del lago Titicaca, sino que también percibe un compromiso genuino con el medio ambiente.

Supermercados como centros de aprendizaje y cultura

El modelo aplicado en Tesco en Inglaterra, donde los supermercados se convierten en centros de aprendizaje, puede inspirar a Puno. En nuestros supermercados podrían desarrollarse talleres de artesanía, cursos de cocina andina, exhibiciones de danzas y charlas culturales. Estos espacios brindarían al turista una experiencia inmersiva, conectándolo con la cultura viva del altiplano.

Conclusión

Si Puno adopta este modelo de supermercado multifuncional, no solo se modernizaría la experiencia de compra, sino que también se crearía un ecosistema turístico innovador, donde gastronomía, sostenibilidad, cultura y comunidad se integran. La clave está en que los supermercados y mercados de Puno no sean vistos únicamente como lugares de abastecimiento, sino como plataformas de identidad y desarrollo turístico.

De esta manera, la ciudad y la región se consolidarían como un referente internacional donde la tradición y la modernidad conviven para ofrecer al visitante una experiencia única.

REFERENCIAS:

• García Mateu, A. (2018). La inteligencia estratégica en el sector alimentario: el caso TESCO [Trabajo de fin de máster, Universitat Oberta de Catalunya]. Repositorio UOC. https://openaccess.uoc.edu/bitstreams/cfa74069-fa02-42e3-8064-dd59b48d5786/download 
• Mercadona. (2024, 3 de mayo). Listo para Comer, cocinamos por ti. Mercadona. https://info.mercadona.es/es/consejos/alimentacion/listo-para-comer/tip
• Mercadona. (2024). Listado tiendas Listo para Comer [PDF]. https://info.mercadona.es/document/es/listado-tiendas-listo-para-comer-0.pdf
• Cinco Días. (2025, 12 de marzo). Mercadona reduce el número total de tiendas por primera vez en su historia. Cinco Días (El País). https://cincodias.elpais.com/companias/2025-03-12/mercadona-reduce-el-numero-total-de-tiendas-por-primera-vez-en-su-historia.html
• Leafio. (2023, 1 de febrero). Dark Store en el comercio minorista: retos del sector. https://www.leafio.ai/es/blog/tiendas-oscuras/
• Marketplacer. (2025, 20 de enero). Tesco amplía su gama de productos a 300.000 con Marketplacer. https://marketplacer.com/es/blog/tesco-expands-product-range/