Uncovered, una web para juzgar los libros por sus primeras páginas. «Sin portada. Sin etiqueta de best seller, sin club de lectura de famosos, sin tendencia de BookTok. Lees el comienzo de un libro de verdad, a ciegas, y respondes a la única pregunta que importa: ¿seguirías leyendo?»
Uncovered es una propuesta muy sencilla pero bastante ingeniosa: quitar al libro todo aquello que normalmente condiciona nuestra decisión de leerlo y dejar únicamente la escritura. La web se presenta con una idea muy clara: «Judge a book by its writing», es decir, juzga un libro por su escritura.
Al entrar, Uncovered comienza a mostrar fragmentos de primeras páginas de libros reales, pero elimina deliberadamente la información que normalmente utilizamos para decidir si queremos leerlos: portada, título, autor, fama, recomendaciones, etiquetas comerciales o tendencias de redes sociales. El usuario simplemente lee y decide si quiere continuar.
La experiencia funciona como una especie de «swipe» literario, aunque centrado en el texto. Si el comienzo te interesa, puedes continuar y, finalmente, revelar qué libro y qué autor se encuentran detrás del fragmento. Si no te convence, pasas al siguiente. La plataforma permite además guardar los libros que han despertado interés.
La web lo resume así: «No account. Just the writing». No es necesario crear una cuenta para empezar a leer, lo que reduce considerablemente la fricción de entrada.
Bestvater, Samuel; Smith, Aaron; TerBush, Carson; Baronavski, Chris; Chavda, Janakee. “How Much of the Internet Is Written With AI?”Pew Research Center, Data Labs, 20 de agosto de 2026. Artículo original en Pew Research Center
Aunque solo el 10 % de todas las páginas analizadas en julio de 2026 mostraba señales de IA, la cifra supera el 33 % entre las páginas publicadas después de ChatGPT. Esto indica que la verdadera magnitud del fenómeno se aprecia al observar el contenido nuevo que está incorporándose actualmente a Internet.
Pew Research Center analiza hasta qué punto la inteligencia artificial está transformando el contenido de Internet. Para ello examinó cerca de 490.000 páginas web en inglés recopiladas entre enero de 2021 y julio de 2026 mediante Common Crawl y utilizó un modelo de detección de IA desarrollado por Pangram. En una muestra aleatoria de 10.000 páginas recogidas en julio de 2026, el 10 % presentaba señales significativas de haber sido escrito o editado sustancialmente con IA.
La proporción aumenta considerablemente cuando se analizan únicamente las páginas publicadas después de la aparición de ChatGPT. En julio de 2026, más de un tercio de las páginas publicadas desde noviembre de 2022 mostraban señales de autoría o edición mediante IA. El estudio identifica así una tendencia ascendente que comenzó a finales de 2022 y que se ha acelerado con la expansión de herramientas como ChatGPT, Claude y Gemini.
La presencia de contenido generado por IA no es homogénea. Los dominios .com presentan los niveles más elevados: alrededor de uno de cada diez mostraba señales de autoría mediante IA en 2026. En los dominios .org la proporción era del 4,6 %, mientras que en .edu y .gov rondaba apenas el 1 %. Esto sugiere que los espacios comerciales de Internet están incorporando la generación automática de contenidos a un ritmo mucho mayor que los ámbitos educativos y gubernamentales.
El estudio también identifica cambios en el estilo lingüístico de la Web. Determinadas características asociadas estadísticamente con textos generados por IA son cada vez más frecuentes: los guiones largos (em dashes) aparecen aproximadamente el doble que en 2023, las comas de Oxford han aumentado un 63 % y determinadas palabras características del vocabulario de los LLM —como delve, interplay o testament— han duplicado su presencia. También se ha multiplicado casi por tres el uso de estructuras de paralelismo negativo, como «no es solo X, sino Y».
Los investigadores, sin embargo, advierten que ninguno de estos rasgos permite identificar por sí solo un texto producido por IA. Una persona puede utilizar un guion largo, una coma de Oxford o cualquiera de esas palabras. El análisis se basa en patrones estadísticos mucho más amplios y, aun así, los detectores pueden cometer errores. Por ello, las cifras deben interpretarse como señales de probable autoría o edición mediante IA, no como una prueba definitiva sobre el origen de un texto.
El estudio plantea una cuestión de fondo sobre la evolución de Internet: la Web está pasando progresivamente de ser un espacio dominado por contenidos producidos por personas a uno en el que humanos y sistemas de IA participan conjuntamente en la creación textual. Si la tendencia continúa, la distinción entre contenido humano y sintético será cada vez menos evidente, lo que tendrá consecuencias para la calidad de la información, la confianza, la autenticidad y la procedencia de los contenidos digitales.
McClain, Colleen; Park, Eugenie. “Young adults in the U.S. are increasingly wary of AI, concerned it will take jobs”. Pew Research Center, 18 de agosto de 2026. Artículo original en Pew Research Center
La preocupación de los estadounidenses por la inteligencia artificial continúa creciendo, y los jóvenes de 18 a 29 años se muestran especialmente cautelosos. Según una encuesta del Pew Research Center realizada entre el 22 y el 28 de junio de 2026 a 3.488 adultos estadounidenses, el 52 % de la población adulta afirma sentirse más preocupada que ilusionada por el aumento del uso de la IA, frente al 37 % que expresaba esa preocupación en 2021. Entre los menores de 30 años, la cifra alcanza por primera vez el 55 %.
La evolución resulta especialmente llamativa entre los jóvenes. En 2021, solo el 31 % de los adultos de 18 a 29 años decía sentirse más preocupado que entusiasmado por la IA; en 2024 era el 39 % y en 2026 ha llegado al 55 %. Paralelamente, el porcentaje que se siente más entusiasmado que preocupado ha descendido del 25 % en 2021 al 11 % actual. Esto rompe con la idea de que las generaciones más jóvenes son necesariamente las más optimistas respecto a las nuevas tecnologías.
El empleo constituye uno de los principales motivos de preocupación. El 71 % de los adultos estadounidenses considera que la IA provocará menos puestos de trabajo en Estados Unidos durante los próximos 20 años, frente al 64 % que opinaba lo mismo en 2024. Solo el 5 % cree que generará más empleos. Entre los jóvenes de 18 a 29 años, la percepción de pérdida de empleo ha aumentado todavía más: el 73 % piensa que la IA reducirá el número de puestos de trabajo, frente al 61 % de hace dos años.
Los jóvenes también destacan por una percepción más negativa de las consecuencias sociales de la IA. Investigaciones anteriores de Pew muestran que los menores de 30 años son el grupo más proclive a pensar que la IA será perjudicial para la sociedad y para ellos mismos, y muchos creen que puede dificultar la conexión humana y la creatividad. Aunque la mayoría utiliza chatbots, los jóvenes están divididos respecto a su impacto sobre la creatividad y son tan propensos a considerar que estas herramientas la perjudican como a pensar que la favorecen.
En conjunto, el estudio muestra un cambio significativo en la percepción social de la IA: los jóvenes, que inicialmente mostraban un mayor entusiasmo por estas tecnologías, se están convirtiendo en uno de los grupos más críticos. El temor a la automatización y a la pérdida de empleo parece estar desplazando progresivamente el entusiasmo tecnológico, lo que plantea importantes preguntas sobre cómo deberán abordarse la formación, el mercado laboral y la alfabetización en IA.
Kaia Glickman, “Staggering 90% of biomedical papers now show signs of AI help”, Nature, 20 de agosto de 2026. Artículo original en Nature
Una investigación reciente sugiere que el uso de herramientas de inteligencia artificial para ayudar a redactar artículos científicos está mucho más extendido de lo que indicaban estimaciones anteriores. El estudio analizó trabajos biomédicos publicados en diciembre de 2025 e incluidos en PubMed, y estima que casi nueve de cada diez artículos presentaban señales compatibles con algún grado de asistencia de IA en su redacción. La cifra resulta especialmente llamativa porque las estimaciones anteriores sobre utilización de modelos de lenguaje en publicaciones científicas habían sido considerablemente inferiores.
El trabajo al que hace referencia Nature no afirma que el 90 % de los investigadores haya dejado que una IA escriba sus artículos de principio a fin. Lo que identifica son señales lingüísticas compatibles con asistencia de modelos de lenguaje. Esto es importante porque la IA puede intervenir de formas muy diferentes: desde corregir gramática y mejorar el estilo hasta reformular párrafos, traducir textos, resumir información o generar partes sustanciales de un manuscrito. Por tanto, la cifra debe interpretarse como una estimación de la presencia de asistencia de IA en la escritura científica, no como una medida directa de cuántos artículos fueron escritos por una inteligencia artificial.
El fenómeno refleja una transformación profunda de la comunicación científica. Las herramientas generativas se están incorporando rápidamente al trabajo cotidiano de los investigadores porque permiten mejorar la redacción en inglés, acelerar determinadas tareas editoriales y facilitar la preparación de manuscritos. Esto puede resultar especialmente relevante para investigadores que trabajan en una lengua diferente del inglés, ya que los modelos de lenguaje pueden actuar como herramientas de traducción y edición. Sin embargo, la creciente presencia de IA también plantea preguntas sobre transparencia, autoría, responsabilidad y declaración de su utilización en los trabajos científicos.
La metodología del estudio merece especial atención porque permite detectar patrones de uso de IA que pueden pasar inadvertidos mediante los procedimientos tradicionales de control editorial. Los investigadores analizaron el lenguaje de los artículos y buscaron características asociadas a la intervención de modelos de lenguaje. La estimación, por tanto, no equivale a una declaración voluntaria de los autores ni a una comprobación individual de cada manuscrito. Esto introduce incertidumbre y obliga a interpretar el porcentaje como una estimación estadística, no como una identificación definitiva de textos generados o editados por IA.
El dato tiene importantes implicaciones para las revistas científicas y para la integridad de la investigación. Si la asistencia de IA se convierte en una práctica habitual, las políticas editoriales tendrán que distinguir mejor entre usos legítimos —como corrección lingüística, traducción o apoyo editorial— y usos que puedan comprometer la responsabilidad intelectual del investigador. También será necesario determinar qué utilización debe declararse, cómo debe hacerse esa declaración y qué responsabilidad conserva el autor sobre las afirmaciones, referencias, datos y conclusiones de un artículo elaborado con ayuda de herramientas generativas.
La investigación también cuestiona la utilidad de intentar establecer una frontera rígida entre textos “humanos” y textos “generados por IA”. En la práctica, la producción científica puede convertirse en un proceso híbrido en el que el investigador redacta algunas partes, una herramienta de IA corrige otras, otro sistema traduce o reformula determinados fragmentos y el autor revisa posteriormente el resultado. En este escenario, el debate sobre la IA en la ciencia debería desplazarse desde la pregunta “¿se utilizó IA?” hacia cuestiones más relevantes: ¿para qué se utilizó?, ¿qué aportó?, ¿quién verificó el resultado? y ¿quién asume la responsabilidad final?
El hallazgo resulta especialmente significativo porque procede de un campo como la biomedicina, donde la precisión del lenguaje científico y la fiabilidad de la información tienen consecuencias potencialmente importantes. Una utilización responsable de la IA puede mejorar la comunicación científica, pero no elimina la necesidad de que los investigadores comprueben las referencias, los datos, las interpretaciones y las afirmaciones producidas o modificadas por estos sistemas. La IA puede convertirse así en una herramienta habitual del proceso editorial sin que ello implique transferir a la máquina la responsabilidad científica.
En definitiva, el estudio apunta a que la IA ya forma parte de la infraestructura cotidiana de la comunicación científica, aunque las políticas editoriales y las prácticas de transparencia todavía están adaptándose a esta realidad. El dato del 90 % no significa que nueve de cada diez artículos sean “escritos por IA”, pero sí constituye una señal poderosa de que la asistencia de los modelos de lenguaje está penetrando rápidamente en la publicación biomédica. La cuestión para las revistas ya no parece ser si los investigadores utilizarán IA, sino cómo establecer unas normas que permitan aprovecharla sin comprometer la autoría, la transparencia y la integridad científica.
Amanda Silberling, “Is it legal to train AI models on copyrighted books? It’s complicated”, TechCrunch, 23 de agosto de 2026. Artículo original en TechCrunch
Los modelos de inteligencia artificial generativa como ChatGPT, Gemini o Claude se entrenan con enormes cantidades de información procedente de libros, artículos, trabajos académicos y contenidos disponibles en Internet. Esto ha provocado un conflicto creciente con autores y titulares de derechos, que cuestionan que sus obras puedan utilizarse para entrenar sistemas de IA sin su conocimiento o autorización. Sin embargo, la cuestión jurídica es mucho más compleja de lo que parece, porque las actuales leyes de copyright fueron concebidas mucho antes de la aparición de la inteligencia artificial generativa.
Uno de los casos más relevantes es el de Anthropic, que llegó a un acuerdo por 1.500 millones de dólares con un grupo de escritores cuyas obras habían sido utilizadas para entrenar sus modelos. No obstante, el juez William Alsup había considerado que el entrenamiento de la IA con obras protegidas podía ser legal. Lo que sancionó fue que Anthropic hubiera obtenido algunos de esos libros mediante bibliotecas clandestinas ilegales. El razonamiento establece una diferencia fundamental entre utilizar una obra para entrenar un modelo y obtenerla de manera ilícita.
El debate se centra en buena medida en la doctrina estadounidense del fair use (uso legítimo), que permite determinadas utilizaciones de obras protegidas sin autorización. Los tribunales valoran factores como la finalidad del uso, su carácter transformador, la cantidad de material utilizado y el efecto sobre el mercado de la obra original. En este contexto, algunos jueces consideran que entrenar un modelo para generar algo nuevo puede ser una utilización transformadora, mientras que existe mayor riesgo cuando la IA se utiliza para crear un producto que compite directamente con el material protegido.
El caso Thomson Reuters contra Ross Intelligence muestra precisamente esa diferencia. Un tribunal consideró que Ross había utilizado contenidos de Reuters para desarrollar una plataforma jurídica de IA que competía directamente con el producto original, por lo que no podía acogerse al fair use. Esta resolución contrasta con el enfoque aplicado al entrenamiento de modelos de propósito general y demuestra que los tribunales todavía están construyendo, caso por caso, los criterios que determinarán qué usos de materiales protegidos son legítimos.
El artículo destaca además que no existe todavía una respuesta jurídica definitiva. Las diferentes demandas contra empresas de IA siguen abiertas y las decisiones iniciales podrían ser modificadas por tribunales superiores. La legislación estadounidense sobre copyright procede esencialmente de una época anterior a Internet y, por supuesto, a la IA generativa. Por ello, las próximas resoluciones judiciales tendrán una importancia decisiva para determinar cómo pueden utilizarse libros, artículos y otras obras protegidas para entrenar modelos de inteligencia artificial y quién debe asumir los costes de ese uso.
A library staff member catalogs a book using metadata software alongside print references.
Clarivate. “Clarivate Enhances SkyRiver to Help Libraries Share, Reuse and Create Trusted Metadata”. Clarivate News, 12 de agosto de 2026. Artículo original en Clarivate
SkyRiver representa un paso hacia una catalogación más colaborativa, interoperable y asistida por IA, pero con una premisa importante: automatizar la creación de metadatos no significa renunciar a la calidad, la procedencia, la atribución ni a la gobernanza bibliotecaria. La cuestión estratégica será conseguir que la IA acelere el trabajo de catalogación sin diluir el conocimiento profesional que da valor a los metadatos bibliotecarios.
Clarivate ha anunciado una versión mejorada de SkyRiver, su plataforma orientada a la gestión e intercambio de metadatos bibliográficos, con el objetivo de facilitar a las bibliotecas el acceso, reutilización y creación de registros de calidad. La nueva plataforma apuesta por utilizar metadatos abiertos por defecto, al tiempo que mantiene las condiciones establecidas por los contribuyentes, las obligaciones de licencia y las políticas de gobernanza de cada institución. La propuesta busca mejorar la interoperabilidad entre bibliotecas, consorcios y sistemas de gestión bibliotecaria, permitiendo que los registros puedan compartirse y reutilizarse con mayor facilidad.
Una de las principales novedades es la incorporación de capacidades de inteligencia artificial para la creación de registros bibliográficos. La IA pretende agilizar los flujos de trabajo de catalogación y ayudar a producir registros de alta calidad de una manera más eficiente. Clarivate sitúa esta funcionalidad dentro de una transformación más amplia de los servicios de descubrimiento, en la que disponer de metadatos fiables, transparentes e interoperables resulta fundamental. La compañía subraya, sin embargo, que la automatización no elimina la importancia de las decisiones y controles bibliotecarios: las instituciones mantienen capacidad de elección sobre su participación y sobre la contribución de sus propios datos.
SkyRiver pretende funcionar como una infraestructura de colaboración basada en la comunidad bibliotecaria. Las bibliotecas podrán acceder a metadatos fiables para catalogación, descubrimiento y préstamo o intercambio de recursos, además de conectar y reutilizar registros entre diferentes sistemas de gestión. La plataforma incorpora asimismo información sobre derechos, procedencia, atribución y condiciones de acceso, elementos especialmente importantes en un contexto en el que los metadatos circulan entre múltiples instituciones y pueden ser reutilizados posteriormente por otros servicios y aplicaciones.
La propuesta tiene especial interés porque aborda uno de los problemas históricos de las bibliotecas: evitar que cada institución tenga que crear desde cero registros que otras bibliotecas ya han producido. Compartir y reutilizar metadatos puede reducir la duplicación de esfuerzos y permitir que los profesionales dediquen más tiempo a aquellos recursos que requieren descripción original, enriquecimiento local o tratamiento especializado. Al mismo tiempo, la plataforma pretende preservar las mejoras realizadas localmente por cada biblioteca, reconociendo que los metadatos producidos por una institución pueden aportar información de valor para toda la comunidad.
La dimensión de gobernanza constituye otro elemento destacado. Clarivate anuncia la creación de un Metadata Governance Advisory Group, destinado a proporcionar orientación sobre el desarrollo futuro de SkyRiver y participar en cuestiones relacionadas con políticas de metadatos, estándares de calidad y principios de gobernanza. Esto resulta particularmente relevante en un entorno en el que la apertura y reutilización de datos debe equilibrarse con derechos, licencias, atribución y autonomía institucional. La gobernanza se convierte así en una pieza tan importante como la tecnología para determinar cómo se producen, comparten y reutilizan los registros bibliográficos.
Las declaraciones de representantes de la University of Delaware y la University of Regina ponen el acento precisamente en la relación entre metadatos y descubrimiento. Para estas instituciones, unos metadatos de calidad permiten incrementar la visibilidad de las colecciones y favorecer la colaboración entre bibliotecas. También se destaca la necesidad de que las nuevas herramientas sean capaces de integrar las mejoras locales dentro de los flujos de trabajo existentes, de manera que la automatización no suponga perder el valor añadido generado por los profesionales de la información.
En un sentido más amplio, el anuncio refleja una evolución importante en la función de los metadatos bibliográficos en la era de la IA. Los metadatos ya no sirven únicamente para que una persona encuentre un libro o un artículo en un catálogo: constituyen una infraestructura que permite que diferentes sistemas informáticos comprendan, relacionen, intercambien y reutilicen información bibliográfica. La incorporación de IA a SkyRiver refuerza esta tendencia y plantea un modelo en el que metadatos abiertos + interoperabilidad + automatización + supervisión profesional pueden convertirse en componentes fundamentales de los futuros ecosistemas de descubrimiento.
A futuristic robot analyzes scientific texts and data in a research library.
Reid, Chris. “Guest Post — Your Next Reader Is a Machine, and We Are Ready”. The Scholarly Kitchen, Society for Scholarly Publishing, 21 de agosto de 2026. Artículo original en The Scholarly Kitchen
El artículo sostiene que la próxima revolución de la comunicación científica no consistirá únicamente en que los investigadores utilicen IA para buscar artículos, sino en que los propios agentes de IA se conviertan en grandes consumidores, intérpretes y mediadores de la literatura académica. Esto obliga a replantear la publicación científica desde sus cimientos: metadatos, APIs, identificadores, licencias, interoperabilidad, descubrimiento, métricas, derechos de acceso y preservación. La gran oportunidad para editores, bibliotecas y proveedores de información consiste en prepararse para ese nuevo ecosistema; el riesgo es que los contenidos sean absorbidos por sistemas de IA sin una adecuada atribución, compensación, medición o control.
la cantidad de información producida en el mundo ha alcanzado una escala que ningún ser humano puede leer, procesar o siquiera abarcar. El autor estima que durante 2026 se producirán alrededor de 220 zettabytes de contenido y recuerda que el problema de la sobrecarga informativa no es nuevo: ya en 1845 los científicos advertían de la imposibilidad de mantenerse al día con toda la literatura disponible. La diferencia actual es la velocidad con la que crece la producción científica y documental. Cada año aparecen millones de artículos, preprints, conjuntos de datos, protocolos y materiales suplementarios, haciendo que el principal problema de la comunicación académica deje de ser únicamente el acceso a la información y pase a ser la capacidad de prestar atención a ella.
En este contexto, Chris Reid plantea una afirmación especialmente relevante: los seres humanos dejarán progresivamente de ser los principales lectores de la literatura científica y serán los agentes de inteligencia artificial quienes procesen la mayor parte de ella. Un investigador podrá pedir a un agente que analice cientos de artículos, compare resultados, identifique tendencias y prepare una síntesis adaptada a una determinada pregunta. Para el autor, esto no debería interpretarse necesariamente como una amenaza para los editores científicos, sino como la evolución lógica de décadas de trabajo destinado a conseguir que la información científica sea legible y procesable por máquinas. La cuestión central será, por tanto, diseñar una infraestructura científica preparada no solo para lectores humanos, sino también para lectores no humanos.
Aquí adquieren especial importancia los principios FAIR —Findable, Accessible, Interoperable, Reusable— establecidos en 2016. Reid sostiene que estos principios ya contenían, en buena medida, el modelo necesario para la era de los agentes de IA: contenidos identificables, accesibles, interoperables y reutilizables por sistemas computacionales. Los identificadores persistentes, los metadatos estructurados, los vocabularios controlados y otros estándares desarrollados durante años en la comunicación científica constituyen ahora una infraestructura fundamental para que las máquinas puedan localizar, interpretar, relacionar y reutilizar documentos científicos. La IA, desde esta perspectiva, no rompe completamente con la evolución anterior de la publicación académica, sino que lleva hasta sus últimas consecuencias la transformación de la información científica en datos procesables por máquinas.
El artículo plantea también un cambio importante en la concepción de las plataformas editoriales. La página web tradicional está diseñada para seres humanos, pero un agente de IA no necesita menús, banners de cookies, carruseles de artículos relacionados, formularios de suscripción ni otros elementos propios de la experiencia web convencional. Lo que necesita es contenido estructurado, identificadores estables, información sobre derechos y licencias y mecanismos predecibles para solicitar exactamente la información que necesita. Por ello, Reid propone avanzar hacia arquitecturas de gestión de contenidos headless o «multicabeza», en las que el contenido se mantiene en un núcleo estructurado y puede distribuirse mediante diferentes superficies: páginas web para humanos, APIs y feeds para sistemas informáticos y nuevas interfaces destinadas directamente a agentes de IA, como las basadas en Model Context Protocol (MCP).
Este planteamiento tiene una consecuencia especialmente significativa para bibliotecas, repositorios y sistemas de descubrimiento. La literatura científica ya se distribuye actualmente a través de múltiples canales —PubMed Central, servicios de indización, sistemas de descubrimiento, Google Scholar, agregadores, ResearchGate, etc.— y el acceso mediante agentes de IA sería una nueva superficie de distribución. El objetivo sería mantener una única fuente estructurada del contenido y permitir que diferentes lectores, humanos o máquinas, accedan a la versión registrada y fiable de la publicación. En este escenario, los metadatos, los identificadores persistentes, las ontologías, los vocabularios controlados y la interoperabilidad dejan de ser cuestiones puramente técnicas y pasan a convertirse en infraestructuras esenciales para la visibilidad de la producción científica en la era de la IA.
Sin embargo, Reid advierte que la transformación plantea problemas mucho más complejos que los puramente tecnológicos. Identifica tres grandes cuestiones: atribución, compensación y gobernanza. La primera pregunta es cómo garantizar que cuando un agente utilice un artículo para generar una respuesta, el investigador pueda saber de dónde procede la información y el trabajo original siga siendo reconocido y citado. La segunda afecta a la remuneración: si el consumo de contenidos mediante máquinas sustituye progresivamente a las descargas y lecturas humanas, los modelos actuales de licencias y medición tendrán que adaptarse. La tercera es la gobernanza: los editores deberán decidir qué agentes pueden acceder a sus contenidos, bajo qué condiciones y cómo expresar esas condiciones de manera que puedan ser interpretadas automáticamente por las máquinas.
A estas tres dimensiones se añade una cuarta cuestión señalada en los comentarios al artículo: la medición. Si un agente de IA se sitúa entre el contenido científico y el usuario, resulta mucho más difícil determinar qué documentos fueron realmente consultados, cuánto contenido fue procesado y qué impacto tuvo cada publicación. Las métricas tradicionales de uso pueden dejar de reflejar adecuadamente el consumo real de información científica. Por ello, será necesario desarrollar nuevas formas de contabilizar y comprender el uso mediado por IA.
En definitiva, si durante siglos el objetivo fue hacer que la información científica fuera legible para las personas, ahora el desafío es conseguir que sea también comprensible, descubrible, verificable y reutilizable por las máquinas.
Gecker, Jocelyn; Bynum, Russ. “Schools are starting to teach AI literacy. For many, that means helping kids see chatbots’ flaws”. Associated Press, 21 de agosto de 2026. Artículo original en AP News
Las escuelas estadounidenses están pasando progresivamente de intentar prohibir la inteligencia artificial a enseñar a los estudiantes a utilizarla de manera crítica y responsable. El concepto de alfabetización en IA está adquiriendo protagonismo al comienzo del nuevo curso escolar, ante la constatación de que los alumnos ya utilizan herramientas como los chatbots para realizar trabajos académicos, pero en muchos casos lo hacen sin formación específica.
La nueva estrategia consiste en familiarizar a los estudiantes con las posibilidades de la IA, pero también con sus limitaciones, errores, sesgos y riesgos. Una de las demostraciones utilizadas en Charleston (Carolina del Sur) consiste en pedir a un sistema de IA que genere un mapa del mundo: el resultado contiene numerosos países mal escritos o directamente inventados, lo que permite mostrar de forma muy gráfica por qué no se debe confiar ciegamente en las respuestas de un chatbot.
El artículo destaca que la alfabetización en IA no debería reducirse a aprender a utilizar una herramienta o a perfeccionar los prompts. Su objetivo es desarrollar una competencia crítica más amplia, que incluya comprender cómo funciona la IA, reconocer las llamadas alucinaciones —respuestas falsas presentadas con aparente seguridad—, identificar sesgos, proteger los datos personales y verificar las informaciones obtenidas. En Charleston, por ejemplo, la formación destinada a estudiantes plantea situaciones habituales como pedir a un chatbot ayuda para elaborar un trabajo de investigación y muestra cómo puede proporcionar referencias inexistentes o información incorrecta. La recomendación fundamental es comprobar siempre los datos generados por IA, especialmente cuando se utilizan para actividades académicas.
La experiencia de Charleston refleja un movimiento más amplio en Estados Unidos. 37 estados han publicado ya orientaciones oficiales sobre el uso de la IA en educación, aunque existen grandes diferencias entre territorios y distritos escolares. El distrito escolar del condado de Charleston, con unos 50.000 estudiantes, ha desarrollado su propia política después de consultar a profesores, alumnos y familias. El proceso reveló que el uso de IA entre los estudiantes estaba muy extendido, pero carecía de orientación suficiente. Por ello, el distrito ha comenzado una segunda fase centrada en formar tanto a profesores como a estudiantes de secundaria en el funcionamiento, las posibilidades y los riesgos de estas tecnologías.
El caso de Utah aparece como uno de los modelos más avanzados de una estrategia coordinada a escala estatal. En 2024 creó un puesto específico de especialista en educación e IA y, durante el último año, se ha formado a más de 7.000 docentes, aproximadamente un tercio del profesorado público del estado. La formación aborda conceptos como el funcionamiento de los sistemas de IA, los sesgos, las alucinaciones, las cuestiones éticas y la privacidad de los datos. Además, el estado ha negociado acuerdos de privacidad y precios de las herramientas, facilitando el acceso de centros rurales y con menos recursos. Otros estados, como Maine, Virginia Occidental y Georgia, han creado posteriormente puestos similares.
Una de las principales conclusiones del artículo es que la alfabetización en IA no significa enseñar a los alumnos simplemente a utilizar ChatGPT o cualquier otra herramienta generativa, sino enseñarles también cuándo no deben utilizarla. El reto educativo consiste en evitar dos extremos: prohibir una tecnología que los estudiantes ya utilizan habitualmente o permitir que los alumnos deleguen en ella su capacidad de razonamiento. Los educadores entrevistados defienden que el estudiante debe ser capaz de analizar, cuestionar y verificar una respuesta generada por IA en lugar de aceptarla automáticamente. En este sentido, la IA se presenta no solo como una nueva herramienta tecnológica, sino como un desafío para la enseñanza del pensamiento crítico, la autonomía intelectual y la competencia informacional.
El artículo también advierte de una posible brecha educativa en alfabetización en IA. La formación requiere inversiones importantes y los distritos con menos recursos pueden tener mayores dificultades para proporcionar capacitación tanto a profesores como a estudiantes. La experiencia de Utah intenta reducir esta desigualdad mediante formación accesible y centralizada. En última instancia, la cuestión no parece ser si los jóvenes utilizarán inteligencia artificial, sino cómo aprenderán a convivir con ella sin delegar completamente en los algoritmos su capacidad para pensar, investigar y tomar decisiones.
404 Media. “We Tracked a Shipment of Rare Books. It Ended at an Amazon AI Training Facility”. Agosto de 2026. Artículo original en 404 Media
La investigación revela una nueva dimensión de la carrera por conseguir datos de entrenamiento para la inteligencia artificial. Las empresas tecnológicas están recurriendo a libros físicos porque contienen grandes cantidades de lenguaje humano y porque algunos de esos contenidos no se encuentran fácilmente en Internet.
Una investigación de 404 Media ha seguido el recorrido de un envío de aproximadamente 1.000 libros usados y raros adquirido por Amazon y ha descubierto que el cargamento terminó en una instalación de la compañía en Las Vegas dedicada a la digitalización de libros. Para comprobar el destino, los periodistas colaboraron con un vendedor de libros usados y colocaron un Apple AirTag dentro de uno de los ejemplares. El dispositivo permitió seguir el libro mientras atravesaba distintos puntos de Estados Unidos hasta llegar finalmente a una instalación de Amazon. Allí, según la investigación, un equipo identificado como VGT3 recibe grandes cantidades de libros físicos, les corta el lomo, separa las páginas y las prepara para ser escaneadas rápidamente. El procedimiento destruye el ejemplar físico, que ya no puede ser reconstruido en su forma original.
La operación tiene especial interés porque los libros impresos se han convertido en una fuente atractiva de datos para entrenar sistemas de inteligencia artificial. A diferencia de buena parte de los contenidos disponibles actualmente en Internet, los libros publicados antes de la expansión de la IA generativa contienen predominantemente textos creados por seres humanos y, por tanto, ofrecen a las empresas tecnológicas un corpus potencialmente valioso para entrenar modelos sin incorporar grandes cantidades de contenido generado artificialmente. Además, numerosos libros antiguos, académicos, técnicos o publicados en pequeñas tiradas no están disponibles en formato digital, por lo que la única manera de convertirlos en datos procesables por una IA puede ser adquirir físicamente los ejemplares y digitalizarlos. La investigación apunta a que Amazon está participando activamente en este proceso mediante la compra masiva de libros a través de canales comerciales.
Uno de los aspectos más llamativos es que algunos de los ejemplares adquiridos son libros poco frecuentes o difíciles de encontrar, aunque esto no significa necesariamente que tengan un elevado valor económico en el mercado de segunda mano. En el caso investigado, 404 Media no ha revelado los títulos concretos, pero explica que el concepto de «raro» hace referencia a obras de las que quedan muy pocos ejemplares disponibles, incluidos libros publicados originalmente en tiradas reducidas o escritos en idiomas con pocos hablantes. Para los vendedores de libros usados, la destrucción de estos ejemplares plantea una preocupación que va más allá de su precio comercial: un libro puede tener poco valor económico y, al mismo tiempo, poseer un importante valor histórico, cultural o documental. La digitalización puede preservar su contenido, pero la desaparición del objeto físico supone una pérdida para coleccionistas, bibliotecas e investigadores interesados en la materialidad de la obra.
Amazon no ha negado que compre libros con esta finalidad. Un portavoz de la compañía explicó a 404 Media que Amazon adquiere libros a través de canales comerciales para contribuir al desarrollo y mejora de sus productos y servicios. Sin embargo, la compañía no proporcionó detalles completos sobre la magnitud de estas operaciones ni sobre qué modelos concretos se entrenan con los materiales digitalizados. La investigación resulta especialmente significativa porque muestra una parte poco visible de la infraestructura de la IA: detrás de los grandes modelos lingüísticos no solo existen centros de datos, chips y enormes cantidades de información digital, sino también redes de adquisición, transporte, almacenamiento y digitalización de materiales físicos. El entrenamiento de la IA está generando así una nueva demanda de documentos que durante décadas habían permanecido exclusivamente en formato papel.
Amazon no es la única empresa que estaría recurriendo a esta estrategia. El artículo recuerda que Anthropic adquirió millones de libros físicos para obtener datos de entrenamiento para Claude, utilizando también procesos de corte de los lomos, escaneado de las páginas y posterior eliminación de los originales. Esta práctica ha generado preocupación en el sector del libro usado porque introduce un nuevo competidor con una capacidad financiera enorme: empresas tecnológicas que pueden comprar grandes cantidades de ejemplares no necesariamente para leerlos o conservarlos, sino para transformarlos en datos digitales. La consecuencia potencial es que determinados libros escasos puedan desaparecer físicamente del mercado a medida que son adquiridos y destruidos para su digitalización.
El fenómeno plantea además importantes cuestiones sobre derechos de autor y uso de obras protegidas para entrenar inteligencia artificial. Comprar legalmente un ejemplar físico no equivale necesariamente a tener libertad absoluta para copiar, digitalizar y utilizar su contenido con cualquier finalidad. Precisamente por ello, la utilización masiva de libros como corpus de entrenamiento se encuentra en el centro de numerosos debates jurídicos entre autores, editoriales y empresas tecnológicas. El caso resulta especialmente interesante porque la adquisición de ejemplares físicos puede constituir una forma de acceder a obras que no están disponibles digitalmente, pero el proceso posterior —cortar, escanear, almacenar y utilizar millones de páginas como datos de entrenamiento— abre preguntas diferentes sobre reproducción, transformación y explotación comercial. La digitalización de una colección también modifica radicalmente la escala: lo que una biblioteca puede hacer para preservar una obra y facilitar su consulta no es necesariamente equivalente a lo que una compañía puede hacer con millones de libros para desarrollar productos comerciales de IA.
Para las bibliotecas y el patrimonio bibliográfico, el caso resulta particularmente relevante. Los libros que Amazon o Anthropic adquieren pueden ser precisamente aquellos que presentan dificultades para su preservación digital: ediciones agotadas, obras de pequeñas editoriales, publicaciones locales, literatura en lenguas minoritarias o documentos con escasa presencia en Internet. La paradoja es que la inteligencia artificial puede contribuir a rescatar y hacer accesible digitalmente una enorme cantidad de conocimiento, pero el método utilizado para conseguirlo puede destruir los originales físicos. Esto plantea una reflexión importante sobre el valor de la preservación: digitalizar un libro garantiza la supervivencia de su contenido textual, pero no necesariamente conserva su materialidad, su encuadernación, sus anotaciones, sus características editoriales o la información histórica que contiene el propio objeto. Para las bibliotecas patrimoniales, por tanto, el libro físico continúa teniendo un valor que no puede reducirse al texto que contiene.
El resultado es una situación paradójica: la IA puede estar contribuyendo a digitalizar y preservar enormes cantidades de conocimiento, pero también puede provocar la desaparición física de ejemplares únicos o escasos. El caso de Amazon plantea así preguntas fundamentales para bibliotecas, editoriales y responsables de patrimonio: ¿qué libros deberían preservarse físicamente?, ¿quién decide qué ejemplares pueden destruirse?, ¿debe compensarse a autores y editores por el uso de estos materiales para entrenar IA? y ¿cómo garantizar que la digitalización para inteligencia artificial no termine convirtiéndose en una nueva forma de pérdida del patrimonio bibliográfico?
La irrupción de la inteligencia artificial generativa está provocando una crisis de confianza en la industria editorial, especialmente alrededor de una pregunta aparentemente sencilla pero cada vez más difícil de responder: ¿quién ha escrito realmente un libro?
El Wall Street Journal analiza una sucesión de casos recientes en los que contratos editoriales importantes han sido cancelados o cuestionados después de que surgieran sospechas sobre el uso de IA. Uno de los ejemplos más llamativos es el de Jerry Falade, cuyo debut literario, Call Me, I’ll Hide the Body, había conseguido un contrato de varios millones de dólares antes de que sus agentes decidieran retirarlo porque no podían verificar que el manuscrito hubiera sido escrito íntegramente por él. Falade niega haber utilizado IA para escribir la novela y considera que las acusaciones tienen un componente racial. El caso ilustra hasta qué punto la mera sospecha puede tener ya consecuencias profesionales y económicas importantes.
El problema se extiende a otros títulos. En marzo, Hachette canceló la publicación estadounidense de Shy Girl, de Mia Ballard, después de acusaciones de utilización de IA. La autora negó haber empleado directamente estas herramientas para escribir la novela y explicó que una persona conocida había utilizado IA durante el proceso de edición. También ha surgido controversia alrededor de Daggermouth, una novela autopublicada que alcanzó posiciones destacadas en las listas de ventas y cuyos derechos fueron adquiridos por Simon & Schuster. Un estudio todavía no revisado por pares señaló indicios de utilización sustancial de IA, aunque la autora lo niega y la editorial ha defendido públicamente su trabajo, señalando además que los detectores de IA pueden producir falsos positivos. El artículo muestra así una paradoja: la industria necesita mecanismos para detectar contenidos generados artificialmente, pero las herramientas disponibles tampoco son suficientemente fiables como para convertirse en una prueba definitiva de autoría.
La situación está obligando a replantear la relación entre autores, agentes y editoriales. Tradicionalmente, el sistema editorial se ha basado en un principio de confianza: el autor declara que la obra es original y el editor confía en esa declaración, del mismo modo que confía en la exactitud de la información proporcionada en una obra de no ficción. La IA introduce una incertidumbre nueva porque resulta mucho más difícil determinar, únicamente a partir del texto final, cómo ha sido producido. Un escritor puede utilizar un modelo para generar un párrafo completo, para corregir el estilo, para traducir, para investigar, para desarrollar una estructura o simplemente para buscar ideas. Entre estos usos existen diferencias sustanciales, pero la industria carece todavía de estándares consensuados que permitan establecer dónde termina la asistencia tecnológica y comienza la autoría de la máquina.
Esta incertidumbre también afecta a los contratos editoriales. Algunas editoriales están considerando incorporar cláusulas específicas sobre inteligencia artificial, mientras que otras prefieren no establecer todavía reglas demasiado rígidas porque la tecnología evoluciona rápidamente y los usos aceptables pueden cambiar en poco tiempo. Las grandes editoriales —Simon & Schuster, Penguin Random House, HarperCollins, Hachette y Macmillan— se encuentran además en una posición contradictoria: por un lado, defienden la creatividad humana y se enfrentan a controversias relacionadas con el entrenamiento de modelos de IA mediante obras protegidas por derechos de autor; por otro, reconocen que la inteligencia artificial puede tener aplicaciones económicas y prácticas en diferentes fases del proceso editorial. Penguin Random House, por ejemplo, sostiene que la IA puede apoyar determinados procesos, pero no sustituir a los autores ni el criterio humano que interviene en la creación de los libros.
El fenómeno también está relacionado con la explosión de la autopublicación y la denominada “AI slop”, es decir, una producción masiva de contenidos de baja calidad generados o asistidos por inteligencia artificial. El atractivo económico es evidente: producir un libro resulta mucho más rápido y barato cuando una máquina puede generar grandes cantidades de texto. El problema es que el mercado editorial puede verse inundado de títulos que compiten por la atención de los lectores y dificultan la visibilidad de las obras creadas mediante procesos humanos. El artículo cita estimaciones según las cuales una proporción significativa de los libros electrónicos publicados en Amazon podría contener algún grado de asistencia de IA. Al mismo tiempo, las editoriales y plataformas tienen dificultades para distinguir entre una utilización legítima de estas herramientas y la producción industrial de libros prácticamente automatizados.
Otro problema importante es el uso de detectores de inteligencia artificial. Estas herramientas pretenden identificar patrones lingüísticos característicos de los textos generados por modelos de lenguaje, pero su fiabilidad está siendo cuestionada. Un resultado positivo no demuestra necesariamente que un libro haya sido escrito por una IA y puede perjudicar injustamente a un autor humano. El caso de Daggermouth demuestra esta dificultad: la investigación que detectó indicios de IA todavía no había sido revisada por pares y la editorial rechazó la idea de utilizar un detector como prueba definitiva. La industria se encuentra, por tanto, ante un dilema complicado: necesita mecanismos para protegerse frente al fraude y la producción masiva automatizada, pero no puede sustituir el juicio editorial por una puntuación algorítmica que también puede equivocarse.
La controversia alcanza asimismo a la propiedad intelectual. El texto recuerda que el contenido generado exclusivamente por IA no disfruta en Estados Unidos de la misma protección de copyright que una obra creada por una persona. Esto proporciona a las editoriales un criterio relativamente claro en uno de los extremos del problema: copiar directamente grandes cantidades de texto generado por un chatbot no constituye una vía segura para reclamar autoría humana. Sin embargo, existe una enorme zona gris entre la generación automática y la creación humana asistida por herramientas de IA. ¿Es diferente utilizar IA para desarrollar un esquema que para reescribir capítulos? ¿Y para traducir, investigar o corregir? ¿Cuánta intervención humana es necesaria para que una obra pueda considerarse propiamente del autor? El sector todavía no dispone de respuestas uniformes.
El artículo destaca finalmente que los agentes literarios están convirtiéndose involuntariamente en policías de la IA. Algunos reciben un número creciente de manuscritos que parecen haber sido generados mediante modelos de lenguaje y otros han empezado a establecer políticas internas mucho más estrictas. Hay agentes que rechazan a autores que utilizan IA incluso para tareas de investigación o inspiración, mientras que otros intentan establecer diferencias entre usos auxiliares y generación directa de contenido. Esta situación genera una considerable inseguridad entre los escritores: pueden dedicar años a una obra y después temer que el uso ocasional de una herramienta tecnológica sea interpretado como una violación de las reglas editoriales. La ausencia de normas comunes hace que las decisiones dependan en gran medida de cada agente, editor o editorial.
En definitiva, la inteligencia artificial está obligando al sector editorial a redefinir qué significa ser autor y cómo se acredita la autoría. La cuestión ya no se limita a impedir que las máquinas escriban libros, sino a establecer reglas claras sobre qué usos de la IA son compatibles con la creación literaria, cómo deben declararse y cómo pueden verificarse. La industria del libro se ha construido históricamente sobre la confianza entre escritores, agentes, editores y lectores; la IA pone a prueba ese modelo porque dificulta comprobar el proceso que existe detrás del texto final. El desafío será encontrar un equilibrio que proteja la creatividad humana sin prohibir usos legítimos de la tecnología y, al mismo tiempo, evite que los detectores imperfectos o las sospechas sin pruebas destruyan la reputación de autores. La verdadera crisis no es solamente que la IA pueda escribir libros, sino que cada vez resulte más difícil saber quién los ha escrito y cuánto podemos confiar en lo que compramos y leemos.
Universo Abierto 