Del Papa Pop al Papa Tec

Columna

Tecnología

01 de julio de 2026

Del Papa Pop al Papa Tec

Tecnología, dignidad humana y el improbable consenso sobre inteligencia artificial

Cuando Humberto Gessinger compuso O Papa é Pop, en 1990, observaba un fenómeno curioso de la modernidad: incluso una de las figuras más tradicionales del mundo había sido absorbida por la lógica mediática. El Papa ya no habitaba solo en los templos. Estaba en las portadas de revistas, en los noticieros, en las conversaciones cotidianas y, como sugería la canción, se había transformado en parte de la cultura de masas. Treinta y cinco años después, quizás sea necesario actualizar la metáfora. El Papa sigue siendo pop. Pero también se ha vuelto tec.

No porque se haya convertido en un influyente digital de la fe, sino porque decidió cruzar una frontera que muchos imaginaban reservada a ingenieros, científicos y ejecutivos de tecnología. Lo que llamó la atención de la comunidad internacional fue su decisión de entrar en uno de los debates más complejos de la actualidad: el papel de la inteligencia artificial en la vida humana.

La publicación de la encíclica Magnifica Humanitas por el Papa León XIV, en mayo de este año, sorprendió a muchos observadores. Después de todo, no es común que un documento pontificio dialogue directamente con temas como algoritmos, aprendizaje automático, sistemas generativos y producción de conocimiento científico. La sorpresa, sin embargo, disminuye cuando nos damos cuenta de que la preocupación expresada por el Vaticano no está aislada.

A lo largo de los últimos años, instituciones muy diferentes han llegado a conclusiones notablemente similares. En 2019, el Grupo de Expertos de Alto Nivel sobre Inteligencia Artificial de la Unión Europea publicó los documentos “A Definition of AI: Main Capabilities and Scientific Disciplines” y “Ethics Guidelines for Trustworthy AI”. Desde entonces, se han sumado el “AI Act” europeo, el informe “The Role of Artificial Intelligence in Scientific Research”, del Centro Común de Investigación de la Comisión Europea, las “Directrices para el Uso de la Inteligencia Artificial en la Educación Básica” del Ministerio de Educación brasileño, la Resolución nº 13/2025 de la Universidade Estadual Paulista (Unesp), la “Guía para Investigadores: Uso Responsable de la Inteligencia Artificial Generativa” y la Portaria CNPq nº 2.664/2026, entre otros documentos que buscan orientar a gobiernos, instituciones y ciudadanos ante las transformaciones provocadas por la IA.

Lo más interesante es que estos documentos no pertenecen al mismo campo. Fueron producidos por universidades, agencias de fomento, formuladores de políticas públicas, científicos, educadores y organismos internacionales. Aun así, todos parecen gravitar en torno a una misma preocupación. ¿Cómo preservar la autonomía humana en una era de inteligencia artificial?

A primera vista, podríamos imaginar que la cuestión central sería tecnológica. No lo es. Ninguno de los documentos dedica sus esfuerzos principales a discutir solo velocidad de procesamiento, poder computacional o sofisticación algorítmica. En cambio, todos regresan repetidamente a preguntas más antiguas y más profundas.

  • ¿Quién es el ser humano?
  • ¿Qué es el conocimiento?
  • ¿Quién debe tomar decisiones?
  • ¿Quién responde por los resultados?
  • ¿Quién permanece al mando?

Quizás el hallazgo más interesante de esta lectura conjunta sea darse cuenta de que el debate contemporáneo sobre inteligencia artificial no está organizado en torno a la tecnología, sino en torno a la humanidad.

Los documentos europeos utilizan la expresión Human-Centric AI, inteligencia artificial centrada en el ser humano. El principio es simple: la tecnología debe ampliar las capacidades humanas, jamás sustituirlas integralmente. El ser humano sigue siendo el sujeto moral, político y jurídico del proceso.

La encíclica llega a una conclusión similar por otro camino. En lugar de hablar de derechos fundamentales, habla de dignidad humana. En lugar de hablar de autonomía individual, habla de persona. En lugar de recurrir al lenguaje de la gobernanza, utiliza el lenguaje de la responsabilidad moral. Las palabras cambian. La preocupación permanece.

Deriva epistémica

El informe del Joint Research Centre añade una dimensión particularmente interesante a esta discusión. A diferencia de los demás documentos, no centra su atención en la ética o en la regulación. Su enfoque está en la propia producción del conocimiento científico. Allí aparece un concepto poco conocido fuera de los círculos académicos: epistemic drift, o deriva epistémica.

La expresión describe el riesgo de que los sistemas de inteligencia artificial pasen a influir no solo en las respuestas que encontramos, sino también en las preguntas que hacemos. En otras palabras, el problema no sería solo que una IA produzca conclusiones erróneas. El problema sería que la propia ciencia comience a pensar dentro de los límites sugeridos por los sistemas que utiliza.

La preocupación es sofisticada. Si una herramienta pasa a organizar la investigación, seleccionar fuentes, sugerir hipótesis y estructurar caminos investigativos, ¿en qué medida seguimos conduciendo el proceso? ¿En qué momento empezamos a ser conducidos por él?

Curiosamente, esta pregunta hace eco de la crítica a la tecnocracia presente en la encíclica. Aunque utilizan lenguajes distintos, ambos documentos parecen inquietos con la misma posibilidad: la transferencia gradual de la conducción humana a sistemas cada vez más complejos y opacos.

En este punto, surge una falsa dicotomía que frecuentemente domina los debates públicos. Por un lado, los entusiastas que creen que la inteligencia artificial resolverá prácticamente todos los problemas humanos. Por otro, los alarmistas que ven máquinas a punto de sustituir a la humanidad. Ambas posiciones simplifican la cuestión.

La alternativa quizás esté en una fórmula más simple: IA+IA. Inteligencia Artificial más Inteligencia Auténtica. No se trata de sustituir una por la otra, sino de reconocer capacidades complementarias. La inteligencia artificial amplía el acceso a la información, identifica patrones y acelera procesos. La inteligencia auténtica ofrece contexto, experiencia, imaginación, responsabilidad y discernimiento.

El primero procesa, el segundo comprende. El primero calcula, el segundo interpreta. El propio informe del Joint Research Centre llega a una conclusión similar: “Abordar estos desafíos requiere políticas que promuevan la alfabetización en IA, el pensamiento crítico y la colaboración multidisciplinar, para garantizar que la experiencia humana siga siendo central en el proceso” (JRC, 2025, p. 5-6). El pasaje confirma el punto: no se trata de alejar la inteligencia artificial, sino de fortalecer la inteligencia humana capaz de utilizarla.

Sin inteligencia auténtica, la IA puede producir respuestas correctas, pero vacías de sentido. Sin las herramientas contemporáneas, la inteligencia humana corre el riesgo de no seguir la creciente complejidad del mundo.

El desafío no es elegir entre una y otra, sino construir una relación equilibrada entre ambas. Quizás sea precisamente esto lo que explique el improbable consenso encontrado entre documentos tan diferentes. Universidades, científicos, educadores, reguladores europeos e incluso el Vaticano parecen coincidir en un punto esencial: la cuestión decisiva del siglo XXI no es lo que las máquinas serán capaces de hacer. La cuestión decisiva es lo que los seres humanos decidirán hacer con ellas.

Volviendo a Gessinger, vale recordar que el estribillo afirmaba que “el pop no perdona a nadie”. Tres décadas después, la observación sigue vigente. La tecnología tampoco perdona a nadie. Ni gobiernos, ni escuelas, ni universidades, ni empresas, ni iglesias. Ni siquiera la inteligencia artificial, que ya dejó de ser solo tema de ciencia ficción para convertirse en asunto de escuelas, universidades, gobiernos, empresas e incluso del Vaticano.

¿Qué hacer ahora?

Si existe un consenso emergente entre el Vaticano, la Unión Europea, las universidades y las agencias de investigación, este no se limita a la necesidad de debatir sobre inteligencia artificial. También existe una creciente preocupación por ofrecer orientaciones concretas para su uso.

En Brasil, uno de los documentos más relevantes en este sentido son las “Directrices para el Uso de la Inteligencia Artificial en la Educación Básica”, publicadas por el Ministerio de Educación. El documento no trata la IA como una amenaza ni como una solución mágica. Su propuesta es formar estudiantes capaces de comprender críticamente estas tecnologías, utilizarlas de forma responsable y reconocer sus límites. Entre sus recomendaciones se encuentran la promoción de la educación digital, el fortalecimiento del pensamiento crítico, la transparencia en el uso de las herramientas y la preservación de la mediación humana en los procesos educativos.

Para los profesores, se puede aplicar inmediatamente una pista práctica: utilizar sistemas de IA no para sustituir actividades de lectura, interpretación y producción textual, sino para ampliarlas. Un estudiante puede solicitar a una IA un resumen de un tema determinado; el aprendizaje ocurre cuando compara este resumen con otras fuentes, identifica lagunas, cuestiona respuestas y produce su propia síntesis. La herramienta genera información; la formación sigue siendo humana.

En el contexto universitario, destaca la Resolución nº 13/2025 de la Unesp, que establece principios para el uso responsable de la inteligencia artificial en la institución. El documento enfatiza supervisión humana, transparencia, responsabilidad, protección de datos, integridad académica y evaluación crítica de los resultados producidos por sistemas de IA.

Más que un conjunto definitivo de reglas, la resolución puede ser entendida como un modelo inicial de gobernanza. Estamos apenas en los primeros pasos de una transformación que probablemente acompañará las próximas décadas. Las orientaciones de la Unesp merecen ser estudiadas, comparadas con experiencias de otras universidades y continuamente revisadas a medida que surgen nuevas tecnologías y aparecen nuevos desafíos.

Quizás esta sea la principal lección extraída del conjunto de documentos analizados: no estamos ante un debate pasajero. Estamos aprendiendo a convivir con una tecnología que continuará evolucionando. El camino aún se está construyendo, pero una dirección parece clara. La inteligencia artificial debe crecer junto a la inteligencia humana, nunca en su lugar.

Mantengamos un ojo en los titulares y las noticias. En especial, en aquellos publicados en los Diarios Oficiales de la Unión, de los estados brasileños y de las instituciones de enseñanza e investigación. Si los grandes debates suelen llegar al público a través de discursos, entrevistas y reportajes, es en los documentos normativos, en las resoluciones, portarias, directrices y regulaciones que las transformaciones comienzan efectivamente a tomar forma.

Los próximos capítulos de la saga IA+IA se están escribiendo en este preciso momento. Y serán tan decisivos como los primeros.

Quién publicó esta columna

Roberto Munhoz

Roberto Munhoz é roteirista, educador e artista gráfico com 35 anos de experiência, 20 deles na Turma da Mônica (Estúdio Mauricio de Sousa). Também colaborou em obras como Menino Maluquinho, de Ziraldo, e Sítio do Picapau Amarelo, de Monteiro Lobato. Participa de ações formativas e culturais de promoção à leitura e valorização das linguagens visuais como ferramentas educativas. Licenciado em Artes Visuais pela UNIP e pós-graduado em Gestão Escolar pela USP/ESALQ, atua como professor de artes no Ensino Fundamental I e II.

También te puede interesar

17 de noviembre de 2026

Detección y Diagnóstico de Enfermedades en Maíz y Arroz en Mozambique con Deep Learning

La agricultura mozambiqueña depende del maíz y el arroz, cultivos fundamentales para la seguridad alimentaria, pero su productividad se ve fuertemente afectada por enfermedades fitosanitarias, cuya identificación temprana y precisa sigue siendo un desafío en contextos de recursos limitados. El estudio tuvo como objetivo desarrollar y comparar modelos basados en Deep Learning para la detección y el diagnóstico automático de enfermedades en hojas de maíz y arroz en Mozambique. Se utilizaron tres enfoques: una Red Neuronal Convolucional (CNN) clásica desarrollada desde cero, y dos modelos de transfer learning, ResNet50 y MobileNetV2. El conjunto de datos se compuso de imágenes de bases públicas y recolectadas en campo, que pasaron por etapas de limpieza, balanceo y aumento artificial. Los modelos fueron entrenados y evaluados con métricas de desempeño estándar, incluyendo precisión (accuracy), precisión (precision), recall, F1-score, Log Loss y Kappa de Cohen. La CNN clásica presentó el mejor desempeño global, con 94% de precisión (precision), recall y F1-score, y 93% de precisión (accuracy) y Kappa de Cohen. La MobileNetV2 alcanzó 91% de F1-score y 90% de precisión (accuracy), destacándose por el menor Log Loss (0,30) y tiempo de entrenamiento (6h32min59s). La ResNet50 alcanzó 80% de F1-score y 79% de precisión (accuracy). Se concluyó que las técnicas de Deep Learning poseen un elevado potencial para apoyar el diagnóstico fitopatológico en contextos agrícolas reales, contribuyendo a decisiones más rápidas y precisas en el manejo de enfermedades en maíz y arroz.

Palabras clave: Aprendizaje profundo; Arroz; Enfermedades en plantas; Maíz; Visión computacional.

17 de noviembre de 2026

Estructuración del proceso de cierre de proyectos de una industria de la construcción civil

Un estudio abordó el grupo de procesos de cierre de proyectos en una industria de manufactura de la construcción civil, utilizando la guía PMBOK como referencia principal. El proceso existente en la industria presentaba superficialidad y fragilidades, especialmente en el registro de lecciones aprendidas. Ante este escenario, el objetivo fue desarrollar un procedimiento para el cierre de proyectos de la organización, visando agregar valor por medio de la estandarización del proceso, registro del conocimiento adquirido, formalización de la conclusión y entrega de los proyectos, y mejoramiento de la comunicación, compromiso, integración y transparencia con los stakeholders. La investigación se clasificó como descriptiva, empleó datos cualitativos y adoptó la investigación-acción como delineamiento. El alcance del estudio se estructuró conforme a los cinco grupos de procesos de la guía PMBOK y fue representado por una Estructura Analítica de Proyecto (EAP). Los principales resultados obtenidos incluyeron el procedimiento desarrollado y diversas plantillas de documentos, que constituyeron los entregables del nuevo proceso de cierre de proyectos. Se verificó que el trabajo alcanzó el objetivo esperado, pues el procedimiento desarrollado viabilizó la estandarización del cierre de proyectos, el mejoramiento de la integración y el compromiso con los stakeholders, y la promoción de seguridad y transparencia en el proceso.

Palabras clave: Gestión del conocimiento; Lecciones aprendidas; PMBOK; Plantillas; Término de aceptación de proyecto.

17 de noviembre de 2026

Machine Learning y priorización de funcionalidades en productos digitales: un estudio de caso en una fintech

Una investigación analizó el potencial del uso de técnicas de machine learning aplicadas al análisis del comportamiento de los usuarios en la priorización de funcionalidades en productos digitales. El objetivo fue comprender los procesos de priorización utilizados en la práctica, el papel de los datos de comportamiento en la toma de decisiones y las percepciones sobre la aplicación de técnicas de machine learning en este contexto. Se adoptó un enfoque cualitativo y exploratorio, estructurado como un estudio de caso en productos desarrollados bajo el modelo Software as a Service (SaaS). La recolección de datos se realizó a través de entrevistas semiestructuradas con profesionales de las áreas de producto y de datos. El análisis de los datos siguió la técnica de análisis de contenido. Los resultados indicaron que, aunque los datos de comportamiento ya se utilizaban como apoyo a la decisión, los procesos de priorización aún presentaban baja formalización y enfrentaban limitaciones técnicas y organizacionales. Se observó, también, el reconocimiento del potencial del machine learning como soporte estratégico a la priorización de funcionalidades, aunque su aplicación práctica fuera incipiente. Como principal contribución, el estudio propuso un modelo conceptual que integra datos de comportamiento, procesos de priorización y el uso de machine learning como soporte a la decisión.

Palabras clave: Análisis de datos; Comportamiento del usuario; Datos de comportamiento; Software as a Service (SaaS); Toma de decisiones.

17 de noviembre de 2026

Inteligencia artificial en las rutinas operativas contables y en la eficiencia financiera

La incorporación de Inteligencia Artificial (IA) y de herramientas de automatización ha reconfigurado las rutinas de las oficinas contables brasileñas, impactando la productividad, la mitigación de errores y la eficiencia financiera. Se analizaron estos impactos en una oficina contable de pequeño tamaño, especializada en la atención a prestadores de servicios del área médica en São Caetano do Sul, São Paulo. La investigación adoptó un enfoque cualitativo, con un diseño de estudio de caso único y unidades de análisis incorporadas. Los datos se recolectaron mediante un cuestionario estructurado, aplicado vía Google Forms entre enero y febrero de 2026, a cinco profesionales de la estructura operativa de la oficina en un relevamiento censal. El tratamiento siguió un análisis de contenido con categorías a priori y emergentes. Todos los encuestados declararon uso de herramientas automatizadas o con recursos de IA. La percepción de reducción del tiempo de ejecución, de disminución de errores operacionales, de retrabajo y de mejor aprovechamiento del tiempo del equipo convergió en el 80% de las respuestas afirmativas y el 20% parciales. Las actividades más beneficiadas fueron la conciliación bancaria, la importación de documentos fiscales y la liquidación tributaria, con ganancias visibles sobre errores de digitación, asientos duplicados y clasificación incorrecta. La intervención humana permaneció indispensable en la planificación tributaria, el análisis de escenarios y la verificación de obligaciones accesorias. La evaluación general de la contribución de la IA fue predominantemente favorable, con moderación vinculada a la complejidad normativa fiscal.

Palabras clave: Análisis de contenido; Automatización de procesos; Contabilidad 4.0; Pequeño tamaño; Transformación digital.

17 de noviembre de 2026

Factores que influyen en la gestión de plazos en proyectos de “retrofit” de estaciones de tratamiento de aguas residuales

Los proyectos de “retrofit” en Plantas de Tratamiento de Aguas Residuales (PTAR) se caracterizan por su alta complejidad, restricciones operativas y múltiples interfaces técnicas. El estudio analizó la percepción de los profesionales involucrados sobre la gestión y el cumplimiento de los plazos en proyectos de “retrofit” de plantas de tratamiento de aguas residuales, considerando factores técnicos, operativos y organizacionales. La investigación se caracterizó como un estudio aplicado, con un enfoque cuali-cuantitativo, delineado como un levantamiento de campo de tipo “survey”. El análisis de los datos se realizó mediante estadística descriptiva y categorización cualitativa, utilizando las herramientas SWOT, matriz de riesgo (Probabilidad x Impacto) y plan de acción 5W2H. Los resultados indicaron una alta percepción de claridad (77,8%) y realismo de los plazos (100% de acuerdo), evidenciando una planificación inicial consistente. Sin embargo, el 77,7% de los encuestados señaló que los retrabajos y cambios de alcance impactaron directamente el cumplimiento de los plazos. La integración entre ingeniería, fabricación y Planificación y Control de la Producción (PCP) presentó una evaluación intermedia (77,7% de acuerdo parcial/total), indicando fragilidad en la coordinación interfuncional. La matriz de riesgo destacó como críticos: cambios de alcance, limitaciones operativas de la PTAR y complejidad técnica, todos con nivel alto. Como mejora central, se propuso la estandarización del control de cambios de alcance, análisis y aprobación, con el fin de reducir retrabajos y aumentar la previsibilidad del cronograma.

Palabras clave: Desempeño; Integración; Planificación; Retrabajo; Riesgo.

17 de noviembre de 2026

Captación B2C en medicina diagnóstica: acuerdos estratégicos con consultorios médicos especializados

El sector de la medicina diagnóstica en Brasil opera con una alta dependencia de las aseguradoras de planes de salud, lo que limita la autonomía financiera de los prestadores. Este estudio propuso y analizó un modelo de captación directa de pacientes (B2C) para una institución de medicina diagnóstica de alta complejidad, estructurado a partir de alianzas con consultorios de Oncología y Cardiología y operado por un servicio de atención personalizada denominado conserjería. La investigación adoptó un enfoque mixto en tres fases: levantamiento de campo con cuestionario estructurado aplicado a 87 pacientes, mapeo del flujo operativo mediante “Service Blueprint” y análisis de la tasa de conversión a partir de 312 indicaciones médicas registradas en el proyecto piloto. Los resultados indicaron que la confianza en la indicación médica obtuvo un 92,0% de concordancia, configurándose como el principal factor de adhesión. La conveniencia de realizar el examen el mismo día alcanzó el 78,2%, y la disposición al pago directo llegó al 55,2%, con una polarización asociada a la predominancia de usuarios de planes de salud. El “Service Blueprint” identificó tres puntos críticos en las transiciones entre etapas del recorrido. La tasa de conversión global fue del 51,0%, con un desempeño superior en Oncología (58,2%) en relación con Cardiología (45,0%), y la mayor pérdida se concentró en la etapa de aceptación y agendamiento (28,3%). Se concluyó que el modelo demostró posible viabilidad operativa e indicios de aceptación por parte de los pacientes, condicionado a la transparencia de precios y a la reducción del intervalo entre la consulta y el abordaje por la conserjería.

Palabras clave: Desembolso directo; Recorrido del paciente; Salud suplementaria; Servicio de conserjería; Tasa de conversión.

17 de noviembre de 2026

El papel del director escolar en la promoción de una cultura inclusiva: liderazgo y políticas educativas

La investigación analizó el desempeño del director escolar en la promoción de una cultura inclusiva, considerando la necesidad de transformar directrices legales y fundamentos pedagógicos en prácticas institucionales efectivas. Se partió del supuesto de que la inclusión escolar exige planificación, organización y liderazgo estratégico en el día a día de la escuela. Se adoptó un enfoque cualitativo de naturaleza aplicada, desarrollado en tres etapas complementarias: análisis documental de las legislaciones brasileñas sobre educación inclusiva, revisión bibliográfica sobre liderazgo y gestión escolar, y sistematización de los datos por medio de herramientas gerenciales como la matriz FODA y el ciclo PDCA. Los resultados indicaron que el desempeño de la gestión escolar influyó directamente en la consolidación de ambientes inclusivos, especialmente en la organización de procesos, formación continua del equipo y fortalecimiento de una cultura institucional colaborativa y respetuosa de la diversidad. También se identificaron desafíos estructurales, pedagógicos y relacionales que demandaron intervenciones planificadas. Al final, se elaboró una Guía Práctica para Directores Escolares, con directrices, protocolos y orientaciones operacionales para la toma de decisiones y organización de los procesos inclusivos. Se concluyó que la construcción de una cultura inclusiva dependió de la capacidad de gestión para articular políticas públicas, prácticas pedagógicas y procesos institucionales, consolidando la inclusión como un compromiso permanente en el contexto escolar.

Palabras clave: Accesibilidad educativa; Equidad educativa; Gestión participativa; Planificación estratégica; Procesos institucionales.

17 de noviembre de 2026

Un artefacto de IA basado en Design Thinking para apoyar la elicitación de requisitos de software a partir de las necesidades de los usuarios

El desarrollo de software orientado a las necesidades de los usuarios a menudo enfrenta desafíos en la elicitación de requisitos, derivados de ambigüedades en el lenguaje natural y fallos de comunicación. Ante esto, se propuso y validó un artefacto inteligente que integra Design Thinking e Inteligencia Artificial, con foco en las etapas de Empatía y Definición, para apoyar la recolección, interpretación y estructuración de las necesidades de los usuarios. La investigación, de naturaleza aplicada, cualitativa y exploratoria, condujo una Prueba de Concepto en un ambiente controlado, empleando escenarios hipotéticos. El artefacto operó mediante entrevistas guiadas en lenguaje natural, organizando información en elementos como dolor, contexto e impacto, y generando síntesis de problemas rastreables. Los resultados indicaron que el sistema organizó relatos no estructurados, redujo ambigüedades y preservó el sentido de la información original en la mayoría de los casos. Se observó también la capacidad de reorganización lógica en escenarios complejos, aunque con limitaciones en la separación de múltiples problemas y dependencia de las instrucciones. Se concluyó que el artefacto tiene potencial como apoyo a la elicitación de requisitos, mejorando la claridad y la estructuración de la información, pero requiere supervisión y control contextual.

Palabras clave: Design Thinking; Elicitación de Requisitos; Ingeniería de Requisitos; Inteligencia Artificial; Procesamiento del Lenguaje Natural.

17 de noviembre de 2026

La Extinción de la Sistemática de Retención en la Industria Farmacéutica a la Luz de la Reforma Tributaria

La Reforma Tributaria del consumo, establecida por la Enmienda Constitucional nº 132/2023, introdujo alteraciones estructurales en el sistema tributario brasileño, con la sustitución del Programa de Integración Social (PIS) y de la Contribución para el Financiamento de la Seguridad Social (COFINS) por la Contribución sobre Bienes y Servicios (CBS), en un modelo de Impuesto sobre el Valor Añadido (IVA dual). El objetivo fue analizar los impactos de la extinción de la sistemática monofásica en la industria farmacéutica, a la luz del nuevo diseño normativo y de sus efectos económicos y jurídicos. Se realizó una investigación cualitativa, de naturaleza exploratoria, por medio de estudio de caso y análisis documental de la legislación y la doctrina especializada. Se examinó si el fin de la monofasia implicaría un aumento relevante de la carga tributaria para el sector. Los resultados indicaron que, aunque la superación formal de la sistemática monofásica ha ocurrido, la desgravación material de los medicamentos fue preservada, sobre todo en razón de la aplicación de alícuotas reducidas del 60% y, en determinados casos, de alícuota cero del Impuesto sobre Bienes y Servicios (IBS) y de la CBS. El cambio de modelo puede provocar variaciones puntuales en la recaudación, sin caracterizar un aumento estructural de la carga tributaria, tendiendo a la neutralidad a lo largo del tiempo. Se concluyó, preliminarmente, que la Reforma Tributaria reorganizó la técnica de tributación en la industria farmacéutica, sustituyendo un régimen concentrado por mecanismos más transparentes de desgravación. Este enfoque se mostró compatible con los principios de neutralidad, de no acumulatividad plena y de extrafiscalidad, manteniendo la protección tributaria a los medicamentos esenciales y alineando la política fiscal al derecho fundamental a la salud.

Palabras clave: CBS; COFINS; IBS; IVA Dual; PIS.