Hoy en día, el poder consiste en hackear seres humanos; para lograrlo, se necesita mucha potencia de computación, una gran cantidad de datos y, sobre todo, un profundo conocimiento de la biología humana. Yuval Noah Harari (2018, p. 46)
En el debate contemporáneo sobre la regulación de las plataformas digitales y las redes sociales, el concepto de neuroderechos ha dejado de ser una disquisición de la ciencia ficción para convertirse en una prioridad de derechos humanos. Reconocidos pioneramente en legislaciones como la chilena y debatidos de forma intensiva en la Unión Europea y América Latina, los neuroderechos buscan salvaguardar la privacidad mental, la identidad personal y el libre albedrío ante tecnologías emergentes que amenazan la autonomía individual (Ienca & Andorno, 2017; Yuste et al., 2017). Sin embargo, existe una brecha crítica en la formulación de estas políticas: con frecuencia, las leyes se diseñan desde la abstracción jurídica, prescindiendo del conocimiento riguroso de los mecanismos neurobiológicos que los entornos digitales desencadenan en el cerebro humano.
No se puede regular eficazmente lo que no se comprende a nivel neuroquímico y de circuitos cerebrales. Las plataformas de redes sociales modernas —especialmente aquellas basadas en secuencias algorítmicas de videos cortos— actúan como sistemas optimizados mediante aprendizaje automático para maximizar el tiempo de permanencia y el compromiso emocional (Montag et al., 2021). Al explotar las vulnerabilidades evolutivas de nuestro sistema de recompensa, estas plataformas alteran la dinámica de nuestra toma de decisiones, impactando los circuitos de dopamina y la señalización bioquímica asociada a la saciedad (Volkow et al., 2011).
Regular el diseño algorítmico sin apoyarse en los hallazgos neurocientíficos es equivalente a redactar leyes de salud pública sin consultar a la medicina. La efectividad de la protección del libre albedrío depende de comprender con precisión cómo los estímulos hiperestimulantes suprimen el control top-down del cerebro, un proceso esencial para la regulación de la conducta frente a las demandas del entorno (Miller & Cohen, 2001).
Investigaciones empíricas recientes han aportado evidencia contundente sobre este fenómeno. El estudio liderado por Hong et al. (2026), mediante el uso combinado de resonancia magnética funcional (fMRI) y espectroscopia de resonancia magnética protónica ($^1\text{H-MRS}$), demostró que la visualización inmersiva y continuada de videos cortos preferidos provoca una desactivación significativa de las regiones clave de la red de control cognitivo, específicamente la corteza cingulada anterior dorsal (dACC) y la corteza prefrontal dorsolateral (dlPFC), cuyos niveles de actividad caen incluso por debajo de los registros basales de reposo. Asimismo, el estudio revela que las diferencias individuales en esta desactivación cerebral están correlacionadas directamente con el metabolismo del glutamato —el principal neurotransmisor excitatorio del sistema nervioso central—, lo que explica cómo la arquitectura del software interactúa directamente con la neuroquímica del usuario para atenuar de forma pasiva su autorregulación (Hong et al., 2026).
La evidencia empírica demuestra que el consumo de contenido altamente preferido en plataformas de video corto no desencadena un procesamiento cognitivo deliberativo, sino una inhibición pasiva de la red de control cognitivo. Específicamente, estructuras críticas para el monitoreo del esfuerzo y la toma de decisiones, como la corteza cingulada anterior dorsal (dACC) y la corteza prefrontal dorsolateral (dlPFC), sufren una desactivación significativa durante este consumo (Botvinick et al., 2001; Miller & Cohen, 2001). En esencia, la arquitectura del software está diseñada para adormecer los frenos ejecutivos del cerebro, sumergiendo al usuario en un estado de automatización que demanda una respuesta regulatoria urgente, basada en evidencia neurocientífica sólida para evitar la erosión de nuestra autonomía mental.
Referencias
Botvinick, M. M., Braver, T. S., Barch, D. M., Carter, C. S., & Cohen, J. D. (2001). Conflict monitoring and cognitive control. Psychological Review, 108(3), 624–652. https://doi.org/10.1037/0033-295X.108.3.624
Harari, Y. N. (2018). 21 lecciones para el siglo XXI. Debate.
Hong, T., Su, C., Zhou, H., Geng, F., & Hu, Y. (2026). Brain activity inhibition during Short Video Viewing: neurochemical insights. NeuroImage, 327, 121722. https://doi.org/10.1016/j.neuroimage.2026.121722
Ienca, M., & Andorno, R. (2017). Towards new human rights in the age of neuroscience and neurotechnology. Life Sciences, Society and Policy, 13(5). https://doi.org/10.1186/s40504-017-0050-1
Miller, E. K., & Cohen, J. D. (2001). An integrative theory of prefrontal cortex function. Annual Review of Neuroscience, 24, 167–202. https://doi.org/10.1146/annurev.neuro.24.1.167
Montag, C., Zhao, H., & Elhai, J. D. (2021). The smartphone habit: A digital media use perspective on smartphone addiction. Current Opinion in Behavioral Sciences, 39, 191–196. https://doi.org/10.1016/j.cobeha.2021.03.018
Volkow, N. D., Wang, G. J., Fowler, J. S., & Tomasi, D. (2011). Addiction: a disease of reward and drive. Frontiers in Psychiatry, 2, 59. https://doi.org/10.3389/fpsyt.2011.00059
Yuste, R., Goering, S., Arcas, B. A., Bi, G., Carmena, J. M., Carter, A., … & Yuste, R. (2017). Four ethical priorities for neurotechnologies and AI. Nature, 551(7679), 159–163. https://doi.org/10.1038/551159a
Comentar