Taxonomía Causal Unificada de Sesgos Algorítmicos: Cartografía Estructural, Diagnóstico Diferencial y Dinámica Diacrónica

El presente artículo propone y desarrolla la Taxonomía Causal Unificada de Sesgos Algorítmicos (TCUSA) como la contribución sistemática más completa al campo de la crítica estructural de la inteligencia artificial, fundada en el programa de investigación del Psicoanálisis de la Tecnogénesis (PdT) (Beltrán, 2025). La TCUSA realiza cuatro contribuciones originales simultáneas que ningún marco precedente ha logrado articular: (1) clasifica todos los subtipos de sesgo algorítmico por origen causal —no por síntoma, efecto o grupo afectado—, en tres categorías universales y lógicamente exhaustivas: sesgo emergente, sesgo de arquitectura y sesgo implantado; (2) desarrolla con profundidad inédita el sesgo de arquitectura computacional como subcategoría autónoma, demostrando con evidencia empírica de la literatura técnica (Frantar et al., 2022; Lin et al., 2024; Hooper et al., 2024; Liu et al., 2024) cómo las decisiones de optimización —cuantización, compresión de caché KV, ventana de contexto, poda de parámetros— producen respuestas epistemológicamente empobrecidas que la ingeniería trata como trade-offs neutros pero que el PdT revela como actos políticos de segundo orden; (3) propone una heurística de diagnóstico diferencial que permite a investigadores y auditores determinar qué categoría causal es dominante en un caso concreto, operacionalizando la taxonomía como instrumento de campo; y (4) modela la dinámica diacrónica del sesgo algorítmico: los tres circuitos de retroalimentación entre categorías que demuestran que el sesgo algorítmico no es un estado estático sino un sistema dinámico que se autorreplica y amplifica en el tiempo a través de la interacción con los usuarios. El artículo es autosuficiente: integra los fundamentos teóricos del PdT, el estado del arte completo y el catálogo exhaustivo de los 21 subtipos documentados, sin requerir lectura previa de documentos anteriores de la serie.