Ingeniería Comercial · Escuela de Negocios · UAI

Sociedad, Cultura y Política

MGT300 · Programa y calendario de clases · Segundo semestre 2026

Descripción de la asignatura

Los problemas de negocios ya no pueden comprenderse desde una sola disciplina. Este curso desarrolla una mirada interdisciplinaria sobre un entorno cambiante, conectando management y economía con sociología, filosofía, derecho, ecología y ciencia política.

El punto de entrada es la identidad: cómo el capitalismo contemporáneo, la comunicación y las tecnologías digitales transforman nuestra relación con nosotros mismos, con otras personas y con la esfera pública. Desde allí, el curso examina cómo la inteligencia artificial reconfigura la democracia —la administración del Estado, la regulación y la representación política— y termina en las condiciones sociales, institucionales y tecnológicas del desarrollo, en tensión con la desigualdad, la sostenibilidad y la concentración del poder tecnológico.

Pregunta transversal: ¿cómo integrar factores políticos, sociales, culturales, tecnológicos, económicos y regulatorios para comprender problemas complejos y tomar mejores decisiones en empresas y organizaciones?

Resultados de aprendizaje

  • Resolver desafíos de negocios de forma innovadora, usando conocimientos de management y economía junto con evidencia proveniente de otras disciplinas.
  • Considerar factores del entorno político, social, económico y regulatorio para competir y decidir en un mundo globalizado.
  • Elaborar interpretaciones y argumentos sólidos a partir de una lectura atenta, evidencia pertinente y discusión crítica.
  • Comunicar ideas complejas de manera clara, oralmente y por escrito.

Estrategia de aprendizaje

  • Exposiciones breves del profesor y discusión guiada de lecturas.
  • Presentaciones grupales orientadas a analizar, aplicar y debatir argumentos.
  • Aprendizaje basado en problemas y casos de actualidad empresarial, política y tecnológica.
  • Análisis de datos, artículos académicos, reportes técnicos y evidencia empírica.
  • Actividades que conectan investigación, docencia y toma de decisiones.

Unidad 1

Identidad, capitalismo y mediación algorítmica

Cómo el capitalismo, las plataformas y la inteligencia artificial transforman el rendimiento, la identidad, la intimidad y la posibilidad de compartir una realidad común.

  1. Clase 111:30-14:10

    Presentación del curso e introducción a la Unidad 1

  2. Clase 211:30-14:10

    La autoexplotación del individuo en el capitalismo tardío

  3. Clase 311:30-14:10

    Identidad y vida social en plataformas

  4. Clase 411:30-14:10

    IA generativa, intimidad y relaciones afectivas

    • Amistad, intimidad, dependencia emocional y personalización en vínculos con agentes de IA.
    • El infierno de lo igual: qué le pasa al deseo y al vínculo cuando el otro deja de ofrecer resistencia.
    • Nuevos mercados construidos alrededor de necesidades afectivas: cómo se monetiza la compañía y qué métrica define el éxito del producto.
    • Encuesta de apertura: ¿has usado una IA como consejero o compañero? — anónima, dos minutos, se responde en sala con el QR proyectado al inicio de la sesión. Replica las preguntas de la encuesta nacional de Common Sense Media / NORC (1.060 adolescentes, 2025), de modo que los resultados del curso se puedan proyectar al lado de los de referencia y comparar. Respuestas (editor).
    • Apertura: ¿La IA impide aprender? — dos gráficos sobre 26.811 estudiantes chinos: quienes usan IA entregan mejores tareas en menos tiempo y rinden 20% por debajo en las pruebas, y entre ellos la mejor tarea pasa a predecir la peor prueba. Es el argumento de por qué el juego ML2 se responde sin IA.
    • Presentaciones orales
    • Juego ML2 actividad de repaso y discusión con preguntas abiertas, sin IA.
    • Lectura: Byung-Chul Han, La agonía del Eros, capítulo «Melancolía». Cierra el arco de las clases 2 y 3: del sujeto que se explota, al que se exhibe, al que se vincula con un otro que no resiste.
    • Lectura: The Economist (2025), “Young Chinese are turning to AI chatbots for friendship and love”.
    • Lectura: The Economist (2026), “Does AI stop children from learning?”, sobre D. Strömberg, V. Lei e Y. Wu, The generative AI learning penalty (preprint, 2026).
    • Actividad: guía de lectura concentrada — quince minutos de lectura en silencio, sin pantallas: el capítulo «Melancolía» de Han, el reportaje de The Economist sobre las apps de compañía en China, y un recuadro con las cifras de Common Sense Media y De Freitas.
    • Actividad: Be Right Back. Vemos el episodio completo en clase (Black Mirror, T2E1). Durante la proyección se toman notas a mano, al reverso de la guía de lectura impresa: la guía se lee después, no antes. En casa se responden dos preguntas en la pauta de entrega —el enlace abre directo el diálogo para sacar tu propia copia—: media plana por pregunta, máximo una plana en total. Se entrega subiendo el enlace de esa copia, con permiso de lectura para cualquiera que tenga el enlace, a la carpeta de la clase 4 en Webcursos, hasta el martes 1 de septiembre.
    • Presentación: IA generativa, intimidad y relaciones afectivas (MGT300 2026).
  5. Clase 511:30-14:10

    Verdad, polarización y esfera pública algorítmica

    • Del espacio público de masas al enjambre digital: fragmentación, individualización y economía de la atención.
    • Infocracia, filtros burbuja, polarización afectiva, contenido sintético y alfabetización informacional.
    • ¿Puede la deliberación corregir la fragmentación producida por plataformas y sistemas algorítmicos?
    • Estructura de la sesión: el primer bloque cierra los contenidos de la unidad; el segundo se dedica íntegramente a repaso, de cara a la prueba del 8 de septiembre.
    • Presentaciones orales
    • Juego ML2 repaso de la Unidad 1, en el segundo bloque y con un formato distinto al habitual: treinta minutos, todas las preguntas abiertas y de respuesta corta, sobre los contenidos de toda la unidad —incluido el primer bloque de hoy— con excepción de la clase 4. No es el momento de abstracciones ni de aplicar a casos: es refrescar los textos ya leídos. Después de cada pregunta nos detenemos a recordar esa materia, de modo que el bloque dura bastante más que el juego. Se responde sin IA.
    • Lecturas: Han, Infocracia, cap. 2; Eli Pariser, El filtro burbuja, introducción.
    • Presentación: verdad, polarización y esfera pública algorítmica (MGT300 2026).
    • Actividad: guía de lectura concentrada — quince minutos de lectura en silencio, sin pantallas: el capítulo 2 de Infocracia, la introducción de El filtro burbuja, y un recuadro con el diseño y los resultados de America in One Room.
  6. Clase 611:30-14:10

    Evaluación Prueba de análisis 1 e introducción a la Unidad 2

    • La prueba evalúa comprensión, relación entre lecturas y aplicación de conceptos de la Unidad 1. Lee las instrucciones antes de venir: hay reglas de sala que se aplican desde que entras.
    • Introducción: de la mediación algorítmica de la identidad a la mediación algorítmica del gobierno.

Unidad 2

IA y Democracia

Cómo la inteligencia artificial reconfigura la administración del Estado, la vigilancia, la regulación y la representación política, y qué decisiones deben quedar en manos de empresas, gobiernos o ciudadanos. Los materiales de esta unidad provienen del curso IA y Democracia (Minor en IA, 2026).

Martes 15 de septiembre: no hay sesión programada, de acuerdo con el calendario docente y la pausa de Fiestas Patrias.

  1. Clase 711:30-14:10

    El Estado algorítmico: administración, vigilancia y rendición de cuentas

    • ¿Es el Estado el último garante del control humano o el vehículo que convierte decisiones algorítmicas en coerción?
    • Automatización de decisiones públicas, vigilancia, explicabilidad y mecanismos de impugnación.
    • Qué implica para una empresa operar frente a un Estado que decide con sistemas automatizados.
    • Presentaciones orales
    • Juego ML2 actividad de repaso y discusión con preguntas abiertas.
    • Lectura: Schneier y Sanders, Rewiring Democracy, selección de caps. 20-24 y 35.
    • Actividad: auditoría en clase de una decisión estatal asistida por IA, identificando definición de valores, responsabilidad, explicabilidad y vías de contestación.
    • Recursos: materiales de la unidad (IA y Democracia 2026) y charla de Gabriela Arriagada (CENIA/UC) con guía de estudio.
  2. Clase 811:30-14:10

    ¿Quién debe gobernar la IA? Modelos de gobernanza y regulación

    • ¿Cómo mantiene el control un principal menos capaz que el agente al que debe supervisar?
    • Autorregulación, regulación estatal, estándares internacionales y modelos abiertos: quién fija las reglas y con qué costos para las empresas.
    • El marco chileno en discusión y su efecto sobre el entorno regulatorio de los negocios.
    • Presentaciones orales
    • Juego ML2 actividad de repaso y discusión con preguntas abiertas.
    • Lectura: Schneier y Sanders, Rewiring Democracy, caps. 33 y 40-42.
    • Marco legal chileno: Boletín 16821-19 (regula los sistemas de inteligencia artificial), Boletín 17795-19 (deepfakes) y Política Nacional de Inteligencia Artificial.
    • Actividad: simulación de negociación entre gobierno, laboratorios de frontera, desarrolladores de código abierto, sociedad civil y países del Sur Global.
  3. Clase 911:30-14:10

    IA generativa y democracia deliberativa: ¿puede la IA representar a una persona?

    • ¿Qué dimensiones de una persona puede representar un modelo y cuáles simplifica, distorsiona o excluye?
    • Avatares personales, agentes delegados y representación sintética en decisiones comerciales y políticas.
    • Si un sistema pudiera anticipar nuestras preferencias, ¿seguiría siendo necesario preguntarnos?
    • Presentaciones orales
    • Juego ML2 actividad de repaso y discusión con preguntas abiertas.
    • Lecturas: Gudiño et al. (2024), “Large language models (LLMs) as agents for augmented democracy”; Abeliuk, Gaete y Bro (2026), “Auditing socio-demographic and cross-societal fairness in LLM-simulated public opinion”.
    • Charla de César Hidalgo.
    • Actividad: crear un avatar, comparar sus respuestas con respuestas humanas y auditar diferencias de representación.
  4. Clase 1011:30-14:10

    Evaluación Prueba de análisis 2 e introducción a la Unidad 3

    • La prueba integra Estado algorítmico, vigilancia, gobernanza y regulación de la IA, y representación política.
    • Introducción: desarrollo como expansión de libertades y capacidades, no solo como crecimiento económico.
    • Lectura sugerida: Amartya Sen, Desarrollo y libertad (Introducción y cap. 2).

Unidad 3

Desarrollo, innovación y poder tecnológico

Cómo se producen, distribuyen y gobiernan los beneficios y riesgos de una transformación tecnológica bajo límites socioecológicos y concentración del poder tecnológico.

  1. Clase 1111:30-14:10

    Desarrollo, capacidades y límites materiales

    • Desarrollo, capacidades y bienestar; diferencias entre PIB per cápita e IDH.
    • La Gran Aceleración y los límites socioecológicos del crecimiento.
    • Aplicación: infraestructura material de la IA, consumo energético, agua, minerales y distribución territorial de sus costos.
    • Presentaciones orales
    • Juego ML2 actividad de repaso y discusión con preguntas abiertas.
    • Lecturas: Sen, Desarrollo y libertad (Introducción y cap. 2); Steffen et al. (2015), “The Trajectory of the Anthropocene: The Great Acceleration”.
    • Actividad: guía de análisis para comparar PIB, IDH e indicadores ambientales con datos de Our World in Data.
  2. Clase 1211:30-14:10

    Innovación, crecimiento y transición sostenible

    • Destrucción creativa, innovación verde y compatibilidad entre crecimiento y sostenibilidad.
    • ¿Puede la IA acelerar la transición ecológica sin reproducir los costos materiales que pretende reducir?
    • Responsabilidad de estados, empresas e individuos; incentivos, precio al carbono y dirección de la innovación.
    • Presentaciones orales
    • Juego ML2 actividad de repaso y discusión con preguntas abiertas.
    • Lectura: Aghion, Antonin y Bunel, The Power of Creative Destruction, cap. 9.
    • Guía de actividad.
  3. Clase 1311:30-14:10

    Innovación, desigualdad y oligarquía de la IA

    • Destrucción creativa, movilidad social y distribución de costos, beneficios y rentas de innovación.
    • Concentración de chips, nube, datos, modelos, talento y capital en un número reducido de empresas.
    • ¿La IA amplía la competencia o consolida una nueva oligarquía tecnológica con capacidad de influir sobre mercados y gobiernos?
    • Presentaciones orales
    • Juego ML2 actividad de repaso y discusión con preguntas abiertas.
    • Lectura: Aghion, Antonin y Bunel, The Power of Creative Destruction, cap. 5; Schneier y Sanders, Rewiring Democracy, selección de “AI and Power”.
    • Guía de actividad y casos de poder y oligarquía de IA (IA y Democracia 2026).
  4. Clase 1411:30-14:10

    Revoluciones tecnológicas y trabajo

  5. Clase 1511:30-14:10

    Taller integrador: gobernar e invertir en la era de la IA

    • Presentaciones orales Última jornada de presentaciones grupales: recomendación de inversión y gobernanza ante un directorio.
    • Instituciones inclusivas y extractivas, riesgo político, regulación, captura, dependencia de proveedores, impacto laboral y legitimidad social.
    • Juego ML2 actividad de repaso y discusión con preguntas abiertas.
    • Lecturas: Acemoglu y Robinson, Por qué fracasan los países, cap. 3; Rice y Zegart (2018), “Managing 21st-Century Political Risk”.
    • Actividad: Simulador de Inversión Global.
  6. Clase 1611:30-14:10

    Evaluación Prueba de análisis 3 y cierre del curso

    • Evaluación de desarrollo, sostenibilidad, innovación, desigualdad, instituciones, trabajo y transformación tecnológica.
    • Cierre, retroalimentación general e información sobre examen y eximición.

Evaluación

Las evaluaciones miden preparación, comprensión conceptual, capacidad de relacionar lecturas y discusiones, argumentación basada en evidencia y aplicación a problemas contemporáneos.

Instrumento Ponderación Propósito y formato
Controles de lectura 20% Tres controles, uno por unidad, realizados sin aviso previo para verificar la preparación de las lecturas asignadas.
Presentaciones grupales 40% Comprensión y análisis de una lectura, aplicación a un problema y conducción de discusión. Los grupos tendrán idealmente cuatro integrantes y, solo en casos excepcionales, cinco. La conformación de los grupos y su asignación a las semanas de presentación será coordinada por los ayudantes Sofía Fuentes y Martín Castillo. Cada grupo registra su fecha, sus integrantes, su caso de estudio y el grupo al que hará preguntas en la planilla de inscripción. La ponderación se divide en 30% por la presentación y 10% por preguntas y comentarios a otro grupo. Los criterios y la rúbrica están en la guía de presentaciones.
Pruebas de análisis 40% Tres pruebas: 8 de septiembre, 13 de octubre y 24 de noviembre. Combinan respuestas breves y análisis aplicado de un caso. Las instrucciones de la primera prueba —formato, materiales, reglas de sala y qué entra— están publicadas.

Nota de presentación y examen: la nota de presentación equivale al 75% de la nota final. El examen equivale al 25% y abarca el curso completo. Se eximen quienes obtengan una nota de presentación igual o superior a 5,0.

Políticas y condiciones del curso

Asistencia, puntualidad y comunicaciones

Se exige una asistencia mínima de 75%. Las justificaciones se tramitan exclusivamente mediante Secretaría Académica de Pregrado. El estudiantado debe revisar regularmente su correo UAI y WebC/Omega. El ingreso tardío o las salidas durante la clase deben acordarse previamente con el profesor.

Entrega, inasistencias y re-corrección de evaluaciones

Las evaluaciones serán corregidas y entregadas dentro de las dos semanas siguientes a su rendición, salvo fuerza mayor. Una inasistencia no justificada implica nota 1,0. En una inasistencia justificada a una prueba, su nota será reemplazada por la del examen, según el programa oficial. Las solicitudes de re-corrección deben presentarse por escrito dentro de los cinco días siguientes a la entrega; la revisión puede subir, mantener o bajar la calificación.

Redondeo y requisito de aprobación

Las notas se expresan con un decimal. Una centésima igual o superior a 5 se aproxima a la décima superior; en caso contrario, a la décima inferior. Para aprobar se requiere una nota final igual o superior a 4,0. No hay pruebas recuperativas ni trabajos adicionales para modificar la nota final.

Uso de inteligencia artificial

El uso de IA debe ser responsable, transparente, ético y consistente con la Política Institucional de Inteligencia Artificial de la UAI. Cada evaluación o actividad indicará qué usos están autorizados. El uso no autorizado, la falta de declaración o la presentación de contenido generado como propio constituyen infracciones al Código de Honor.

El juego ML2 se responde sin IA, y las lecturas se estudian sin pedirle a un modelo que las resuma. La razón no es disciplinaria sino de aprendizaje: el estudio de Strömberg, Lei y Wu sobre 26.811 estudiantes muestra que quienes delegan la tarea en un modelo entregan mejores trabajos en menos tiempo y luego rinden 20% por debajo de sus compañeros en las pruebas, y que la penalidad se concentra justamente en quienes usaron la IA para terminar antes. El juego existe para detectar qué se entendió y qué no; una respuesta generada elimina esa información para ustedes y para mí. Usar un modelo como tutor —que explique un concepto difícil, que plantee contraejemplos, que pregunte de vuelta— es otra cosa, y está bien.

Honestidad académica y derechos de autor

El plagio, la copia y cualquier presentación de trabajo ajeno como propio implican la invalidación del instrumento y el procedimiento institucional correspondiente. Los materiales del curso están protegidos por derechos de autor y no pueden compartirse con terceros externos ni utilizarse para fines no académicos.

Dispositivos y plan de contingencia

Los dispositivos electrónicos se usarán solo cuando la actividad lo requiera. Si una clase o evaluación debe suspenderse por fuerza mayor, podrá reprogramarse, realizarse en modalidad remota o reemplazarse por una actividad equivalente, preservando los resultados de aprendizaje.

Bibliografía principal

  1. Abeliuk, A., F. Gaete y N. Bro (2026). “Auditing socio-demographic and cross-societal fairness in LLM-simulated public opinion”.
  2. Aghion, P., C. Antonin y S. Bunel (2021). The Power of Creative Destruction. Harvard University Press.
  3. Acemoglu, D. y J. A. Robinson (2012). Por qué fracasan los países, cap. 3.
  4. Cámara de Diputadas y Diputados de Chile. Boletines 16821-19 (sistemas de inteligencia artificial) y 17795-19 (deepfakes); Ministerio de Ciencia, Política Nacional de Inteligencia Artificial.
  5. CENIA, SOFOFA Capital Humano, SENCE, Stanford y Ministerio del Trabajo. Inteligencia Artificial Generativa: oportunidades para el futuro del trabajo en Chile.
  6. Galor, O. (2022). El viaje de la humanidad. Planeta.
  7. Gudiño, S. et al. (2024). “Large language models (LLMs) as agents for augmented democracy”. Philosophical Transactions of the Royal Society A.
  8. Han, B.-C. (2010). La sociedad del cansancio. Herder.
  9. Han, B.-C. (2013). En el enjambre. Herder.
  10. Han, B.-C. (2022). Infocracia. La digitalización y la crisis de la democracia. Taurus.
  11. Kosmyna, N. et al. (2025). “Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task”.
  12. Pariser, E. (2011). El filtro burbuja, introducción.
  13. Rice, C. y A. Zegart (2018). “Managing 21st-Century Political Risk”. Harvard Business Review, 96(3), 130-139.
  14. Schneier, B. y N. E. Sanders (2025). Rewiring Democracy: How AI Will Transform Our Politics, Government, and Citizenship.
  15. Sen, A. (2000). Desarrollo y libertad. Planeta.
  16. Steffen, W. et al. (2015). “The Trajectory of the Anthropocene: The Great Acceleration”. The Anthropocene Review, 2(1), 81-98.
  17. The Economist (2025). “Young Chinese are turning to AI chatbots for friendship and love”. 15 de mayo de 2025.
  18. The Economist (2026). “Does AI stop children from learning?”, sobre Strömberg, D., Lei, V. y Wu, Y. The generative AI learning penalty: evidence from Chinese secondary education (preprint, 2026).

Las lecturas evaluadas y los materiales complementarios estarán disponibles en WebC/Omega, Biblioteca UAI y la carpeta del curso. El profesor podrá agregar artículos, reportes o casos de actualidad durante el semestre.