En esta edición de Planeta Biblioteca entrevistamos a la bibliotecaria Marta García, bibliotecaria durante el I Encuentro de Clubes de Lectura en Jerez de la Frontera. La invitada comparte los orígenes y la dinámica del club de lectura especializado «Página Verde» de la Biblioteca Elena Fortún en Madrid, el cual promueve la concienciación ambiental mediante la literatura y la lectura crítica. Explica que el perfil de los participantes es diverso, abordando obras que generan debate sobre el cambio climático y la sostenibilidad. A mitad del programa, Marta recomienda la canción «Laxus» del grupo Ultraligera y prosigue la conversación destacando la importancia de las bibliotecas como pilares en la educación ambiental. Asimismo, detalla cómo el club trasciende las lecturas tradicionales mediante actividades teatralizadas, meriendas literarias y salidas culturales. Para finalizar, recomienda la lectura del libro Árbol de Ayakoda y anima a la audiencia a sumarse a estas iniciativas verdes a través de las redes y la web de RECIDA
La entrevista con Yolanda Martín González, Críspulo Travieso y José Carlos Toro, profesores de la Facultad de Traducción y Documentación de la Universidad de Salamanca, aborda la importancia de la alfabetización en datos en la sociedad actual, a partir de su libro «Alfabetización en datos: fundamentos, competencias y aplicaciones prácticas», coordinado por Yolanda Martín González y Ana Iglesias Rodríguez. Los autores explican la necesidad de desarrollar competencias para localizar, evaluar, interpretar y utilizar datos de forma crítica, tanto en el ámbito académico como en la vida cotidiana. Se analizan modelos de formación como ALFADATAUniv, la integración de estas habilidades en los planes de estudio, la búsqueda de fuentes fiables, los datos abiertos, la visualización y la gestión de datos de investigación. También se reflexiona sobre la ciencia abierta, la protección de datos personales y las implicaciones éticas de su reutilización. La entrevista destaca el papel de las bibliotecas universitarias como agentes de formación y asesoramiento en competencias relacionadas con los datos y concluye examinando los desafíos que plantean la inteligencia artificial, los sesgos algorítmicos y la necesidad de formar ciudadanos capaces de interpretar la información con espíritu crítico.
En este artículo, Ramazan Turgut, director editorial del Directory of Open Access Journals (DOAJ), plantea una reflexión crítica sobre la evolución del movimiento de acceso abierto, especialmente del modelo conocido como acceso abierto diamante (Diamond OA), caracterizado por ofrecer publicaciones científicas sin costes de publicación para los autores ni barreras de suscripción para los lectores.
El autor considera que, después de más de dos décadas de declaraciones, manifiestos y acuerdos internacionales, el sector ha llegado a un punto en el que resulta necesario pasar de las buenas intenciones a las transformaciones concretas. Desde la Iniciativa de Budapest de 2002 hasta las declaraciones de Toluca-Ciudad del Cabo, Bengaluru y Estocolmo, se ha construido un amplio marco de principios y compromisos, pero sus efectos reales sobre las prácticas editoriales, los presupuestos institucionales y las condiciones de publicación siguen siendo limitados. Turgut denomina a este fenómeno «inflación de declaraciones»: una acumulación de documentos que generan visibilidad y consenso, pero que no siempre se traducen en cambios estructurales.
El artículo identifica una contradicción especialmente significativa: numerosas universidades, bibliotecas y organizaciones académicas manifiestan públicamente su apoyo al acceso abierto diamante, mientras continúan destinando importantes recursos a acuerdos de suscripción y modelos comerciales basados en cargos por procesamiento de artículos (APC). Esta distancia entre discurso y práctica genera lo que el autor denomina una «ilusión de participación», en la que firmar una declaración puede producir la sensación de haber contribuido al cambio sin que necesariamente se modifiquen las estructuras económicas y organizativas que sostienen la comunicación científica. Como ejemplo de alternativas viables, presenta iniciativas como SciPost, que desarrolla un modelo editorial sin ánimo de lucro con cuentas transparentes; SciELO y Redalyc en América Latina; DergiPark en Turquía, que mantiene una plataforma pública de miles de revistas científicas; y los programas nacionales de ciencia abierta de Francia y Países Bajos. Estas experiencias muestran que el acceso abierto diamante puede alcanzar una escala significativa cuando dispone de financiación pública estable, infraestructuras compartidas y mecanismos de gobernanza transparentes.
Para superar esta situación, Turgut propone cinco líneas de actuación: sustituir las adhesiones voluntarias por compromisos institucionales verificables; ampliar y financiar los modelos editoriales no comerciales que ya funcionan; desarrollar infraestructuras compartidas con financiación pública; establecer mecanismos de gobernanza democrática y rendición de cuentas; y dejar de confundir la actividad declarativa con el progreso efectivo. En definitiva, el autor sostiene que el futuro del acceso abierto no depende de producir nuevos manifiestos, sino de garantizar recursos económicos, personal especializado, plataformas tecnológicas y políticas editoriales sostenibles. Su reflexión resulta especialmente relevante para las bibliotecas universitarias, que pueden desempeñar un papel estratégico en la redistribución de los presupuestos destinados a la comunicación científica y en el fortalecimiento de modelos de publicación que no trasladen los costes a investigadores ni lectores.
El artículo analiza una investigación realizada por Gary King, director del Instituto de Ciencias Sociales Cuantitativas de la Universidad de Harvard, y Steven Worthington, sobre la capacidad de la inteligencia artificial para evaluar artículos científicos mediante procesos de revisión por pares (peer review).
Los investigadores compararon 134 evaluaciones humanas de 124 artículos científicos, realizadas entre 2019 y 2026, con otras tantas revisiones generadas mediante Claude Opus, de Anthropic. Posteriormente, utilizaron GPT-5.5 como evaluador independiente y solicitaron a tres antiguos editores de revistas científicas que compararan una selección de diez pares de revisiones.
Los resultados fueron sorprendentes:
1. Superioridad de la IA: el modelo de inteligencia artificial obtuvo mejores resultados que las revisiones humanas en el 100 % de los casos cuando fueron evaluadas por otra IA y en el 87 % cuando la valoración correspondió a editores humanos.
2. Mayor calidad de las evaluaciones: la IA consiguió puntuaciones superiores en los siete criterios analizados: fuentes, debilidades, metodología, teoría e ideas, contextualización, comunicación y figuras y tablas.
3. Rapidez y eficiencia: la automatización podría reducir considerablemente los tiempos de revisión científica, llegando a plantear procesos de evaluación de apenas una semana y media.
4. Menor influencia de factores personales: la IA puede reducir determinados sesgos, compromisos personales y comportamientos complacientes que a veces condicionan las revisiones humanas.
5. Riesgo de homogeneización científica: los autores advierten que la inteligencia artificial tiende a favorecer planteamientos convencionales y mayoritarios, lo que podría limitar la originalidad, la diversidad intelectual y las perspectivas minoritarias en la investigación.
6. Transformación del papel editorial: se propone que las revistas científicas puedan sustituir algunas revisiones humanas rutinarias por informes generados mediante IA, acompañados de las respuestas de los autores y supervisados por los editores.
El trabajo cuestiona uno de los pilares tradicionales de la comunicación científica: la revisión por pares realizada exclusivamente por investigadores humanos. Si la inteligencia artificial puede producir evaluaciones de mayor calidad, rapidez y consistencia, el modelo editorial tendrá que evolucionar.
Sin embargo, el verdadero desafío no consiste únicamente en determinar si la IA evalúa mejor que las personas, sino en garantizar que no convierta la ciencia en un sistema excesivamente uniforme, donde las ideas innovadoras o minoritarias tengan menos oportunidades.
Una cuestión fundamental para las bibliotecas universitarias, los investigadores y los editores científicos: ¿estamos preparados para un modelo de publicación académica en el que la inteligencia artificial no solo ayude a escribir y documentar investigaciones, sino que también participe decisivamente en su evaluación y validación?
Nota crítica: los resultados proceden de un estudio todavía no sometido a revisión por pares y de una muestra concreta. Por tanto, no permiten concluir que la IA sea superior a los expertos en todas las disciplinas ni en cualquier contexto de evaluación.
Al abrir aquel libro en el cuarto cerrado de casa de mis padres, debajo de la piel y la firma de oro no me esperaban letras ni siquiera palabras en los brazos del tiempo eran la soledad de una paloma oscura, el amarillo hiriente del limón como un sueño en la boca, la luna estremecida de aquello que no vuelve y el sol entre los cascos de un caballo por el amanecer del horizonte.
Con el agua en los hombros, me senté el cuerpo sumergido en un silencio, la vida en un poema. De pronto descubrí la autoridad de la tarde imprecisa y de la noche larga.
Una vez más, nacer, sobre mil novencientos creo… sesenta y nueve. El mundo estaba abierto. Me llamó la promesa incompleta de un destino.
La entrevista con Laia Vidal Serrano y Judit Castelles Pagá, de la Asociación Lectura Fácil de Barcelona, aborda la lectura fácil como una herramienta fundamental para democratizar el acceso a la lectura, la información y la cultura, garantizando que todas las personas puedan comprender y participar en la sociedad en condiciones de igualdad. Las ponentes explican que esta metodología no se dirige únicamente a personas con dificultades de comprensión lectora, sino también a colectivos diversos que, por distintas circunstancias, necesitan contenidos más claros y accesibles. A lo largo de la conversación se analizan los criterios para adaptar textos sin perder su rigor ni su significado original, la importancia de la validación por parte de los propios lectores y el papel de las bibliotecas en la incorporación de materiales y servicios accesibles. También se aborda la aplicación de la lectura fácil a documentos administrativos, información sanitaria, páginas web y entornos digitales, así como las posibilidades y los riesgos que plantea la inteligencia artificial en la adaptación de contenidos. Finalmente, se reflexiona sobre los retos para extender esta práctica a las instituciones, centros educativos y administraciones públicas, destacando la necesidad de sensibilizar, formar profesionales y fomentar la colaboración con las personas destinatarias. La entrevista concluye con recomendaciones prácticas para que cualquier biblioteca pueda comenzar a incorporar la lectura fácil y avanzar hacia un modelo de información más inclusivo, comprensible y verdaderamente universal.
A speaker presents institutional communication strategies for artificial intelligence to an audience alongside humanoid robots.
Pew Research Center. (2026, 1 de octubre). Welcoming machines as audience: A guide for nonprofit communicators thinking about AI. Pew Research Center. Consultar artículo original
La idea fundamental es que la visibilidad institucional está cambiando: ya no basta con estar presente en Internet, también hay que ser comprensible, recuperable y reconocible para la inteligencia artificial. Las bibliotecas tienen aquí una nueva responsabilidad como intermediarias entre el conocimiento publicado, los sistemas inteligentes y los ciudadanos.
Se presenta una guía del Pew Research Center dirigida a profesionales de la comunicación de organizaciones sin ánimo de lucro, con recomendaciones para adaptar sus estrategias a un escenario en el que la inteligencia artificial se ha convertido en intermediaria entre las fuentes de información y los ciudadanos. Los usuarios recurren cada vez más a herramientas como ChatGPT y otros asistentes inteligentes para buscar información, resolver dudas y conocer el trabajo de diferentes instituciones. Este cambio está modificando la manera en que las personas descubren, interpretan y confían en los contenidos publicados en Internet.
La idea central es que las organizaciones ya no deben pensar exclusivamente en las personas como destinatarias de sus contenidos, sino también en los sistemas de inteligencia artificial que rastrean, interpretan, seleccionan y presentan esa información. Esto significa que las instituciones deben aprender a comunicar simultáneamente para dos públicos: los lectores humanos y las máquinas que procesan sus contenidos. La presencia de una organización en los resultados de los buscadores tradicionales ya no garantiza que también aparezca en las respuestas generadas por los asistentes de IA.
El documento propone una estrategia estructurada en tres líneas de actuación: aceptar, adaptar y avanzar (Accept, Adapt, Advance).
– Aceptar (Accept): reconocer que la inteligencia artificial ha llegado para quedarse y que una parte de los usuarios ya utiliza estos sistemas para acceder a la información. Las organizaciones deben asumir que este comportamiento puede afectar al tráfico directo hacia sus páginas web y a la manera en que se distribuyen sus contenidos.
– Adaptar (Adapt): analizar cómo aparecen actualmente los contenidos institucionales en las respuestas de los sistemas de IA. Se recomienda realizar pruebas con preguntas reales relacionadas con la actividad de la organización, utilizando diferentes plataformas. Es importante comprobar si la institución aparece mencionada, si sus documentos son citados y si se incluyen enlaces que permitan acceder a las fuentes originales.
– Avanzar (Advance): incorporar los resultados de estas evaluaciones a las futuras estrategias de comunicación. Esto implica mejorar la estructura, los metadatos y la accesibilidad de los contenidos para facilitar su interpretación por parte de los sistemas automatizados, sin descuidar las necesidades de los lectores humanos.
La guía incluye una lista de comprobación con recomendaciones prácticas. En primer lugar, propone decidir si interesa que los chatbots de inteligencia artificial utilicen y difundan los contenidos de la organización. Esta decisión debe estar vinculada a sus objetivos institucionales, identificando qué investigaciones, servicios, productos y públicos interesa hacer más visibles. También se debe definir qué resultados se esperan: respuestas precisas, atribución correcta de la autoría y enlaces que conduzcan a la fuente original.
En segundo lugar, recomienda evaluar la visibilidad institucional en los sistemas de IA mediante entre 10 y 20 preguntas reales que deberían permitir localizar los conocimientos, investigaciones o datos de la organización. Estas consultas deben probarse en distintas plataformas, registrando si la institución aparece, si recibe citas y enlaces y si la información recuperada es actual, correcta y completa. También conviene identificar errores, referencias desactualizadas, omisiones y problemas de atribución, repitiendo periódicamente las pruebas para observar la evolución.
Otro aspecto fundamental es la denominada legibilidad para las máquinas (machine readability). Pew Research Center recomienda que los datos representados en gráficos estén disponibles también como texto, que los metadatos describan claramente los temas, autores, periodos temporales y conjuntos de datos, y que los informes importantes dispongan de versiones en texto plano o Markdown. Asimismo, aconseja revisar las páginas web para detectar elementos que puedan dificultar el rastreo, la interpretación o la recuperación de la información por parte de los sistemas automatizados.
Finalmente, el documento propone medir los resultados mediante tres indicadores principales: visibilidad, precisión y generación de tráfico. No basta con que una herramienta de IA mencione una institución; también debe representar correctamente su información y facilitar el acceso a sus contenidos originales. Para ello, recomienda establecer responsables de seguimiento y realizar evaluaciones periódicas en las principales plataformas.
Lista de comprobación práctica para profesionales de organizaciones sin ánimo de lucro
1. ¿Quieres que las personas utilicen chatbots de inteligencia artificial para encontrar y conocer el trabajo de tu organización?
Analiza cómo la visibilidad en los sistemas de IA contribuye a la misión y a los objetivos de comunicación de tu organización.
Decide si quieres que los sistemas de inteligencia artificial accedan a tus contenidos y los muestren en sus respuestas.
Identifica los temas, productos y públicos para los que resulta más importante tener visibilidad en la IA.
Define los resultados que deseas conseguir: respuestas precisas, atribución clara de la autoría y enlaces que permitan regresar a tu organización y consultar sus fuentes originales.
2. ¿Cómo aparece actualmente tu trabajo en los sistemas de IA? ¿Es esa la visibilidad que deseas?
Selecciona entre 10 y 20 preguntas o instrucciones reales (prompts) que deberían permitir localizar tus conocimientos especializados, investigaciones o datos.
Prueba las mismas preguntas en diferentes plataformas de inteligencia artificial.
Registra si tu organización aparece mencionada, citada y enlazada.
Pide a un experto en la materia que evalúe si cada respuesta está actualizada y es precisa y completa.
Identifica patrones y problemas, como información desactualizada, atribuciones poco claras, enlaces ausentes o datos que los sistemas no consiguen recuperar.
Repite las pruebas periódicamente para comprobar qué aspectos cambian con el tiempo.
3. ¿Cómo puedes conseguir que tus contenidos sean legibles para las máquinas?
Adopta un flujo de trabajo simultáneo: continúa ofreciendo contenidos y servicios a las personas mientras preparas también la información para que pueda ser procesada por las máquinas.
Facilita que los datos y la información que aparecen en gráficos estén disponibles en formato de texto legible, y no únicamente como imágenes estáticas.
Mejora los metadatos para que los sistemas puedan identificar elementos como el tema, la población estudiada, los años que abarca la información, los informes, los conjuntos de datos y los autores.
Crea versiones en texto plano o Markdown de los principales informes para facilitar que las máquinas recuperen sus contenidos esenciales.
Audita tu sitio web para detectar cualquier elemento que pueda dificultar que los sistemas automatizados rastreen, interpreten o relacionen la información.
4. ¿Cómo puedes saber si estás teniendo éxito?
Comprueba que los motores de inteligencia artificial recuperan tu información (visibilidad), la representan correctamente (precisión) y generan tráfico hacia tu organización (enlaces).
Utiliza diferentes indicadores para evaluar los resultados, entre ellos pruebas basadas en preguntas (prompts), actividad de los rastreadores de IA, menciones, citas y tráfico procedente de referencias externas.
Designa a una persona responsable de realizar pruebas periódicas en las plataformas y modelos de inteligencia artificial más utilizados.
Yu, A. (2026, 27 de octubre). Anthropic illegally trained Claude with Stanford professors’ books. The Stanford Daily. Consultar artículo original
Se informa sobre el conflicto judicial entre Anthropic, empresa desarrolladora del modelo de inteligencia artificial Claude, y un grupo de escritores y profesores de la Universidad de Stanford cuyos libros habrían sido descargados ilegalmente y utilizados para entrenar sus modelos de inteligencia artificial.
Entre los autores afectados figuran Tobias Wolff, Abraham Verghese, Chang-Rae Lee, Daniel Mason, Hayagreeva Rao y Myra Strober. La controversia pone de manifiesto uno de los principales problemas jurídicos y éticos de la inteligencia artificial generativa: el uso de obras protegidas por derechos de autor para alimentar sistemas comerciales sin autorización de sus creadores.
El caso se relaciona con el procedimiento judicial Bartz v. Anthropic, en el que el juez federal William Alsup estableció una distinción importante entre el entrenamiento de modelos de IA y la obtención de las obras utilizadas para ese propósito. El magistrado consideró que entrenar modelos lingüísticos con libros adquiridos legalmente podía constituir un uso legítimo (fair use), al entender que el sistema aprende patrones, temas y estilos para producir contenidos diferentes. Sin embargo, rechazó que la empresa pudiera descargar libros pirateados y almacenarlos en una biblioteca central permanente para alimentar sus modelos.
El acuerdo judicial alcanzó los 1.500 millones de dólares y contempló compensaciones para autores y editoriales por casi 500.000 obras registradas. No obstante, algunos escritores consideran que esta solución resulta insuficiente. Tobias Wolff y otros 27 autores decidieron apartarse del acuerdo y presentar una demanda independiente, denominada Cruz v. Anthropic, en mayo de 2026. Reclaman indemnizaciones legales de hasta 150.000 dólares por cada obra infringida, frente a los aproximadamente 3.000 dólares por título previstos en el acuerdo colectivo. Además, buscan impedir que sus obras se utilicen para entrenar Claude sin autorización.
La demanda sostiene que Anthropic habría obtenido libros protegidos mediante bibliotecas digitales clandestinas, entre ellas LibGen y PiLiMi, descargando, reproduciendo y almacenando los archivos sin consentimiento de sus titulares. Wolff señala que diez de sus publicaciones fueron utilizadas para el entrenamiento de la IA sin permiso. El escritor expresa su preocupación por las consecuencias económicas que esta práctica puede tener para los autores, especialmente para las nuevas generaciones de escritores que dependen de los ingresos derivados de sus publicaciones.
El artículo también recoge la perspectiva de Paul Goldstein, especialista en propiedad intelectual de Stanford y participante en el litigio. Goldstein señala que uno de los grandes problemas para regular el entrenamiento de la inteligencia artificial es la dificultad de gestionar licencias individuales para millones de obras protegidas. Los costes de transacción hacen especialmente complejo obtener autorización de cada titular de derechos. Por su parte, la directora ejecutiva de Authors Guild, Mary Rasenberger, defiende que las empresas de IA deben establecer sistemas de licencias que permitan remunerar a escritores y editores y controlar cómo se utilizan sus obras.
La controversia no se limita a Anthropic. El artículo recuerda que autores, artistas visuales y medios de comunicación han presentado más de 70 demandas contra empresas de inteligencia artificial por presuntas infracciones de derechos de autor. Entre los litigios más conocidos se encuentran los promovidos por The New York Times y Getty Images. También se destaca la importancia del reconocimiento de la autoría: Paul Goldstein recuerda que muchos países reconocen derechos morales de atribución, mientras que Estados Unidos carece de una protección equivalente de carácter general.
Notopoulos, K. (2026, 27 de septiembre). This small town librarian offers a ‘Bye, Bye AI’ class to take AI off your phone. Now everyone wants in. Business Insider. Leer artículo original
La biblioteca pública North Chatham Free Library, situada en una pequeña localidad del estado de Nueva York (Estados Unidos), ha conseguido repercusión internacional con una iniciativa poco habitual: un taller denominado «Bye Bye AI», destinado a enseñar a los ciudadanos cómo desactivar las funciones de inteligencia artificial incorporadas en sus teléfonos móviles, ordenadores y servicios digitales.
La iniciativa fue impulsada por Shea Wert, la única bibliotecaria a tiempo completo del centro, después de observar que numerosos usuarios manifestaban su malestar ante la incorporación automática de herramientas de inteligencia artificial en servicios que utilizaban habitualmente. Entre las quejas más frecuentes figuraban las respuestas automáticas y las sugerencias de escritura de Gmail, así como otras funcionalidades que aparecen sin que los usuarios las hayan solicitado expresamente.
La propuesta tuvo una acogida extraordinaria. El cartel anunciador del taller se difundió en Facebook y consiguió más de 8.000 reacciones y cientos de comentarios. La repercusión trascendió el ámbito local y comenzaron a llegar solicitudes de personas de otros estados e incluso de otros países interesadas en asistir, recibir una grabación o disponer de materiales para organizar actividades similares en sus propias bibliotecas.
La experiencia está relacionada con el trabajo de otra bibliotecaria, Hannah Cyrus, que había desarrollado talleres gratuitos bajo el título «Avoiding AI» (Evitar la inteligencia artificial). Su planteamiento parte de una idea especialmente interesante: las bibliotecas deben ayudar a los ciudadanos tanto a adoptar las nuevas tecnologías como a rechazarlas cuando así lo deseen. Cyrus publicó esta reflexión en una revista profesional y ha recibido solicitudes de cientos de bibliotecarios de diferentes partes del mundo interesados en utilizar sus materiales y reproducir la experiencia.
Un aspecto significativo es que la iniciativa no responde necesariamente a una postura contraria a la inteligencia artificial. Shea Wert reconoce que utiliza herramientas de IA en determinadas tareas profesionales, por ejemplo, para elaborar esquemas o redactar documentos complejos. También ayuda a los usuarios que desean aprender a utilizar modelos de lenguaje y mejorar sus instrucciones. Sin embargo, observa que una parte importante de las consultas procede de personas mayores que no quieren incorporar estas funcionalidades a sus dispositivos y necesitan recuperar el control sobre sus herramientas digitales.
La experiencia pone de manifiesto una nueva dimensión del trabajo bibliotecario: el derecho de los ciudadanos a decidir cómo, cuándo y para qué utilizan la inteligencia artificial. Las bibliotecas no deben limitarse a promover la alfabetización en IA, enseñar a utilizar herramientas o explicar sus posibilidades. También deben proporcionar conocimientos para desactivar funcionalidades, proteger la privacidad, comprender los mecanismos de automatización y ejercer una elección tecnológica consciente.
En esta entrevista, Alex Chinchilla presenta Bibliochecker, una herramienta gratuita y accesible desde el navegador que permite detectar referencias bibliográficas falsas o incorrectas generadas por sistemas de inteligencia artificial como ChatGPT, Gemini o Claude. Explica cómo funciona mediante el contraste de datos con bases académicas como Crossref, Semantic Scholar y OpenAlex, verificando la existencia de publicaciones, autores, títulos, fechas y DOI. La aplicación clasifica los resultados en cuatro categorías: válidas, sospechosas, con problemas y sin DOI, y permite exportar informes para facilitar su revisión. Durante la conversación se abordan las limitaciones de la verificación automatizada, especialmente en libros, tesis y documentos que no están indexados en las principales bases de datos. Asimismo, se analiza su utilidad en bibliotecas universitarias, servicios de apoyo a la investigación y procesos de revisión de trabajos académicos y científicos. La entrevista reflexiona sobre la responsabilidad de investigadores, editores y revisores a la hora de garantizar la autenticidad de las fuentes. Finalmente, se plantea la necesidad de incorporar nuevas funcionalidades y ampliar los formatos bibliográficos compatibles. Bibliochecker representa así un recurso de apoyo para combatir las alucinaciones bibliográficas y reforzar la integridad científica, poniendo de relieve el papel de los bibliotecarios en la formación de usuarios capaces de utilizar la inteligencia artificial de manera crítica y responsable.
