Ética en inteligencia artificial aplicada a la alimentación y la salud: del “poder hacer” al “deber hacer”

CLARA TALENS, investigadora en Nuevos alimentos

La inteligencia artificial (IA) ya está en toda la cadena agroalimentaria: desde la predicción de riesgos en seguridad alimentaria, hasta el diseño de dietas personalizadas y el apoyo al diagnóstico clínico. Ese salto trae beneficios, eficiencia, nuevas evidencias, decisiones más rápidas, pero también riesgos: sesgos en datos, opacidad de modelos, usos sin supervisión y brechas de seguridad que pueden afectar directamente a la salud pública. La ética de la IA no es un freno: es el marco operativo que garantiza que las innovaciones funcionen para todas las personas y generen confianza.

Por qué la ética importa (especialmente) en alimentación y salud

En el ámbito alimentario, la inteligencia artificial ofrece oportunidades únicas: optimizar la trazabilidad, reducir el desperdicio, mejorar la calidad nutricional o anticipar riesgos de seguridad alimentaria. Sin embargo, si los algoritmos se entrenan con datos incompletos o poco representativos, pueden reforzar desigualdades y comprometer la confianza de las personas consumidoreas. Organismos internacionales como la FAO destacan esta doble cara: la IA puede impulsar la sostenibilidad y la resiliencia climática del sistema agroalimentario, pero también consolidar asimetrías si se aplica sin transparencia, sin participación de los actores vulnerables (por ejemplo, pequeñas productoras o comunidades rurales) o sin una adecuada gobernanza de los datos.

Un caso relevante en el campo de la nutrición personalizada muestra cómo un uso poco ético o técnicamente deficiente de la IA puede conducir a decisiones erróneas. Un estudio publicado en Nutrition & Diabetes (Nature, 2022) advierte que los modelos de aprendizaje automático aplicados a intervenciones nutricionales pueden generar recomendaciones dietéticas engañosas cuando se entrenan con datos incompletos o sesgados, por ejemplo, dietas basadas en patrones occidentales que ignoran la diversidad cultural y metabólica de distintas poblaciones. Los autores subrayan la necesidad de diseñar y validar estos sistemas de manera iterativa y ética, para evitar que las recomendaciones automatizadas agraven las desigualdades nutricionales en lugar de reducirlas.

Qué nos piden hoy las políticas y estándares

En el ámbito de la alimentación y la salud, la regulación y las directrices internacionales avanzan hacia un modelo de inteligencia artificial responsable, segura y trazable, que garantice tanto la protección del consumidor como la fiabilidad científica de los sistemas alimentarios.

FAO y OMS (IA en alimentación y salud, 2021–2025)
Ambos organismos recomiendan que el uso de IA en nutrición, producción y seguridad alimentaria incorpore transparencia en los datos, trazabilidad de las decisiones automatizadas y supervisión humana. Subrayan que cualquier sistema que afecte la disponibilidad o la calidad de los alimentos debe evaluarse no solo por su eficiencia, sino también por su impacto ético y social, evitando ampliar las inequidades en el acceso a una alimentación saludable y sostenible.

Reglamento Europeo de Inteligencia Artificial (AI Act)
Ya en vigor, el AI Act clasifica como alto riesgo los sistemas que influyen en la seguridad o la salud humana, lo que incluye aplicaciones de IA en control de calidad, etiquetado nutricional, evaluación de riesgos alimentarios o asesoramiento dietético. Exige una gestión de riesgos documentada, el uso de datos de alta calidad y representativos, información clara para el usuario y supervisión humana efectiva. Esto marca un cambio estructural: la ética pasa de ser una recomendación a convertirse en una obligación regulatoria.

ISO/IEC 23894:2023
Esta norma internacional establece un marco de gestión de riesgos en IA aplicable también a la industria alimentaria, orientado a identificar, analizar, tratar y monitorizar riesgos técnicos, éticos y organizativos. En el contexto agroalimentario, su adopción permite integrar la ética desde el diseño de los sistemas de IA para producción, trazabilidad, control de contaminantes o formulación de nuevos alimentos.

EFSA (European Food Safety Authority)
La autoridad europea en seguridad alimentaria impulsa el uso de IA para fortalecer la “data readiness” en evaluación de riesgos, automatizar revisiones científicas y detectar señales tempranas de contaminación o fraude. Sin embargo, advierte que la IA solo será útil si se basa en datos auditables, bien gobernados y accesibles, garantizando la reproducibilidad y la confianza en las decisiones regulatorias.

Un marco práctico para aplicar la IA de forma ética en alimentación y salud

Antes de desarrollar o implementar sistemas de inteligencia artificial en alimentación y salud, conviene hacerse algunas preguntas esenciales que guíen el diseño responsable y la toma de decisiones:

1. ¿Qué resultado buscamos: mejorar la salud pública, la sostenibilidad o la equidad alimentaria, y qué posibles riesgos implica el sistema? ¿Está clasificado como de “alto riesgo” según el AI Act?
2. ¿De dónde provienen los datos? ¿Representan adecuadamente distintos sexos, edades, territorios y niveles socioeconómicos? ¿Se han identificado sesgos o limitaciones?
3. ¿El modelo funciona igual de bien para todos los grupos? ¿Qué ocurre si solo cambia una variable, como el sexo o el código postal?
4. ¿Podemos entender por qué la IA propone una decisión o recomendación alimentaria? ¿Existe documentación clara y versiones trazables del modelo?
5. ¿Hay supervisión humana en las decisiones críticas? ¿Se monitoriza la degradación del modelo y se auditan posibles sesgos tras su implementación?
6. ¿Se ha involucrado a tecnólogos, profesionales de la salud, responsables de calidad y consumidores en el proceso? ¿Se comunican los impactos y aprendizajes de forma transparente?

Qué viene: regulación y confianza

La implantación gradual del AI Act en Europa marcará un punto de inflexión en el uso responsable de la inteligencia artificial, también en los sectores de alimentación y salud, donde la sensibilidad de los datos y el impacto sobre las personas son especialmente altos. Esta nueva normativa exigirá mayor trazabilidad de los procesos, control de la calidad y procedencia de los datos, explicabilidad de los modelos y validación en entornos reales antes de su despliegue. Anticiparse a estas exigencias no solo reducirá riesgos regulatorios, sino que fortalecerá la confianza de consumidores, autoridades y empresas, un valor imprescindible para que la IA se integre de forma sostenible en la industria alimentaria.

La ética aplicada a la inteligencia artificial es, además, una ventaja competitiva para el sector. Adoptar un enfoque ético desde el diseño, definiendo propósitos claros, gestionando riesgos, garantizando datos representativos y transparentes, explicando las decisiones del modelo y auditando los sesgos, permite convertir la información en decisiones fiables, trazables y socialmente aceptables. En última instancia, una IA ética no solo acelera la innovación: también mejora la salud pública, refuerza la seguridad alimentaria y promueve una alimentación más sostenible y justa para todas las personas y comunidades.

Referencias clave

• Thomas, D. M., Kleinberg, S., Brown, A. W., et al. (2022). Machine learning modeling practices to support the principles of AI and ethics in nutrition research. Nutrition & Diabetes, 12(48). https://doi.org/10.1038/s41387-022-00226-y
• European Commission. (n.d.). AI Act: Regulatory framework for artificial intelligence. Retrieved from https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
• International Organization for Standardization. (2023). ISO/IEC 23894:2023. Artificial Intelligence—Guidance on risk management. Geneva: ISO.
• European Food Safety Authority (EFSA). (n.d.). Aplicaciones de IA en evaluación de riesgos y data readiness. Retrieved from https://www.efsa.europa.eu/
• Food and Agriculture Organization of the United Nations (FAO). (n.d.). IA en agrifood: oportunidades, riesgos y consideraciones éticas. Retrieved from https://www.fao.org/