Sharp et al. (2025) introducen "desigualdad agéntica" como un marco para analizar las disparidades en el acceso a agentes de IA en las dimensiones de disponibilidad, calidad y cantidad. Proponen la Brecha de Acceso Contextual (CAD) como una dimensión complementaria que opera a nivel de interacción individual.
- La CAD distingue entre Recuperación Dinámica de Contexto, donde los sistemas recuperan contexto de forma autónoma, y Adjunción Manual, donde los usuarios deben identificar documentos.
- Para trabajadores intensivos en conocimiento, la curación manual impone una carga cognitiva que reproduce ineficiencias que la IA busca eliminar.
- Un modelo probabilístico demuestra que la adjunción manual conduce a un colapso combinatorio en la probabilidad de éxito de la tarea a medida que crece el tamaño del corpus.
- Las arquitecturas de recuperación dinámica están estructuralmente aisladas de este colapso en comparación con los métodos manuales.
Los autores formalizan la contextualidad como una dimensión de la desigualdad mediada por IA y analizan sus implicaciones para la estratificación del trabajo del conocimiento y la gobernanza de plataformas de IA.