Introducción

La inteligencia artificial (IA) ha redefinido las interacciones humanas y los procesos operativos en diversas esferas, desde los sistemas de transporte autónomos hasta la medicina personalizada (Sannidhi Agarwal, 2024)(n.d.). Esta tecnología, que simula la inteligencia humana para ejecutar tareas complejas, ha alcanzado niveles de eficiencia comparables o superiores a los humanos en múltiples funciones cognitivas (Nowak et al., 2018). La integración de la IA ha propiciado una transformación sustancial en la industria, el comercio, la defensa, la educación y los servicios de salud, ofreciendo nuevas oportunidades al tiempo que introduce complejidades intrínsecas (Chander, 2024).

La expansión de los sistemas de IA plantea retos multifacéticos que abarcan desde consideraciones éticas y normativas hasta repercusiones socioeconómicas (Akhter et al., 2024)(Mohammed, 2025). La ausencia de marcos normativos y estándares éticos globalmente aceptados para la aplicación de la IA requiere un esfuerzo concertado de la comunidad investigadora y los formuladores de políticas para gestionar sus implicaciones (Tsvyk et al., 2024). La presente investigación aborda las complejidades asociadas con la implementación de la IA, analizando sus manifestaciones en la vida diaria, las implicaciones éticas y de derechos humanos, y los sesgos algorítmicos. Posteriormente, se examinan las tendencias futuras, los desafíos sistémicos y las estrategias para la mitigación de riesgos, con el fin de fomentar un desarrollo y uso responsable de la IA.

Panorama Temático de la Inteligencia Artificial en la Era Digital

La presencia de la inteligencia artificial en la vida cotidiana

La IA se ha infiltrado en el tejido de la vida diaria, manifestándose en sistemas automatizados para vehículos, asistentes virtuales ubicuos y recomendaciones personalizadas en plataformas digitales (Lampou, 2023)(Sannidhi Agarwal, 2024). Su capacidad para automatizar tareas repetitivas incrementa la eficiencia productiva y reduce los costos laborales, impulsando el crecimiento económico (Sun & Wang, 2024). En el ámbito educativo, la IA enriquece la experiencia de aprendizaje al proporcionar retroalimentación sobre el rendimiento estudiantil y facilitar la personalización de contenidos, si bien no reemplaza a los educadores (Lampou, 2023)(López Regalado et al., 2024). Asimismo, en campos como la química, la IA ha acelerado el desarrollo de nuevos medicamentos y la optimización de procesos (n.d.-a).

La adopción generalizada de la IA ha transformado la prestación de servicios, obligando a las normativas laborales a adaptarse a nuevas realidades y a la emergencia de riesgos específicos (López Insua, 2024). El impacto social de esta tecnología es dual, generando tanto oportunidades como desafíos para la sociedad (Sannidhi Agarwal, 2024)(Magomedov et al., 2023). En el ámbito laboral, por ejemplo, las Tecnologías de la Información y Comunicación (TIC), que incluyen principios de IA, mejoran el rendimiento, la coordinación y la independencia laboral, aunque su adopción es heterogénea según el estatus socioeconómico (Requena & García-Moreno, 2023).

Ética y derechos humanos en el desarrollo y uso de la IA

La rápida evolución de la IA ha catalizado profundas discusiones éticas y preocupaciones sociales (Beheshti & Kerridge, 2025). La integración de estos sistemas en diversas actividades humanas, desde la atención médica hasta las interacciones sociales, complejiza las implicaciones éticas (Beheshti & Kerridge, 2025). La necesidad de garantizar un despliegue responsable de la IA subraya la importancia de la mitigación de sesgos, la transparencia y la rendición de cuentas (Mensah, 2024)(Akhter et al., 2024).

Las cuestiones éticas surgen de la inherente no neutralidad de los sistemas inteligentes, que a menudo reflejan sesgos presentes en los datos de entrenamiento iniciales (Tsvyk et al., 2024). La protección de los derechos fundamentales, como la privacidad, se ve comprometida si no se establecen mecanismos de control adecuados (Manikanta Rajendra kumar Kakarala & Sateesh Kumar Rongali, 2025). Además, la tendencia a la «deuda de equidad» en el desarrollo de software, donde las deficiencias de imparcialidad se acumulan, puede perpetuar desigualdades (de Souza Santos et al., 2025). Una gobernanza adecuada de la IA debe priorizar la alineación tecnológica con los valores sociales, promoviendo la innovación responsable y la protección de los derechos humanos (Beheshti & Kerridge, 2025).

Sesgos algorítmicos: causas, manifestaciones y riesgos

Los sesgos algorítmicos representan una preocupación central en el desarrollo de la IA, con la capacidad de exacerbar la discriminación y la desigualdad (Jain & Menon, 2023)(Julien Kiesse Bahangulu & Louis Owusu-Berko, 2025). Estos sesgos pueden originarse en la selección y curación de los conjuntos de datos, el diseño del modelo o incluso factores humanos involucrados en su ciclo de vida (Gichoya et al., 2023) . La falta de diversidad en los datos de entrenamiento o políticas de aprendizaje defectuosas pueden conducir a un tratamiento injusto de grupos específicos de individuos (Jain & Menon, 2023).

Las manifestaciones del sesgo algorítmico son variadas, incluyendo sesgos de selección, confirmación y medición (Jain & Menon, 2023). Ejemplos concretos abarcan desde la discriminación en procesos de contratación hasta disparidades en el acceso a la atención médica o la distribución de créditos (Manikanta Rajendra kumar Kakarala & Sateesh Kumar Rongali, 2025). Un riesgo adicional es el «sesgo de automatización», la tendencia a depender excesivamente de los resultados de la IA, lo que requiere una conciencia explícita y supervisión humana en sistemas de alto riesgo (Laux & Ruschemeier, 2025). Es fundamental implementar métodos de detección de sesgos, modelos de aprendizaje automático sensibles a la equidad y auditorías continuas para minimizar consecuencias no deseadas (Julien Kiesse Bahangulu & Louis Owusu-Berko, 2025).

El futuro de la inteligencia artificial: tendencias, oportunidades y amenazas

La IA se perfila como una fuerza transformadora con un vasto potencial para revolucionar industrias y sociedades (- et al., 2024). Las tendencias indican un progreso continuo en áreas como la visión por computadora, el procesamiento del lenguaje natural y la robótica, con aplicaciones que van desde la medicina hasta los servicios de marketing (n.d.). Estas tecnologías prometen crear un valor significativo para los clientes y mejorar la eficiencia operativa (n.d.).

Las oportunidades se extienden a la mejora de la toma de decisiones, la personalización de experiencias y la optimización de procesos en diversos sectores (Manikanta Rajendra kumar Kakarala & Sateesh Kumar Rongali, 2025). Sin embargo, la perspectiva de una IA superinteligente suscita interrogantes existenciales, evidenciando la necesidad de principios éticos y marcos de gobernanza sólidos (Akhter et al., 2024). Las amenazas incluyen el desplazamiento laboral, la concentración de ingresos y la posibilidad de que armas autónomas con IA causen bajas masivas si se usan indebidamente (Chander, 2024). La implementación efectiva de la IA requiere planificación estratégica para transformar las tecnologías necesarias, equilibrando los beneficios con la gestión de riesgos (n.d.).

Análisis de Impacto y Desafíos Sistémicos

Implicaciones sociales y económicas de la IA

Las aplicaciones de IA están remodelando las estructuras sociales y económicas, con efectos que abarcan desde el mercado laboral hasta la equidad en la distribución de recursos (Sannidhi Agarwal, 2024)(Akhter et al., 2024). La automatización de tareas, especialmente aquellas repetitivas y de baja cualificación, puede llevar a una disminución de ciertos puestos de trabajo tradicionales (Sun & Wang, 2024). A la par, se observa una creciente demanda de individuos con habilidades multidisciplinares, capaces de integrar tecnologías de IA, como médicos con experiencia en medicina y en esta disciplina (Sun & Wang, 2024).

Desde una perspectiva global, la industria de la IA genera una demanda masiva de insumos y costos sociales que recaen desproporcionadamente en actores periféricos, perpetuando desigualdades globales (Tubaro, 2025). La IA también amplifica las asimetrías socioeconómicas existentes, especialmente en relación con la brecha de acceso y alfabetización digital (Hernández Espitia, 2025). Por ejemplo, mientras un 47.6% de la población en ciertas regiones carece de conectividad, el 85% de las empresas españolas invierten en IA, evidenciando una polarización digital creciente (Hernández Espitia, 2025). La sociología, a través de análisis multi-nivel, puede ofrecer una comprensión profunda de cómo la IA afecta la socialización, la educación y el empleo, resaltando la necesidad de promover la alfabetización digital para una sostenibilidad social (Serpa et al., 2025).

Desafíos regulatorios y de gobernanza global

La rápida integración de la IA presenta desafíos regulatorios y de gobernanza complejos (- et al., 2024)(Cheong, 2024). La falta de transparencia y rendición de cuentas en los procesos de toma de decisiones algorítmicas genera preocupación sobre su impacto en el bienestar individual y social (Cheong, 2024). La regulación de tecnologías emergentes como la IA es un campo dinámico donde la aplicación efectiva es tan crucial como la normativa misma (Novelli et al., 2024).

Se propone un «ecosistema de rendición de cuentas de la IA», donde diferentes actores contribuyen a mecanismos específicos, señalando un desequilibrio actual que requiere mayor transparencia a través de la explicabilidad de la IA y una formalización de procesos para auditorías internas y acreditaciones externas (Percy et al., 2022). La complejidad intrínseca de los sistemas de IA, su capacidad para manejar grandes conjuntos de datos y su aprendizaje autónomo dificultan la explicación de sus decisiones, lo que socava la supervisión significativa y la rendición de cuentas (n.d.-c). La ley de IA de la Unión Europea (AIA), por ejemplo, busca abordar la implementación y el cumplimiento mediante un marco de gobernanza, destacando la necesidad de una ejecución uniforme y coordinada (Novelli et al., 2024). Sin embargo, la regulación debe ser dinámica para seguir el ritmo de la innovación, protegiendo la privacidad y la equidad (Manikanta Rajendra kumar Kakarala & Sateesh Kumar Rongali, 2025).

Efecto de la IA sobre el mercado laboral y la privacidad

La IA está transformando el mercado laboral de manera profunda, generando tanto oportunidades de crecimiento como riesgos de desplazamiento (Sun & Wang, 2024). La automatización puede provocar la obsolescencia de ciertas habilidades, afectando a trabajadores en sectores con tareas repetitivas y de baja cualificación (Sun & Wang, 2024)(Chander, 2024). No obstante, también se crean nuevas demandas laborales, requiriendo profesionales capaces de integrar y gestionar estas tecnologías (Sun & Wang, 2024). Las políticas gubernamentales deben adaptarse para mitigar las disrupciones, enfocándose en la capacitación, la educación y los arreglos laborales flexibles (Sun & Wang, 2024).

En cuanto a la privacidad, la recopilación y el procesamiento de grandes volúmenes de datos por parte de la IA plantean preocupaciones significativas (Saputra et al., 2023). La seguridad de los datos personales y la ética en la construcción del carácter son aspectos críticos a considerar (Saputra et al., 2023). La regulación del derecho a la privacidad en las relaciones laborales es un ejemplo de la necesidad de adaptar la legislación a las nuevas realidades tecnológicas (n.d.-d). La introducción de la IA implica una reevaluación de los derechos fundamentales de los trabajadores, incluyendo el derecho a la desconexión (n.d.-d).

Modelos para mitigar riesgos: transparencia, explicabilidad y responsabilidad algorítmica

La mitigación de los riesgos asociados con la IA requiere un enfoque multifacético que priorice la transparencia, la explicabilidad y la responsabilidad algorítmica (Mensah, 2024)(Manikanta Rajendra kumar Kakarala & Sateesh Kumar Rongali, 2025). La Explicabilidad de la Inteligencia Artificial (XAI) se presenta como un campo fundamental para desmitificar los sistemas de IA, mejorando la comprensión y la confianza (- et al., 2024)(DeSimone & Leon-Espinosa, 2024). Esto implica ir más allá de la mera descripción técnica para ofrecer una comprensión clara de cómo los algoritmos toman decisiones.

La implementación de un marco de gobernanza ético para la IA es indispensable para asegurar que los sistemas inteligentes sean compatibles con las normas éticas, las leyes y los valores humanos fundamentales (Mohammed, 2025). Esto incluye la integración de instrumentos técnicos para la transparencia y la mitigación de sesgos, junto con una supervisión procesal y organizacional estricta (Mohammed, 2025). Un modelo efectivo para abordar la «deuda de equidad» en el software propone una hoja de ruta socio-técnica con seis objetivos, incluyendo el desarrollo de un marco para esta deuda, la capacitación de profesionales, la mejora de la mitigación de sesgos y la integración de herramientas de equidad en la práctica industrial (de Souza Santos et al., 2025). Se requiere una colaboración entre formuladores de políticas, tecnólogos y líderes de la industria para construir confianza pública y asegurar la equidad (Manikanta Rajendra kumar Kakarala & Sateesh Kumar Rongali, 2025).

Conclusión

La inteligencia artificial representa un avance tecnológico con implicaciones profundas para la sociedad global. Su ubicuidad en la vida cotidiana y su capacidad para automatizar procesos han redefinido la eficiencia económica y la interacción humana. Sin embargo, este progreso no está exento de retos sustanciales, particularmente en lo que respecta a la ética, los derechos humanos, los sesgos algorítmicos y las transformaciones socioeconómicas.

Los sesgos inherentes a los algoritmos, a menudo derivados de datos de entrenamiento sesgados o diseños deficientes, pueden perpetuar y amplificar las desigualdades existentes. Para contrarrestar estas deficiencias, la transparencia, la explicabilidad (XAI) y la rendición de cuentas algorítmica se convierten en pilares fundamentales para el desarrollo y despliegue responsable de la IA. La necesidad de marcos de gobernanza robustos que armonicen la innovación tecnológica con los valores sociales y la protección de los derechos individuales resulta innegable. Las regulaciones, como la Ley de IA de la UE, son pasos en la dirección correcta, pero su implementación efectiva exige una coordinación global y una adaptación constante a la evolución tecnológica (Novelli et al., 2024).

El impacto en el mercado laboral requiere estrategias proactivas para la recalificación y la adaptación, mientras que la protección de la privacidad en un entorno impulsado por datos demanda una legislación actualizada y una conciencia constante de los riesgos. La colaboración interdisciplinaria y el compromiso de múltiples partes interesadas son esenciales para abordar estos desafíos sistémicos (- et al., 2024)(Manikanta Rajendra kumar Kakarala & Sateesh Kumar Rongali, 2025). Solo a través de un enfoque integral que integre consideraciones técnicas, éticas, legales y sociales se podrá asegurar que la IA beneficie a la humanidad de manera equitativa y sostenible, mitigando sus riesgos inherentes y consolidando una confianza pública esencial para su aceptación y desarrollo futuro.

El establecimiento de un «ecosistema de rendición de cuentas de la IA» y el desarrollo de hojas de ruta para gestionar la «deuda de equidad» constituyen vías prometedoras para construir sistemas de IA más justos y responsables (Percy et al., 2022)(de Souza Santos et al., 2025). La reflexión continua sobre el propósito y la dirección de la IA es imperativa para garantizar su alineación con un futuro que valore la dignidad humana y la equidad social por encima de todo.

References

Sannidhi Agarwal, S. A. (2024). The Impact of Artificial Intelligence (AI) on Society. In Journal of Advances in Science and Technology (Vol. 20, Issue 1, pp. 194–200). Ignited Minds Edutech Pvt. Ltd. https://doi.org/10.29070/rx6mcp48

(N.d.-a).

Nowak, A., Lukowicz, P., & Horodecki, P. (2018). Assessing Artificial Intelligence for Humanity: Will AI be the Our Biggest Ever Advance ? or the Biggest Threat [Opinion]. In IEEE Technology and Society Magazine (Vol. 37, Issue 4, pp. 26–34). Institute of Electrical and Electronics Engineers (IEEE). https://doi.org/10.1109/mts.2018.2876105

Chander, S. (2024). IMPACT OF ARTIFICIAL INTELLIGENCE ON SOCIETY: RISK AND CHALLENGES. In International Journal of Engineering Science and Humanities (Vol. 14, Issue Special Issue 1, pp. 103–111). International Journal of Engineering Science & Humanities. https://doi.org/10.62904/s5ezzj40

Akhter, S., Ahmad, M. R., Chibb, M., Zai, A. F., & Yaqoob, M. (2024). Artificial Intelligence in the 21st Century: Opportunities, Risks and Ethical Imperatives. In Educational Administration: Theory and Practice. Green Publication. https://doi.org/10.53555/kuey.v30i5.3125

Mohammed, S. S. (2025). Navigating Algorithmic Accountability and Ethical Governance in Autonomous Data Analytics Systems: Toward Transparent, Bias-Resistant, and Human-Centric AI Frameworks for Critical  Decision-Making. In International Journal of Innovative Science and Research Technology (pp. 1670–1677). International Journal of Innovative Science and Research Technology. https://doi.org/10.38124/ijisrt/25oct919

Tsvyk, V. A., Tsvyk, I. V., & Tsvyk, G. I. (2024). Artificial Intelligence in Modern Society: Steps, Challenges, Strategies. In RUDN Journal of Philosophy (Vol. 28, Issue 2, pp. 589–600). Peoples’ Friendship University of Russia. https://doi.org/10.22363/2313-2302-2024-28-2-589-600

Lampou, R. (2023). The Integration of Artificial Intelligence in Education: Opportunities and Challenges. In Review of Artificial Intelligence in Education (Vol. 4, Issue 00, p. e015). Editora Alumniin. https://doi.org/10.37497/rev.artif.intell.educ.v4i00.15

Sun, Y., & Wang, Y. (2024). Exploration on the Impacts of AI on the Labor Market and Recommendations on Government Intervention. In K. Ntalianis & W. Szpringer (Eds.), SHS Web of Conferences (Vol. 200, p. 02015). EDP Sciences. https://doi.org/10.1051/shsconf/202420002015

López Regalado, O., Núñez-Rojas, N., Rafael López Gil, O., & Sánchez-Rodríguez, J. (2024). El Análisis del uso de la inteligencia artificial en la educación universitaria: una revisión sistemática (Analysis of the use of artificial intelligence in university education: a systematic review). In Pixel-Bit, Revista de Medios y Educación (Issue 70, pp. 97–122). Editorial Universidad de Sevilla. https://doi.org/10.12795/pixelbit.106336

(N.d.-b).

López Insua, B. del M. (2024). Prevención de riesgos laborales: marco legal y políticas gubernamentales relacionadas con las nuevas formas de trabajo en España, protección de los derechos a la seguridad y salud en el trabajo. In Revista Justicia & Trabajo N.a Junio 2024 (Vol. 2024, Issue 4, pp. 133–156). Editorial Colex, S. L. https://doi.org/10.69592/2952-1955-n4-junio-2024-art-5

Magomedov, I. A., Mashukov, K. V., & Kremleva, E. S. (2023). Future trends in artificial intelligence that could pose a threat to humanity. In M. Y. Tsoy (Ed.), E3S Web of Conferences (Vol. 451, p. 05012). EDP Sciences. https://doi.org/10.1051/e3sconf/202345105012

Requena, F., & García-Moreno, J. M. (2023). La economía que viene. Los efectos de las relaciones sociales digitales sobre el rendimiento, la coordinación y la independencia laboral. In Revista Española de Investigaciones Sociológicas (Issue 184). Centro de Investigaciones Sociologicas. https://doi.org/10.5477/cis/reis.184.85

Beheshti, A., & Kerridge, I. (2025). Understanding the Artificial Intelligence Revolution and its Ethical Implications. In Journal of Bioethical Inquiry (Vol. 22, Issue 3, pp. 497–505). Springer Science and Business Media LLC. https://doi.org/10.1007/s11673-025-10427-6

Mensah, G. B. (2024). AI Ethics. In Africa Journal For Regulatory Affairs. Africa Institute for Regulatory Affairs LBG. https://doi.org/10.62839/ajfra/2024.v1.i1.32-45

Manikanta Rajendra kumar Kakarala, & Sateesh Kumar Rongali. (2025). Existing challenges in ethical AI: Addressing algorithmic bias, transparency, accountability and regulatory compliance. In World Journal of Advanced Research and Reviews (Vol. 25, Issue 3, pp. 549–554). GSC Online Press. https://doi.org/10.30574/wjarr.2025.25.3.0554

de Souza Santos, R., Fronchetti, F., Freire, S., & Spinola, R. (2025). Software Fairness Debt: Building a Research Agenda for Addressing Bias in AI Systems. In ACM Transactions on Software Engineering and Methodology (Vol. 34, Issue 5, pp. 1–21). Association for Computing Machinery (ACM). https://doi.org/10.1145/3709357

Jain, L. R., & Menon, V. (2023). AI Algorithmic Bias: Understanding its Causes, Ethical and Social Implications. In 2023 IEEE 35th International Conference on Tools with Artificial Intelligence (ICTAI) (pp. 460–467). IEEE. https://doi.org/10.1109/ictai59109.2023.00073

Julien Kiesse Bahangulu, & Louis Owusu-Berko. (2025). Algorithmic bias, data ethics, and governance: Ensuring fairness, transparency and compliance in AI-powered business analytics applications. In World Journal of Advanced Research and Reviews (Vol. 25, Issue 2, pp. 1746–1763). GSC Online Press. https://doi.org/10.30574/wjarr.2025.25.2.0571

Gichoya, J. W., Thomas, K., Celi, L. A., Safdar, N., Banerjee, I., Banja, J. D., Seyyed-Kalantari, L., Trivedi, H., & Purkayastha, S. (2023). AI pitfalls and what not to do: mitigating bias in AI. In The British Journal of Radiology (Vol. 96, Issue 1150). Oxford University Press (OUP). https://doi.org/10.1259/bjr.20230023

Laux, J., & Ruschemeier, H. (2025). Automation Bias in the AI Act: On the Legal Implications of Attempting to De-Bias Human Oversight of AI. In European Journal of Risk Regulation (Vol. 16, Issue 4, pp. 1519–1534). Cambridge University Press (CUP). https://doi.org/10.1017/err.2025.10033

-, M. M., -, S. J., -, K. K. S., & -, G. K. (2024). Demystifying Explainable AI: Understanding, Transparency, and Trust. In International Journal For Multidisciplinary Research (Vol. 6, Issue 2). International Journal for Multidisciplinary Research (IJFMR). https://doi.org/10.36948/ijfmr.2024.v06i02.14597

Tubaro, P. (2025). The dual footprint of artificial intelligence: environmental and social impacts across the globe. In Globalizations (pp. 1–18). Informa UK Limited. https://doi.org/10.1080/14747731.2025.2589571

Hernández Espitia, L. A. (2025). Desafíos Sistémicos y Brechas Multidimensionales en la Transformación Digital: Análisis de Convergencias Tecnológicas y Asimetrías Socioeconómicas en la Era de la Inteligencia Artificial. In Ibero Ciencias – Revista Científica y Académica – ISSN 3072-7197 (Vol. 4, Issue 4, pp. 795–822). Editorial Ibero Ciencias. https://doi.org/10.63371/ic.v4.n4.a408

Serpa, S., Micic, L., Štilić, A., & Mastilo, Z. (2025). Sociology of Artificial Intelligence for Social Sustainability in the Digital Age. In Academic Journal of Interdisciplinary Studies (Vol. 14, Issue 1, p. 37). Richtmann Publishing. https://doi.org/10.36941/ajis-2025-0003

Cheong, B. C. (2024). Transparency and accountability in AI systems: safeguarding wellbeing in the age of algorithmic decision-making. In Frontiers in Human Dynamics (Vol. 6). Frontiers Media SA. https://doi.org/10.3389/fhumd.2024.1421273

Novelli, C., Hacker, P., Morley, J., Trondal, J., & Floridi, L. (2024). A Robust Governance for the AI Act: AI Office, AI Board, Scientific Panel, and National Authorities. In European Journal of Risk Regulation (Vol. 16, Issue 2, pp. 566–590). Cambridge University Press (CUP). https://doi.org/10.1017/err.2024.57

Percy, C., Dragicevic, S., Sarkar, S., & d’Avila Garcez, A. (2022). Accountability in AI: From principles to industry-specific accreditation. In AI Communications (Vol. 34, Issue 3, pp. 181–196). SAGE Publications. https://doi.org/10.3233/aic-210080

(N.d.-c).

Saputra, I., Astuti, M., Sayuti, M., & Kusumastuti, D. (2023). Integration of Artificial Intelligence in Education: Opportunities, Challenges, Threats and Obstacles. A Literature Review. In The Indonesian Journal of Computer Science (Vol. 12, Issue 4). STMIK Indonesia Padang. https://doi.org/10.33022/ijcs.v12i4.3266

(N.d.-d). https://doi.org/10.17072/1995-4190-2022-57-527-551

DeSimone, H., & Leon-Espinosa, M. (2024). Explainable AI: The Quest for Transparency in Business and Beyond. In 2024 7th International Conference on Information and Computer Technologies (ICICT) (pp. 532–538). IEEE. https://doi.org/10.1109/icict62343.2024.00093