POLIS

Journalism at LSE

Generando el cambio
Un informe global sobre qué están
haciendo los medios con IA
Charlie Beckett y Mira Yaseen
Prefacio

Una vez más, el mundo de los medios está totalmente revolucionado. Como siempre, los cambios
tecnológicos importantes producen revuelo, tanto desde las perspectivas distópicas como desde
las utópicas. Gran parte ha sido generado en las redes sociales por los equipos de relaciones
públicas de las empresas y por los políticos. La cobertura desde los medios y los comentarios
de expertos también han pasado de tener una mirada entusiasta sobre los avances positivos en
campos como la medicina a visiones mucho más aterradoras, de fuerzas negativas desatadas: la
IA generativa está produciendo un maremoto de desinformación automatizada e indetectable; se
teme que amplifique la discriminación, el discurso extremista y las desigualdades.
¿Y qué decir sobre su impacto en el periodismo? Nuevamente, gran parte de la cobertura se ha
enfocado en la falta de confiabilidad de muchas de las herramientas de la IA generativa y en la
controversia sobre su hambre voraz por datos ajenos para entrenar sus algoritmos. A medida que
la tormenta y el alboroto iniciales devienen en consideraciones más prácticas, hemos hablado
con organizaciones de medios alrededor de todo el mundo sobre esta nueva corriente de cambio
tecnológico y les hemos consultado qué están haciendo con IA y con su variante generativa, qué
podrían hacer en el futuro y cuáles son sus miedos y expectativas acerca de su impacto en la
sustentabilidad y calidad de una industria periodística cada vez más presionada.
Tanto si sientes emoción o pánico acerca de lo que la IA generativa tiene capacidad de hacer,
este informe deja en claro que es vital aprender e involucrarse con esta tecnología, que va a
cambiar el mundo sobre el que informamos. Demanda atención crítica por parte de periodistas
independientes e informados y, de hecho, nuestro informe muestra que ya está cambiando al
periodismo: genera oportunidades emocionantes para la eficiencia e incluso para la creatividad, tal
como un participante nos explicó: “Liberar tiempo para que los periodistas continúen haciendo su
trabajo es el mayor impacto que obtuvimos”.
Sin embargo, sabemos también que conlleva peligros específicos y generales. La buena noticia
que traen las respuestas de nuestros encuestados, al menos, es que son conscientes de las
oportunidades y riesgos del empleo de esta tecnología, y están comenzando a abordarlos. Las
mejores organizaciones han desarrollado estructuras para investigar la IA generativa y procesos
para involucrar a todo el equipo en su adopción, han redactado nuevas pautas y han comenzado a
experimentar con precaución.
Esta es una fase crítica (¡de nuevo!) para los medios de comunicación en todo el mundo. Los
periodistas nunca han estado bajo tanta presión económica, política y personal. La IA generativa
no resolverá estos problemas e incluso podría agregar algunos más
Un periodismo responsable y efectivo es más necesario que nunca. Esperamos que este informe
y nuestro trabajo en JournalismAI contribuyan a esa misión, y nos encantaría saber más de
ustedes: cuéntennos qué están haciendo y cómo podemos ayudar.

Profesor Charlie Beckett

Director de Polis, LSE, líder del proyecto JournalismAI en LSE.

1
Contenido

Prefacio 1
La encuesta de JournalismAI 4
Resumen ejecutivo y hallazgos principales 6
Introducción: ¿Cómo llegamos a este punto? 9
Capítulo 1: Cómo se usa la IA en el periodismo actualmente 14
1.0 ¿Cómo usan las redacciones la IA? 14
1.1 Recopilación de noticias 15
1.2 Producción de noticias 17
1.3 Distribución de noticias 18
1.4 Por qué las redacciones usan IA 21
1.5 Qué funciona y qué no 22
Capítulo 2: Estrategia de IA 25
2.0 La necesidad de una estrategia 25
2.1 Estrategias de IA en las redacciones 25
2.2 Cómo afecta la IA a los procesos y funciones de las redacciones 28
2.3 ¿Listos para la IA? 32
2.4 Los desafíos estratégicos para la adopción de la IA 33
2.5 ¿Ha cambiado el enfoque de las redacciones sobre la 36
implementación de la IA?
Capítulo 3: Ética y política editorial 39
3.0 El impacto de la IA en la calidad editorial 39
3.1 Sesgo algorítmico 41
3.2 Enfoques de las redacciones sobre las preocupaciones éticas 41
3.3 Implicaciones éticas para el periodismo en general 44
3.4 El papel de las empresas tecnológicas 45
3.5 El rol de las universidades y las compañías intermediarias 48

2
Contenido (Continuación)

Capítulo 4: El futuro de la IA en el periodismo 51

4.0 ¿Hacia dónde va todo esto? 51
4.1 La necesidad de educación y capacitación 53
4.2 Colaboración en la redacción 55
4.3 ¿Cómo cambiará la IA al periodismo? 56
Capítulo 5: La IA generativa y el periodismo 59
5.0 Los usos actuales 59
5.1 Las oportunidades que ofrece la IA generativa 62
5.2 Los desafíos de la IA generativa 64
Capítulo 6: La disparidad global en el desarrollo y la adopción de la IA 67
6.0 La división entre el Norte y el Sur 67
6.1 Desafíos económicos y de infraestructura 68
6.2 Desafíos de idioma y accesibilidad 69
6.3 Las realidades políticas afectan la confianza en la IA 71
Conclusión: ¿Qué significa la IA para el periodismo? 75
Seis pasos hacia una estrategia sobre IA para 76
organizaciones periodísticas
Glosario 77
Referencias 81
Lecturas y recursos 87
Agradecimientos 89

3
La encuesta de JournalismAI

Este informe es el resultado de nuestra segunda encuesta global. La muestra para este
reporte es más amplia, con un énfasis mayor en la diversidad geográfica, y está basada
en las respuestas de 105 medios y organizaciones periodísticas de 46 países diferentes
acerca de la inteligencia artificial (IA) y las tecnologías asociadas a este campo. En
2019, contestaron 71 organizaciones de 32 países, de las cuales solo 16 participaron
nuevamente en la encuesta efectuada durante 2023.
Este año nos propusimos llegar a un grupo de participantes más extenso y diverso en
cuanto al tamaño de sus organizaciones. Invitamos a redacciones grandes y pequeñas,
incluyendo a organismos emergentes y tradicionales. Además, llegaron contribuciones
de América Latina, África Subsahariana, Oriente Medio y Norte de África (MENA), Asia
Pacífico, Europa y Norteamérica. Esto hizo necesario un capítulo adicional, centrado en
los retos regionales para la adopción de la IA.

Organizaciones de medios que completaron le encuesta, por tipo:

30%
28%

20%
20%

16% 16%
13%
10%

7%

0%
TV/Radio Periódico Revista Agencia Grupo Otro
de noticias editorial

4
El propósito de este reporte es el mismo que el del primero: conocer qué es lo que
está sucediendo con la IA y qué riesgos y oportunidades ofrece. Le preguntamos a los
participantes cómo están incorporando la IA generativa y sobre sus implicaciones para
el futuro del periodismo. Esperamos que nuestros hallazgos provean información para el
debate, ayuden a las organizaciones periodísticas a diseñar sus caminos, y nos guíen para
desarrollar programas que apoyen ese proceso.
Las encuestas se complementaron con entrevistas y conversaciones en conferencias de
periodismo. Tanto las primeras como las segundas se realizaron entre abril y julio de 2023.
Agradecemos a todos los que nos han compartido sus pensamientos y experiencias.

No pretendemos que la encuesta sea representativa de la industria global (eso sería

prácticamente imposible de alcanzar en una escala internacional), ni que refleje de manera
equitativa todos los puntos de vista dentro de las diferentes áreas de los medios. Aun
así, este informe sí ofrece una visión sin precedentes acerca de cómo perciben estas
tecnologías quienes lideran su desarrollo o aplicación dentro de las organizaciones
periodísticas.
Quienes participaron en nuestra encuesta representan roles y conocimientos diversos
dentro de sus organizaciones: hay periodistas, técnicos y directivos. Asimismo, solicitamos
a las organizaciones que incorporaran a representantes de diferentes áreas a fin de
responder la encuesta de manera colaborativa.

Nota: Las organizaciones que completaron la encuesta están listadas en los Agradecimientos

En general, las respuestas publicadas han sido anonimizadas, aunque en ocasiones se

han añadido los nombres de organizaciones para contextualizarlas, con la autorización
previa de los autores. Algunas referencias textuales se editaron ligeramente para corregir
la expresión y hacer más claro el sentido. La responsabilidad editorial del informe recae
enteramente en el autor.

5
Resumen ejecutivo y
hallazgos principales

1 La IA continúa estando distribuida de manera desigual tanto entre organizaciones

grandes y pequeñas, como a nivel regional entre los países del Norte y Sur Global.
2 Los beneficios sociales y económicos de la IA se concentran geográficamente en
el Norte Global, que dispone de infraestructuras y recursos, mientras que muchos
países del Sur Global lidian con las repercusiones sociales, culturales y económicas del
colonialismo post-independencia.
3 Más del 75 % de los participantes usan la IA en al menos una de las áreas de la cadena
de valor del periodismo, que incluye la recopilación, producción y distribución de
contenido.
4 Más de la mitad de los participantes indicaron que su principal motivación para
incorporar IA fue la posibilidad de aumentar la eficiencia y la productividad para liberar
tiempo de los periodistas, y que así puedan dedicarse a realizar trabajos más creativos.
5 Alrededor de un tercio de los participantes declararon tener una política institucional de
uso de IA o que están desarrollando una actualmente.
6 Las redacciones encaran su política de uso de IA de diferentes maneras, dependiendo
de su tamaño, misión y acceso a recursos. Algunas de las primeras en adoptarla
actualmente se centran en lograr la interoperabilidad de la IA con los sistemas
ya existentes. Otras han optado por un análisis de caso por caso, y algunas
organizaciones orientadas al desarrollo de medios de comunicación están trabajando
para dejar capacidad instalada de IA en regiones con escasa alfabetización en la
materia.
7 Alrededor de un tercio de los participantes considera que sus organizaciones están
preparadas para lidiar con los desafíos de incorporar IA en el periodismo. Sin embargo,
casi la mitad indica que no lo están, o que lo están apenas parcialmente.
8 Un gran número de encuestados afirma que la integración de la IA está modificando
las funciones existentes en las redacciones, a través de la formación y el
perfeccionamiento de sus integrantes. En la misma línea, la IA está cambiando
la naturaleza de la función del periodista y las competencias buscadas en las
redacciones.

6
9 Como observamos en el informe de 2019, las limitaciones financieras y las dificultades
técnicas continúan siendo los retos más apremiantes para integrar la IA en las
redacciones.
10 Las preocupaciones éticas siguen siendo importantes para nuestros participantes:
muchos abogan por una IA explicable y por el establecimiento de directrices éticas
para mitigar el sesgo algorítmico.
11 El hecho de poder establecer técnicas para eliminar sesgos emergió como un gran
desafío para la mayoría de los participantes.
12 No puede subestimarse la resistencia cultural y el miedo a la pérdida y reemplazo de
empleos que genera la implementación de IA.
13 En general, los encuestados señalaron que para mitigar los problemas de integración
de la IA es necesario llenar los vacíos de información y conocimiento entre los distintos
equipos de la redacción. Del mismo modo, se consideró necesaria la colaboración
entre departamentos para lograr una adopción eficaz de la IA.
14 El reto de seguir el ritmo de la rápida evolución de la IA se mencionó de manera
sistemática a lo largo de toda la encuesta.
15 Alrededor del 40 % de los encuestados afirma que su enfoque acerca de la IA no ha
cambiado en los últimos años, ya sea porque todavía se encuentran al principio de
su camino en este campo o porque la incorporación de esta tecnología sigue siendo
limitada en sus redacciones. Por el contrario, alrededor de una cuarta parte afirma
que el posicionamiento de su organización respecto de la IA ha evolucionado: han
adquirido experiencia práctica que les ayuda a pensar sobre ella de forma más realista.
16 A más del 60 % de los encuestados les preocupan las implicaciones éticas de
la inclusión de IA en la calidad editorial y en otros aspectos del periodismo. Los
periodistas intentan descifrar cómo integrar la IA en su trabajo manteniendo valores de
la profesión como la precisión, la imparcialidad y la transparencia.
17 Los encuestados demandan transparencia a los diseñadores de los sistemas de IA y
a las empresas tecnológicas, así como también piden transparencia por parte de las
redacciones con sus audiencias.
18 En línea con los resultados de nuestra encuesta de 2019, periodistas y productores
de medios continuaron insistiendo en la necesidad de un enfoque que involucre a
humanos.
19 Se teme que las tecnologías de IA comercialicen aún más el periodismo, potenciando
la mala calidad y generando contenidos más polarizados, lo que provocaría una mayor
disminución de la confianza del público.
20 Las empresas tecnológicas están impulsando la innovación en IA y otras tecnologías,
pero los participantes de la encuesta manifestaron preocupación por su afán de lucro,
la concentración de poder de la que gozan estas empresas y su falta de transparencia.
21 Alrededor del 80 % de los encuestados esperan que la IA adquiera un rol aún más
importante en sus redacciones en el futuro.

7
22 Los participantes en la encuesta esperan que la IA influya en cuatro áreas principales:
1 Verificación de datos y análisis de la desinformación.
2 Personalización y automatización de contenidos.
3 Resumen y generación de textos.
4 Uso de chatbots para realizar entrevistas preliminares y medir la opinión pública
sobre determinados problemas.
23 Existe la preocupación de que la IA agrave los problemas de sostenibilidad a los que
se enfrentan las redacciones con menos recursos, aquellas que aún están buscando
su lugar en un mundo altamente digitalizado y en una industria cada vez más
impulsada por la IA.
24 Casi el 43 % de las respuestas subrayan la importancia de formar a los periodistas y
demás personal en la alfabetización en IA y en otras habilidades emergentes como la
ingeniería de prompts.
25 La gran mayoría celebra que exista una mayor colaboración entre redacciones y otras
organizaciones de medios e instituciones académicas, con la esperanza de que esto
contribuya a disminuir la disparidad tanto entre redacciones pequeñas y grandes,
como entre las de los países del Norte y del Sur Global a nivel regional.
26 La necesidad de equilibrio entre la tecnología y el periodismo, un tema que también
surgió en nuestra encuesta de 2019, se mantiene como imperativa para un futuro en
el que las tecnologías de IA sean empleadas para servir al periodismo y su misión.
27 La gran mayoría de los encuestados, alrededor del 85 %, al menos ha experimentado
con tecnologías de IA generativa de diversas formas, tales como la escritura de
código, la generación de imágenes y la creación de resúmenes.
28 Algunos encuestados muestran cierto recelo a la hora de utilizar IA generativa en
tareas editoriales, mientras que otros expresan utilizarlas con regularidad en la
escritura de código, en la generación de titulares y en la optimización de contenido
para posicionamiento en motores de búsqueda (SEO).
29 Existe un alto nivel de acuerdo entre los participantes acerca de que la IA generativa
ofrece un nuevo conjunto de oportunidades que no brindaba la IA tradicional. Así,
destacaron algunas de las ventajas de la IA generativa, tales como la accesibilidad y
la baja necesidad de conocimientos técnicos avanzados.
30 Los encuestados están mucho más divididos -casi la mitad no están seguros- en
cuanto a si la IA generativa implica también un nuevo conjunto de retos. Algunos
creen que esta presenta desafíos similares a los que presentaba la IA tradicional,
como lo es el sesgo algorítmico, pero consideran que eleva los riesgos potenciales a
un nuevo nivel.
31 Las redacciones de todo el mundo se enfrentan a retos relacionados con la
integración de la IA, pero estos son más notables en las del Sur Global. En este
sentido, los encuestados destacaron los desafíos lingüísticos, políticos y de
infraestructura.

8
Introducción
¿Cómo llegamos a este punto?

El uso de la IA en el periodismo viene siendo significativo desde hace algunos años.

JournalismAI, un proyecto de la London School of Economics (LSE), comenzó en 2019
y nuestro primer informe global publicado ese mismo año evidenció que la IA ya era un
conjunto clave de tecnologías emergentes. Esta tecnología estaba generando procesos
más eficientes en el trabajo periodístico y también, creando oportunidades para nuevas
prácticas y productos o servicios.
En el informe anterior mostramos que una cantidad relevante de organizaciones
periodísticas utilizaban la IA a lo largo de todo el proceso periodístico: desde la
recopilación de noticias y la creación y distribución de contenidos, hasta el marketing
y la generación de ingresos. Había un variado conjunto de tecnologías en uso, con
programas basados en el entrenamiento de software para manipular datos. Los avances
en el aprendizaje automático y en el procesamiento del lenguaje natural (NLP, por sus
siglas en inglés) permitieron a las redacciones crear o adaptar herramientas y sistemas
de apoyo al periodismo.
En general, se trataba de funciones a gran escala, pero relativamente básicas, tales como
el scraping de redes sociales o la automatización de la creación de contenidos muy
simples. Los periodistas de investigación lo utilizaban para rastrear grandes filtraciones
de documentos o para ayudar a automatizar los muros de pago y personalizar contenidos
de forma sencilla. Algunos usos del machine learning o aprendizaje automático como la
búsqueda eran tan rutinarios y universales que se daban por sentados.
En 2019, descubrimos que las organizaciones periodísticas se enfrentaban a numerosos
retos a la hora de adoptar la IA. Había una falta de conocimientos generales, de
habilidades específicas y de recursos. También existían desigualdades entre las grandes
organizaciones periodísticas y las más pequeñas, especialmente las de mercados de
habla no inglesa o menos desarrollados.
A lo largo de los últimos cinco años, hemos trabajado con organizaciones periodísticas
y hemos podido comprobar que el impacto de la IA es sistémico y se está acelerando,
al igual que en otras industrias y sectores. Las organizaciones con mayor éxito fueron
las que adoptaron un enfoque estratégico y holístico, las que reconocieron que estas
tecnologías exigían fundamentalmente un autoanálisis de las capacidades de la
organización y planificación de su futuro.

9
En un contexto más amplio, es posible considerar la IA como una tercera ola de cambio
tecnológico para el periodismo. La primera fue la irrupción de Internet, acompañada de
la digitalización de las herramientas y la transición a la tecnología móvil. La segunda fue
la llegada de las redes sociales y su impacto en la creación de contenidos, el consumo y
la competencia. Las plataformas tecnológicas proporcionaban entonces gran parte de la
infraestructura para realizar periodismo y el “usuario” era fundamental para su difusión.
La llegada de la IA generativa en el último año ha acelerado todas estas tendencias
y ha creado nuevas disrupciones. Este informe es un estudio acerca de cómo las
empresas periodísticas han continuado desarrollando la IA “tradicional” y de cómo
afrontan los nuevos retos de la IA generativa. Es evidente que esta última presenta
nuevas oportunidades, pero supone también riesgos y características especiales.
Existen continuidades. La mayoría de las organizaciones periodísticas con las que
hemos conversado adoptan un enfoque más estratégico con la IA generativa, a menudo
basado en las lecciones aprendidas al tratar con la IA tradicional y otras tecnologías con
anterioridad.
Es relevante subrayar que la IA generativa es probablemente la tecnología que más
rápidamente ha emergido para los medios de comunicación en esta era digital.
Algunas de las críticas distópicas más extremas y el hype exagerado han desviado
la atención de un debate adecuado sobre las preocupaciones inmediatas que genera
la implementación de IA. Es importante que ahora todos la conozcamos y seamos
capaces de interactuar directamente con ella, y de explorar su fuerza y sus defectos. Es
de esperar que pronto pueda tener lugar un debate más inclusivo sobre lo que todo esto
significa para la sociedad en general y para el periodismo en particular.
El periodismo es una práctica singular. Por un lado, se trata de un sector sometido a una
gran presión comercial, política y competitiva en todo el mundo, y es débil en recursos
en comparación con las gigantescas corporaciones que desarrollan esta tecnología.
Las potenciales amenazas estructurales para el periodismo en el futuro deben formar
parte de nuestra reflexión actual. Por otra parte, las organizaciones periodísticas han
demostrado una notable resiliencia y capacidad de innovación para mantenerse en pie y,
en ocasiones, prosperar a pesar de los retos a los que se han enfrentado. Podría ocurrir
incluso que, en un mundo en el que la IA generativa sea muy poderosa, tanto para bien
como para mal, el periodismo de interés público sea más importante que nunca.

• Definiciones de IA e IA generativa en las redacciones

Seguimos refiriéndonos a la IA como un término paraguas para aludir a una amplia
variedad de tecnologías relacionadas a la vez que reconocemos que muchos procesos
descritos como IA a menudo incorporan tecnologías más convencionales. Así, tomamos
prestada la misma definición de IA que utilizamos en nuestro informe de 2019:

La inteligencia artificial es un conjunto de ideas, tecnologías y técnicas

relacionadas con la capacidad de un sistema informático para realizar tareas que
normalmente requieren inteligencia humana1

10
En lo que respecta a la IA generativa, de la que nos ocupamos en detalle en el Capítulo
5, podemos afirmar que es un subcampo dentro del Machine Learning (ML, Aprendizaje
Automático), un subcampo de la IA por derecho propio. Implica la generación de nuevos
datos, como texto, imágenes o códigos a partir de un conjunto dado de datos de entrada.2
En nuestro estudio, nos interesaba saber si los encuestados contaban con una definición
operativa de la IA. Al igual que en el año 2019, las respuestas reflejaron interpretaciones
muy variadas de esta tecnología, lo que da cuenta, una vez más, de la fluidez del término y
de la complejidad del tema.
Algunos participantes ofrecieron una clara definición operativa de la IA, entendiéndola
como el uso de máquinas o sistemas informáticos para realizar tareas que
tradicionalmente requerían inteligencia humana. Muchos proporcionaron definiciones
técnicas centradas en los conceptos de “automatización”, “aprendizaje automático” y
“algoritmos”. Asimismo, casi la mitad de los encuestados utilizaron uno o más de esos
términos en sus definiciones:

Implica la creación de algoritmos y modelos que permiten a las máquinas

realizar operaciones como el reconocimiento del habla, la percepción visual, la
resolución de problemas y la toma de decisiones que normalmente requieren de
inteligencia humana

Otros encuestados relacionaron sus definiciones operativas de la IA con los beneficios

potenciales y sus motivos para integrarla en la redacción, como la posibilidad de aumentar
la eficacia o el hecho de servir mejor a la audiencia y a la misión de la redacción:

Para nosotros, la IA representa un grupo de tecnologías que pueden asistirnos y

empoderarnos [al equipo], al proveer datos clave y soporte automático a lo largo de
una variedad de tareas editoriales, operacionales y de comunicación

[Son] tecnologías usadas para automatizar la recopilación y análisis de datos

que sirven a nuestro nicho editorial y misión

Por su parte, algunos destacaron la capacidad de la IA de “aprender” o mejorarse a sí

mismas:

La IA es el uso de algoritmos avanzados que son capaces de procesar,

interpretar, clasificar y encontrar patrones en datos que son complejos y/o muy
grandes en una manera en la que se denota ‘inteligencia’, o un proceso de
aprendizaje similar al humano

11
Además, varios participantes enfatizaron en la importancia de las consideraciones
éticas en el desarrollo de la IA, mientras que otros mencionaron sus preocupaciones
acerca de la opacidad de los sistemas de IA o la necesidad de una supervisión humana:

El conjunto de tecnologías, herramientas y procesos… que hacen posible emular

capacidades humanas para automatizarlas y mejorarlas, no siempre con un
objetivo ético o legal

Unos pocos encuestados afirmaron que aún no cuentan con una definición operativa de
IA:

Todavía no tenemos una definición operativa y colectiva de IA. La mía, como

persona a cargo de explorar el uso de IA en la redacción, es que la IA es un conjunto
de procesos que una computadora realiza para asistir y facilitar el trabajo del
humano, sumándole inteligencia. De ninguna manera reemplaza la presencia
humana y siempre debería ser verificada y acompañada

12
El informe está organizado en siete capítulos. Para facilitar comparaciones entre este y
el realizado en 2019, mantuvimos la mayoría de los de aquella edición, a excepción de
dos que incorporamos en esta oportunidad.
La Introducción provee los antecedentes de los hallazgos del informe de 2019 y un
panorama en el que se agregan los cambios tecnológicos advertidos en la industria
periodística en los últimos años hasta la fecha. Definimos temas clave y sumamos un
resumen de lo que se puede esperar del informe.
El Primer Capítulo se enfoca en cómo se usa la IA actualmente en las redacciones. El
capítulo se centra en cómo las redacciones están usando IA en sus nuevas cadenas de
valor, en lo que ha funcionado y lo que no.
El Capítulo Dos desglosa las estrategias sobre la IA, o su ausencia, en las redacciones.
Observamos los tipos de acercamiento a la IA que estas han implementado, algunos de
los desafíos clave, y cómo esta tecnología puede impactarles.
El Capítulo Tres contiene información similar al del reporte anterior, ya que en él
profundizamos sobre cuestiones éticas y políticas editoriales.
El Capítulo Cuatro analiza el rol y el futuro de la IA en el periodismo.
El Capítulo Cinco se ocupa de la IA generativa en el periodismo. Se trata de un
nuevo capítulo que analiza los usos actuales de la IA generativa, a la vez que sus
oportunidades y desafíos.
El Capítulo Seis reflexiona acerca de la disparidad del desarrollo y adopción de la IA a
nivel global, y los desafíos enfrentados por la mayoría de la población mundial en el Sur
Global.
La Conclusión une todos los capítulos mencionados anteriormente y brinda un breve
análisis de qué significa todo esto para el periodismo. Finalizamos el cuerpo principal del
informe con una ruta de seis pasos hacia una estrategia de IA de la que las redacciones
podrían servirse. También encontrará un Glosario, Notas Finales, Referencias y una lista
de lecturas y recursos recomendados.
Este trabajo fue financiado por Google News Initiative y llevado adelante por un
equipo liderado por el Profesor Charlie Beckett, director de Polis, el think-tank
internacional sobre periodismo de la LSE.
Nos gustaría agradecer a todos los periodistas, tecnólogos e investigadores que fueron
parte del proyecto. Este fue gestionado por Tshepo Tshabalala y la investigadora en jefe
y coautora fue Mira Yaseen.

13
Capítulo 1
Cómo se usa la IA en el
periodismo actualmente

1.0 ¿Cómo usan las redacciones la IA?

Hemos consultado a las redacciones cómo utilizan actualmente la IA. Estas áreas
-recopilación, producción y distribución de noticias- abarcan todas las etapas de la
creación de contenidos, desde su ideación hasta su publicación. Ellas se entrecruzan
a menudo dada la naturaleza del “periodismo ‘en red’3 o ‘híbrido’4 contemporáneo”. Por
ejemplo, los chatbots de verificación de datos se utilizan en la producción de noticias
para validar o refutar determinadas afirmaciones. Al mismo tiempo, los datos recogidos
pueden ayudar a detectar tendencias de desinformación e inspirar un tema para un
artículo de fondo, contribuyendo así al proceso de recopilación de noticias.

100%

90%
75% 80%
75%

50%

25%

0%
Recopilación Producción Distribución
de noticias de noticias de noticias

14
1.1 Recopilación de noticias
Las aplicaciones de la IA pueden ser útiles en las redacciones para recopilar material de
diversas fuentes y para ayudar al equipo editorial a sondear los intereses de la audiencia
como parte de un ciclo de producción basado en datos. Los hallazgos de este estudio
revelaron que una gran mayoría, casi tres cuartas partes de las organizaciones, utilizan
herramientas de IA en la recolección de noticias. Las respuestas se centraron en dos
áreas principales:
1 Reconocimiento óptico de caracteres (OCR), voz a texto y extracción de texto: uso
de herramientas de IA para automatizar la transcripción, extraer texto de imágenes y
estructurar datos tras su recopilación.
2 Detección de tendencias y descubrimiento de noticias: aplicaciones de IA, como
la minería de datos, que pueden examinar grandes cantidades de datos y detectar
patrones.
Aquí listamos algunos ejemplos más detallados de aplicaciones de la IA en la
recopilación de noticias.

1R
 econocimiento óptico de caracteres (OCR), voz a texto y
extracción de texto:
En la encuesta, fue muy citado el uso de herramientas basadas en IA para la
transcripción de voz a texto y para la traducción automática, como Colibri.ai,
SpeechText.ai, Otter.ai y Whisper. Estas ayudan a agilizar el proceso de producción y
permiten a las redacciones trabajar con contenidos en distintos idiomas:

Servicios de transcripción como Otter tienen un valor incalculable para

reporteros con un plazo de entrega muy ajustado, y nuestra herramienta de
etiquetado acelera los procesos de producción para los editores

Para otros, las imprecisiones relacionadas con el acento o las limitaciones lingüísticas
hacen que las ventajas de las herramientas de transcripción aún no sean tan accesibles:

Intenté utilizar un servicio de transcripción automática como Otter.ai para

transcribir mis entrevistas, pero era muy impreciso. Le costaba transcribir
entrevistas en las que la gente tenía acento

Las tecnologías de IA plantean un conjunto universal de desafíos relacionados con

consideraciones éticas y de otro tipo, que se aplican a las industrias y a las redacciones
de todo el mundo. Sin embargo, al inicio de la encuesta, empezamos a observar un
conjunto adicional de retos, tales como las limitaciones lingüísticas de las herramientas
de IA. Las redacciones de los países del Sur Global deben enfrentar estas limitaciones
desde la primera etapa, la recopilación de noticias, hasta su producción. (Más
información en el capítulo 6).
15
2D
 etección de tendencias y descubrimiento de noticias:
Las aplicaciones de IA ayudan a los periodistas a encontrar temas de interés para el
público de distintas regiones y a hacerse una idea de lo que piensan sobre cuestiones
específicas. Varios encuestados mencionaron el uso de herramientas como Google
Trends, recursos de web scraping y servicios de minería de datos como Dataminr y
Rapidminer para identificar temas en tendencia, detectar noticias de interés y recopilar
datos de diversas fuentes para descubrir historias. He aquí algunos ejemplos de nuestra
encuesta:

CrowdTangle es una de las herramientas que utilizamos con regularidad. Busca

en varias redes sociales publicaciones ‘virales’ o de las que se ha hablado

Utilizamos programas como Rapidminer y otras iniciativas de Google para

minar datos y detectar tendencias y noticias de interés en todo el mundo

Usamos algoritmos de transcripción de voz a texto para monitorear el

discurso público, principalmente en las mayores emisoras del país (radio,
televisión, streaming). También monitoreamos las publicaciones virales en las
redes sociales a fin de identificar la posible desinformación que circula en estas
plataformas

Además de la automatización de textos y la detección de tendencias, los encuestados

proporcionaron otros usos de las tecnologías de IA que contribuyen a agilizar procesos
rutinarios y cotidianos que antes se realizaban manualmente o mediante largos
procesos, como la clasificación de datos y la organización de contenidos. Entre los
ejemplos de nuestros encuestados, se incluyen la creación de etiquetas, los servicios
de notificación, los chatbots y los modelos lingüísticos que ayudan a automatizar
respuestas y extraer datos.
Las respuestas reflejan una tendencia general a la utilización de herramientas
de terceros en la recolección de noticias. Sin embargo, unas pocas redacciones
mencionaron el desarrollo de herramientas de automatización propias, como web
scrapers o crawlers (rastreadores), para satisfacer sus necesidades específicas.

La mayoría son automatizaciones a través de webhooks (NdR: mensajes

automatizados enviados a partir de un evento) que alimentan Slack. También
hemos creado nuestros propios servicios de scraping que nos suministran
información cuando se alcanza un determinado umbral en los datos analizados

16
 Tenemos una herramienta interna que incluye un etiquetador automatizado de
artículos de sitios web de noticias y publicaciones en redes sociales (que etiqueta
los artículos con temas o palabras clave) para relevar discursos específicos sobre
cuestiones de responsabilidad y clasificarlos por temas. Utilizamos redes
neuronales para el análisis de sentimientos con lenguaje natural de los datos
relacionados con los refugiados, usando las API de Google Cloud. Contamos con
otras API para analíticas, como la plataforma de protestas del Líbano, para
recopilar datos sobre discursos de protestas y analizar las principales influencias
(géneros y puestos de trabajo en los perfiles)

Estas herramientas no necesariamente utilizan IA. Muchos procesos descritos como IA

a menudo incorporan tecnologías más convencionales. Se trata de sistemas creados o
“entrenados” por humanos.
A veces los esfuerzos adoptan la forma de proyectos de colaboración con otras
organizaciones:

Hemos desarrollado una herramienta con el equipo del OCCR [Organized

Crime and Corruption Reporting Project] para “arabizar” su motor a partir de
extraer cientos de miles de páginas al datadesk del ARIJ [Reporteros Árabes para
el Periodismo de Investigación, Arab Reporters for Investigative Journalism]
utilizando los servicios de reconocimiento óptico de caracteres (OCR) de Google.
Construimos [nuestro propio] rastreador para recoger los datos de recursos
específicos para ser depurados por investigadores y periodistas, luego los
subimos a nuestro dominio

1.2 Producción de noticias

La IA puede ser un recurso valioso para la producción de contenidos a un nivel detallado.
Como demostraron las respuestas, el avance de las tecnologías de IA generativa de
acceso público, como ChatGPT, ha abierto nuevas posibilidades (y desafíos) para las
maneras en que la IA puede aprovecharse en la creación de contenidos. Alrededor del
90% de los encuestados afirmaron que utilizaban tecnologías de IA en la distribución
de noticias de diversas formas, tales como la verificación de datos y la corrección de
errores en la escritura, a partir de aplicaciones de procesamiento del lenguaje natural
(NLP), análisis de tendencias y redacción de resúmenes y códigos que emplean
tecnologías de IA generativa.
Por ejemplo, las aplicaciones de NLP ayudan en la verificación de frases referidas a datos.
Estas herramientas identifican afirmaciones factuales y las cotejan con otras previamente
verificadas. La búsqueda inversa de imágenes también es utilizada en la verificación.

17
 Estamos empezando a utilizar algoritmos de NLP para ayudar a los
periodistas a encontrar declaraciones que puedan ser verificadas. Este sistema
incluye la recopilación de los datos oficiales más recientes para ayudar a los
periodistas durante el proceso de verificación de datos

Las redacciones ya están experimentando y utilizando tecnologías de IA generativa

como ChatGPT en tareas de producción de contenidos, que incluyen la elaboración
de resúmenes, titulares, storytelling o narrativas visuales y boletines informativos
específicos, así como en la evaluación de distintas fuentes de datos:

Nuestro CMS tiene un motor de etiquetado que funciona con Watson. También
estamos trabajando en una herramienta que sugiere titulares impulsada por
ChatGPT, pero está en las fases iniciales

[Utilizamos] GPT-4 para crear resúmenes y traducciones de artículos escritos

por periodistas que son usados en diversas plataformas. También estamos
experimentando con imágenes generadas por IA, alternativas de titulares,
etiquetado de artículos y producción de audio y vídeo

Herramientas de IA generativa como ChatGPT también están siendo usadas para asistir
en la escritura de código y en la evaluación de fuentes:

En la producción estoy utilizando ChatGPT para ayudar con la escritura

de código. He hecho algunos juegos y cuestionarios en los que aunque el
código no está completamente escrito por ChatGPT, sin duda intervino para
bastantes funciones

También hemos utilizado la interfaz de ChatGPT o la API de OpenAI para

analizar racionalmente distintas fuentes de datos

Tecnologías basadas en IA como Grammarly y herramientas de corrección ortográfica

son usadas para editar, corregir y mejorar la calidad de los contenidos escritos.

1.3 Distribución de noticias

Alrededor del 80 % de los encuestados declararon utilizar IA en la distribución de
noticias, un porcentaje ligeramente inferior en comparación con los que mencionaron
la producción, pero en este área la gama de usos fue la más amplia. En general, el
objetivo de la incorporación de la IA en la distribución es lograr un mayor alcance y
mejor interacción con la audiencia. El 20 % de los encuestados indicó que la distribución
de noticias era el área más impactada por el uso de IA en las redacciones, lo que la
convierte en la respuesta más frecuente a esa pregunta.

18
Los participantes compartieron ejemplos de uso de sistemas de personalización y
recomendación para adaptar los contenidos con mayor precisión y a mayor escala a las
audiencias interesadas. O a la inversa, para ajustar el contenido a un medio o público
específico:

Tenemos un conjunto de normas de varios niveles para adaptar nuestros contenidos

a cada medio de comunicación, de modo que cumplan todas sus normas internas de
uso de palabras, desde la ortografía británica o estadounidense hasta las normas sobre
palabras sesgadas, de opinión, clichés, palabras con guión, etc

[Utilizamos un] sistema de recomendación para episodios de podcast, que emplea el

motor de EBU Peach

La tecnología de transcripción de voz a texto es otro uso de IA para optimizar los contenidos
a otros soportes, como la conversión de texto a audio:

Usamos bots de voz para convertir en formatos de audio nuestras historias en texto

Varios encuestados mencionaron herramientas de distribución en redes sociales basadas

en IA, como Echobox y SocialFlow, y afirmaron utilizarlas para optimizar la programación de
contenidos en redes sociales.
Además, mencionaron el uso de chatbots para crear experiencias más personalizadas y lograr
tasas de respuesta más rápidas:

El chatbot de WhatsApp también se utiliza para la distribución de noticias, ya que los

usuarios reciben inmediatamente un enlace a nuestro chequeo si ya hemos verificado el
contenido que enviaron. Además, envía resúmenes diarios de texto y audio con las
noticias más destacadas de Maldita5

Mejorar la visibilidad de los contenidos en las búsquedas es fundamental para todos los
contenidos digitales, y no sowlo para las redacciones. Las herramientas SEO basadas en IA
pueden ayudarlas a aumentar la visibilidad y a comprender mejor los intereses de su audiencia:

Utilizamos sobre todo el SEO para aumentar la visibilidad de las historias en nuestro
sitio web. Hemos comprobado que las historias locales de interés humano tienden a
obtener mejores resultados que aquellas sobre famosos u otros temas

Ubersuggest6 me ayuda a ver qué palabras clave son las más buscadas en Internet,
Google Discover me muestra qué historias y palabras clave son tendencia y
CrowdTangle me muestra qué publicaciones en las redes sociales tienen mayor
rendimiento. Esto me ayuda a crear noticias relevantes que interesan a la gente. El uso
de palabras clave SEO que se buscan con frecuencia aumenta la probabilidad de que las
noticias lleguen a un mayor número de personas

19
Solicitamos a nuestros encuestados que compartieran algunas de las aplicaciones de
IA más interesantes que habían conocido dentro de las utilizadas por los medios de
comunicación. He aquí una selección de los ejemplos más comunes:

1 BloombergGPT: un modelo lingüístico a gran escala entrenado en datos

financieros para apoyar diversas tareas de NLP, como resumir documentos
financieros, generar informes y proporcionar información sobre las tendencias
del mercado.7
2 Heliograf de The Washington Post: automatiza el proceso de generación de
artículos breves a partir de datos estructurados, como resultados deportivos e
informes financieros, para que los periodistas puedan centrarse en reportajes
más detallados.8
3 JAMES de The Times of London: un sistema de gestión de contenidos
impulsado por inteligencia artificial que utiliza algoritmos de ML para analizar
el comportamiento y los intereses de los usuarios y ofrecer contenidos
informativos personalizados.9
4 Digital Writer de Czech Radio: herramienta basada en IA que genera artículos
de noticias a partir de datos estructurados y ayuda a automatizar la producción
de noticias convirtiendo los datos en noticias legibles por humanos.10
5 Lynx Insight de Reuters: esta plataforma utiliza algoritmos de IA para analizar
conjuntos de datos masivos y proporciona a los periodistas valiosos resultados
e información contextual para apoyar el periodismo de investigación.11

6 Arc XP del Washington Post: un conjunto de herramientas para la gestión

de contenidos, la publicación y la captación de audiencias que permite a
empresas, marcas minoristas y organizaciones de medios de comunicación
y entretenimiento crear y distribuir contenidos, impulsar el comercio digital y
ofrecer potentes experiencias multicanal.12
7 Claim Hunter de Newtral: la plataforma escucha y transcribe contenidos
de audio, detecta declaraciones que necesitan comprobación de hechos y
automatiza el proceso de identificación de afirmaciones realizadas en discursos,
entrevistas u otras fuentes de audio, lo que permite una verificación de datos
eficiente.13
8 News Tracer de Reuters: utiliza algoritmos de aprendizaje automático para
identificar rápidamente noticias de última hora y verificar su credibilidad. Ayuda
a los periodistas filtrando grandes cantidades de datos, publicaciones en redes
sociales y reportes de testigos presenciales para ofrecer actualizaciones de
noticias confiables y en tiempo real.14

20
 9 La herramienta automatizada de verificación de datos de Newtral: la
plataforma utiliza NLP y técnicas de machine learning para identificar
información potencialmente falsa o engañosa. El objetivo de esta herramienta
es mejorar la eficacia y la precisión de los procesos de verificación de datos.15
10 FactStream del Duke Reporter’s Lab: FactStream es un sistema automatizado
de verificación de datos desarrollado por el Duke Reporter’s Lab que identifica
afirmaciones falsas en discursos, debates y actos públicos en directo
comparándolas con afirmaciones previamente verificadas a fin de proporcionar
información instantánea sobre su exactitud.16

1.4 Por qué las redacciones usan IA

Es indudable que la integración de aplicaciones de IA tiene el potencial de agilizar
diversos aspectos del trabajo periodístico. Sin embargo, quisimos profundizar en
los incentivos subyacentes de los encuestados a la hora de emplear la IA. Más de la
mitad citó el aumento de la eficiencia y la mejora de la productividad como objetivos
fundamentales que impulsan la adopción de la IA. Afirmaron que esperaban automatizar
las tareas monótonas y repetitivas, agilizando así los flujos de trabajo y permitiendo a
los periodistas realizar “un trabajo más creativo, relevante e innovador”:

Muchos de nuestros procesos informativos tradicionales pueden ser bastante

trabajosos y dependen del instinto humano, que puede variar drásticamente de una
persona a otra. Lo ideal sería que el machine learning (o la IA) agilice muchos de
esos procesos de la redacción, aporte información sobre la viabilidad de los
procesos actuales y, en última instancia, libere al “elemento humano” para que
pueda centrarse en otras áreas

Casi todos nuestros casos de uso de la IA son para acelerar la producción de

noticias. Siempre se trata de acelerar, no creo haber tenido ni una conversación
sobre su uso para mejorar la calidad

Para los verificadores de datos de Maldita, con sede en Madrid, el impacto de las
herramientas de IA se sintió con fuerza durante la pandemia de Covid-19, ya que estas
contribuyeron a acelerar y ampliar la respuesta de la organización a la desinformación
sobre la enfermedad:

21
 Al automatizar algunas tareas podemos dedicar más tiempo a otras cosas
importantes, como la verificación de datos o las investigaciones. También permite a
nuestros lectores recibir respuestas rápidas cuando preguntan sobre un posible bulo
(NdR: engaño). Por ejemplo, durante las primeras semanas de la pandemia de
Covid-19, nuestro servicio de WhatsApp era manual, lo que significaba que un
periodista de Maldita tenía que filtrar todos los mensajes y contar cuántas veces nos
habían enviado contenidos. Pasamos de recibir 200 consultas diarias a más de 2.000
durante el confinamiento, lo que significaba que sencillamente no podíamos
responder a todos los usuarios en un momento en el que necesitaban respuestas
desesperadamente (parte de la desinformación que estaban recibiendo podía ser
gravemente perjudicial para su salud)

Alrededor de un tercio de los encuestados esperan que las tecnologías de IA les ayuden a
llegar a un público más amplio, a personalizar las experiencias de los lectores y a mejorar la
interacción con la audiencia, un tema muy presente en la sección anterior sobre los usos de
la IA en la distribución de noticias:

Esperamos obtener más información para entender a nuestras audiencias, así

como ampliar la distribución de nuestros boletines de noticias

Aumentar la participación de la audiencia en todas las plataformas de medios

sociales y en el propio sitio web de noticias. Hay objetivos específicos de vistas de
páginas que debemos alcanzar cada mes y el seguimiento de las analíticas y de lo
que interesa a la gente me ayuda a conseguirlo

1.5 Qué funciona y qué no

En general, el uso exitoso de las tecnologías de IA varió mucho entre los encuestados,
aunque un gran número de ellos consideraron ventajosas las herramientas de transcripción
y edición de audio. El scraping de páginas web, el monitoreo de redes sociales, la generación
de imágenes, los sistemas de recomendación y otras herramientas de distribución también
se mencionaron como aplicaciones de IA de éxito:

El scraping de páginas web y la creación de alertas de Slack basadas en filtros han

sido las aplicaciones que más éxito han tenido hasta ahora

La revisión y la edición básica de textos han tenido mucho éxito; la producción de

vídeo mediante Stable Diffusion también ha funcionado bien

Los sistemas de recomendación y los de NLP que influyen en la distribución han

sido los que más éxito han tenido

La transcripción y verificación de declaraciones demostraron ser exitosas

22
Los participantes destacaron que, incluso con aplicaciones de IA exitosas, las pruebas
y mejoras son continuas, lo que refleja la naturaleza evolutiva de la IA y la constante
necesidad de intervención humana:

Hemos categorizado con éxito cientos de miles, si no millones, de

comunicaciones, así que eso fue especialmente exitoso, pero llegamos a un límite
con los enfoques tradicionales de aprendizaje automático, y nos interesa ver si
podemos desarrollar una estrategia más sólida que integre varios enfoques

Hemos tenido mucho éxito en el monitoreo automático de Twitter y en la

detección de frases extraídas de audio o vídeo. Sin embargo, estamos teniendo
algunas dificultades en la percepción de tensión y polarización política, y todavía
estamos tratando de mejorar nuestro sistema de cotejo de afirmaciones, ya que los
modelos de similitud de frases presentan ciertos desafíos, como la temporalidad
(tal vez una afirmación que era falsa en el pasado es cierta ahora)... Estamos
trabajando en esto

Muchos de los encuestados, a menudo redacciones pequeñas o emergentes, se

encuentran aún en las primeras fases de adopción de la IA:

Todavía es demasiado pronto para determinar cualquier fallo, hemos estado

probando muchas herramientas e integraciones individuales, la mayoría han sido
útiles, pero ninguna de ellas está muy integrada en nuestro flujo de trabajo

Las redacciones de los países del Sur Global manifestaron la existencia de problemas
relacionados con el idioma o los acentos, cuando, por ejemplo, una herramienta se
utiliza fuera del mercado para el que fue originalmente diseñada. Trataremos este tema
con más detalle en el capítulo 6.

23
Aparte de los problemas lingüísticos, muy pocos encuestados mencionaron fallos
en aplicaciones específicas de la IA. Sin embargo, cuando se habló de ello, algunos
atribuyeron los errores a cuestiones organizacionales más que a limitaciones técnicas:

El mayor fracaso ha sido la lenta progresión en los usos que ya habíamos

identificado por cuestiones organizacionales, falta de enfoque y de recursos

Para algunas de las herramientas de machine learning ofrecidas por terceros,

descubrimos que no contábamos con un proceso de adaptación sólido ni con
explicaciones claras, por lo que la adopción ha sido más lenta de lo previsto

Uno de los encuestados explicó cómo su organización decidió interrumpir el trabajo

en un “servicio automatizado para escribir historias cortas sobre el rendimiento de las
empresas en bolsa”, porque no ganó popularidad entre el público:

[No] creaba suficiente valor para el usuario (los usuarios más bien miraban el
gráfico de las acciones), y cuando llegó la pandemia y todas las acciones se
hundieron, se alcanzaron nuestros umbrales para casi todas las empresas que
enviaban spam a nuestros usuarios

24
Capítulo 2
Estrategia de IA

2.0 La necesidad de una estrategia

Hemos visto cómo las tecnologías de IA se utilizan o son exploradas en las redacciones
de diversas formas en todo el proceso de producción. Para aprovecharlas al máximo,
estas deben adoptar un enfoque más estratégico. Nuestra encuesta mostró que
muchas redacciones aún no habían desarrollado una estrategia formal, y, en los casos
en que sí la tenían, esta variaba en función de las circunstancias y las políticas de la
organización. En general, las redacciones están adoptando un enfoque más estratégico,
en parte como reacción al reto de la IA generativa. Sin embargo, se trata de un ámbito
aún incierto y estas estrategias deben ser flexibles.

2.1 Estrategias de IA en las redacciones

Alrededor de un tercio de los encuestados afirmaron que su organización contaba con
una estrategia de IA o la estaba desarrollando actualmente, resultados similares a los
que obtuvimos en nuestra encuesta de 2019. Las respuestas a esta pregunta reflejaron
claramente la diversidad entre los participantes en términos de experiencia con IA,
objetivos de construcción de estrategias y enfoques. Algunas redacciones han integrado
tecnologías de IA a nivel institucional desde hace algún tiempo, y están llevando a cabo
revisiones estratégicas para aprovecharla mejor en todas las organizaciones.
Por ejemplo, The Associated Press (AP) está llevando a cabo una revisión estratégica
para comprender mejor las áreas de oportunidades de la IA y dónde no es
necesariamente la mejor solución:

Actualmente estamos desarrollando un plan para una estrategia de IA que

abarca todos los departamentos en AP. Tenemos un grupo de trabajo encargado de
revisar aspectos de la detección de noticias en busca de oportunidades y para
evitar problemas con la IA. Una herramienta o servicio debe cumplir con nuestros
estándares periodísticos y la misión empresarial para respaldar a los miembros y
clientes de AP

25
Algunas organizaciones adoptan un enfoque doble en su estrategia de IA, trabajando con
socios tecnológicos y mejorando al mismo tiempo sus propias capacidades internas:

Nos asociamos con proveedores que avanzan rápido, para que nosotros también
podamos hacerlo. Mientras tanto, estamos creando competencias internas para
poder tener el control y la propiedad de nuestros desarrollos

ARIJ, un centro de desarrollo de medios de comunicación en la región árabe con sede en

Jordania, ha lanzado recientemente su estrategia de IA para orientar a la organización
internamente, pero tiene previsto también hacerla accesible para ayudar a guiar a otras
organizaciones de medios de comunicación de habla árabe en sus propios esfuerzos de
integración de la IA:

Proporcionaremos esta estrategia en forma de guía práctica a todas las

redacciones de habla árabe para que puedan beneficiarse de ella a la hora de
desarrollar su propia estrategia

La necesidad de contar con una estrategia depende de muchos factores. Algunos

encuestados afirmaron que adoptan un enfoque de la IA caso por caso, sin desarrollar
necesariamente una estrategia particular a nivel institucional. Se centran en cómo la IA
puede ayudarles a alcanzar sus objetivos mediante la IA u otras tecnologías convencionales:

Muy a menudo, se implantará como una funcionalidad de un producto existente

(es decir, a través de una actualización); en otros casos, construiremos nuestros
propios modelos. Estos diferentes usos no tienen por qué unirse en una “estrategia”
global solo porque impliquen la misma tecnología subyacente

Incluso quienes cuentan con estrategias integrales de IA, como AfricaBrief, destacan la
necesidad de incorporar formación y de hacer evolucionar continuamente su estrategia a
fin de adaptarse a las tecnologías de IA nacientes, como la IA generativa. Sus respuestas
reflejan el reto de mantenerse al día con la rápida evolución de la IA, un tema constante en
toda la encuesta:

26
 La visión de AfricaBrief es mejorar la producción de noticias mediante
tecnologías de IA, con objetivos como la automatización de la agregación de noticias,
el análisis de datos para obtener información y los contenidos personalizados. Su
hoja de ruta incluye la implantación gradual de ChatGPT para la recolección de
noticias y NLP para el análisis de datos. Se destinan recursos a inversiones en IA y
desarrollo de talentos. La gestión de datos se ajusta a la normativa sobre privacidad y
seguridad. Se tienen en cuenta las consideraciones éticas, incluida la mitigación de
sesgos. Para el seguimiento y la evaluación se utilizan métricas de rendimiento. Se
buscan colaboraciones y alianzas para mantenerse al día con los avances y las
mejores prácticas en IA para la producción de noticias

Hoy en día estamos refinando nuestra estrategia para incorporar los recientes
desarrollos de ChatGPT

Varias redacciones que aún no han desarrollado una estrategia de IA afirman que tienen
previsto hacerlo en un futuro próximo. Para algunos, la ausencia de una estrategia de IA
parece ser el resultado de prioridades en competencia dentro de las redacciones y de
falta de recursos, más que de una falta de interés. Los encuestados manifestaron que
sus redacciones apoyan los esfuerzos individuales de experimentación, lo que da cuenta
del hecho de que muchas de ellas no han alcanzado un nivel institucional de integración
de la IA:

Nuestra organización no tiene una estrategia formal para las actividades

relacionadas con la IA. Confiamos en la iniciativa y el entusiasmo de algunos de
nuestros colegas interesados en la IA

Todavía no. Hemos estado formando a algunos miembros del equipo y

buscando financiación para diseñar y desarrollar productos que incluyan IA

27
La responsabilidad de desarrollar y dirigir la integración de la IA difiere de una redacción
a otra:

¿Quién lidera la estrategia e implementación de IA?

Un equipo
multidisciplinario 26%
dedicado a este tema

29%
Innovación/Digital

Departamento
11%
de Tecnología

Equipo
9%
de Datos

Otros* 26%

0% 10% 20% 30%

*Incluye otros departamentos, como TI, negocios, gestión, editorial y producto.

2.2 Cómo afecta la IA a los procesos y funciones de

las redacciones
Tanto si se encuentran al principio de su proceso de incorporación de la IA como si
cuentan con más experiencia con el empleo de esta tecnología, hemos descubierto que
las redacciones dedican tiempo y recursos a desarrollar sus capacidades de IA. En este
sentido, preguntamos a los encuestados si los esfuerzos de integración de la IA habían
afectado a sus flujos de trabajo y procesos, así como a las funciones existentes en la
redacción.
Alrededor de una cuarta parte de los encuestados afirmaron que la adopción de la
IA había tenido un impacto significativo en los flujos de trabajo y sus procesos de
redacción. Ha ayudado a reducir costos, a racionalizar y escalar procesos y a aumentar
la eficiencia en la verificación de datos, el seguimiento de las redes sociales, la
distribución de contenidos y la contabilidad:

Ahorramos más del 80% en el proceso de seguimiento y búsqueda de frases

chequeables... Estamos convencidos de que este campo tendrá un impacto más
positivo en el futuro

28
 La IA ha impactado en nuestros procesos de producción de noticias,
automatizando tareas como la recopilación de noticias y la creación de
contenidos con ChatGPT. También ha agilizado los flujos de trabajo internos, ha
mejorado la productividad y tiene potencial para tareas avanzadas como la NLP y
el análisis de datos

Uno de los encuestados explicó cómo la automatización de algunos procesos mediante

la IA cambia la naturaleza de su trabajo, en lugar de sustituirla:

La IA optimiza la distribución en el sitio y en las redes sociales. Aunque ya no

programamos todas las publicaciones individualmente ni seleccionamos cada parte
de la página de inicio, ese trabajo ha cambiado. Nos resulta más fácil pensar a gran
escala y cambiar los resultados con mayor rapidez ajustando reglas más amplias
que pueden afectar a docenas de publicaciones o posiciones en una página. Dicho
de otro modo, la IA agiliza los flujos de trabajo, pero no los sustituye por completo.
Cambia la naturaleza del trabajo y amplía nuestro impacto

Los encuestados parecen apreciar el modo en que la IA les ha permitido reasignar el

tiempo de los periodistas a tareas editoriales más complejas:

Liberar tiempo para que los periodistas sigan haciendo su trabajo es el mayor
impacto que obtuvimos

La gran mayoría de los encuestados, casi el 75 %, que aún se encuentra en las primeras
fases de adopción de la IA, aún no ha sido testigo de un impacto notable, pero espera
hacerlo en el futuro:

No cabe duda de que tendrá repercusiones en el futuro, a medida de que la IA

se haga cargo de las tareas mundanas de la recolección de noticias

Actualmente, el impacto de la IA aún no es significativo ni generalizado, pero ya

se perfila como un facilitador

Al igual que las organizaciones de noticias con más experiencia, esperan que la
incorporación de la IA permita a los periodistas dedicar más tiempo al trabajo de campo
y a proyectos especiales:

Ahora mismo no tiene un impacto significativo. Sin embargo, el impacto puede

ser bastante significativo si adoptamos la IA... Esto liberará a los periodistas para
trabajar en otros sectores, especialmente cuando vayan al terreno y a zonas
remotas para realizar entrevistas y vídeos muy especiales para historias igual de
especiales que interesan a nuestra audiencia

29
Las respuestas a la pregunta acerca de si la IA afecta a las funciones existentes en las
redacciones siguen un patrón similar: alrededor del 60 % afirma que la integración de la
IA no lo ha hecho. Muchos, sin embargo, esperan que esto cambie en el futuro:

Todavía no, pero estamos trabajando en nuevos puestos relacionados con IA

que incluyen ingenieros de prompts, ingenieros de IA y ML, y científicos de datos

Todavía no, porque es una transición que aún está en sus primeras fases. La IA
potencia los roles, no los cambia totalmente

Podría vernos creando más funciones específicas de IA en el futuro,

probablemente como tecnólogos de noticias que trabajen en estrecha colaboración
con los periodistas

Algunas redacciones afirman que la integración de la IA ha dado lugar a la creación de

nuevas funciones relacionadas en diversas áreas, como puede ser la de análisis de datos:

El NLG de AP para informes de resultados financieros liberó a nuestros

reporteros de la rutina de producir actualizaciones de ganancias repetitivas y les
permitió dedicarse a un periodismo más significativo. Más recientemente, AP ha
creado tres nuevos roles que se centran en la IA en todas las operaciones y
productos de noticias

Sí, hemos creado al menos un nuevo puesto centrado en la gestión de

experiencias de IA, y esperamos tener más, pero el crecimiento es lento y
premeditado. En la medida de lo posible, estamos aprovechando el talento que ya
tenemos. Por ejemplo: nuestros editores inmobiliarios dirigen nuestra creación de
contenidos inmobiliarios con IA. Uno de nuestros principales productores de
audiencia digital está supervisando nuestra optimización de las redes sociales

Sí, era necesario asignar un analista de datos con dedicación exclusiva dentro
del equipo

Cabe destacar que muchas organizaciones subrayaron que la incorporación de la IA está

cambiando las funciones existentes dentro de la organización, a través de la formación
y el perfeccionamiento de los conocimientos en IA y de habilidades específicas como el
análisis de datos o la ingeniería de prompts, en lugar de crear funciones completamente
nuevas:

En general, aunque la adopción de la IA no siempre ha dado lugar al desarrollo

de roles nuevos y específicos relacionados con esta tecnología, ha impulsado la
evolución de los actuales y la adquisición de nuevas habilidades por parte del
personal para utilizar eficazmente la IA en sus tareas periodísticas

30
Algunos ya han empezado a crear capacidades de ingeniería de prompts, pero no solo
dentro del departamento de IT:

Convencimos a nuestro departamento de informática de que aunque la ingeniería

de prompts requiere una cierta comprensión tecnológica, el personal informático no
está preparado para evaluar el resultado cuando se trata de producción periodística.
Por otra parte, diseñar un prompt con éxito, “conseguir que la máquina cuente lo que
yo quiero que cuente”, tiene algunas similitudes con los procesos periodísticos. Ya
estamos formando a un periodista en diseño de prompts

Otras respuestas se hicieron eco de una necesidad similar de involucrar a los periodistas
y aprovechar tanto sus competencias en IA como sus competencias digitales, en lugar
de confiar únicamente en contar con la experiencia dentro del departamento de TI:

Hay nuevos roles específicos relacionados con la IA. El equipo digital nos ayuda
a seguir las tendencias, pero como redactor digital, yo también lo hago. La
recopilación y distribución de noticias también ha cambiado. Reviso las tendencias
y escribo contenidos basados en ellas

Sí, el periodista ha tenido que entrenar a los algoritmos y, para ello, recibió
formación sobre cómo funciona el algoritmo, qué tipo de datos necesitamos y
cómo ganar en precisión. Por otro lado, el equipo periodístico ha compartido con el
equipo de ingenieros los criterios editoriales que guían sus decisiones, aportando
claves sobre qué se considera una afirmación factual y por qué

En línea con estas respuestas, no es de extrañar que los criterios de contratación en las
redacciones estén cambiando, como señaló uno de los encuestados:

Creo que el impacto se ha notado más a la hora de considerar a quién contratar

y a quién no. Necesitaría menos redactores una vez se implemente la IA

Las respuestas reflejan el desafío constante de equilibrar las competencias técnicas y

periodísticas a lo largo de la integración de la IA en la redacción.

31
2.3 ¿Listos para la IA?
Ya en 2019 nuestro informe sostenía:

Se trata todavía de tecnologías relativamente nuevas, diversas y complejas, que

llegan tras una serie de otros desafíos digitales. Así que no es de extrañar que los
encuestados se encuentren profundamente divididos en cuanto a qué tan preparados
están para la IA. Se separan aproximadamente por la mitad entre los que sienten que
están surfeando la ola y los que no han hecho más que probar con sus dedos el agua.
Había una nota de optimismo, sobre todo porque muchos de nuestros encuestados
eran pioneros que creen que ya han dado los primeros pasos

El informe de este año también muestra una disparidad respecto de cuán listas se
encuentran las redacciones para incorporar la IA. En los últimos cinco años hemos
observado un aumento generalizado de la preparación, pero la llegada de la inteligencia
artificial generativa plantea nuevos retos a las empresas periodísticas.
Muchas redacciones, alrededor de un tercio, manifiestan confianza en su preparación
para afrontar los retos de la adopción de la IA en el periodismo. Destacan sus esfuerzos
por desarrollar herramientas y tecnologías que faciliten su trabajo, así como su
capacidad para adaptarse rápidamente a los cambios tecnológicos. Creen que cuentan
con personal cualificado e inquisitivo capaz de utilizar la IA con eficacia:

Sí, somos una organización exclusivamente digital y estamos acostumbrados a

cambiar rápidamente de tecnología y a adaptarnos con rapidez

Tenemos bastantes personas interesadas en la IA y hábiles en el uso de la

tecnología. No veo ningún problema en los retos técnicos

Una gran proporción, en torno al 53 %, afirma no estar preparada todavía o estarlo solo
parcialmente para afrontar los retos de la integración de la IA en la redacción. Entre los
principales problemas citaron las limitaciones financieras y la falta de conocimientos
técnicos. En la siguiente sección se analiza esta cuestión en detalle.

32
2.4 Los desafíos estratégicos para la adopción de la IA
Las limitaciones financieras y los problemas técnicos se identificaron como los
principales obstáculos para la adopción de la IA. A veces, uno conduce al otro.
Por ejemplo, los problemas técnicos derivan a veces de la falta de recursos. Las
redacciones más pequeñas y emergentes suelen tener dificultades para asignar los
fondos necesarios para contratar personal cualificado que implemente y mantenga los
sistemas de IA. Del mismo modo, las redacciones tienen problemas para dedicar tiempo
y recursos a diseñar y poner en marcha programas de formación en IA.

Los desafíos más relevantes para la implementación de la IA

en las redacciones
50%

40%
41%

30%

25%
20% 22%

10% 12%

0%
Desafíos Desafíos Desafíos Desafíos
técnicos éticos culturales de gestión

Las redacciones no están del todo seguras de qué competencias deben buscar
en el personal técnico. Las que tienen varios años de experiencia en la integración
de la IA hicieron referencia específicamente el reto de lograr la compatibilidad y la
interoperabilidad con los sistemas y plataformas existentes:

El principal obstáculo para implantar un sistema de etiquetado basado en ML,

por ejemplo, es técnico: hay que integrarlo con otros sistemas

Las herramientas probadas tienen que implementarse en las estructuras

empresariales actuales, lo que requiere bastante desarrollo y pruebas

33
Estas respuestas enfatizan en los enormes avances que algunas redacciones han
realizado en la adopción de la IA a nivel institucional. En nuestro informe de 2019,
muchos de los encuestados, incluidos los primeros en adoptar la IA, se encontraban al
principio de su recorrido. Los desafíos técnicos se centraron en qué proyectos priorizar,
en cómo desmitificar la IA y en proporcionar formación general sobre IA al personal.
Las respuestas también ponen de manifiesto una disparidad entre las redacciones
más pequeñas y emergentes de los países del Sur Global, por un lado, y las grandes
organizaciones periodísticas, con más recursos y experiencia, de los países del Norte
Global, por otro. Mientras que las respuestas de las primeras se centraron en la
búsqueda de recursos para contratar la experiencia técnica necesaria, las segundas
ya han implementado la IA en diversos ámbitos y ahora se centran en lograr la
interoperabilidad:

Somos una startup regional sin ánimo de lucro de tamaño medio, con un sólido
equipo de ingenieros y una cultura organizativa innovadora... Pero, no tenemos ni de
lejos la potencia técnica de las grandes organizaciones nacionales

Mitigar los retos de la integración de la IA va más allá de contratar al personal técnico

adecuado. Requiere cubrir las lagunas de conocimientos que existen entre los distintos
equipos de la redacción, un reto que es más generalizado. Las respuestas reflejan la
necesidad de mejorar los conocimientos sobre IA y las competencias tecnológicas tanto
de periodistas como del personal técnico:

Tenemos distintos niveles de comprensión de lo que es la IA. En un equipo de

unas 20 personas, menos de una cuarta parte ha recibido formación sobre ella y
aún tenemos que conseguir que todo el mundo se ponga al día. Creo que mi
organización estará preparada para aprovechar su potencial una vez que todos
estemos en la misma página

Uno de nuestros mayores retos es que el equipo técnico y de innovación no está

muy informado sobre la IA y las soluciones que puede aportar al periodismo. No
tenemos expertos internos que puedan ayudarnos en la codificación y formación en
IA. Pero algunos han mostrado interés en aprender y esperamos que pronto estén
bien familiarizados con ella

34
Algunas organizaciones expresaron su deseo de colaborar con otras más
experimentadas para llenar la brecha de conocimientos:

Nuestro mayor reto reside en los conocimientos técnicos y la comprensión

[de lo que se necesita] para introducir y crear sistemas de IA. Puede que no
tengamos que crear el sistema desde cero, pero sí necesitamos contar con
socios de confianza si vamos a subcontratarlos

El reto de seguir el ritmo de la rápida evolución de la IA también se experimenta de

manera más uniforme en la mayoría de las redacciones, y es testimonio de la necesidad
de una adaptación continua, un tema registrado constantemente en la encuesta:

Las tecnologías evolucionan tan rápido que es difícil saber cuál adoptar por
miedo a que pronto quede obsoleta

En cuanto a los retos técnicos: dada la escasez de nuestros recursos

técnicos, siempre es difícil dar soporte a nuevas integraciones que pueden no
tener un retorno inmediato de la inversión. Las implementaciones de IA requieren
mucho trabajo de configuración, por lo que buscamos continuamente formas de
aumentar la velocidad de lanzamiento al mercado

Los problemas éticos también ocuparon un lugar destacado en los debates sobre la
adopción de la IA en las redacciones. Los encuestados expresaron su preocupación por
la transparencia y la explicabilidad de los algoritmos de IA:

La cuestión ética es la más importante porque hay que mantener la

transparencia para los lectores

El sesgo algorítmico es otro motivo de preocupación:

Si no se abordan adecuadamente, los algoritmos de IA pueden perpetuar los

sesgos y la discriminación, amplificando las desigualdades sociales

Los encuestados subrayaron la necesidad de directrices, normas y reglamentos que

garanticen el uso ético de la IA en las redacciones y aborden los riesgos potenciales
asociados a su aplicación:

Como organización de noticias, desconfiamos de las consecuencias éticas y

creemos que necesitamos disponer de directrices claras antes de extenderlo
ampliamente en términos de recopilación y producción de noticias

35
A pesar del entusiasmo general por la integración de la IA, los desafíos culturales siguen
siendo un obstáculo notable. Algunos encuestados expresaron escepticismo, resistencia
a integrar las tecnologías de IA en su trabajo, miedo al reemplazo laboral y preocupación
por la forma en que la IA está cambiando la naturaleza de la profesión periodística:

Nuestros jefes de redacción son grandes aliados, y hay muchos defensores

de la experimentación entre nuestras filas. En nuestras redacciones, hay cierto
temor a las implicaciones de la IA: el impacto en los puestos de trabajo, los
productos y los suscriptores

La mayoría de la gente entiende los grandes cambios que se están

produciendo con la IA, pero cambiar los flujos de trabajo siempre es difícil para
cualquier profesión

Los desafíos de gestión se centran en las estructuras organizacionales y en las

prioridades de la redacción, que compiten entre sí:

Cuanto mayor sea la organización, con más niveles de gestión o directivos, más
difícil será experimentar sin muchas reuniones y presentaciones

No se comparten estrategias generales de gestión ni formación con el equipo

editorial, y existe un temor generalizado a que el uso de la IA contribuya a nuestra
propia redundancia futura

También se mencionó la resistencia y el entusiasmo excesivo por la IA:

La dirección parece querer insistir en el uso de la IA incluso cuando no

es necesario

2.5 ¿Ha cambiado el enfoque de las redacciones sobre la

implementación de la IA?
Alrededor del 40 % de las organizaciones afirmaron que su enfoque acerca de la IA en
la redacción no ha cambiado mucho desde nuestro último informe, realizado en 2019.
Muchas se encuentran todavía en las primeras fases de implementación, mientras que
en otras el uso de la IA en la redacción sigue limitado a un departamento o a un pequeño
número de empleados, lo que no ha sido suficiente para orientar el enfoque institucional
respecto a la IA:

36
 Todavía no, porque hasta ahora ha involucrado sobre todo al departamento
informático y solo a un puñado de periodistas dedicados a probarlas y validarlas en
contextos limitados

No, no lo hemos hecho porque aún estamos en la fase piloto

No hay cambios significativos, ya que hacemos un uso muy limitado de la IA

Creo que aún somos colectivamente conscientes de que las herramientas que
utilizamos son IA, así que no, no ha cambiado

Sin embargo, alrededor de una cuarta parte de los encuestados afirma que el enfoque
de su organización respecto a la IA ha evolucionado. Experimentar y aprender con la
práctica ha ayudado a las organizaciones a adquirir una comprensión más profunda y
realista del potencial de la integración de la IA en el trabajo periodístico:

Completamente. Llevo varios años trabajando en pequeños proyectos de

inteligencia artificial como parte de mis tareas de innovación, pero no han sido más
que curiosidades. Pero en cuanto se lanzó ChatGPT, la alta dirección se entusiasmó
de repente con la IA

En general, se sienten más seguros de su relación con la IA y mejor preparados para

afrontar los retos que plantean las nuevas tecnologías de este tipo de inteligencia:

Sí, el enfoque de nuestra organización y el uso de tecnologías impulsadas por IA

en la redacción ha evolucionado... A medida que fuimos adquiriendo más
experiencia práctica y exploramos diversos usos, es posible que hayamos adquirido
conocimientos sobre las capacidades, las limitaciones y las consideraciones éticas
de la IA en la redacción

Sus experiencias les han ayudado a establecer expectativas razonables sobre la IA:

Nuestro enfoque se hizo más realista teniendo en cuenta nuestros recursos y

el rapidísimo involucramiento del sector. Nos centramos más en las herramientas
de IA que pueden complementar el trabajo de los periodistas a la hora de
recopilar y agregar datos relevantes y ayudarles a identificar tendencias y realizar
análisis en profundidad

37
 Los redactores que dirigen las implementaciones de la IA comprenden mejor el
potencial de esta tecnología y dónde se queda corta. Los que tienen experiencia
práctica sienten más entusiasmo por el futuro y menos miedo a que la IA sustituya el
trabajo de los periodistas, al menos a corto plazo. Y disponer de estudios de casos e
historias de éxito facilita la creación de confianza entre los más escépticos

La experiencia práctica con la IA en las redacciones ha ayudado a algunos a descubrir

ventajas que no esperaban cuando empezaron:

Aunque nuestras herramientas de IA se implementaron en un principio como

una forma de ahorrar tiempo y ser más eficaces, hemos descubierto que los datos
que recogen son muy útiles para comprender cómo funciona la desinformación, así
como para otros usos de investigación

Otros encuestados señalaron que actualmente hay más departamentos que participan
en los esfuerzos de incorporación de la IA en las redacciones con el objetivo de adoptar
un enfoque institucional de la IA, en comparación con la época en la que los esfuerzos
de experimentación se consideraban dominio exclusivo de los expertos técnicos:

Desde que empezamos a utilizar la IA en 2017, ha pasado del equipo de

ingeniería a la redacción

38
Capítulo 3
Ética y política editorial

3.0 El impacto de la IA en la calidad editorial

Las preocupaciones éticas son fundamentales para el debate sobre la IA en todas
las industrias, y el periodismo no es una excepción, precisamente por tratarse de
una profesión destinada a servir al interés público. Más del 60 % de los encuestados
expresaron su preocupación por las implicaciones éticas de la integración de la IA en
la calidad editorial y en otros aspectos del periodismo. Para los periodistas, la pregunta
central es: ¿cómo integramos esta tecnología en el periodismo mientras mantenemos
valores como la precisión, la equidad, la responsabilidad y la transparencia?
Los ejemplos citados a continuación resumen la amplitud y profundidad de las
preocupaciones éticas relacionadas con la integración de la IA en las redacciones:

La adopción de la IA en el periodismo plantea posibles preocupaciones

relacionadas con los sesgos, la independencia editorial, la transparencia, la
verificación, la ética de los datos y el criterio humano. Es importante que los
periodistas y las organizaciones periodísticas consideren cuidadosamente estas
preocupaciones y tomen las medidas necesarias para garantizar el uso responsable
y ético de la IA en su trabajo editorial, a la vez que defiendan los principios
periodísticos de precisión, imparcialidad e integridad

Mantener la confianza, la precisión, la equidad, la transparencia y la diversidad

en el contenido de las noticias, a la vez que mitigar los sesgos y mantener la
integridad periodística, es una prioridad para nosotros en la era de las tecnologías
impulsadas por IA

3.1 Sesgo algorítmico

Dado que los sistemas de IA reflejan los sesgos sociales, a los encuestados les
preocupa que la confianza en las tecnologías de IA pueda exacerbar una cobertura
periodística sesgada y la tergiversación de grupos marginados:

39
 Los sistemas de IA se entrenan con grandes cantidades de datos, y si los
datos de entrenamiento contienen sesgos, pueden amplificarse en los resultados
de la IA. Esto puede conducir a recomendaciones de contenido sesgadas,
perspectivas discriminatorias o representaciones injustas en la cobertura de
noticias. Es esencial abordar y mitigar los sesgos algorítmicos para garantizar un
periodismo justo e inclusivo

No confío en que las tecnologías actuales incluyan perspectivas de personas

que tienden a ser marginadas

El sesgo algorítmico es un problema potencialmente mayor para el contenido en

idiomas distintos al inglés:

Los modelos generados por IA se construyen con bases de datos que incluyen
sesgos, especialmente cuando se trata de contenido en árabe, y esto se reflejará en
el contenido generado por IA

Cuando les preguntamos a los encuestados si emplearon alguna técnica de reducción

de sesgo, pocas organizaciones proporcionaron ejemplos sólidos:

Estamos empleando técnicas rudimentarias, no avanzadas, para eliminar

sesgos en sistemas de recomendación y de procesamiento de lenguaje natural
(NLP, por sus siglas en inglés) centrados en la clasificación. En primer lugar,
revisamos los sistemas de recomendación y las aplicaciones de NLP para detectar
tipos básicos de sesgo a través de un marco de evaluación. En segundo lugar,
mitigamos los sesgos no deseados, por ejemplo cambiando los datos de
entrenamiento para los sistemas NLP o introduciendo reglas que impiden la
publicación sin procesar de los sistemas de recomendación. Todavía no hemos
avanzado lo suficiente en nuestro trabajo con IA generativa para saber qué sesgos
debemos mitigar en la práctica. Pero espero que esto sea una preocupación en el
futuro y que se requieran métodos más avanzados aquí. Idealmente, sin embargo,
este debería ser un esfuerzo de la comunidad que se centre en los grandes modelos
básicos que existen, pero esto es cada vez más difícil ya que la transparencia en los
datos de entrenamiento y los métodos de aprendizaje se están erosionando. Esto
supone más responsabilidad para las organizaciones periodísticas que eligen usar
la IA generativa de todos modos; es decir, organizaciones como nosotros

Hemos probado un enfoque en el que un equipo externo analiza los algoritmos

para encontrar sesgos en ellos. Otro enfoque interesante es tener un comité ético
para supervisar todo el flujo de trabajo de los algoritmos desde su inicio o el
etiquetado de datos. Sin embargo, este tipo de trabajo consume muchos recursos y
es muy difícil implementarlo correctamente en las redacciones debido al pequeño
tamaño de los equipos de IA involucrados

40
Los encuestados coincidieron en gran medida en la importancia de abordar el sesgo
algorítmico mediante el establecimiento de técnicas de eliminación de sesgos, pero las
respuestas sugieren también que crear e implementar pautas éticas para la adopción
de IA supone una de las áreas más desafiantes para las organizaciones de medios, en
términos de complejidad y tiempo:

Aunque entiendo el concepto de eliminar sesgos, ni siquiera sé los pasos para

hacerlo o cómo implementar dicha estrategia

No puedo decir que lo hayamos hecho todavía, pero se está hablando del
entrenamiento para la eliminación de sesgos. Ese es el aspecto de la IA que
hemos encontrado que consume más tiempo, por lo que me preocupa que no se
le dé prioridad

El diseño de técnicas de eliminación de sesgos a menudo requiere una colaboración

multidisciplinar:

El periodismo debe abordar el sesgo algorítmico con técnicas de eliminación

de sesgos para garantizar la equidad. Periodistas, organizaciones periodísticas,
expertos en ética y académicos están involucrados en el establecimiento de
estas técnicas y prácticas éticas en el uso de la IA en el periodismo

Varios participantes manifestaron que no sabían si su organización había implementado

alguna medida para eliminar sesgos, mientras que otros sostuvieron que su uso todavía
es “demasiado limitado” para desarrollar tales técnicas.
Es importante tener en cuenta que nuestros encuestados provienen de campos
periodísticos y técnicos con una experiencia en tecnología muy diversa, lo que podría
explicar por qué no se ofrecieron muchos ejemplos de técnicas de eliminación de sesgos.

3.2 Enfoques de las redacciones sobre las

preocupaciones éticas
Además de las técnicas de eliminación de sesgos, los encuestados sugirieron medidas
que podrían contribuir a mitigar algunas de las preocupaciones éticas discutidas.
Sus respuestas se centraron principalmente en la transparencia, teniendo en cuenta
la naturaleza de “caja negra” de los sistemas de IA y la necesidad de mantener las
funciones desempeñadas por humanos cuando las tecnologías de IA forman parte de
un proceso:

La naturaleza automatizada de los algoritmos de IA plantea dudas sobre la

transparencia, la precisión y los posibles sesgos. Las audiencias pueden dudar de la
autenticidad una vez que saben que la información es generada por IA

41
 Los sistemas de IA a menudo funcionan como cajas negras, lo que
dificulta comprender cómo toman decisiones o por qué se recomienda un
contenido concreto

Los encuestados exigen transparencia por parte de los diseñadores de los sistemas
de IA, así como de quienes aplican los sistemas, como es el caso de las redacciones.
Argumentaron que se debe informar a las audiencias cuando se utilizan sistemas de IA
en la creación de contenido u otras tareas:

Necesitamos entender cómo funciona el algoritmo para poder confiar en él. Los
gobiernos a veces están estrechamente vinculados con las empresas tecnológicas.
Así que necesitamos una IA transparente

¿Cómo sabe la AI lo que sabe? Debemos ser escépticos con estos sistemas y
ser lo más transparentes posible con los editores y lectores cuando los usamos

Es importante señalar que hoy en día es casi imposible realizar tareas periodísticas sin
utilizar tecnologías de IA de alguna manera, por menor que sea. Por lo tanto, no está
claro dónde se traza la línea entre un proceso de producción asistido por IA que requiere
hacerlo público y uno que no. La mayoría de nuestros encuestados parecían referirse
al uso explícito de IA en la producción de contenido, es decir, al uso de ChatGPT u otras
tecnologías de IA generativa para resumir o crear piezas, así como áreas en las que era
necesario hacerlo público.
El énfasis en la necesidad de sumar el “enfoque humano en el proceso” no ha cambiado
mucho desde nuestra encuesta de 2019. Las redacciones continúan considerando que
la intervención humana es crucial para mitigar daños potenciales como el sesgo y la
inexactitud de los sistemas de IA:

No importa cuán avanzada se vuelva la IA. El criterio humano siempre será

esencial en todo el proceso de verificación de datos

Es necesaria la intervención constante y obligatoria del factor humano en la

integración [de la IA]

La contextualización es clave en el periodismo y los sistemas de IA no pueden

realizarla (todavía):

El contexto y la interpretación lo son todo en nuestra industria, y esto es algo

en lo que las tecnologías de IA tendrán dificultades para duplicar. No podemos
dejar que nuestras audiencias piensen que hemos subcontratado esta función
crítica a la tecnología

42
No siempre está claro cómo se pueden integrar los valores “humanos” con la IA,
lo que explica por qué es difícil desarrollar e implementar pautas éticas y técnicas
de eliminación de sesgos. Alinear las métricas con los valores humanos puede ser
complejo, como afirmó un entrevistado:

(...) La mayoría de los procedimientos de alineación requieren la traducción de

valores en métricas que se pueden poner en práctica dentro de la ciencia de datos o
machine learning, y aquí se puede perder algo en la traducción, incluso cuando
tratamos de integrar valores en nuestros sistemas de IA
Algunos encuestados sugirieron mantener las tareas editoriales libres de IA por el
momento:

Por ahora, creemos que es mejor mantener la AI fuera de los roles editoriales
directos de cualquier manera. Las decisiones editoriales se basan no solo en la
ética, sino también en una variedad de factores, como situaciones en tiempo real
que pueden cambiar en cualquier momento. Creemos que la IA aún no está
equipada para tomar decisiones. Sin embargo, creemos que en el futuro, la IA
podría ayudar a los equipos editoriales a definir estrategias relacionadas con la
distribución del flujo de trabajo

Creo que el foco de la IA en el periodismo debe estar en la verificación de datos,

el análisis de datos y la distribución de contenido, no en campos que disminuyan el
papel humano en la labor periodística

Las implicaciones éticas en el uso de tecnologías de IA generativa se abordan en el

Capítulo 5.

43
3.3 Implicaciones éticas para el periodismo en general
Queríamos saber si nuestros encuestados pensaban que las tecnologías de IA están
cambiando la opinión pública sobre el periodismo y si hay otras implicaciones para
el periodismo como industria. Sus respuestas se centraron en dos preocupaciones
interrelacionadas: la preocupación por que las tecnologías de IA comercialicen aún más la
industria del periodismo, lo que probablemente conduciría a la segunda preocupación, una
disminución de la confianza en el periodismo.

Preocupaciones de las redacciones sobre las implicaciones éticas

de la IA
100%

75% 82% 82%

40%
60%
50%

40%
25%

18% 18%
0%
Calidad Percepciones Industria
editorial de la audiencia en general

Preocupado No preocupado

Los encuestados temen que las tecnologías de IA aumenten las presiones competitivas en
las redacciones, lo que podría llevar a la producción masiva de periodismo de baja calidad.
Estos son algunos ejemplos tomados de la encuesta:

Creo que dará como resultado una gran cantidad de clickbaits producidos en masa a
medida que las organizaciones periodísticas compitan por los clics. No participaremos
en esa disputa. La mayoría del público ya tiene una opinión muy mala del periodismo, y
parece poco probable que eso cambie como resultado de esta tecnología

Si los periodistas confían en la IA para la creación de contenido de la misma

manera que lo hacen los influencers, será una gran amenaza para la industria. Tiene que
haber reglas y límites

Si la industria solo busca maximizar los ingresos, podría tener un impacto

negativo en los estándares editoriales y la ética en general

44
Según algunos encuestados, el riesgo de desilusionar a las audiencias ocurre
en un momento en el que la confianza del público en el periodismo parece estar
erosionándose:

Me preocupa que el público ya tenga menos confianza en los medios y menos

apetito por las noticias. No estoy del todo seguro de cuál es la actitud del público
hacia la IA, pero sí son en gran parte escépticos al respecto. Me preocupa que esto
pueda tener efectos negativos para las redacciones que usan IA en su trabajo

Me inquieta cómo reaccionará el lector si escucha que una historia en el

periódico o sitio web fue escrita por un robot. Me preocupa la falta de confianza
en las máquinas y la aparente ausencia del factor humano en la recopilación,
redacción, recopilación y distribución de noticias

3.4 El papel de las empresas tecnológicas

La investigación y el desarrollo en las empresas tecnológicas están impulsando la
innovación en IA y otras tecnologías. Con el surgimiento de la IA generativa que utiliza
modelos de lenguaje extenso (LLMs, por sus siglas en inglés) como ChatGPT y Dall-E de
OpenAI o Bard de Google, se crearon una gran cantidad de herramientas dependientes
y se pusieron a disposición del público. Estas pueden automatizar un gran número de
tareas en casi todas las industrias, por lo que presentan un gran potencial para aumentar
la eficiencia y la productividad. Las oportunidades que ofrecen para el periodismo aún
se están explorando, pero pueden ser transformadoras. Al fin y al cabo, la creación de
contenido es la que paga las cuentas. La relación de las empresas tecnológicas con los
periodistas es cada vez más significativa.
Muchos de los encuestados coincidieron en que las empresas tecnológicas fomentan la
innovación y desarrollan herramientas útiles:

Las empresas tecnológicas están a la vanguardia de la I+D en IA, impulsan la

innovación y superan los límites de lo que la IA puede lograr. Esto tiene el potencial
de automatizar procesos, mejorar la eficiencia y resolver problemas complejos

45
También expresaron su preocupación por los incentivos que impulsan estas
innovaciones y la concentración de poder de la que gozan las empresas tecnológicas.

La información existente ya está sesgada, lo que refleja el mundo patriarcal y

eurocéntrico en el que vivimos. Creo que la IA solo exacerbará este fenómeno,
especialmente porque el mundo tecnológico que produce estas tecnologías
también tiende a ser hegemónico y movido por los beneficios más que cualquier
otra cosa

Muchos encuestados exigieron más transparencia a las empresas tecnológicas

sobre los datos utilizados y sobre cómo diseñan sus sistemas. Esperan que estas
desempeñen un papel más proactivo en la capacitación de periodistas sobre las
herramientas de IA y colaboren con la sociedad civil, los medios y el gobierno para
garantizar que las innovaciones técnicas estén alineadas con los valores humanísticos.
Varios entrevistados valoraron la accesibilidad y la asequibilidad de algunas de las
herramientas que ofrecen. Al mismo tiempo, algunos expresaron su preocupación por
la ética del desarrollo tecnológico. En este sentido, mencionaron el sesgo algorítmico
creado a través de sistemas de IA en “cajas negras”, preocupaciones sobre la privacidad
y problemas de responsabilidad:

Los algoritmos también corren el riesgo de descuidar las cuestiones éticas y los
impactos sociales, como la privacidad, la equidad, la responsabilidad y la
transparencia, en su búsqueda de ventajas competitivas y beneficios

Las empresas tecnológicas a menudo recopilan y analizan cantidades masivas

de datos de usuarios para entrenar sus sistemas de IA

Algunos destacaron que la tecnología avanza a un ritmo acelerado que el periodismo no

puede seguir:

Como nota negativa, [resaltaría] la urgencia, el afán y la rapidez con la que

quieren que se adopten estos avances, en muchas industrias y a todos los niveles.
Esta batalla comercial termina afectando a todos

46
Por su parte, a otros entrevistados les preocupa que las innovaciones tecnológicas
creen una dependencia de las tecnologías que puedan devenir en normas de la industria
que las redacciones se vean obligadas a adoptar:

El principal problema es el monopolio, la ausencia de control, las cajas negras y

el desarrollo de herramientas y tecnologías que quieren que usemos sin preguntar
primero si las queremos o cómo las queremos

Pueden imponer una dependencia del sector periodístico, como también

hemos visto con otras oleadas de nuevas tecnologías. Pueden convertirse en
guardianes con una visión del mundo que los usuarios de sus tecnologías deben
adaptar. Un ejemplo son los controles de sesgo que OpenAI ha implementado en
los modelos GPT, alineados con sus valores comerciales y un determinado
conjunto de valores estadounidenses

Con estas críticas en mente, muchos entrevistados pidieron más transparencia por
parte de las empresas tecnológicas en cuanto a los sistemas de IA que desarrollan y los
datos de entrenamiento que utilizan:

Me gustaría que las empresas de tecnología fueran más proactivas a la hora de

comunicar al público cómo utilizan sus sistemas. Las personas tienen derecho a
saber y comprender a qué se ven sometidas cuando utilizan estas plataformas

Nos gustaría ver que las herramientas de IA se centren más en la

explicabilidad. Los bots artísticos de IA deberían desarrollar procesos éticos para
compartir créditos

Los encuestados también esperan que las empresas tecnológicas brinden más
formación a los periodistas, especialmente a las redacciones pequeñas y a las
organizaciones de regiones con menos recursos:

Me gustaría verlos colaborando con pequeñas agencias de noticias como la

nuestra. Necesitamos que las empresas tecnológicas ofrezcan una formación
amplia y gratuita a los periodistas comunitarios. La mayoría de las veces, los
medios comunitarios no tienen los recursos ni los fondos para ofrecer programas
formativos relevantes sobre IA

47
También exigen a las empresas tecnológicas que busquen una mayor colaboración con
los periodistas, la sociedad civil y gobiernos para garantizar que las tecnologías que
desarrollan estén alineadas con los valores humanísticos:

Me gustaría verlos adoptar un enfoque más responsable y colaborativo sobre la

IA, comprometiéndose con las partes interesadas y los reguladores, y
asegurándose de que sus productos y servicios estén alineados con los valores y
derechos humanos

También me gustaría que participaran en conversaciones informadas con

periodistas de todo el mundo, incluso en mercados que no les interesan y
especialmente donde las brechas informativas afectan a los más vulnerables

Otros encuestados destacaron las oportunidades que tienen las empresas de tecnología
para aprovechar la IA en favor del “bien social”:

Las empresas tecnológicas tienen la oportunidad de aprovechar la IA para el

bien social, como mejorar la atención médica, abordar el cambio climático y ayudar
en la respuesta a desastres. También pueden contribuir a cerrar la brecha digital al
hacer que la IA sea más accesible e inclusiva

3.5 El rol de las universidades y las compañías

intermediarias
Alrededor del 90 % de los encuestados ve con buenos ojos la posibilidad de un
papel más fuerte de las universidades, las escuelas de periodismo y otras empresas
intermediarias en la adopción de la IA en las redacciones a través de la investigación, la
formación y la colaboración.

Las universidades, las empresas intermediarias, las escuelas de periodismo y

las instituciones de investigación pueden contribuir a la adopción de la IA en las
redacciones a través de la investigación y el desarrollo, la educación y la formación,
las soluciones intermedias y las asociaciones colaborativas. Pueden realizar
investigaciones, brindar programas formativos, ofrecer soluciones personalizadas y
colaborar con las redacciones para acelerar la adopción de la IA en el periodismo,
dando forma al futuro de la industria en la era de la IA

48
Algunos explicaron que la academia puede desempeñar un papel importante en un
examen crítico de la IA muy necesario y en el abordaje de cuestiones éticas:

Tienen que investigar más sobre cómo se puede usar la IA de manera más
efectiva en el periodismo de interés público y también elaborar una guía sobre
cómo usar la IA

Creo que las escuelas y universidades pueden servir como catalizadores clave
en la adopción de la IA en las redacciones al brindar educación, investigación y
orientación ética y al fomentar las habilidades de pensamiento crítico

Si bien juzgan de manera positiva que se pueda otorgar un papel más importante
a las instituciones académicas y de otro tipo, los entrevistados de varias regiones
manifestaron que los programas de estudios de periodismo no han evolucionado
de manera efectiva para reflejar los desarrollos tecnológicos significativos que han
impactado drásticamente en el periodismo, como la digitalización y el surgimiento del
periodismo de datos.

Desde nuestra experiencia, las escuelas de periodismo en el Medio Oriente y

el Norte de África ni siquiera están haciendo frente a los cambios digitales (antes
de hablar de IA). Los planes de estudios de la mayoría de las escuelas no equipan
a los periodistas con los conocimientos y habilidades necesarios para usar
herramientas digitales para la verificación de datos, el periodismo de datos, la
seguridad digital, etc
ARIJ (Jordania)

49
 Las universidades, especialmente las escuelas de periodismo, deben
comenzar a integrar los conocimientos sobre IA en sus enseñanzas mucho antes.
La mayoría de los graduados en periodismo que veo entrar a nuestras
redacciones tienen muy poca comprensión, a menos que ellos mismos sean
inquisitivos por naturaleza
Redacción con sede en Sudáfrica.

Las escuelas de periodismo deberían ser fundamentales en la educación de

una nueva generación de periodistas especializados en tecnología e IA, pero la
mayoría se están quedando atrás, lo que es un peligro real para la adopción eficaz
y responsable de la IA entre los medios convencionales
Ekstra Bladet (Dinamarca)

50
Capítulo 4
El futuro de la IA en el periodismo

4.0 ¿Hacia dónde va todo esto?

La gran mayoría, alrededor del 80 % de los encuestados, espera un mayor uso de la IA en sus
redacciones. Se mencionaron cuatro áreas principales para la futura integración de la IA:

1 Verificación de datos y análisis de desinformación

2 Personalización y automatización de contenidos
3 Resumen y generación de texto
4 Uso de chatbots para realizar entrevistas preliminares y medir la opinión pública
sobre determinados problemas.

1 Verificación de datos y análisis de desinformación: muchos entrevistados destacaron

la importancia de la IA para combatir la desinformación y la polarización. Mencionaron el
uso de protocolos de IA para mejorar los procesos de verificación de datos, analizar falsas
narrativas, identificar discursos de odio y monitorizar las plataformas de redes sociales en
busca de desinformación:

Estamos repensando nuestros programas y metodologías de monitorización de

medios y redes sociales para confiar más en las herramientas de automatización con
IA e integrar el análisis del papel de los algoritmos en la desinformación y el discurso
de odio

Invertimos mucho tiempo en buscar afirmaciones verificables para contrastar los

datos y hechos, ya sea de publicaciones en redes sociales en varias plataformas,
discursos, entrevistas o informes de noticias, entre otros. Creo que dentro de los
próximos dos a cinco años, mi organización puede introducir más tecnologías
impulsadas por IA para monitorizar la desinformaciónn

2 Personalización y automatización de contenido: varios entrevistados mencionaron el

potencial de la IA para personalizar el contenido de noticias y optimizar la distribución.
Esto incluye la personalización de la página de inicio para los lectores, la implementación
de funcionalidades de IA en la distribución de contenido y el uso del aprendizaje
automático para muros de pago dinámicos. El objetivo es mejorar la experiencia del
usuario y ofrecer contenido personalizado:

51
 La personalización y la automatización son parte de la configuración de la página de
inicio. Esto es algo en lo que ya estamos trabajando y que ya hemos implementado en
algunos de nuestros sitios vinculados más pequeños, pero aún no estamos listos para
implementarlo en un sitio de nuestro tamaño. Sin embargo, esperamos tener algo en los
próximos años

Estamos explorando tecnologías impulsadas por IA, incluidos chatbots como

ChatGPT, para mejorar las operaciones de las redacciones e interactuar con la audiencia
a través de actualizaciones de noticias personalizadas en plataformas de mensajería

3 Resúmenes y generación de texto: las tecnologías impulsadas por IA para resumir y

generar texto se mencionaron como herramientas valiosas para las redacciones. Esto
incluye el uso de modelos de lenguaje generativo para producir resúmenes, titulares
y mensajes de llamadas para artículos en dispositivos móviles. Estos son algunos
ejemplos del informe:

Esperamos crear un servicio usando GPT-4 para ‘comer’ a través de anuncios

bursátiles y crear borradores de artículos fáciles de entender a partir de ellos.
Entrenando el modelo con nuestros comentarios, esperamos mejorarlo y enseñarle a
decirnos qué es importante y no. Está en la fase de experimentación hasta ahora, pero
esperamos tener un prototipo para el verano y luego expandirlo más

Usaremos LLM generativos para tareas de resumen (por ejemplo, propuestas de

titulares o alertas en dispositivos móviles)

Estamos experimentando con el uso de chatbots para la generación de titulares

optimizados para buscadores y resúmenes

Esperamos integrar herramientas de IA en las redacciones para ayudar en tareas de

edición de más alto nivel, como sugerir titulares y crear múltiples versiones de historias.
También estamos explorando nuevos tipos de productos y formas de noticias

4 Uso de chatbots para realizar entrevistas preliminares y medir la opinión pública

sobre temas: algunos entrevistados expresaron interés en utilizar chatbots para realizar
entrevistas preliminares y medir la opinión pública sobre temas específicos, lo que
permite a los periodistas identificar casos interesantes para una mayor investigación y
entrevistas en profundidad:

Preveo la aplicación de más tecnologías impulsadas por IA en nuestra redacción.

Por ejemplo, un chatbot que explique nuestros productos a nuestros lectores o que
pueda ayudar a la redacción a monitorizar las plataformas de redes sociales y enviarnos
alertas cuando fuentes clave, personalidades u organizaciones publiquen en sus perfiles
de Twitter, Instagram o Facebook

52
 Veo el uso de chatbots para realizar entrevistas como algo que podríamos
usar en algunos proyectos. Si hay un problema específico que afecta a muchas
personas, un chatbot podría realizar entrevistas rudimentarias para tener una idea
general de lo que dice la gente y, a partir de esas entrevistas básicas, los casos
más interesantes podrían ser seguidos por una entrevista con un periodista

Las herramientas de IA para el monitoreo de redes sociales, la curación de contenido,

la verificación de noticias y la traducción de idiomas también se mencionaron como
áreas de interés. Estas herramientas ayudarían a monitorizar las plataformas de redes
sociales, seleccionar contenido relevante, verificar información y traducir contenido
a diferentes idiomas. El objetivo es mejorar la producción de noticias, la calidad del
contenido y la participación de la audiencia.
Otros, especialmente las redacciones más pequeñas, están evaluando el uso de IA y
trabajando para alinear su futura estrategia con los recursos disponibles:

Para nosotros es muy importante evaluar lo que hemos hecho hasta ahora y
repensar en qué podemos invertir de manera realista en términos de recursos
humanos, financieros y tecnológicos. Las tecnologías impulsadas por IA están
evolucionando más rápido que las capacidades de las pequeñas redacciones y
organizaciones. Actualmente estamos llevando a cabo una discusión interna para
diseñar la estrategia de nuestros próximos pasos en términos de actividades
relacionadas con la IA tanto en nuestras redacciones como en programas de
formación y apoyo para otros pequeños medios independientes en la región

4.1 La necesidad de educación y capacitación

El primer informe elaborado en 2019 describió los esfuerzos de las redacciones por
desarrollar la alfabetización en IA en toda la organización. Este sigue siendo un objetivo
para las redacciones con menos recursos y para las que se encuentran al comienzo de
sus recorridos con la IA. Casi el 43 % de las respuestas enfatizaron la importancia de
formar a los periodistas y el resto del personal en habilidades y tecnologías basadas en IA:

Nuestro objetivo es difundir ampliamente la alfabetización en IA entre nuestra

comunidad de periodistas y verificadores de datos

Invertiremos en capacitación básica para todos los miembros de mi

organización, centrándonos en cómo funciona la IA y cómo funcionan las
herramientas de datos para la IA

53
Al mismo tiempo, las discusiones del actual informe sobre capacitación se centraron
más en habilidades específicas y emergentes como ingeniería de prompts, tecnologías
avanzadas como modelos de lenguaje extenso (LLMs) y capacitación multidisciplinar en
varios departamentos para mejorar la interoperabilidad:

Entrenaremos a los periodistas en nuevas habilidades como ingeniería de prompts

y crearemos talleres donde puedan jugar con los nuevos avances de la IA

Los encuestados señalaron la necesidad de un enfoque holístico para la formación

en IA que vaya más allá de las habilidades técnicas, lo que afirma la necesidad de
una colaboración interdepartamental para que diferentes funciones estén más
sincronizadas:

Asignaría recursos a la colaboración interdepartamental en innovación.

Ofrecería cursos de IA aplicada a cualquier empleado (periodista y desarrollador)
que esté interesado. Establecería equipos de ciencia de datos bien financiados en
las redacciones, y una unidad dedicada a la alineación de valores. La falta de
concordancia con los valores editoriales es intrínsecamente incorrecta y dará
como resultado que se aprieten los frenos (con razón) antes de que se empleen
los prototipos de IA a cualquier escala real en la mayoría de las redacciones de
medios convencionales

Estamos implementando iniciativas para promover la interoperabilidad entre

departamentos para compartir procesos e información. Posteriormente se prevé un
plan de formación para ayudar a superar las carencias técnicas

(...) Derribaría la mayoría de los silos para que los periodistas, desarrolladores,
científicos de datos, etc., trabajen más juntos

Alrededor de una cuarta parte de las respuestas destacaron la necesidad de contratar

especialistas en IA, científicos de datos y desarrolladores con experiencia en tecnologías
de IA. Estos expertos salvarían la distancia entre el periodismo y la tecnología,
trabajando en estrecha colaboración con los periodistas para integrar herramientas de
IA en los procesos de redacción. Estos son algunos ejemplos de nuestro estudio:

Contratar a un administrador de IA con conocimientos tanto editoriales

como tecnológicos

Contar con más científicos y desarrolladores de datos

Reclutar a más graduados de TI con conocimientos tecnológicos

Incorporar a más ingenieros con experiencia en la creación de herramientas de

IA y gerentes de proyectos

54
La gran mayoría de las respuestas, más del 90 %, destacaron la necesidad de formación en
una variedad de habilidades y competencias:

Buscamos brindar formación en periodismo aumentado por IA para

competencias que incluyen alfabetización de datos y en IA, narración digital y
consideraciones éticas. Esto incluye habilidades en la recopilación, el análisis y la
visualización de datos, la comprensión de los principios de la IA y las implicaciones
éticas, la elaboración de narrativas con IA y la elaboración de informes
responsables con contenido generado por IA

Se necesita con urgencia desarrollar la alfabetización en IA. Todos en nuestra

redacción deben tener al menos una comprensión básica sobre cómo surgen y
funcionan los sistemas de IA, en la medida en que sean relevantes para nuestro campo
de trabajo. También deben conocer las implicaciones legales, éticas y comerciales

Algunos participantes hicieron hincapié en el hecho de que el tipo de formación necesaria

depende del rol:

Las competencias serían diferentes para los diversos equipos y roles laborales. Por
ejemplo, un gerente de producto podría necesitar formación sobre cómo mejorar la
experiencia del lector en el sitio, mientras que un productor de noticias podría necesitar
capacitación sobre cómo usar la IA para producir mejores artículos, vídeos, podcasts y
otros proyectos multimedia

4.2 Colaboración en la redacción

Casi la mitad de los encuestados piensa que no hay suficiente colaboración entre las
redacciones y otras entidades, como instituciones académicas, organizaciones de
desarrollo de medios y empresas de tecnología. Esto se debe a varios desafíos que se
presentan, como la competencia interna en las redacciones y las prioridades contrapuestas
entre profesionales:

Creo que la colaboración siempre es buena, pero la mayoría de las organizaciones

actualmente están ocupadas tratando de encontrarse dentro de la vorágine de la
transformación digital: demasiada colaboración y hablar sobre lo que uno está
haciendo también puede obstaculizar el progreso real

La competencia entre redacciones será un desafío para [la colaboración]

Como se analizó en el Capítulo 3, una gran mayoría de los encuestados, el 85 %, acogió con
agrado la posibilidad de una mayor colaboración entre las redacciones y otras organizaciones
de medios e instituciones académicas, ya que esto puede ser útil para reducir la disparidad
entre las redacciones pequeñas y grandes:

55
Qué sienten los medios acerca de una mayor colaboración sobre IA
entre redacciones
100%

75% 85%

50%

25%

15%
0%
Más colaboración sería útil No necesariamente

Un mayor intercambio entre las redacciones avanzadas y las pequeñas puede ser
beneficioso para cerrar las brechas de conocimiento y recursos

4.3 ¿Cómo cambiará la IA al periodismo?

Como se discutió a lo largo de este informe, en general, los encuestados reconocieron el
potencial transformador de la IA para automatizar tareas, personalizar contenido, mejorar la
productividad y potenciar la participación de la audiencia:

La IA transformará la industria periodística a través de productos más

personalizados, la generación de noticias multimedia, las funciones de verificación
intensificadas y una mayor productividad. Sin embargo, las pequeñas organizaciones
de medios que no puedan hacer frente a esta transformación no podrán sostenerse
por sí mismas

Los participantes mostraron sus preocupaciones éticas, como reflejamos en el Capítulo 2, así
como aquellas centradas en la forma en que la IA podría afectar la viabilidad de los medios.
Muchos de ellos expresaron su inquietud acerca de que la IA exacerbe los desafíos de
sostenibilidad que enfrentan las redacciones con menos recursos y que aún encuentran su
lugar en un mundo altamente digitalizado y una industria cada vez más impulsada por la IA:

La IA puede empoderar a las redacciones más pequeñas para experimentar y

llegar más lejos de lo que ha sido posible. La IA también podría ayudar a que los
medios grandes y consolidados se vuelvan más grandes y fuertes, eliminando a
los pequeños

56
 La IA podría convertirse en una encrucijada y un obstáculo insuperable para las
organizaciones periodísticas que no se den cuenta de que la IA es solo un aspecto nuevo
del progreso constante de la transformación digital. (…) algunas han sido muy lentas en
la digitalización de sus modelos de negocio (o ni siquiera han tenido éxito en hacerlo);
ahora, el próximo impacto está a la vuelta de la esquina

Varias redacciones esperaban que la IA las hiciera “más ágiles”, a partir de la automatización de
un número cada vez mayor de tareas:

Puede significar la pérdida de empleos porque el trabajo lo están realizando

actualmente, digamos, cinco personas, y es posible que solo se necesite una

Tendrá un impacto drástico… Si las máquinas pueden escribir historias, editarlas y

distribuirlas, eso implica que las redacciones deben ser más eficientes

Otros dijeron que la IA no “reemplazará los trabajos”. Más bien, redefinirá el papel de los
periodistas: “Dirigir la IA (...) requiere nuevas competencias y nuevas funciones”.
Otro entrevistado expresó :

Creemos que la IA no es una amenaza para los puestos de trabajo. Pero

habrá demanda de personas que aprendan a usar la IA de manera efectiva para
aprovechar su trabajo, y pronto muchos roles esperarán que las personas puedan
usar estas herramientas

La necesidad de un equilibrio entre la tecnología y el periodismo, un tema que surgió en nuestro

informe de 2019, sigue siendo imperativa para un futuro en el que las tecnologías de IA sirvan
al periodismo y su misión:

Implicará un replanteamiento de todo el flujo de trabajo y, al menos durante la fase

de adopción, un trabajo adicional para adaptarse a este nuevo enfoque. Habrá más
colaboración e intersección entre figuras periodísticas y técnicas

A otros les preocupaba que la dependencia de las tecnologías de IA socave los valores
periodísticos, por ejemplo, al impulsar contenido polarizado. Esto, a su vez, reduciría la
confianza del público en el periodismo, que muchos creen que está en declive, como se
señaló anteriormente:

57
 Puede facilitar el camino para algunas redacciones, pero también puede
amenazar los valores fundamentales del periodismo, afectando negativamente al
sector. Puede hacer que nuestro trabajo sea más eficiente, pero menos confiable, si
se usa mal

En este momento soy demasiado pesimista porque muchos medios se olvidan

de que el interés público y el voyeurismo no son lo mismo

Creo que va a cambiar lo que consideramos noticias. Desafortunadamente,

podría crear un mayor giro hacia los comentarios políticos y sociales sesgados a
medida que los humanos sienten la necesidad de diferenciarse

La forma en que la IA afecta a las organizaciones depende de varios factores, incluidos

el tamaño, la región y el acceso a los recursos:

Diferentes tipos de organizaciones periodísticas pueden enfrentarse a

oportunidades y amenazas diversas a raíz la IA, según su tamaño, recursos,
audiencia y objetivos. La IA no explotará la organización clásica, pero requerirá
adaptación e innovación por parte de los profesionales y las partes interesadas

58
Capítulo 5
La IA generativa y el periodismo

5.0 Los usos actuales

La IA generativa se ha visto favorecida por avances tecnológicos como la creación de
grandes modelos de lenguaje (LLM), un mayor espacio en servidores y potencia de
procesamiento, produciendo programas que han acelerado el poder de aprendizaje
para procesar el “lenguaje” en forma de texto, audio e imágenes.17 No son ‘sensibles’
o ‘inteligentes’ en un sentido humano genuino, pero lo parecen. A veces son inexactos
e incluso inventan hechos (“alucinaciones”) porque son máquinas de lenguaje, no
máquinas de “verdad”. Pueden acelerar o amplificar las capacidades de IA existentes
y, con indicaciones o adaptaciones, pueden proporcionar nuevas herramientas y
servicios. Presentan continuidades con la IA “tradicional”, pero también representan
una fase nueva -y algo impredecible- para las organizaciones periodísticas. Por lo tanto,
en general, nuestros encuestados describieron el compromiso con la IA generativa,
comprensiblemente, como un proceso experimental.

Experimentación de las redacciones con IA Generativa

100%

75% 85%

50%

25%

14% 1%
0%
Sí No es claro No

59
La gran mayoría de los encuestados, alrededor del 85 %, al menos ha experimentado
con tecnologías de IA generativa en diversos grados y de diversas maneras, como se
verá a continuación. Algunos ejemplos incluyen la escritura de código, la generación
de imágenes y la creación de resúmenes. Otros están más orientados a proyectos y,
en los casos más extremos, algunas redacciones dijeron que ya utilizan tecnologías IA
generativa con regularidad:

Los he usado para crear correos electrónicos, obtener fragmentos de código y

reformular una oración que creo que no es correcta

Hemos experimentado con el procesamiento del lenguaje natural, con

ChatGPT de Open AI. Lo usamos para generar contenido que utilizamos para
desarrollar infografías para nuestras redes sociales

Algunos entrevistados se aseguraron de indicar que sus usos de la tecnología de IA

generativa no han incluido la generación de contenido, lo que refleja un recelo con
respecto al uso de este tipo de IA en tareas editoriales:

Lo estamos usando, pero no para generar contenido. Hemos experimentado

con ChatGPT para analizar grandes cantidades de datos. Los diseñadores
gráficos han probado herramientas como DALL-E como referencia o fuente de
inspiración en el proceso de lluvia de ideas

Algunos mencionaron proyectos específicos en los que están trabajando sus

organizaciones y que utilizan tecnologías de IA generativa:

Estamos trabajando en una variedad de técnicas GPT3 y GPT4 para la

extracción de datos y el desarrollo de código

Hemos creado un presentador y su programa 100 % con IA generativa: la

imagen, su apariencia, lo que dice, la voz... Todo es IA, pero supervisada

Varios entrevistados afirmaron que ahora utilizan tecnologías de IA generativa con

regularidad en sus redacciones de diversas maneras, como sugerencias de titulares,
optimización de motores de búsqueda y producción de resúmenes:

Alentamos a todos a experimentar con estos. Por ejemplo, nuestro equipo de

redes sociales utiliza ChatGPT para resumir artículos, nuestro equipo de boletines
crea cuadros de información para usar en boletines, etcétera

Los utilizamos a diario para diversas tareas como resumir artículos, evaluar la
calidad del contenido, optimizar los motores de búsqueda y generar textos

60
 Utilizamos Bing Co-Pilot para sugerir títulos y subtítulos para temas, recopilar
información general y generar imágenes únicas para un artículo

Los usos de IA generativa en las redacciones dependen de su misión, tamaño,

experiencia y muchos otros factores. A diferencia de los ejemplos que acabamos de
mencionar, las organizaciones del Medio Oriente y el Norte de África no están utilizando
ChatGPT con el propósito de integrar la IA en su trabajo, sino en la formación y la
alfabetización mediática para demostrar sus deficiencias, incluidas las imprecisiones y
los prejuicios en el contenido árabe:

Nuestros periodistas utilizan ChatGPT o Bing AI, por ejemplo, para generar
textos utilizados en nuestra producción y también para detectar sesgos que se
utilizarán como ejemplos en la formación sobre alfabetización informacional
mediática. Por ejemplo, sobre la generación de discursos de candidatas en árabe,
las terminologías no tenían en cuenta el género y los periodistas tuvieron que
reeditar. Otro ejemplo está relacionado con la prueba de la exactitud de las
respuestas a las afirmaciones de los políticos en árabe. Las respuestas no
proporcionan información crítica, especialmente cuando se trata de la economía
y el sector bancario que patrocinan el contenido de los medios en el Líbano, pero
son uno de los principales impulsores de las crisis económicas

Aunque las redacciones todavía están experimentando en gran medida con ChatGPT
y otras tecnologías de IA generativa, la mayoría no ha tenido tiempo suficiente para
realizar evaluaciones integrales. Esto es de esperar dado que las herramientas de este
tipo de IA se hicieron accesibles al público a finales de 2022 con el lanzamiento de
ChatGPT de OpenAI. A pesar de su novedad, muchos entrevistados esperan un papel
más importante de la IA generativa en la creación de contenido, incluida la redacción de
resúmenes y titulares, la personalización de contenido y la codificación:

La IA puede ayudar a los periodistas a generar resúmenes, titulares, subtítulos

y otros tipos de contenido utilizando técnicas de generación de lenguaje natural.
La IA también puede ayudar a los periodistas a crear historias atractivas y
personalizadas para diferentes audiencias y plataformas utilizando sistemas de
recomendación y comprensión del lenguaje natural

(...) Quitar la carga del trabajo de generación de contenidos y adaptación a lo

que el usuario busca y centrarse en funciones periodísticas más centrales
(curación, investigación y análisis)

61
5.1 Las oportunidades que ofrece la IA generativa
Hemos revisado los diversos casos de uso de tecnologías de IA generativa que
compartieron los encuestados, pero ¿presentarán estos casos de uso y otros en el
futuro nuevas oportunidades para el periodismo que las “viejas” tecnologías de IA
no presentaron?
Sobre este punto hubo un alto nivel de acuerdo entre los encuestados: casi tres
cuartas partes coinciden con esta afirmación, particularmente con respecto a ayudar
a los periodistas a “generar textos” como resúmenes y titulares, a la distribución
personalizada e investigación y a la lluvia de ideas:

¿La IA generativa ofrece nuevas oportunidades?

90%
80%
70% 73%
60%
50%
40%
30%
20% 26%
10%
1%
0%
Sí No estoy seguro No

(...) La IA generativa puede ayudarnos a crear contenido atractivo y diverso,

como titulares, resúmenes, pies de foto, citas o incluso historias, basados en los
datos o la información que proporcionamos. También puede ayudarnos a
personalizar y adaptar nuestro contenido a diferentes audiencias, plataformas, y
formatos, utilizando técnicas de generación y adaptación del lenguaje natural… y
nos permiten explorar nuevos ángulos y perspectivas sobre temas que quizás no
habíamos considerado antes, generando preguntas, hipótesis o escenarios que
estimulen nuestra curiosidad y creatividad. En resumen, la IA generativa puede
mejorar nuestras habilidades y valores periodísticos y empoderarnos para
producir historias más relevantes e impactantes de maneras que ni siquiera
podemos imaginar

62
Los entrevistados señalaron que las ventajas de las tecnologías de IA generativa, como
su accesibilidad, los bajos requisitos de habilidades técnicas y lo que se describió como
su capacidad para comprender el “contexto”, las distinguen de otras tecnologías de IA
que generalmente requieren una profunda experiencia especializada en áreas como la
programación. Aquí presentamos algunas ideas de nuestros encuestados:

La capacidad de comprender el contexto ofrece una capacidad única para crear

modelos que comprendan el lenguaje mucho mejor y, al hacerlo, puede acercarnos
un paso más a la verificación automatizada de hechos. Por lo tanto, en el futuro, las
tecnologías del lenguaje generativo pueden ser más una ayuda que un desafío

La IA generativa puede ayudar por la forma democrática en la que han

llegado; es decir, no necesito un intermediario, un desarrollador que me haga la
aplicación que necesito. Es como una extensión de Chrome. Me hace la vida más
fácil. La facilidad con la que hoy, en 2023, se puede hacer IA en comparación con
2020 es impresionante

La IA generativa parece requerir muchas menos habilidades técnicas por parte

del usuario final y con tiempos de respuesta mucho más rápidos, lo que nos
permite llevarlo a cabo rápidamente en toda la organización

La IA generativa puede cambiar la forma en que interactuamos con la

información, permitiéndonos captar cantidades masivas de datos y nivelar el
campo de juego entre habilidades con alto y bajo nivel de datos. Pueden darnos
mucho más control sobre la información que utilizamos para escribir noticias, ya
que nos ayudan en las tareas de redacción que consumen mucho tiempo

Con todas esas posibilidades en mente y a medida que avanza el recorrido de

experimentación, los periodistas están tratando de descubrir cuán drásticamente las
tecnologías de IA generativa podrían elevar el umbral de productividad:

Siempre hay limitaciones de recursos. El techo de productividad siempre está

ahí. Creo que una de las preguntas más interesantes es: ¿puede la IA, en
particular la generativa, cambiar radicalmente ese techo de productividad?

Esto está sucediendo a medida que estos modelos continúan mejorando. Mientras
que millones de personas experimentan con estas herramientas, los modelos están
ingiriendo datos masivos que probablemente los mejoren.

63
5.2 Los desafíos de la IA generativa
Curiosamente, los encuestados se encuentran más divididos en lo que respecta al
interrogante acerca de si la IA generativa presenta un conjunto diferente de desafíos
en la redacción en comparación con otras tecnologías de IA. Un poco más de la mitad
de los encuestados, el 52 %, no está seguro de si este es el caso, mientras que el 40 %
considera que la IA generativa presenta nuevos desafíos.
Algunos entrevistados argumentaron que los tipos de retos que presentan no son muy
diferentes de los que plantean otras tecnologías de IA (es decir, transparencia, sesgo,
inexactitud y problemas de privacidad). Sin embargo, creen que las tecnologías de
IA generativa exacerban en un grado considerable esos desafíos, potenciando así su
posible daño:

La IA generativa tiene una mayor tendencia a producir resultados sesgados

Cómo abordar la transparencia y la confianza en relación con la IA generativa

es realmente un gran desafío

¿La IA generativa crea nuevos desafíos?

60%

52%

40%
40%

20%

8%
0%
Sí No No estoy seguro

Para algunos, la IA generativa eleva el riesgo a un nuevo nivel:

Los requisitos de solidez (por ejemplo, factibilidad y ausencia de sesgos

dañinos) son aún mayores en el caso de la IA generativa, ya que los errores son
potencialmente más dañinos que con la mayoría de las otras tecnologías de IA

64
En particular, muchos entrevistados están preocupados por las repercusiones de la IA
generativa en la desinformación y las noticias falsas. Expresaron temores de que esto
pudiera exacerbar aún más el problema y ampliar su escala:

La IA generativa permitirá la producción y distribución de desinformación a una

escala que no hemos visto antes; esto potencialmente afectará el consumo de
noticias, pero también enviaría los usuarios a fuentes más confiables

Hasta ahora, no puedo confiar en la IA para verificar los hechos. Especialmente

porque la herramienta masiva más común (ChatGPT) funciona con datos falsos. En
la etapa actual, la IA puede ayudarme a escribir y redactar, pero nunca confiaría en
su precisión hasta que un editor [humano] la revise

Me preocupa mucho la generación de contenidos sin verificación. Los

modelos generativos que tenemos actualmente no tienen un escenario para
verificar su contenido y eso es preocupante. Ya hemos tenido algunos ejemplos.
Incluso cuando hemos hecho algunas pruebas, hemos visto que hay una
generación de contenido aleatorio, que ni siquiera está orientado, sino que
directamente obtiene una solución que no existe

Algunos entrevistados creen que la IA generativa produciría contenido manipulado más

sofisticado, lo que requeriría a cambio métodos de validación también más sofisticados.
Aquí incluimos algunos ejemplos de nuestro estudio:

(...) El contenido generado por IA (fotos, vídeos, audio, texto) es más

complicado de desacreditar porque no hay material de referencia con el que
cotejarlo. Es completamente una obra de ficción a diferencia de, digamos, una
foto manipulada; con este tipo de desinformación, al menos tienes una foto
original con la que comparar la versión falsa. El contenido generado por IA no
funciona así

65
 Generar historias y textos utilizando IA podría reducir la confianza, aumentar
las imprecisiones y perpetuar el sesgo editorial

Me preocupa el poder que representa la IA generativa y es necesario tener

herramientas que verifiquen automáticamente [el contenido producido por]
ChatGPT en tiempo real

Es necesario garantizar que los periodistas no recurran a ChatGPT para

analizar historias. El software de IA que puede ayudar a identificar historias
escritas por robots será muy útil para garantizar que el contenido original siga
siendo central en la producción de noticias

66
Capítulo 6
La disparidad global en el
desarrollo y la adopción de la IA

6.0 La división entre el Norte y el Sur

Actualmente, los beneficios sociales y económicos de la IA se concentran
geográficamente de manera primordial en el Norte Global.18 Esto se debe a varias
razones, entre las que se encuentran la disponibilidad de infraestructura técnica, la
abundancia de capital y las instituciones de investigación bien financiadas en estos
países.19 Este capítulo arroja luz sobre la desigualdad global en el desarrollo y la
adopción de la IA. Como se notará, adoptamos un enfoque más analítico en este
capítulo que en el resto del informe. ¿Por qué?
Para beneficiarnos colectivamente de las tecnologías de IA de una manera más equitativa,
debemos comprender mejor cómo y por qué existe la desigualdad global en la IA. Un paso
hacia eso es prestar mucha atención a los desafíos que la adopción de la IA impone a la
mayoría de la población mundial, que reside en los países del Sur Global.20
Primero aclaremos la distinción Norte/Sur Global y por qué la adoptamos en este
informe. La terminología Norte/Sur Global no se refiere a una “región geográfica en
ningún sentido tradicional, sino más bien al poder y la riqueza relativos de países en
distintas partes del mundo”:21

A finales del siglo XX, la terminología del Norte y del Sur Globales reemplazó a los
descriptores anteriores del orden global. En general, se acordó que el Norte Global
incluiría a Estados Unidos, Canadá, Inglaterra, las naciones de la Unión Europea, así
como Singapur, Japón, Corea del Sur e incluso algunos países del hemisferio sur:
Australia y Nueva Zelanda. El Sur Global, por otro lado, incluiría países anteriormente
colonizados en África y América Latina, así como Medio Oriente, Brasil, India y partes
de Asia. Muchos de estos países todavía están marcados por las repercusiones
sociales, culturales y económicas del colonialismo, incluso después de lograr la
independencia nacional. El Sur Global sigue siendo el hogar de la mayoría de la
población mundial, pero esa población es relativamente joven y pobre en recursos, y
vive en naciones económicamente dependientes22

67
Optamos por utilizar la distinción Norte/Sur para ampliar un marco consciente del poder,
que tenga en cuenta las dinámicas de poder que gobiernan el desarrollo y la adopción de
la IA en las redacciones a nivel mundial, al tiempo que defendemos que el Norte Global y el
Sur Global no son de ninguna manera monolíticos, ya que cada uno incluye países social y
políticamente diversos.

6.1 Desafíos económicos y de infraestructura

Tal como se analizó en el Capítulo 2, las tecnologías de IA plantean una serie de desafíos
éticos y de otro tipo para todas las industrias, incluida la periodística. Estos retos se
experimentan en todos los ámbitos de las redacciones, independientemente de su tamaño,
recursos o ubicación geográfica. Sin embargo, para las de los países del Sur Global, los
desafíos son mucho más pronunciados. Los encuestados de estos países destacaron
lagunas de conocimiento, limitaciones de recursos, barreras idiomáticas, así como también
desafíos infraestructurales, legales y políticos.
Un encuestado del Medio Oriente y el norte de África mencionó las realidades políticas y
económicas bajo las cuales operan los medios independientes de bajos recursos, lo que
enfatiza el desafío de competir con la propaganda estatal local y extranjera impulsada por IA
(es decir, bots y campañas de desinformación), en un contexto de bajas tasas de penetración
de Internet:

Estamos hablando de una región devastada por la guerra. Tenemos millones de

refugiados y millones que viven en profundas crisis económicas, desde el Líbano hasta
Egipto. En nuestra región, millones de personas se ven privadas del acceso a Internet,
que debería ser un derecho básico, o tienen un acceso limitado a esta tecnología.
Como medio de comunicación independiente que produce contenidos profesionales,
te enfrentas a bajas tasas de penetración de Internet y a una propaganda estatal
represiva que domina la esfera digital... Esto crea un analfabetismo digital, que es muy
difícil de afrontar, y es un desafío clave para nosotros

Algunos desafíos se comparten en grandes áreas del Sur Global. Los encuestados en el
África subsahariana, el Medio Oriente, el norte de África y Asia-Pacífico mencionaron bajas
tasas de penetración de Internet y dificultades para contratar expertos técnicos:

La tecnología no está plenamente adoptada en la mayoría de los medios de

comunicación de Malawi. Parte de la razón [es] su deficiente infraestructura de Internet
y su penetración de Internet, [que es] bastante baja

68
 Una infraestructura tecnológica adecuada y una conectividad generalizada a
Internet son esenciales para implementar soluciones de IA. En Egipto, puede haber
disparidades en el acceso a conexiones confiables a Internet, particularmente en las
zonas rurales. Abordar la brecha de infraestructura y garantizar una conectividad
generalizada es crucial para facilitar la adopción de IA

6.2 Desafíos de idioma y accesibilidad

Otros desafíos son exclusivos de los contextos locales. Por ejemplo, los desafíos
lingüísticos relacionados con la IA en la India o en otros países que albergan cientos de
idiomas son distintos:

La adopción de la IA en la India y especialmente en el noreste de la India

enfrenta muchos desafíos. Tenemos más de 200 tribus con sus distintos idiomas
y culturas. Hay una falta de fuerza laboral calificada, problemas de calidad y
disponibilidad de los datos, marcos éticos y regulatorios en evolución, brechas de
infraestructura y conectividad

Algunos desafíos para la adopción de la IA están interrelacionados. La baja penetración

de Internet conduce a una baja alfabetización digital, lo que facilita que prospere
la desinformación. De manera similar, las limitaciones de recursos dificultan la
contratación o incluso la búsqueda de expertos en IA:

El desarrollo e implementación de tecnologías de IA requiere una fuerza laboral

capacitada con experiencia en IA, ciencia de datos y campos relacionados. En Egipto
nos podemos enfrentar a desafíos en términos de disponibilidad de profesionales con
las habilidades y conocimientos necesarios

[El] gobierno de Botswana no promueve la transparencia y no cuenta con leyes ni

políticas integrales de privacidad de datos que promuevan el acceso a la información.
Esto dificulta promover el dinamismo en la adopción de tecnologías impulsadas por la
IA en un país que se apresura a reprimir el contenido digital

Se incentiva a los desarrolladores locales a trabajar en empresas extranjeras que tienen

más probabilidades de ofrecer salarios más altos:

Nuestras redacciones tienen recursos limitados y la capacidad tecnológica

es costosa

La escasez de recursos [es un desafío]. En Argentina (y en América Latina) los

desarrolladores tienden a trabajar para empresas extranjeras que pueden pagar
salarios altos

69
Las empresas de tecnología invierten la gran mayoría de sus recursos en los mercados
occidentales. La mayoría de las herramientas están diseñadas para angloparlantes, lo
que genera desafíos de accesibilidad tanto para quienes no hablan inglés como para
quienes hablan inglés con acento no occidental.
Un encuestado radicado en Filipinas resumió cómo se cruzan las limitaciones de
recursos, las lagunas de conocimiento y las barreras lingüísticas:

Las tecnologías de IA desarrolladas han estado disponibles predominantemente

en inglés, pero no en muchos idiomas asiáticos (con la posible excepción del chino
[mandarín]). Tenemos que ponernos al día doblemente para crear sistemas de IA y
sistemas de IA que funcionen con nuestros idiomas locales. También existen
oportunidades de financiación limitadas que nos permitan explorar el uso de
sistemas de IA en nuestros trabajos. Y, por último, algunos países del Sudeste
Asiático (como el nuestro, Filipinas) no son tan avanzados como nuestros vecinos,
por lo que solo hay un puñado de expertos en IA en el país, y mucho menos
expertos en IA en periodismo

Los encuestados nos proporcionaron varios ejemplos que ilustran problemas al utilizar
herramientas de IA en idiomas distintos del inglés o con acentos del inglés no occidental:

Coral ha tenido mucho éxito como herramienta de moderación de comentarios,

pero todavía encontramos que los comentarios del área ‘gris’ requieren un elemento
humano, especialmente porque es una herramienta estadounidense que no está
diseñada para la audiencia sudafricana

El machine learning para la codificación es un verdadero factor decisivo. Trint para

la conversión de voz a texto es muy recomendable, pero la traducción a cualquier otro
idioma que no sea inglés, mandarín o cantonés necesita mejoras

Las herramientas de inteligencia artificial de voz no parecen africanas, no son

auténticas en absoluto

70
Se espera que las tecnologías de IA generativa, que nuestros encuestados describieron
como más accesibles que las de IA tradicionales, ayuden a superar las disparidades
regionales en la adopción de la IA. Recomendamos un optimismo cauteloso. Si miramos
ChatGPT, por ejemplo, la herramienta de acceso público más famosa, encontramos
que no está disponible para una gran proporción de la población mundial por varias
razones. OpenAI no admite el acceso a ChatGPT en Rusia, Venezuela, Zimbabwe, Cuba
(probablemente debido a las sanciones de Estados Unidos), ni en China.23 Según se
informa, Egipto ha prohibido ChatGPT por cuestiones de privacidad.24 La mayoría de
estos países se encuentran entre los más poblados del mundo.

Herramientas como ChatGPT no están disponibles en Zimbabwe a menos que

uses VPN y necesitas tener un número extranjero para obtener el código

Existen limitaciones para nuestro país en algunas plataformas (es decir,

ChatGPT no funciona en Egipto) y la mayoría de las herramientas no son
compatibles de forma nativa con el árabe

Las tecnologías de IA generativa como ChatGPT también están fuera del alcance de cientos
de millones de personas en todo el mundo debido a problemas de accesibilidad, como las
tasas de penetración de Internet, especialmente en las zonas rurales.

6.3 Las realidades políticas afectan la confianza en la IA

El sesgo algorítmico afecta desproporcionadamente a las comunidades marginadas,
causando potencialmente daños graves, como lo han demostrado las investigaciones
(por ejemplo, la discriminación racial en las tecnologías de reconocimiento facial).25
De manera similar, perpetuar el sesgo es aparentemente un problema mayor para el
contenido en idiomas distintos del inglés, como se menciona en el Capítulo 3:

Las herramientas impulsadas por IA son más avanzadas en inglés y los

experimentos en tecnología adaptada al Medio Oriente y el norte de África
también son modestos. Esto afecta, por ejemplo, a la precisión de los datos
recopilados y el análisis de sentimientos

Los estudiosos de la IA han advertido que ignorar los contextos sociales, políticos y
culturales contribuye a aumentar el sesgo algorítmico y ampliar la disparidad global en
la IA.26 Los encuestados señalaron que muchas herramientas y aplicaciones de la IA no
logran comprender los contextos y las culturas locales:

La mayoría de las herramientas no son aplicables a nuestro idioma o contextos

La IA generativa [no soporta] los idiomas indios o nuestros matices culturales en

sus respuestas

71
El escepticismo hacia la IA por parte de las redacciones de los países del Sur Global
también se debe a la desconfianza en las entidades involucradas en su desarrollo y a
la adopción a gran escala, como las empresas de tecnología global y las instituciones
tecnológicas y de medios locales financiadas por los gobiernos. Por ejemplo, en el
Medio Oriente y el norte de África, la alineación entre estas empresas y los gobiernos se
consideró un obstáculo importante para la confianza. En este sentido, un encuestado
señaló que las redacciones de esta zona con recursos para implementar IA estaban
alineadas con gobiernos no democráticos:

En el caso del Medio Oriente y el norte de África, las grandes organizaciones

de medios son portavoces de gobiernos que no son democráticos y, por lo tanto,
no invierten en periodismo de calidad que contribuya a la rendición de cuentas y
al cambio democrático. Por lo tanto, las tecnologías impulsadas por la IA no
llegarán a las pequeñas plataformas de medios independientes que llegan a los
jóvenes y contribuyen a fomentar el pensamiento crítico

Se teme que las redacciones más pequeñas que promueven el interés público y el
periodismo de rendición de cuentas tengan dificultades para sobrevivir. Esto podría tener
implicaciones importantes para todo el ecosistema de noticias.
Incluso si los modelos locales de IA estuvieran disponibles en abundancia, la confianza
seguiría siendo un problema. Al hablar de la aplicación móvil “Allam”, un chatbot
desarrollado por el gobierno saudita similar a ChatGPT, un encuestado explicó cómo
esos proyectos siguen ligados a consideraciones políticas, lo que disminuye la confianza
de los usuarios:

Este es un modelo local. ¿Confiamos en los conjuntos de datos utilizados por

las instituciones estatales árabes? [Uno se pregunta] si estos fueron equilibrados o
representativos o si los datos fueron manipulados. Lamentablemente, este es uno
de los temas que abordamos a nivel regional. No tenemos modelos ‘panárabes’
creados por instituciones árabes independientes en cuyas decisiones se pueda
confiar cuando se trata de entrenar conjuntos de datos. Ustedes saben lo sensibles
que son algunos de estos contextos... La IA requiere una gran financiación para ser
competitiva... Las realidades políticas árabes plantean preguntas urgentes sobre la
confiabilidad de los modelos [locales de IA]. ¿Serán de código abierto? ¿Se adaptan
a las necesidades de las redacciones árabes? ¿Pueden las redacciones agregar sus
propios conjuntos de datos, por ejemplo?

72
Es importante señalar que las preocupaciones sobre la capacidad de la IA para habilitar la
vigilancia y el control gubernamental no son exclusivas del Sur Global y han sido intrínsecas
a las discusiones críticas sobre ella en el Norte Global también.27 Ya en 2013, las revelaciones
de Edward Snowden expusieron en detalle las interdependencias entre los gobiernos y las
empresas de tecnología.28 El programa PRISM ilustró cómo el gobierno de Estados Unidos
utilizó la infraestructura de vigilancia construida por empresas de tecnología como Google y
Facebook, utilizando los datos que recopilaron con fines de marketing para avanzar en sus
propias prácticas de vigilancia. 29
A pesar de los innumerables y complejos desafíos que enfrentan las redacciones en
los países del Sur Global, los encuestados de las redacciones de la región expresaron
entusiasmo por desarrollar capacidades y compartir experiencia en IA. Podría decirse
que tienen que hacerlo si quieren sobrevivir, ya que la IA está transformando el
periodismo. Esto es particularmente cierto para las redacciones más pequeñas que
dependen de la financiación y cuya misión se basa en el periodismo de interés público y
en hacer que el poder rinda cuentas.

73
Los entrevistados señalaron que la colaboración podría ser especialmente útil en los
países del Sur Global que comparten desafíos similares.

Creemos que la colaboración sería especialmente útil entre redacciones del Sur
Global, como la nuestra. Creemos que desarrollar modelos en idiomas diferentes al
inglés (español, en nuestro caso) es muy importante para las redacciones

Esto podría implicar esfuerzos conjuntos para crear algoritmos de IA

personalizados para el contexto africano y establecer estándares de la industria para el
uso responsable de la IA

La colaboración entre las redacciones del Sur y del Norte Global también se destacó
como un paso hacia la reducción de la disparidad global en la IA:

Existe una gran brecha entre el Norte y el Sur Global. Ambos deben ser
resilientes juntos y colaborar para exponer los sesgos en la IA y tener una
conversación seria sobre las regulaciones y políticas de esta tecnología

74
Conclusión
¿Qué significa la IA para
el periodismo?

Le advertimos que todo esto podría tratarse de una reacción a un proceso en constante
cambio. Aquí se aplica la ‘ley de Amara’: “Sobreestimamos el impacto de la tecnología
a corto plazo y subestimamos el efecto a largo plazo”. Algunas nuevas tecnologías
requieren tiempo. El primer periódico digital surgió en 1980, pero fue 17 años después
cuando se lanzó la edición digital de la BBC. OpenAI apenas anunció ChatGPT a finales
de noviembre de 2022, pero en enero de 2023 comunicaban haber alcanzado un millón
de usuarios. Las cosas se están moviendo rápido y algo podría romperse. Las rutinas
profesionales no serán las mismas y algunos trabajos serán reemplazados. Se crearán
nuevos perfiles con diferentes habilidades y responsabilidades. Muchos periodistas que
han experimentado con IA generativa pueden ver cómo esta puede hacer su trabajo de
manera mucho más eficiente y agregar nuevas dimensiones en su oferta al público.
Como ha mostrado este informe, para las organizaciones periodísticas, esta es
una tecnología volátil. La mayoría de los participantes es consciente de los riesgos
inherentes a la implementación de la IA en general y de peligros como los sesgos o
la inexactitud. Están descubriendo que aplicarla en la producción de noticias tiene
posibilidades inmediatas, pero resulta incierto cómo dará forma a la práctica periodística
en el futuro.
Es importante entender el contexto más amplio. Hay cuestiones importantes en torno
a la regulación, la propiedad intelectual y la competencia comercial a las que atender.
Existen grandes preocupaciones sociales en torno a la desinformación, la discriminación
y los sesgos, además de inquietudes con respecto a peligros como la captura de los
medios por parte de grandes empresas o incluso gobiernos relacionados con la IA. No
debemos perder de vista este panorama más amplio que excede al sector periodístico.
Sin embargo, como periodistas que informan sobre el mundo, debemos ser mucho más
conscientes de nuestro papel al comunicar críticamente sobre cómo la IA está cambiando
nuestras vidas, de manera fundada e independiente. Nuestra encuesta sugiere que existe
una conciencia de esto, aunque la mayoría de los profesionales están poniendo la mayor
parte de su energía en comprender y resolver los desafíos prácticos inmediatos.

75
Que este sea o no un mundo feliz depende en gran medida de que los humanos tomen
decisiones estratégicas y éticas dentro de las organizaciones periodísticas. Si queremos
hacer un clickbait automatizado e insípido, entonces esta tecnología lo hace mucho
más fácil; pero también ofrece la oportunidad de que los “buenos” periodistas hagan un
trabajo más “humano” con el apoyo de la IA. En un mundo de información creada por
máquinas, en gran parte poco fiable, esta es una oportunidad para que el periodismo
de servicio público responsable demuestre su valor. Además, ofrece formas para que
la profesión se reinvente a sí misma de manera imaginativa..La IA generativa ha creado
una amenaza de “desintermediación” para los medios de comunicación. ¿Por qué las
personas deberían acudir a una organización periodística para obtener información si solo
pueden solicitar un chatbot? Esta encuesta sugiere que muchas redacciones ahora están
trabajando arduamente para responder esa pregunta de una manera que afirme la utilidad
y la importancia del periodismo como parte de nuestra vida social, económica y política.
Esperamos trabajar con ellos en esa travesía.

Seis pasos hacia una estrategia sobre IA para

organizaciones periodísticas
1 Infórmese. Visite la web de JournalismAI de LSE para obtener formación introductoria
actualizada, acceda al JournalismAI Starter Pack, nuestro repositorio de estudios
de casos y una serie de informes sobre ejemplos de innovación. También hay otras
fuentes a disposición para explorar. (Vea la sección de Lecturas y Recursos)
2 Amplíe su conocimiento sobre IA. Todos debemos comprender los componentes de
estas tecnologías que son las que más afectan al periodismo, porque impactarán en
el trabajo de todos (no solo el editorial, y no solo la gente de “tecnología”).
3 Asigne responsabilidades. Alguien en su organización debe tener la responsabilidad
de supervisar los desarrollos tanto en su lugar de trabajo como más ampliamente.
Asigne liderazgos sobre innovación e I+D centrada en la IA, y dialogue dentro de su
organización sobre esta tecnología.
4 Pruebe, itere y repita. Experimente y escale, pero siempre con supervisión y gestión
humana. No se apresure a usar la IA hasta que se sienta cómodo con el proceso.
Siempre revise el impacto.
5 Elabore guías. Pueden ser generales o específicas. Este es un proceso de aprendizaje
útil cuando se realiza de manera inclusiva para involucrar a todas las partes
interesadas. Y prepárese para revisarlas y cambiarlas con el tiempo.
6 Colabore y trabaje en red. Hay muchas instituciones como universidades o
intermediarios como startups que están trabajando en este campo. Hable con otras
organizaciones periodísticas sobre lo que han hecho. Las tecnologías de IA generativa
pueden presentar nuevas oportunidades para la colaboración en las redacciones
dado el gran entusiasmo y la accesibilidad que producen.

76
Glosario

Algoritmo
“Un procedimiento para resolver un problema matemático en un número finito de pasos
que frecuentemente implica la repetición de una operación”. En términos más generales, “un
procedimiento paso a paso para resolver un problema o lograr algún fin”.30

Inteligencia Artificial (IA)

“Una colección de ideas, tecnologías y técnicas que se relacionan con la capacidad de un
sistema informático para realizar tareas que normalmente requieren inteligencia humana”.31

Automatización
“La técnica, método o sistema de operar o controlar un proceso por medios altamente
automáticos, como dispositivos electrónicos, reduciendo la intervención humana al mínimo”. 32

Sesgo
Un prejuicio o error sistemático que afecta la racionalidad y equidad de una decisión. Arraigada
en la teoría de la decisión, la psicología cognitiva y la estadística, la noción de sesgo es
extremadamente importante, ya que tanto el periodismo como las técnicas de inteligencia
artificial dependen en última instancia de dwecisiones humanas y, como tales, están sujetas
a sesgos “cognitivos” (sesgo de confirmación, efecto de arrastre, etcétera). Cuando esto se
refleja en conjuntos de datos incorrectos, incompletos o defectuosos para entrenar algoritmos
de IA, esto puede resultar en decisiones igualmente defectuosas impulsadas por la IA: “Los
algoritmos pueden tener sesgos incorporados porque son creados por individuos que tienen
preferencias conscientes o inconscientes que pueden pasar desapercibidas. hasta que los
algoritmos se utilicen y potencialmente se amplifiquen públicamente”.33

Bot
“Bot” es la abreviatura de “robot” y generalmente se refiere a software “similar a un agente”, es
decir, que exhibe autonomía o características autónomas. Un bot es “una pieza de software que
puede ejecutar comandos, responder mensajes o realizar tareas rutinarias, como búsquedas
en línea, ya sea automáticamente o con una mínima intervención humana”.34 Los bots pueden
realizar tanto actividades perfectamente legítimas (por ejemplo, asistentes inteligentes, motores
de búsqueda arañas) como maliciosas (por ejemplo, difundir encubiertamente información
falsa y propaganda política en coordinación con otros robots, dentro de la denominada
“botnet”).35

77
Data Mining o Minería de datos
“La minería de datos se define más comúnmente como el proceso de utilizar computadoras y
automatización para analizar conjuntos grandes de datos en busca de patrones y tendencias,
convirtiendo esos hallazgos en conocimientos y predicciones empresariales. La minería de
datos va más allá del proceso de búsqueda, ya que utiliza datos para evaluar probabilidades
futuras y desarrollar análisis accionables”.36

Deepfakes
Esta es la forma negativa de un concepto más amplio de “medios sintéticos”. Se trata de audios
y videos alterados mediante técnicas de machine learning y deep learning para lograr el máximo
realismo en la falsificación en tiempo real. El término originalmente proviene de un usuario de
Reddit que, en 2017, utilizó dichas técnicas para agregar rostros de celebridades a contenido
pornográfico de manera realista y dinámica 37, y ahora se utiliza ampliamente para cualquier tipo
de contenido, incluyendo el de naturaleza política.38

Deep Learning
“El deep learning (aprendizaje profundo) es un subconjunto del machine learning en IA que tiene
redes capaces de aprender de forma no supervisada a partir de datos no estructurados o sin
etiquetar. También conocido como aprendizaje neural profundo o redes neuronales profundas”,
es una de las aplicaciones más avanzadas en la actualidad de la IA, impulsando una amplia
gama de herramientas de reconocimiento de imágenes, voz y texto.39

IA generativa
“La IA Generativa es un subcampo del aprendizaje automático que implica la generación de
nuevos datos o contenido basado en un conjunto dado de datos de entrada. Esto puede incluir
la generación de texto, imágenes, código u otro tipo de datos. Por lo general, la IA generativa
utiliza algoritmos de aprendizaje profundo para aprender patrones y características en un
conjunto de datos dado y luego generar nuevos datos basados en los datos de entrada
subyacentes”.40

Alucinaciones
“La alucinación es el término empleado para el fenómeno en el que los algoritmos de IA y
las redes neuronales de aprendizaje profundo producen resultados que no son reales, no
coinciden con ningún dato en el que el algoritmo haya sido entrenado, ni con ningún otro
patrón identificable. No puede ser explicado por la programación, la información de entrada
u otros factores como la clasificación incorrecta de datos, el entrenamiento inadecuado o la
incapacidad para interpretar preguntas en diferentes idiomas o contextualizar preguntas”.41

78
Large Language Models (LLMs) o Modelos de
Lenguaje Extensos
“Los Modelos de Lenguaje Extensos (o LLMs por sus siglas en inglés) son un subconjunto de
la IA que ha sido entrenado con vastas cantidades de datos de texto para producir respuestas
similares a las humanas en diálogos u otras entradas de lenguaje natural. Para producir
estas respuestas en lenguaje natural, los LLMs utilizan modelos de aprendizaje profundo, que
emplean redes neuronales de múltiples capas para procesar, analizar y hacer predicciones con
datos complejos”.42

Machine learning (ML)

“El aprendizaje automático es una aplicación de la IA que proporciona a los sistemas
la capacidad de aprender y mejorar automáticamente a partir de la experiencia sin ser
programados explícitamente “.43

Optical Character Recognition (OCR, Reconocimiento Óptico

de Caracteres)
“El Reconocimiento Óptico de Caracteres (OCR) es la conversión electrónica de imágenes
de texto en texto codificado digitalmente utilizando software especializado. El software OCR
permite que una computadora convierta un documento escaneado, una fotografía digital
de texto u otra imagen digital de texto en datos legibles por máquina y editables. El OCR
generalmente implica tres pasos: abrir y/o escanear un documento en el software OCR,
reconocer el documento en el software OCR y luego guardar el documento producido por el
OCR en un formato de su elección”.44

Procesamiento de Lenguaje Natural (Natural Language

Processing, NLP)
“El Procesamiento de Lenguaje Natural, generalmente abreviado como NLP, es una rama
de la IA que se ocupa de la interacción entre las computadoras y los humanos utilizando el
lenguaje natural. El objetivo final del NLP es leer, descifrar, entender y dar sentido a los lenguajes
humanos de una manera valiosa. La mayoría de las técnicas de NLP dependen del aprendizaje
automático para extraer significado de los lenguajes humanos”.45

Generación de Lenguaje Natural (Natural Language

Generation, NLG)
NLG es un subconjunto de NLP. “Mientras que la comprensión del lenguaje natural se enfoca
en la comprensión de lectura por parte de la computadora, NLG permite que las computadoras
escriban. NLG es el proceso de producir una respuesta en lenguaje humano basada en
datos de entrada. Este texto también puede convertirse en un formato de habla a través de
servicios de texto a voz. NLG también abarca capacidades de resumen de texto que generan
resúmenes a partir de documentos de entrada manteniendo la integridad de la información “.46

79
Redes Neuronales
“Un programa o sistema que está modelado según el cerebro humano y está diseñado para
imitar el método de funcionamiento del cerebro, particularmente el proceso de aprendizaje”.47
“Una arquitectura informática en la que varios procesadores están interconectados de
manera similar a las conexiones entre neuronas en un cerebro humano y que es capaz de
aprender mediante un proceso de prueba y error “.48

Ingeniería de Prompts (Prompt Engineering)

“Los prompts son indicaciones dadas a un LLM para aplicar reglas, automatizar procesos y
garantizar cualidades (y cantidades) específicas en la producción generada. Las instrucciones
también son una forma de programación que puede personalizar las salidas e interacciones
con un LLM”.49

Optimización para Motores de Búsqueda (Search Engine

Optimisation, SEO)
“En términos simples, SEO implica el proceso de mejorar tu sitio web para aumentar su
visibilidad en Google, Microsoft Bing y otros motores de búsqueda cuando las personas
buscan productos que vendes, servicios que proporcionas o información sobre temas en
los que tienes experiencia y/o conocimientos profundos. Cuanta mejor visibilidad tengan tus
páginas en los resultados de búsqueda, mayor será la probabilidad de que te encuentren y
hagan clic en ellas”.50

Medios Sintéticos (Synthetic Media)

“Medios sintéticos” es un término general que se refiere a contenido digital generado por
medios de IA o algoritmos, a menudo con la intención de parecer real.51 Los deepfakes son un
tipo de medio sintético “.

80
Referencias

Introducción
1 Brennen, J. Scott, et al. “An Industry-Led Debate: How UK Media Cover Artificial
Intelligence”. Reuters Institute, 2018, https://reutersinstitute.politics.ox.ac.uk/sites/
default/files/2018-12/Brennen_UK_Media_Coverage_of_AI_FINAL.pdf. Fecha de
acceso: 14 Agosto 2023.
2 Foy, Peter. “What is Generative AI? Key Concepts & Use Cases”. MLQ.ai, 5
Diciembre 2022, https://www.mlq.ai/what-is-generative-ai/. Fecha de acceso: 10
Agosto 2023.
3 Russell, Adrienne. “Networked: A Contemporary History of News in Transition”.
Wiley, 2011.
4 Chadwick, Andrew. “The Hybrid Media System: Politics and Power”. Oxford
University Press, Estados Unidos, 2013.

Capítulo 1
5 Maldita. “Disinformation on WhatsApp: Maldita.es’ chatbot and the “Frequently
Forwarded” attribute · Maldita.es - Periodismo para que no te la cuelen”. Maldita.
es, 3 Junio 2021, https://maldita.es/nosotros/20210603/disinformation-whatsapp-
chatbot-frequently-forwarded-attribute. Fecha de acceso: 14 Agosto 2023.

6 Neil Patel. “Ubersuggest: Free Keyword Research Tool”. Neil Patel, https://
neilpatel.com/ubersuggest/?utm_source=neilpatel.com&utm_medium=blog&utm_
content=StepByStepGuideGrowingTrafficUbersuggest. Fecha de acceso: 14 Agosto
2023.

7 Bloomberg. “Introducing BloombergGPT, Bloomberg’s 50-billion parameter large

language model, purpose-built from scratch for finance | Press”. Bloomberg.com, 30
Marzo 2023, https://www.bloomberg.com/company/press/bloomberggpt-50-billion-
parameter-llm-tuned-finance/. Fecha de acceso: 14 Agosto 2023.

81
8 The Washington Post. “The Washington Post leverages automated storytelling to
cover high school football - The Washington Post”. Washington Post, 1 Septiembre
2017, https://www.washingtonpost.com/pr/wp/2017/09/01/the-washington-post-
leverages-heliograf-to-cover-high-school-football/. Fecha de acceso: 14 Agosto
2023.

9 Kunova, Marcela, y Marcela Kunova. “The Times employs an AI-powered ‘digital

butler’ JAMES to serve personalised news”. Journalism.co.uk, 24 Mayo 2019, https://
www.journalism.co.uk/news/the-times-employs-an-ai-powered-digital-butler-james-
to-serve-personalised-news/s2/a739273/. Fecha de acceso: 14 Agosto 2023.

10 Czech Radio. “Artificial Intelligence Writes Stories for Czech Radio. The Launch
of the Digital Writer Project”. Czech Radio, Diciembre 2023, https://www.czech.
radio/artificial-intelligence-writes-stories-czech-radio-launch-digital-writer-
project-8384063. Fecha de acceso: 14 Agosto 2023.

11 Kobie, Nicole. “Reuters is taking a big gamble on AI-supported journalism”. Wired

UK, 10 Marzo 2018, https://www.wired.co.uk/article/reuters-artificial-intelligence-
journalism-newsroom-ai-lynx-insight. Fecha de acceso: 14 Agosto 2023.

12 ArcXP. Arc XP: Enterprise CMS y DXP solution, https://www.arcxp.com/. Fecha de

acceso: 15 Agosto 2023.

13 Abels, Grace. “What is the future of automated fact-checking? Fact-checkers

discuss”. Poynter, 28 Junio 2022, https://www.poynter.org/fact-checking/2022/how-
will-automated-fact-checking-work/. Fecha de acceso: 14 Agosto 2023.

14 Reuters. “Reuters News Tracer”. Reuters News Agency, 15 Mayo 2017, https://www.
reutersagency.com/en/reuters-community/reuters-news-tracer-filtering-through-the-
noise-of-social-media/. Fecha de acceso: 14 Agosto 2023.

15 Campos, Alba Martín. “Los servicios públicos externalizados por el Gobierno: del
reparto de vacunas a la destrucción de narcolanchas en Cádiz”. Newtral, 29 Marzo
2022, https://www.newtral.es/servicios/. Fecha de acceso: 14 Agosto 2023.

16 Adair, Bill. “FactStream app now shows the latest fact-checks from Post, FactCheck.
org and PolitiFact”. reporterslab.org/, 7 October 2018, https://reporterslab.org/
factstream/. Fecha de acceso: 14 Agosto 2023.

82
Capítulo 5
17 NVIDIA. “Generative AI – What is it and How Does it Work?” NVIDIA, https://www.
nvidia.com/en-us/glossary/data-science/generative-ai/. Fecha de acceso: 28 Agosto
2023.

Capítulo 6
18 Yu, Danni, et al. “The ‘AI divide’ between the Global North and Global South”. The
World Economic Forum, 16 Enero 2023, https://www.weforum.org/agenda/2023/01/
davos23-ai-divide-global-north-global-south/. Fecha de acceso: 23 Agosto 2023.

19 Chan, Alan, et al. “The Limits of Global Inclusion in AI Development”. arXiv, 2 February
2021, https://arxiv.org/abs/2102.01265. Fecha de acceso: 23 Agosto 2023.

20 Braff, Lara, y Katie Nelson. “Chapter 15: The Global North: Introducing the Region
– Gendered Lives”. Milne Publishing, https://milnepublishing.geneseo.edu/
genderedlives/chapter/chapter-15-the-global-north-introducing-the-region/. Fecha
de acceso: 23 Agosto 2023.

21 Braff, Lara, y Katie Nelson. “Chapter 15: The Global North: Introducing the Region
– Gendered Lives”. Milne Publishing, https://milnepublishing.geneseo.edu/
genderedlives/chapter/chapter-15-the-global-north-introducing-the-region/. Fecha
de acceso: 23 Agosto 2023.

22 Braff, Lara, y Katie Nelson. “Chapter 15: The Global North: Introducing the Region
– Gendered Lives”. Milne Publishing, https://milnepublishing.geneseo.edu/
genderedlives/chapter/chapter-15-the-global-north-introducing-the-region/. Fecha
de acceso: 23 Agosto 2023.

23 OpenAI. “Supported countries - OpenAI API”. OpenAI platform, https://platform.

openai.com/docs/supported-countries. Fecha de acceso: 23 Agosto 2023.

24 EdGavit. “How to Use Chatgpt in Egypt: 8 Proven Method Step-By-Step Guide |

Bypass & Securely Use Chatƒ”. GptCypher.com, 28 Junio 2023, https://gptcypher.
com/how-to-use-chatgpt-in-egypt/#1_REGULATORY_CONSTRAINTS. Fecha de
acceso: 23 Agosto 2023.

25 Najibi, Alex. “Racial Discrimination in Face Recognition Technology”. Science

in the News, 24 October 2020, https://sitn.hms.harvard.edu/flash/2020/racial-
discrimination-in-face-recognition-technology/. Fecha de acceso: 23 Agosto 2023.

26 Chan, Alan, et al. “The Limits of Global Inclusion in AI Development”. arXiv, 2 February
2021, https://arxiv.org/abs/2102.01265. Fecha de acceso: 23 Agosto 2023.

83
27 van Dijck, Jose. “Datafication, dataism and dataveillance: Big Data between scientific
paradigm and ideology | Surveillance & Society”. Open Journals @ Queen’s, 9 May
2014, https://ojs.library.queensu.ca/index.php/surveillance-and-society/article/view/
datafication. Fecha de acceso: 28 Agosto 2023.

28 Zuboff, Shoshana. “Big other: Surveillance Capitalism and the Prospects of an

Information Civilisation”. Journal of Information Technology, vol. 30, no. 1, 2015.
journals.sagepub.com/, https://doi.org/10.1057/jit.2015.5. Fecha de acceso: 25
Agosto 2023.

29 Andrejevic, Mark. “Automating surveillance”. Communications & Media Studies,

vol. 17, no. 1-2, 2019. https://research.monash.edu/en/publications/automating-
surveillance. Fecha de acceso: 25 Agosto 2023.

Glosario
30 “Algorithm Definition & Meaning”. Merriam-Webster, 7 Agosto 2023, https://www.
merriam-webster.com/dictionary/algorithm. Fecha de acceso: 10 Agosto 2023.

31 “An Industry-Led Debate: How UK Media Cover Artificial Intelligence”. Reuters

Institute, https://reutersinstitute.politics.ox.ac.uk/our-research/industry-led-debate-
how-uk-media-cover-artificial-intelligence. Fecha de acceso: 10 Agosto 2023.

32 
Dictionary.com. “Automation Definition & Meaning”. Dictionary.com, https://www.
dictionary.com/browse/automation. Fecha de acceso: 15 Agosto 2023.

33 Gillis, Alexander S. “What is Machine Learning Bias? | Definition from WhatIs”.

TechTarget, https://www.techtarget.com/searchenterpriseai/definition/machine-
learning-bias-algorithm-bias-or-AI-bias. Fecha de acceso: 15 Agosto 2023.

34 “Bot Definition & Meaning”.Dictionary.com, https://www.dictionary.com/browse/bot.

Fecha de acceso: 15 Agosto 2023.

35 Rouse, Margaret. “What is an Internet Bot? - Definition from Techopedia”.

Techopedia, 24 April 2020, https://www.techopedia.com/definition/24063/internet-
bot. Fecha de acceso: 14 Agosto 2023.

36 Rutgers. “What Is Data Mining? A Beginner’s Guide (2022)”. Rutgers Bootcamps,

https://bootcamp.rutgers.edu/blog/what-is-data-mining/. Fecha de acceso: 14
Agosto 2023.

37 Vincent, James. “Why we need a better definition of ‘deepfake’” The Verge, 22 Mayo
2018, https://www.theverge.com/2018/5/22/17380306/deepfake-definition-ai-
manipulation-fake-news. Fecha de acceso: 14 Agosto 2023.

84
38 Parkin, Simon. “The rise of the deepfake and the threat to democracy”. The Guardian,
22 Junio 2019, https://www.theguardian.com/technology/ng-interactive/2019/
jun/22/the-rise-of-the-deepfake-and-the-threat-to-democracy. Fecha de acceso: 14
Agosto 2023.

39 Bruce, Peter. “A Deep Dive into Deep Learning - Scientific American Blog Network”.
Scientific American Blogs, 10 April 2019, https://blogs.scientificamerican.com/
observations/a-deep-dive-into-deep-learning/. Fecha de acceso: 14 Agosto 2023.

40 Foy, Peter. “What is Generative AI? Key Concepts & Use Cases”. MLQ.ai, 5 December
2022, https://www.mlq.ai/what-is-generative-ai/. Fecha de acceso: 14 Agosto 2023.

41 Ribeiro, José Antonio. “ChatGTP and the Generative AI Hallucinations | by José Antonio
Ribeiro Neto. Zezinho. | ChatGPT LEARNING”.Medium, 15 Marzo 2023, https://medium.
com/chatgpt-learning/chatgtp-and-the-generative-ai-hallucinations-62feddc72369.
Fecha de acceso: 15 Agosto 2023.

42 Foy, Peter. “What is a Large Language Model (LLM)?” MLQ.ai, 8 December 2022, https://
www.mlq.ai/what-is-a-large-language-model-llm/. Fecha de acceso: 14 Agosto 2023.

43 “What Is the Definition of Machine Learning? | expert.ai”.Expert.ai, 14 Marzo 2022,

https://www.expertsystem.com/machine-learning-definition/. Fecha de acceso: 14
Agosto 2023.

44 Russell, John. “Library Guides: Optical Character Recognition (OCR): An Introduction:

Home”. Library Guides, 8 December 2022, https://guides.libraries.psu.edu/OCR. Fecha
de acceso: 14 Agosto 2023.

45 Education Ecosystem (LEDU). “A Simple Introduction to Natural Language Processing

| by the Education Ecosystem (LEDU)”. Becoming Human: Artificial Intelligence
Magazine, 15 October 2018, https://becominghuman.ai/a-simple-introduction-to-
natural-language-processing-ea66a1747b32. Fecha de acceso: 14 Agosto 2023.

46 Kavlakoglu, Eda. “NLP vs. NLU vs. NLG: the differences between three natural language
processing concepts”. IBM, 12 Noviembre 2020, https://www.ibm.com/blog/nlp-vs-
nlu-vs-nlg-the-differences-between-three-natural-language-processing-concepts/.
Fecha de acceso: 15 Agosto 2023.

47 Harris, Marvin. “Neural network definition and meaning | Collins English Dictionary”.
Collins Dictionary, https://www.collinsdictionary.com/dictionary/english/neural-
network. Fecha de acceso: 15 Agosto 2023.

85
48 Merriam Webster. “Neural network Definition & Meaning”. Merriam-Webster, 10 Agosto
2023, https://www.merriam-webster.com/dictionary/neural%20network. Fecha de
acceso: 14 Agosto 2023.

49 White, Jules, et al. “A Prompt Pattern Catalog to Enhance Prompt Engineering with
ChatGPT”. NASA/ADS, https://ui.adsabs.harvard.edu/abs/2023arXiv230211382W/
abstract. Fecha de acceso: 14 Agosto 2023.

50 Search Engine Land. “What Is SEO - Search Engine Optimization?” Search Engine Land,
https://searchengineland.com/guide/what-is-seo. Fecha de acceso: 14 Agosto 2023.

51 Munts, Maggie. “Zero Trust and Visual Vulnerability: What Does the Deep Fake Era
Mean for the Global Digital Economy?” Journal of International Affairs, 21 October 2022,
https://jia.sipa.columbia.edu/online-articles/zero-trust-and-visual-vulnerability-what-
does-deep-fake-era-mean-global-digital. Fecha de acceso: 15 Agosto 2023.

86
Lecturas y recursos

Recursos de JournalismAI
The JournalismAI Starter Pack, nuestra guía diseñada para ayudar a los editores de medios
pequeños y locales a conocer las oportunidades que ofrece la IA.

The JournalismAI Case Studies Database, nuestra colección de más de 110 ejemplos de
organizaciones de noticias en todo el mundo que utilizan tecnologías de IA para satisfacer
diferentes necesidades.

Introduction to Machine Learning for Journalists, el curso breve donde cubrimos los
conceptos básicos del aprendizaje automático para el periodismo.

The JournalismAI Report: New Powers, New Responsibilities

Beckett, C. (Noviembre 2019). London School of Economics and Political Sciences.

Otros recursos en línea

Big Data from the South(s): Beyond Data Universalism (2019) Stefania Milan y Emiliano
Treré - Este artículo académico presenta los principios de una teoría de la datificación en el Sur
Global y pide una ‘desoccidentalización crítica de los estudios de datos.’

Elements of AI - Un curso en línea gratuito que ayuda a desmitificar la IA combinando teoría

con ejercicios prácticos.

Generative AI In The Newsroom - Una colección de artículos escritos por periodistas que
utilizan IA generativa en sus redacciones, publicados por el Prof. Nick Diakopoulos.

Large language models, explained with a minimum of maths and jargon (2023) Lee, T y
Trott, S.

Sketching the Field of AI Tools for Local Newsrooms - Una base de datos de herramientas
de IA para las redacciones locales creada por Partnership on AI. (diciembre de 2022).

Artificial Intelligence in Local News: A survey of US newsrooms’ AI readiness

Rinehart, A. y Kung, E. (Marzo 2022). Associated Press.

87
AI, Journalism, and Public Interest Media in Africa. Ogola, G. (Mayo 2023). International
Media Support (IMS).

Journalists AI toolbox (2023) Mike Reilly - un sitio web actualizado que recoge
herramientas de IA e IA generativa para redacciones.

Responsible Practices for Synthetic Media - Un marco sobre cómo desarrollar, crear y
compartir de manera responsable medios sintéticos: el contenido audiovisual a menudo
generado o modificado por IA, publicado por Partnership on AI (febrero de 2023).

Spanish technological development of artificial intelligence applied to journalism:

companies and tools for documentation, production and distribution of information
Sánchez-García, P., Merayo-Álvarez, N., Calvo-Barbero, C., y Diez-Gracia, A. (2023).

Towards Guidelines for Guidelines on the Use of Generative AI in Newsrooms. H Cools,

H y Diakopoulos, N. (2023)

IA para periodistas. Una herramienta por explotar. Una guía de Prodigioso Volcán en
español, elaborada por el equipo de Prodigioso Volcán en colaboración con Karen De la
Hoz, Fundación Gabo y Florencia Coelho, New Media Research en el diario La Nación, de
Argentina.

Libros
Beginner’s prompt handbook: ChatGPT for local news publishers
Admitis, J. (Marzo 2023).
Reporting on artificial intelligence: a handbook for journalism educators
Maarit, J. (Ed). (2023). Unesco.

Para obtener una selección más amplia de artículos sobre las aplicaciones y las
implicaciones de la IA en el periodismo, con estudios de casos y conocimientos
prácticos, visite blogs.lse.ac.uk/polis. Esto se actualiza periódicamente. Envíenos
sugerencias para lecturas y recursos adicionales.

88
Agradecimientos

La responsabilidad editorial del contenido de este informe recae exclusivamente en el

autor, Profesor Charlie Beckett.

Agradecemos a la investigadora principal y coautora, Mira Yaseen, a ARIJ (Arab

Reporters for Investigative Journalism) por su ayuda en la investigación y el contacto
con las organizaciones con sede en la región del Medio Oriente y Norte de África, y al Dr.
Trust Matsilele, James Gatica Matheson y Vivek Mallik-Das por la recopilación adicional
de datos regionales y la investigación realizada.
Este proyecto de investigación fue supervisado por Tshepo Tshabalala, coordinador
general de JournalismAI en LSE.
JournalismAI no habría sido posible sin el apoyo de la Google News Initiative (GNI). Un
agradecimiento especial a David Dieudonné de GNI por su trabajo vital para hacer esto
posible.
Aunque podrán no haber contribuido activamente a este informe, se debe dar crédito
a las coordinadoras de los programas de JournalismAI, Lakshmi Sivadas y Sabrina
Argoub, así como al anterior coordinador general, Mattia Peretti, cuyo trabajo en los
últimos tres años es el cimiento que hizo posible gran parte de esto.
La traducción al español estuvo a cargo de Ana Paula Valacco, coordinadora de la
comunidad de JournalismAI, y de Félix Arias Robles, profesor de la Universidad Miguel
Hernández (UMH) e investigador invitado en la LSE.
Por último, pero no menos importante, queremos agradecer nuevamente a las
organizaciones periodísticas que hicieron posible este informe al participar en la
encuesta de JournalismAI. La lista se encuentra en la siguiente página (algunas
organizaciones optaron por participar en esta investigación de manera anónima y no
han sido incluidas en la lista a continuación):

89
ORGANIZACIONES QUE COMPLETARON LA ENCUESTA DE
JOURNALISMAI

Africa Subsahariana Asia - Pacífico

Africa Check EastMojo
AfricaBrief Ekushey Television (ETV)
Alpha Media Holdings IE Online Media
CGTN Initium Media
CITEZW KBR
Daily Maverick Malaysiakini
Dataphyte NZME
House and Garden Magazine SBS
INK Center for INVESTIGATIVE Scroll.in
Journalism Stuff Limited
Khwezi Times News The Current Pk
Nairobi News - Nation Media Group The Paper
Nation Publications Limited (NPL) The Quint
New Vision Printing y Publishing Times Internet
Company Limited
UDN Group
Newskoop Radio News Agency
VERA Files
NTV Uganda
Ohambileyo
Portal Publishing
Primedia Media Broadcasting
Radio Africa Group
Stears
The Post

90
Europa América Latina
AFP Abraji
Aftonbladet Chequeado
ARTE G.E.I.E. Cuestión Pública
Austria Presse Agentur (APA) El Surti
Časoris El Tiempo
CMI France Folha de Sao Paulo
Czech Radio La Gaceta de Tucumán
E24 La Nación - Argentina
Ekstra Bladet Mutante
Evangelischer Presseverband Für Bayern Perfil
(EPV) PodSonhar
Group Nice-Matin Rede Gazeta
Maldita.es T13
Newtral TN
Observador TV Azteca
RTVE Unitel
Sveriges Radio
The Economist
VRT

Internacional
OCCRP
Reuters
The Associated Press (AP)

91
Medio Oriente y África del América del Norte
Norte (MENA) McClatchy
AlManassa MuckRock
AlMasry AlYoum NPR
ARIJ Semafor
Daraj The Texas Tribune
Jummar Zenger
Khuyout
Maharat Foundation
Masrawy
MBC Group, Egypt
Megaphone
Nawa Network - media platform of
Filastiniyat
Raseef22
Scientific Arab
Ultrasawt
Welad ElBalad

92
 POLIS
Journalism at LSE

Involúcrate JournalismAI, Polis

Departamento de Medios y
Comunicación
El autor agradece los comentarios The London School of Economics
sobre este informe en c.h.beckett@ and Political Science
lse.ac.uk. Si tienes alguna pregunta Houghton Street
sobre el proyecto o deseas participar London WC2A 2AE
en futuras iniciativas de JournalismAI,
no dudes en ponerte en contacto con
Tshepo Tshabalala en t.h.tshabalala@
lse.ac.uk

blogs.lse.ac.uk/polis/2023/06/26/how-
newsrooms-around-the-world-use-ai-a-
journalismai-2023-global-survey/

La London School of Economics and Political Science es una escuela de la

Universidad de Londres. Es una organización benéfica y está constituida en Inglaterra
como sociedad de responsabilidad limitada en virtud de la Ley de Sociedades
(Número de registro: 70527).

La Escuela busca garantizar que las personas reciban un trato equitativo,

independientemente de su edad, discapacidad, raza, nacionalidad, origen étnico
o lugar de nacimiento, sexo, religión, orientación sexual u otras circunstancias
personales.

Diseño: Unidad de Diseño de LSE (info.lse.ac.uk/staff/divisions/

communications-division/design-unit)

Todas las imágenes de unsplash.com:

p.12 – Christina@wocintechchat.com, p.24 – Christina@wocintechchat.com,

p.38 – Wonderlane, p.50 – Soundtrap, p.58 – Charlesdeluvio, p.66 – Sajad Nori,
p.74 – manas rb, p.86 – Jake Lorefice, p.92 – Markus Krisetya