Ranking del benchmark SWE-bench en 2026: la mejor IA para programar

BRACAI Consulting. (2025, 26 de marzo). Ranking del benchmark SWE-bench en 2026: la mejor IA para programar. BRACAI. https://www.bracai.eu/es/post/benchmark-swe-bench-ia

SWE-bench es una prueba de referencia diseñada para medir hasta qué punto un sistema de inteligencia artificial puede resolver problemas reales de ingeniería de software, y no solamente generar fragmentos de código que parezcan correctos.

El artículo de BRACAI explica que los benchmarks tradicionales de programación se centraban en ejercicios relativamente pequeños, como escribir una función o resolver un problema algorítmico. Aunque estas pruebas permiten evaluar determinadas habilidades técnicas, no reproducen toda la complejidad del trabajo cotidiano de un desarrollador. En un proyecto real, es necesario comprender cómo está organizado el software, localizar el origen de un error, interpretar las necesidades de los usuarios, modificar diferentes archivos y comprobar que la solución funciona sin introducir nuevos problemas. SWE-bench pretende evaluar precisamente esa capacidad de desenvolverse en un entorno de programación complejo.

El funcionamiento de SWE-bench parte de incidencias reales publicadas en GitHub, una plataforma ampliamente utilizada para desarrollar y compartir software. El sistema de IA recibe la descripción de un problema y acceso al repositorio de código correspondiente. A partir de esa información, debe identificar qué está fallando, comprender las relaciones entre los distintos componentes del programa y elaborar un parche que corrija el problema. Posteriormente, la solución se somete a pruebas automatizadas para comprobar si cumple los requisitos establecidos. La evaluación no depende únicamente de que el código esté bien redactado o parezca razonable: lo importante es que la modificación funcione y supere las pruebas pertinentes. De esta manera, el benchmark ofrece una aproximación más práctica a la capacidad de una IA para actuar como agente de programación y completar tareas con cierto grado de autonomía.

El artículo distingue varias versiones de este sistema de evaluación. SWE-bench original reúne problemas procedentes de repositorios de Python y permite comprobar si los modelos pueden realizar correcciones en proyectos existentes. SWE-bench Verified es una selección de 500 tareas revisadas por personas para mejorar la claridad de los enunciados y la fiabilidad de las pruebas. Por su parte, SWE-bench Pro se diseñó para evaluar tareas de ingeniería de software más complejas, con repositorios amplios y problemas que pueden exigir razonamiento prolongado y cambios en distintos archivos. El artículo también menciona HumanEval, un benchmark anterior que evalúa la generación de funciones a partir de descripciones y pruebas unitarias. La diferencia fundamental es que SWE-bench trata de aproximarse a la resolución de problemas dentro de un proyecto real, mientras que HumanEval se concentra en ejercicios de programación más acotados.

En cuanto a los resultados, BRACAI presenta una clasificación de modelos en la que destacan Claude Opus 4.5, Gemini 3 Pro, GPT-5 y Qwen 3 Coder, con porcentajes de resolución del 46 %, 43 %, 42 % y 39 %, respectivamente, en SWE-bench Pro. Estas cifras deben entenderse como los resultados que recoge la página, no como una clasificación universal ni necesariamente vigente de los mejores modelos. El artículo también señala diferencias importantes entre los sistemas más avanzados y otros modelos con resultados inferiores, lo que pone de manifiesto que la capacidad de generar código no garantiza que una IA pueda resolver de forma autónoma problemas complejos. Incluso cuando un modelo obtiene buenos resultados, todavía puede necesitar varios intentos, revisión del código y supervisión humana antes de que una modificación esté preparada para incorporarse a un producto real.

Una consideración importante para interpretar estos resultados: en julio de 2026, OpenAI publicó una auditoría que estimó que alrededor del 30 % de las tareas públicas de SWE-bench Pro presentaban problemas de evaluación. Entre ellos figuraban pruebas demasiado estrictas, instrucciones incompletas, criterios de comprobación insuficientes y contradicciones entre el enunciado y las pruebas. La revisión de Epoch AI de septiembre de 2026 también calificó este benchmark como defectuoso. Por tanto, las puntuaciones y los rankings deben leerse con cautela: una prueba mal diseñada puede penalizar soluciones correctas o aceptar soluciones incompletas. Este caso ilustra que evaluar la inteligencia artificial exige examinar tanto las capacidades de los modelos como la calidad de los instrumentos utilizados para medirlas.

Inteligencia artificial generativa para la investigación y la elaboración de tesis: guía práctica para estudiantes, supervisores e instituciones educativas.

Jauhiainen, J. S. (2026). Generative AI for research and thesis work: Practical guidance for students, supervisors, and educational institutions. MDPI.

Descargar PDF

Generative AI for Research and Thesis Work publicado en septiembre de 2026 por MDPI en acceso abierto, ofrece una guía práctica para incorporar la inteligencia artificial generativa a la investigación académica y a la elaboración de trabajos de fin de grado, máster y tesis. A lo largo de sus 272 páginas, aborda las distintas etapas del proceso investigador, desde la formulación de la pregunta de investigación y la revisión bibliográfica hasta el análisis de los datos, la redacción, la revisión final y la defensa del trabajo.

La obra explica cómo utilizar herramientas como ChatGPT y Claude para generar ideas, organizar la literatura científica, analizar materiales, mejorar la escritura y preparar evaluaciones. También incluye ejemplos de instrucciones (prompts), plantillas, listas de comprobación y flujos de trabajo que permiten integrar estas tecnologías de manera sistemática en las tareas académicas. Asimismo, presta atención al papel de los tutores, docentes y responsables institucionales en la orientación del alumnado y en el desarrollo de políticas de uso de la inteligencia artificial.

Uno de los aspectos más relevantes del libro es su insistencia en la necesidad de utilizar la IA de forma crítica y responsable. Advierte sobre riesgos como las referencias bibliográficas inventadas, los sesgos, los razonamientos deficientes, los problemas de privacidad y la dependencia excesiva de estas herramientas. Su planteamiento es claro: la inteligencia artificial debe servir de apoyo al trabajo académico, pero nunca sustituir la capacidad de análisis, la originalidad ni la responsabilidad intelectual del investigador.

En definitiva, se trata de una publicación de interés para estudiantes, investigadores, tutores y profesionales de la información que quieran comprender cómo aprovechar la IA generativa durante el proceso de investigación sin comprometer la integridad académica. También constituye un recurso útil para las bibliotecas universitarias que desarrollan programas de alfabetización en inteligencia artificial, formación investigadora y acompañamiento a la comunidad académica

Puriskiwa, biblioteca itinerante que acerca la lectura a comunidades y escuelas con escasos recursos en Bolivia con Danitza Noemí Coronel. Planeta Biblioteca 2026/10/01

Puriskiwa, biblioteca itinerante que acerca la lectura a comunidades y escuelas con escasos recursos con Danitza Noemí Coronel

Planeta Biblioteca 2026/10/01

ESCUCHAR

Descargar

Entrevista realizada en Mendoza a Danitza Noemí Coronel Tola. bibliotecóloga boliviana que repasa su trayectoria profesional. Tras descubrir su vocación por un biblioparque en Bogotá, enfrentó las dificultades del sector en Bolivia y expandió su perspectiva como becaria IFLA y miembro de REFORMA, una asociación internacional afiliada a la American Library Association (ALA) dedicada a promover y mejorar los servicios de biblioteca e información para las comunidades hispanohablantes y latinas. Su labor se centra en facilitar el acceso al conocimiento, desarrollar colecciones en español y capacitar a bibliotecarios para apoyar la inclusión y la alfabetización.. Danitza, en la conversación, subraya la cooperación internacional como pilar imprescindible y defiende la alfabetización informacional basada en la verificación frente a las noticias falsas y la IA. Asimismo, detalla su liderazgo en Puriskiwa, biblioteca itinerante que acerca la lectura a comunidades y escuelas con escasos recursos. Puriskiwa es una palabra en idioma quechua que se traduce como «ya ha llegado», «está llegando» o «acaba de llegar».Finalmente, aboga por un modelo bibliotecario latinoamericano que respete la diversidad pluricultural y concluye recomendando El nombre de la rosa y El cisne negro.

Paola Benegas. Comité de Bibliotecas Gubernamentales de la IFLA. Planeta Biblioteca 2026/09/30

Paola Benegas. Comité de Bibliotecas Gubernamentales de la IFLA

Planeta Biblioteca 2026/09/30

ESCUCHAR

Descargar

En esta edición de Planeta Biblioteca de Radio USAL, conversamos con Paola Banegas, representante del Comité de Bibliotecas Gubernamentales de la IFLA (GOVLIB). Durante la entrevista, Banegas aborda el papel clave de las bibliotecas gubernamentales en la preservación del patrimonio documental y la gestión de la información pública. Asimismo, analiza los principales desafíos e iniciativas que impulsa este comité internacional para fomentar el intercambio de buenas prácticas entre instituciones de todo el mundo. La charla ofrece una visión global sobre cómo la cooperación profesional fortalece el acceso a la información oficial y la transparencia institucional. Un encuentro imprescindible para comprender la relevancia estratégica de estos centros en la sociedad actual.

Centro de Documentación, Cultura y Patrimonio del Agua de Mendoza (Argentina) con Sergio Terrera. Planeta Biblioteca 2026/09/30

Centro de Documentación, Cultura y Patrimonio del Agua de Mendoza (Argentina) con Sergio Terrera. Planeta Biblioteca 2026/09/30

ESCUCHAR

Descargar

La entrevista a Sergio Terrera nos acerca al importante papel que desempeñan las bibliotecas especializadas en la conservación y difusión del conocimiento. Desde la Biblioteca del Agua de Mendoza, su trabajo está vinculado a la recuperación de documentos y testimonios que ayudan a comprender la historia y la gestión de un recurso tan esencial como el agua. Su experiencia pone de relieve el valor de organizar y preservar la memoria documental para que pueda ser consultada por investigadores y ciudadanos. También nos recuerda que las bibliotecas no son solo lugares donde se guardan libros, sino espacios vivos que conectan el pasado con el presente. Una labor discreta, pero fundamental para proteger el patrimonio y facilitar el acceso a la información.

Sergio Terrera

Instagram

archivohistoricodelaguamza@gmail.com

archivohistoricodelaguam

Bibliotecas, Libros e Inteligencia Artificial

RADIO UDELAR DE MONTEVIDEO. ENTREVISTA CON Julio Alonso Arevalo SOBRE INTELIGENCIA ARTIFICIAL

Escuchar

Recibimos a Julio Alonso Arévalo, jefe de la Biblioteca de la Facultad de Traducción y Documentación de la Universidad de Salamanca para conversar sobre Bibliotecas, Libros e Inteligencia Artificial

Integridad académica e Inteligencia artificial

Integridad académica e Inteligencia artificial

VER VIDEO

https://youtube.com/live/q-KNtysDsik?si=7ki1bjlnBuAunhwH

Transmisión en vivo de la conferencia «Integridad académica e inteligencia artificial» por Julio Alonso Arévalo (Universidad de Salamanca), realizada el miércoles 7 de octubre en la FIC: facultad de información y comunicación de la Universidad Nacional de la República de Uruguay. Montevideo (Uruguay)

Cultura en peligro de desaparición: un informe sobre nuestro frágil patrimonio cultural

Messarra, Luca; Chris Freeland y Juliya Ziskina (eds.). Vanishing Culture: A Report on Our Fragile Cultural Record. Internet Archive Press, 2026. 175 páginas

Texto completo

La principal aportación de Vanishing Culture es poner de manifiesto que la digitalización no equivale automáticamente a conservación. Paradójicamente, una sociedad que produce cantidades gigantescas de información puede estar generando también un patrimonio extremadamente efímero. Frente a esta situación, bibliotecas, archivos y otras instituciones de memoria necesitan asumir un papel activo en la preservación de la cultura digital, porque aquello que hoy parece permanentemente disponible en Internet puede convertirse mañana en un contenido inaccesible, fragmentario o completamente desaparecido.

Vanishing Culture analiza un problema cada vez más importante: la cultura digital no es necesariamente permanente y una parte considerable de lo que hoy producimos, consultamos y compartimos en Internet puede desaparecer. El informe parte de una paradoja: nunca hemos generado y almacenado tanta información como en la actualidad, pero al mismo tiempo muchos de esos contenidos son más frágiles que los documentos físicos del pasado. Páginas web que dejan de existir, publicaciones eliminadas de redes sociales, películas y grabaciones que desaparecen de los catálogos de las plataformas, videojuegos que dejan de funcionar, libros sometidos a licencias temporales o periódicos digitales que desaparecen cuando una empresa cierra un servicio forman parte de un patrimonio cultural que puede quedar fuera del alcance de las generaciones futuras. El informe reúne contribuciones de especialistas vinculados a la preservación digital, las bibliotecas, los archivos, el cine, los videojuegos, el periodismo y las humanidades digitales.

Uno de los argumentos centrales es que el paso de la propiedad física al acceso digital mediante licencias está modificando radicalmente las condiciones de conservación cultural. Cuando una persona compra un libro, un disco o una película en soporte físico, puede conservarlo, prestarlo o depositarlo en una biblioteca. En cambio, muchos productos digitales se ofrecen mediante servicios de streaming o licencias que no garantizan una disponibilidad permanente. Una obra puede estar disponible hoy y desaparecer mañana por decisiones empresariales, cambios de catálogo, problemas de derechos o cierre de una plataforma. El informe señala que este proceso afecta especialmente a libros, música, cine, televisión y otros materiales que anteriormente podían incorporarse con mayor facilidad a las colecciones de bibliotecas y archivos.

El web es otro de los grandes ámbitos de preocupación. Sitios completos pueden desaparecer cuando sus propietarios dejan de mantenerlos, cuando una empresa adquiere otra organización o cuando decide cerrar un proyecto. El informe menciona como ejemplos la desaparición de sitios como MTV News o Gawker, cuya huella pública queda parcialmente preservada gracias a los archivos web. En este contexto, la Wayback Machine adquiere una importancia particular: no se limita a conservar páginas antiguas por razones históricas, sino que puede convertirse en uno de los últimos registros públicos de determinados acontecimientos, medios de comunicación, debates sociales y expresiones culturales.

El informe también introduce una dimensión especialmente relevante para bibliotecas y archivos: la preservación digital ya no depende únicamente de disponer de servidores y tecnología de almacenamiento. También intervienen los derechos de autor, las condiciones de las licencias, las restricciones contractuales, la legislación y la capacidad de las instituciones culturales para recopilar y conservar materiales digitales. Por ello, Vanishing Culture plantea que las bibliotecas y archivos necesitan disponer de condiciones jurídicas, económicas y técnicas que les permitan realizar una función que tradicionalmente han desempeñado con los materiales impresos: seleccionar, adquirir, conservar, organizar y proporcionar acceso a la memoria cultural.

Otro elemento destacado es la aparición de nuevas amenazas a la memoria digital, entre ellas los ciberataques. El propio Internet Archive, la British Library y varias bibliotecas públicas han sufrido incidentes que han afectado temporalmente a sus servicios y al acceso a sus colecciones. Esto demuestra que incluso las instituciones creadas precisamente para preservar información pueden convertirse en objetivos vulnerables. La conservación digital, por tanto, requiere no solamente estrategias de almacenamiento y migración tecnológica, sino también medidas de seguridad, redundancia, recuperación ante desastres y continuidad del servicio.

El libro aborda además la dimensión social de la desaparición cultural. Lo que desaparece de Internet no son únicamente datos o archivos: pueden desaparecer testimonios de comunidades, memorias colectivas, publicaciones periodísticas, expresiones culturales minoritarias, historias locales, lenguas, producciones de grupos sociales y documentos que difícilmente volverán a producirse. La serie de contenidos vinculada al informe amplía precisamente esta perspectiva mediante casos relacionados con recetas y cultura gastronómica, memoria queer, tradiciones africanas y lenguas amenazadas.

En este sentido, Vanishing Culture puede leerse como una llamada de atención para las bibliotecas del siglo XXI. La institución bibliotecaria deja de ser solamente un lugar donde se conservan libros y pasa a desempeñar una función esencial en la construcción de una memoria digital colectiva. La cuestión no consiste únicamente en digitalizar colecciones, sino en garantizar que los materiales nacidos digitales —webs, redes sociales, publicaciones electrónicas, software, videojuegos, audiovisuales y otros contenidos— puedan formar parte de colecciones culturales duraderas. El informe defiende, por tanto, la necesidad de reforzar las capacidades de las instituciones de memoria para preservar el patrimonio digital y mantenerlo accesible para las generaciones futuras

El problema de la «validez sintética» en la investigación de IA.

Retraction Watch Staff, “AI research’s ‘synthetic validity’ problem”, Retraction Watch, 19 de septiembre de 2026. Artículo original en Retraction Watch

El problema ya no consiste únicamente en detectar artículos falsos o textos generados por IA. El reto es garantizar que los datos, métodos, referencias y evidencias que sustentan la investigación sean verificables y tengan validez respecto al fenómeno real que pretenden estudiar. La expansión de la IA hace que esta tarea sea todavía más importante.

Especialmente relevante para el ámbito de la IA y la comunicación científica es la referencia al problema de la “synthetic validity”. El concepto alude a una dificultad creciente: los investigadores pueden utilizar modelos generativos para producir datos, participantes simulados, respuestas, textos u otros materiales que presentan una apariencia estadísticamente plausible, pero cuya correspondencia con el mundo real puede ser limitada. El problema no es solamente si los datos sintéticos son técnicamente coherentes, sino hasta qué punto permiten extraer conclusiones válidas sobre personas, comportamientos o fenómenos reales.

Esta cuestión adquiere especial importancia a medida que la IA generativa se incorpora a experimentos, encuestas, simulaciones y procesos de investigación. Una investigación puede obtener resultados internamente consistentes utilizando datos artificiales y, sin embargo, presentar una validez externa limitada. La posibilidad de generar grandes cantidades de respuestas sintéticas también puede facilitar estudios rápidos y baratos, pero introduce la necesidad de demostrar que los resultados no son simplemente un reflejo de los patrones incorporados en los propios modelos de IA.

La integridad científica depende de toda una cadena de controles, desde el diseño de la investigación y la recogida de datos hasta la revisión por pares, la publicación, las citaciones y la posterior corrección del registro científico. La aparición de la IA añade nuevas dificultades, pero no sustituye problemas tradicionales como las autorías fraudulentas, los datos inconsistentes, las referencias incorrectas o la ausencia de aprobación ética.

La IA introduce un nuevo problema: datos plausibles pero artificiales. La cuestión de la synthetic validity resulta particularmente importante para la alfabetización en IA. Un modelo generativo puede producir miles de respuestas aparentemente humanas y coherentes; sin embargo, que una respuesta sea verosímil no significa que represente a una población real. Esto obliga a los investigadores a diferenciar entre precisión estadística, coherencia interna y validez empírica.

Existe además el riesgo de crear un círculo de retroalimentación: los modelos se entrenan con datos producidos por seres humanos; posteriormente generan nuevos datos sintéticos; esos datos pueden utilizarse para entrenar, evaluar o alimentar otros modelos; y finalmente los resultados artificiales pueden volver a incorporarse al ecosistema científico. Si este proceso no se controla, la investigación podría terminar utilizando datos derivados de otros datos sintéticos sin una conexión suficientemente sólida con la realidad empírica original.

En investigación social, educativa o bibliométrica, por ejemplo, utilizar participantes sintéticos podría generar resultados que parecen convincentes pero que no necesariamente reproducen las características, sesgos y comportamientos de personas reales. El riesgo aumenta si los resultados generados artificialmente se utilizan posteriormente como evidencia para nuevas investigaciones. De este modo puede aparecer un círculo de retroalimentación en el que los modelos entrenados con información humana generan nuevos datos que posteriormente se utilizan para entrenar o evaluar otros modelos.

El artículo resulta especialmente útil porque conecta tres problemas que normalmente se analizan por separado: la integridad de las publicaciones, la creciente utilización de IA y la necesidad de preservar la confianza en el registro científico. Retraction Watch recuerda además que su base de datos ya supera las 67.000 retractaciones, una cifra que refleja la dimensión acumulativa de los mecanismos de corrección de la literatura científica.

Zuckerberg plantea su visión de la “superinteligencia personal”: IA abierta, distribuida y accesible para todos

Zuckerberg, Mark. “AI’s Biggest Risk Is One Entity With Too Much Control.” Axios, 10 de agosto de 2026.

MANIFIESTO

Mark Zuckerberg presenta en este manifiesto una visión marcadamente optimista sobre el futuro de la inteligencia artificial. Su argumento central es que el principal peligro no sería necesariamente que la IA alcance capacidades extraordinarias, sino que el control de esas capacidades quede concentrado en una única empresa, gobierno o institución. Frente a esa posibilidad, defiende una IA ampliamente distribuida, de manera que miles de millones de personas puedan disponer de herramientas capaces de ampliar sus capacidades intelectuales, creativas y profesionales. Para Zuckerberg, la concentración del poder tecnológico supondría un riesgo porque permitiría que unos pocos actores determinaran cómo se utiliza una tecnología con consecuencias potencialmente globales.

Una de las ideas fundamentales del documento es la llegada de una “superinteligencia personal”, concebida como un sistema de IA capaz de acompañar individualmente a cada persona y ayudarla en múltiples dimensiones de su vida. Zuckerberg imagina asistentes capaces de actuar como tutores personalizados, asesores profesionales, investigadores, programadores o colaboradores creativos. En su visión, la IA podría proporcionar a cualquier persona capacidades que actualmente están reservadas a quienes disponen de determinados recursos económicos o conocimientos especializados. La consecuencia sería una democratización de capacidades intelectuales que podría modificar profundamente la educación, el trabajo, la investigación y la creación de empresas.

El planteamiento tiene una dimensión particularmente importante para la educación. Zuckerberg imagina que cada estudiante pueda disponer de un tutor personalizado con conocimientos equivalentes a los de un experto y con capacidad para adaptar permanentemente las explicaciones a las necesidades de cada alumno. Del mismo modo, los adultos podrían utilizar estos sistemas para aprender idiomas, adquirir nuevas competencias profesionales o desarrollar aficiones. El planteamiento transforma la idea tradicional del acceso al conocimiento: en lugar de depender exclusivamente de una institución educativa o de un profesor, cada individuo tendría potencialmente un asistente educativo permanente.

La cuestión del código abierto ocupa un lugar central en la propuesta. Zuckerberg sostiene que Meta debe continuar poniendo modelos de IA a disposición de desarrolladores y usuarios, porque considera que un ecosistema abierto favorece la innovación y evita que unas pocas grandes compañías acumulen un poder excesivo. Meta anunció simultáneamente nuevos modelos de IA destinados a desarrolladores, entre ellos Muse Glimmer, orientado a funcionar en ordenadores personales, y acceso para desarrolladores a un modelo más potente denominado Muse Spark 1.2. Esta estrategia pretende situar la apertura de modelos como alternativa frente a sistemas controlados exclusivamente por grandes laboratorios tecnológicos.

El manifiesto también introduce una dimensión económica. Zuckerberg plantea que los sistemas de IA deberían ofrecer acceso gratuito o asequible para miles de millones de personas, mientras que quienes necesiten mayores cantidades de capacidad computacional podrían pagar por ella. Su propuesta incluye incluso mecanismos dinámicos para determinar el precio de determinados niveles de computación. La idea de fondo es que la IA avanzada no debería convertirse en un recurso reservado exclusivamente a grandes empresas, gobiernos o personas con elevados ingresos, sino que sus beneficios deberían distribuirse ampliamente.

Otro aspecto significativo es la relación entre IA, poder y geopolítica. Zuckerberg argumenta que Estados Unidos y sus aliados necesitan desarrollar rápidamente infraestructuras energéticas y tecnológicas para mantener su posición frente a China. En este contexto defiende también una postura relativamente permisiva hacia la denominada distillation, una técnica mediante la cual un modelo menos potente puede aprender a partir de las respuestas producidas por otro modelo más avanzado. El debate tiene implicaciones importantes para la competencia tecnológica internacional, la propiedad intelectual y las restricciones que los gobiernos pueden imponer al desarrollo de IA.

Sin embargo, el manifiesto ha recibido críticas desde sectores vinculados a la seguridad de la IA y a los derechos digitales. Anthony Aguirre, del Future of Life Institute, cuestionó la capacidad de cualquier empresa para controlar sistemas que eventualmente puedan alcanzar capacidades mucho mayores que las actuales. Otros críticos consideran que la propuesta de distribuir ampliamente sistemas cada vez más poderosos no elimina necesariamente los riesgos y puede introducir nuevos problemas de seguridad, manipulación, concentración económica o dependencia tecnológica. Estas críticas plantean una cuestión fundamental: que una tecnología sea accesible para muchas personas no significa automáticamente que sus consecuencias sean positivas o que los riesgos estén controlados.

El debate resulta especialmente interesante porque enfrenta dos concepciones diferentes de la gobernanza de la IA. Por un lado, Zuckerberg presenta la distribución amplia de la tecnología y el desarrollo de modelos abiertos como mecanismos para evitar la concentración de poder. Por otro, los críticos argumentan que determinados sistemas avanzados pueden requerir controles, evaluaciones y límites precisamente porque distribuir ampliamente capacidades muy poderosas también puede aumentar la superficie de riesgo. El manifiesto, por tanto, no es solamente una reflexión tecnológica: constituye también una propuesta sobre quién debe controlar la IA, quién debe tener acceso a ella y qué grado de regulación debería existir.

Para las bibliotecas y la alfabetización en inteligencia artificial, el planteamiento tiene especial interés. La idea de que la IA avanzada debe estar disponible para amplios sectores de la población conecta directamente con la función histórica de las bibliotecas como instituciones de democratización del acceso al conocimiento y a la tecnología. Pero también plantea una segunda obligación: proporcionar a los ciudadanos las competencias necesarias para utilizar críticamente esas herramientas. Si cada persona dispone de un asistente capaz de generar información, enseñar, investigar o tomar decisiones, será todavía más importante saber evaluar sus respuestas, comprobar sus fuentes, comprender sus limitaciones y reconocer cuándo una decisión no debería delegarse en una máquina.