La omnipresencia de la inteligencia artificial

La omnipresencia de la inteligencia artificial. BNP Paribas Asset Management. (2024) Disponible en: Documento de BNP Paribas Asset Management

La inteligencia artificial se ha convertido en una tecnología transversal capaz de transformar sectores económicos, procesos empresariales y modelos de negocio a escala global. El informe destaca que el desarrollo de sistemas de IA generativa, aprendizaje automático y automatización avanzada está impulsando aumentos de productividad, mejoras en la toma de decisiones y nuevas oportunidades de innovación en ámbitos tan diversos como las finanzas, la salud, la industria, la educación y los servicios digitales.

Asimismo, el texto subraya que la expansión de la IA plantea importantes desafíos relacionados con la gobernanza tecnológica, la protección de datos, la regulación, la transparencia algorítmica y el impacto sobre el empleo. La adopción masiva de estas herramientas exige desarrollar marcos éticos y normativos que permitan aprovechar sus beneficios sin comprometer derechos fundamentales ni aumentar desigualdades sociales y económicas.

Desde una perspectiva económica y de inversión, el informe señala que la IA está redefiniendo cadenas de valor completas y generando nuevas oportunidades para empresas vinculadas al software, los semiconductores, la computación en la nube, la gestión de datos y las infraestructuras digitales. Al mismo tiempo, advierte que el entusiasmo por estas tecnologías debe acompañarse de una evaluación rigurosa de los riesgos asociados a la concentración del mercado, la ciberseguridad y la sostenibilidad de los modelos de crecimiento impulsados por la inteligencia artificial

Declaración del uso de inteligencia artificial en la redacción de artículos académicos y tesis

Cabrera Huaycochea, Daril. 2025. Declaración del uso de inteligencia artificial en la redacción de artículos académicos y tesis: Hacia un estándar ético y transparente para la producción científica en la era de los modelos de lenguaje de gran escala. ResearchGate. Consultado el 30 de mayo de 2026.

Texto completo

La expansión de los modelos de lenguaje de gran escala, como GPT, Claude o Gemini, ha transformado profundamente la producción académica, facilitando tareas como la redacción, la síntesis bibliográfica y la revisión textual. Sin embargo, este avance tecnológico no ha ido acompañado de normas homogéneas para declarar su utilización, generando importantes desafíos éticos relacionados con la transparencia, la autoría y la evaluación del mérito académico. El artículo de analiza esta problemática y propone un marco estandarizado para la declaración del uso de inteligencia artificial en artículos científicos y tesis.

El autor examina las políticas adoptadas por algunas de las principales instituciones y editoriales científicas internacionales, entre ellas arXiv, Elsevier, Nature y el Comité de Ética en Publicaciones (COPE). Aunque existen diferencias en los procedimientos, todas coinciden en dos principios fundamentales: las herramientas de inteligencia artificial no pueden ser consideradas autoras de trabajos académicos y cualquier utilización relevante debe ser declarada de manera explícita. Estas organizaciones subrayan que la responsabilidad sobre la exactitud, integridad y ética de los contenidos recae siempre en los autores humanos.

Uno de los principales aportes del trabajo es la formulación de una taxonomía de cuatro niveles de declaración. El Nivel 1 corresponde a trabajos elaborados sin IA generativa; el Nivel 2 contempla el uso de herramientas para corrección gramatical y estilística; el Nivel 3 incluye la generación de borradores, síntesis o análisis supervisados por los autores; y el Nivel 4 se refiere a aquellos casos en los que la IA participa de forma sustancial en la estructura argumentativa o conceptual del trabajo. El objetivo de esta clasificación no es juzgar moralmente los distintos usos de la tecnología, sino ofrecer un marco de transparencia que permita comprender el grado de intervención tecnológica en cada investigación.

El artículo también proporciona modelos prácticos de declaración para revistas científicas y tesis universitarias. Estas plantillas buscan facilitar la adopción de estándares comunes que permitan describir qué herramientas se utilizaron, en qué fases del proceso participaron y qué mecanismos de revisión humana se aplicaron posteriormente. Según el autor, la normalización de estas declaraciones contribuiría a reducir la ambigüedad normativa y fomentaría una cultura de integridad académica basada en la transparencia y la responsabilidad.

Se presta especial atención al contexto latinoamericano, donde identifica importantes desafíos relacionados con la desigualdad en el acceso a tecnologías avanzadas, la obsolescencia de los reglamentos universitarios y los sesgos lingüísticos de los modelos entrenados principalmente en inglés. Ante esta situación, propone que las universidades actualicen sus normativas y distingan claramente entre el uso declarado de la inteligencia artificial y el fraude académico por ocultamiento u omisión. La conclusión central del trabajo es que el verdadero debate no debe centrarse en prohibir o permitir la IA, sino en garantizar que su utilización sea transparente, verificable y compatible con los principios fundamentales de la integridad científica.

La búsqueda en IA para la ciencia aún depende de los metadatos

Man searching academic articles with AI software on computer in library
A man uses AI-powered research software in a library setting.

Hansen, Stephanie Lovegrove. 2026. “Scholarly AI Search Shortcomings and the Need for Better Metadata.” The Scholarly Kitchen, 29 de mayo de 2026. https://scholarlykitchen.sspnet.org/2026/05/29/guest-post-scholarly-ai-search-shortcomings-and-the-need-for-better-metadata

El artículo defiende que el futuro de la búsqueda académica no será una sustitución de los sistemas actuales, sino un modelo híbrido en el que coexistan la búsqueda por palabras clave, la IA generativa y los sistemas de metadatos enriquecidos. En este escenario, la calidad, estandarización y estructura de los metadatos se convierten en un elemento clave: sin ellos, incluso los sistemas de IA más avanzados no pueden ofrecer resultados fiables ni plenamente utilizables en entornos científicos.

Se analiza las limitaciones actuales de los sistemas de búsqueda académica basados en inteligencia artificial y sostiene que su rendimiento depende de forma crítica de la calidad de los metadatos subyacentes. A partir de la evaluación de herramientas de descubrimiento científico impulsadas por IA, la autora argumenta que estos sistemas aún no logran sustituir de manera fiable a la búsqueda tradicional basada en palabras clave, especialmente cuando se trata de consultas precisas, técnicas o altamente estructuradas.

Uno de los problemas centrales es la dificultad de las herramientas de IA para manejar con precisión información exacta como fórmulas, datos químicos, identificadores o referencias bibliográficas específicas. Aunque la IA destaca en tareas de síntesis y en la exploración de preguntas abiertas en lenguaje natural, tiende a fallar en escenarios donde la exactitud, la reproducibilidad y la trazabilidad son esenciales. Esto genera una tensión entre dos modelos de descubrimiento: el tradicional, basado en control y precisión, y el emergente, centrado en interpretación y síntesis automática.

El texto subraya además la opacidad de muchos sistemas de IA, que dificulta comprender por qué un resultado es recuperado o no. Esta falta de transparencia afecta directamente a la confianza de los usuarios y complica su uso en contextos académicos formales, como revisiones sistemáticas o investigación regulatoria.

No me gusta leer: de la prescripción a la mediación con Elisa Yuste. Planeta Biblioteca 2026/05/29

No me gusta leer: de la prescripción a la mediación.

Planeta Biblioteca 2026/07/29

ESCUCHAR

Descargar

Información e inscripción

IV Jornada Profesional «No me gusta leer»

sábado 6 de junio Torre de los Anaya (Salamanca)

Matricula 15 Euros

Entrevistamos a Elisa Yuste en el programa Planeta Biblioteca de Radio USAL con motivo de la jornada «No me gusta leer: de la prescripción a la mediación», organizada por La SAL Asociación en Salamanca para el día 6 de junio de 2026. La conversación aborda las causas de la desafección lectora y los cambios en los hábitos culturales contemporáneos. Yuste reflexiona sobre el paso de la prescripción lectora tradicional a modelos de mediación más abiertos, sociales y participativos. También analiza el papel de las comunidades lectoras y el impacto de lo digital en la mediación cultural. Se destaca la importancia de la formación de profesionales del libro para acompañar nuevas formas de lectura. La entrevista ofrece claves para repensar cómo se fomenta la lectura desde bibliotecas, educación y entorno cultural.

Los “nada-burgers” de la Inteligencia artificial: proyectos muy prometedores que terminaron en nada

De Silva, Daswin. 2026. “In a Sea of Hype, Here Are the AI ‘Nothingburgers’ You Don’t Hear About.” The Conversation, 29 de mayo de 2026. https://theconversation.com/in-a-sea-of-hype-here-are-the-ai-nothingburgers-you-dont-hear-about-283767

Se analiza críticamente algunas de las grandes promesas incumplidas de la inteligencia artificial. El autor utiliza el término “nothingburgers” —algo así como “grandes anuncios que terminan en nada”— para describir proyectos y discursos tecnológicos que fueron presentados como revolucionarios pero cuyos resultados reales han sido decepcionantes o muy inferiores a las expectativas creadas.

Uno de los ámbitos más señalados es el educativo. Durante los últimos años, empresas tecnológicas y fundaciones impulsaron la idea de que la IA transformaría radicalmente la enseñanza mediante tutores personalizados capaces de adaptar el aprendizaje a cada estudiante. El caso paradigmático fue Khanmigo, desarrollado por la Khan Academy con apoyo de OpenAI y Microsoft. Su fundador, Sal Khan, llegó a presentar el sistema como una futura revolución educativa. Sin embargo, según el artículo, tres años después el impacto ha sido escaso: muchos estudiantes apenas utilizaron la herramienta y no existen evidencias sólidas de mejoras académicas significativas. El autor sostiene que el problema de fondo es que muchas aplicaciones educativas de IA fomentan el “offloading cognitivo”, es decir, delegar procesos mentales en la máquina, reduciendo el esfuerzo intelectual propio.

El texto también cuestiona el entusiasmo alrededor de los agentes autónomos de IA en el entorno laboral. Empresas y directivos tecnológicos han defendido que estos sistemas podrán sustituir funciones humanas complejas, incluso tareas de supervisión y gestión. Se menciona el caso de Block y las declaraciones de Jack Dorsey sobre la posibilidad de reemplazar mandos intermedios por agentes inteligentes. Sin embargo, las pruebas reales mostraron importantes limitaciones: reuniones automatizadas llenas de respuestas interminables, falta de decisiones concretas y un enorme consumo de recursos computacionales. Del mismo modo, los discursos apocalípticos sobre la desaparición masiva de empleos juveniles promovidos por figuras como Sam Altman o Dario Amodei han ido moderándose conforme las compañías se enfrentan a los costes reales de implementación y mantenimiento de estas tecnologías.

Otro aspecto relevante del artículo es la crítica a la supuesta revolución científica impulsada por la IA generativa. El ejemplo principal es GNoME, un proyecto de Google DeepMind que anunció el descubrimiento de millones de nuevos materiales mediante inteligencia artificial. Inicialmente, la empresa presentó el hallazgo como un salto equivalente a “siglos de conocimiento científico”. No obstante, posteriores revisiones realizadas por especialistas humanos concluyeron que gran parte de esos resultados eran repeticiones, interpretaciones erróneas o materiales ya conocidos. El caso ilustra cómo muchas veces la espectacularidad mediática supera el verdadero valor científico de las investigaciones basadas en IA.

El artículo no niega el potencial de la inteligencia artificial, pero advierte sobre la necesidad de distinguir entre avances reales y campañas de marketing tecnológico. Según De Silva, la industria tiene fuertes incentivos económicos para mantener una narrativa de innovación constante, incluso cuando los resultados todavía son inmaduros o poco útiles. En este sentido, el texto conecta con otras voces críticas que comparan la actual fiebre de la IA con anteriores burbujas tecnológicas, como la del blockchain o el metaverso, donde las expectativas crecieron mucho más rápido que las aplicaciones efectivas.

Por ello el autor insiste en la importancia de la alfabetización en inteligencia artificial. Comprender cómo funcionan estas herramientas, cuáles son sus limitaciones y qué intereses económicos existen detrás de ellas resulta esencial para evitar una adopción acrítica. La IA puede ofrecer beneficios reales en determinados contextos, pero el artículo recuerda que no toda promesa tecnológica se convierte automáticamente en una transformación social profunda. En muchos casos, detrás del discurso revolucionario solo hay expectativas infladas, soluciones parciales y una enorme maquinaria de hype mediático

Las cinco prioridades tecnológicas en educación en 2026

Kelly, R. (2026, 20 de mayo). Education’s Top 5 Technology Priorities and the Challenges Standing in the Way. THE Journal. https://thejournal.com/articles/2026/05/20/educationes-top-5-technology-priorities-and-the-challenges-standing-in-the-way.aspx

El artículo analiza los resultados del informe State of EdTech de CoSN, que ofrece una panorámica de las principales prioridades tecnológicas en el ámbito educativo en Estados Unidos para 2026, así como de los obstáculos que dificultan su implementación efectiva. El estudio, basado en encuestas a más de 600 responsables tecnológicos de distritos escolares, revela que la educación atraviesa una fase de intensa transformación digital marcada por la expansión de la inteligencia artificial, la preocupación por la ciberseguridad y las limitaciones estructurales de financiación y personal.

La primera gran conclusión del informe es que la ciberseguridad se mantiene como la prioridad número uno en los sistemas educativos. Le siguen la privacidad y protección de datos, la integración de la inteligencia artificial generativa, la optimización del presupuesto tecnológico y la modernización de la infraestructura de red. Este orden refleja un cambio progresivo en las preocupaciones del sector, donde la protección de los sistemas digitales y de los datos de estudiantes y personal se ha convertido en un elemento crítico debido al aumento de incidentes cibernéticos en instituciones educativas y a la creciente dependencia de plataformas digitales para la gestión académica y administrativa.

Uno de los hallazgos principales del informe es que la ciberseguridad sigue siendo la prioridad número uno para estos responsables. La mayoría de los distritos está invirtiendo en sistemas de monitorización, detección de amenazas, protección de identidades y cortafuegos para garantizar la seguridad de las redes y la continuidad del aprendizaje. Sin embargo, el informe señala una brecha importante entre responsabilidad y capacidad de respuesta: alrededor del 65% de los encuestados identifica la falta de personal especializado en ciberseguridad y la ausencia de presupuestos específicos como los principales obstáculos para afrontar estos retos. Este problema se agrava por el aumento del coste de los seguros cibernéticos y por la aparición de ciberataques potenciados por inteligencia artificial, lo que incrementa la presión sobre los recursos disponibles.

En relación con la inteligencia artificial, el informe destaca un avance notable en la adopción de marcos normativos y de orientación para su uso responsable. Más del 75% de los distritos ya cuentan con directrices sobre IA, lo que supone un aumento significativo respecto al año anterior. Los líderes educativos valoran positivamente la orientación de las agencias estatales de educación, aunque rechazan en su mayoría la imposición de mandatos rígidos, defendiendo la importancia de la autonomía local en la toma de decisiones.

El estudio también muestra un cambio importante en la percepción de la inteligencia artificial dentro del sector educativo. En tan solo un año, los responsables tecnológicos han incrementado de forma considerable su optimismo sobre el potencial de la IA, especialmente en áreas como la productividad, la personalización del aprendizaje, la tutoría estudiantil y la preparación para el mercado laboral. De hecho, la productividad es el ámbito donde se percibe mayor impacto positivo, con un 96% de líderes que consideran que la IA puede mejorar la educación.

Además, el informe señala que más de la mitad de los distritos ya implementan iniciativas de IA centradas en la mejora de la productividad administrativa y docente, mientras que un 41% trabaja en plataformas educativas para apoyar la enseñanza y el aprendizaje. Además, el uso de la IA en operaciones internas ha crecido de forma notable, pasando del 37% al 64% en un solo año. En conjunto, el estudio refleja un sistema educativo en transición, donde la adopción de la inteligencia artificial avanza rápidamente, pero sigue condicionada por desigualdades de recursos, capacidades organizativas y necesidades de regulación equilibrada..

Escribir bajo sospecha: el impacto de los detectores de inteligencia artificial en estudiantes y docentes

Agranovsky, Nathan. 2026. “AI Detectors Are Failing Our Students.” The AI School Librarian (Substack), 13 de abril de 2026. https://aischoollibrarian.substack.com/p/ai-detectors-are-failing-our-students

El artículo analiza críticamente el uso creciente de detectores de inteligencia artificial en entornos educativos y sostiene que estas herramientas, lejos de resolver el problema del uso indebido de la IA, están generando nuevos efectos adversos en el aprendizaje y la evaluación.

Un estudio reciente, AI Writing Detectors Are Ineffective, Unreliable, and Harmful de Louie Giray, reúne evidencias crecientes y plantea una idea clara: los detectores de escritura con IA no son lo bastante fiables para ser usados en la toma de decisiones educativas, y utilizarlos así puede causar un daño real al alumnado.

En particular, se señala que los estudiantes no nativos de inglés son desproporcionadamente afectados por estas herramientas, ya que sus producciones escritas tienden a ser más estructuradas o menos idiomáticas, lo que los algoritmos interpretan erróneamente como patrones artificiales. Este fenómeno no constituye un simple margen de error aceptable, sino un problema estructural que compromete la equidad del sistema de evaluación.

En primer lugar, se argumenta que los detectores de IA no identifican realmente la autoría del texto, sino que funcionan mediante métricas probabilísticas como la perplejidad y la variabilidad de las frases, lo que los hace incapaces de distinguir de forma fiable entre un texto humano bien estructurado y uno generado por IA. Esto provoca un alto riesgo de falsos positivos, especialmente en estudiantes que escriben con estilo académico, siguen rúbricas estrictas o pertenecen a contextos multilingües.

Otro aspecto crítico que se aborda es la facilidad con la que estos sistemas pueden ser eludidos. El artículo señala que no se requieren conocimientos técnicos avanzados para modificar un texto generado por IA de forma que evite ser detectado. Cambios mínimos en la redacción, ajustes de tono o la combinación parcial de escritura humana y artificial pueden alterar significativamente los resultados del detector. Esto genera una situación paradójica: mientras algunos estudiantes pueden ser falsamente acusados sin haber utilizado IA, otros pueden emplearla de manera estratégica sin ser detectados, lo que introduce una profunda desigualdad en el sistema de evaluación.

Se dedica una parte importante al problema del sesgo, destacando que los detectores tienden a perjudicar especialmente a estudiantes multilingües o a aquellos que utilizan un lenguaje más simple o estructurado. Esta situación agrava desigualdades ya existentes en el sistema educativo, ya que estudiantes que están en proceso de adquisición de una lengua o que provienen de contextos educativos diversos tienen más probabilidades de ser señalados erróneamente. De este modo, la herramienta no solo falla en su precisión técnica, sino que también introduce un componente de injusticia sistemática.

El texto también señala que estas herramientas están alterando el comportamiento de los estudiantes, que empiezan a escribir “para el detector” en lugar de escribir para comunicar ideas. Esto conduce a una degradación del estilo, una mayor homogeneización del lenguaje y, en algunos casos, al uso defensivo de la IA para evitar ser penalizados injustamente.

Otro eje central del artículo es la dimensión ética y pedagógica: el uso de detectores desplaza la confianza del profesorado hacia sistemas opacos que no pueden demostrar autoría ni intención. Incluso los propios desarrolladores de estas herramientas reconocen su falta de fiabilidad, lo que cuestiona su uso como base para sanciones académicas.

A partir de ejemplos concretos, el artículo ilustra la situación habitual en muchas aulas: un estudiante entrega un trabajo, el sistema lo marca como generado en gran parte por IA, y el docente debe decidir si confiar en la herramienta o en la palabra del estudiante, especialmente cuando no existen borradores u ուրիշ trazas del proceso de escritura. Este tipo de dilemas refleja una tensión creciente en la educación contemporánea, donde la autoridad del algoritmo compite con la evidencia humana sin que exista un criterio claro para resolver el conflicto.

Finalmente, el autor propone un cambio de enfoque: en lugar de depender de la detección, las instituciones deberían centrarse en la alfabetización en IA, la evaluación del proceso de escritura y la adaptación de las metodologías docentes a un entorno donde la IA ya forma parte del ecosistema de aprendizaje.

Sesgo algorítmico en el empleo: cuando la IA favorece su propio estilo de escritura

Xu, Jiannan, Gujie Li y Jane Yi Jiang. 2025. AI Self-preferencing in Algorithmic Hiring: Empirical Evidence and Insights. Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society (AIES), vol. 8, no. 3, 2757–2758. https://doi.org/10.1609/aies.v8i3.36755

Texto completo

Un nuevo estudio sugiere que los sistemas de contratación basados ​​en IA podrían favorecer los currículos redactados por los mismos modelos de IA que los evalúan, lo que plantea interrogantes urgentes para las escuelas, los bibliotecarios y el futuro de la preparación del mercado laboral.

El artículo analiza un estudio reciente sobre el uso de sistemas de inteligencia artificial en procesos de selección de personal y sus implicaciones educativas y sociales. La investigación, titulada AI Self-preferencing in Algorithmic Hiring, muestra que los modelos de IA utilizados en contratación pueden mostrar una forma de sesgo inesperado: tienden a favorecer los currículums generados por el mismo modelo de IA que los evalúa, en comparación con los redactados por humanos o por otros modelos.

En experimentos con más de 2.200 currículums reales y versiones generadas por modelos como GPT-4o, LLaMA, DeepSeek o Mistral, se observó que los candidatos cuyas solicitudes estaban “alineadas estilísticamente” con el sistema evaluador tenían entre un 23% y un 60% más de probabilidades de ser preseleccionados, aun cuando las cualificaciones eran idénticas. Esto sugiere la existencia de un nuevo tipo de sesgo algorítmico, no basado en variables tradicionales como género o raza, sino en la afinidad lingüística y estilística con el propio sistema.

El artículo denomina este fenómeno “sesgo interaccional”, donde la IA favorece patrones de escritura similares a los que ella misma genera. Esto plantea una preocupación estructural: la supuesta neutralidad de los algoritmos se debilita, ya que estos sistemas no solo procesan información, sino que también pueden reproducir preferencias hacia su propio “estilo de lenguaje”.

A partir de estos hallazgos, el texto advierte sobre un cambio profundo en el ámbito educativo. Los estudiantes ya no solo compiten en un entorno donde la escritura es evaluada por humanos, sino en uno donde la primera criba puede ser realizada por sistemas automatizados. Esto transforma la alfabetización informacional en alfabetización algorítmica, obligando a las instituciones educativas a preparar al alumnado para interactuar con sistemas de evaluación basados en IA.

El artículo también introduce el concepto de nueva brecha digital: los estudiantes con acceso a herramientas de IA, formación en “prompting” o apoyo tecnológico podrían tener ventajas sistemáticas frente a otros con menos recursos. Esto podría ampliar desigualdades educativas y laborales preexistentes.

Se plantea una reflexión crítica sobre el futuro de la escritura y la comunicación. Si los sistemas automatizados comienzan a premiar estilos de redacción propios de la IA, existe el riesgo de que las personas adapten su escritura para satisfacer algoritmos en lugar de comunicarse con otros seres humanos, afectando la creatividad, la diversidad lingüística y la expresión cultural.

En el texto subraya que la inteligencia artificial no es neutral y que su creciente uso en la contratación y evaluación laboral exige una respuesta educativa urgente basada en la alfabetización en IA, la transparencia algorítmica y la equidad en el acceso a estas tecnologías.

Una ciudad que juega junta: cómo se organiza un juego bibliotecario con 17.000 participantes

Arata, Hannah. 2026. “A City That Plays Together: What It Takes to Run a 17,000-Player Library Game.” Programming Librarian, March 20, 2026. https://programminglibrarian.org/articles/what-it-takes-run-17000-player-library-game

Se explica el funcionamiento del Summer Game de la Ann Arbor District Library (AADL), un programa de gamificación comunitaria que ha llegado a movilizar a más de 17.000 participantes en una sola edición. Lo que en origen era una iniciativa de fomento de la lectura se ha convertido en un evento urbano de gran escala que integra juego, biblioteca, ciudad y comunidad en un único sistema participativo.

El juego se desarrolla durante el verano y combina varias dinámicas: lectura tradicional (summer reading), códigos ocultos en espacios físicos de la ciudad (explorer codes) y pistas digitales integradas en el catálogo y la web de la biblioteca (online codes). Esta estructura híbrida permite que personas de todas las edades y niveles de acceso tecnológico participen de diferentes maneras, desde una implicación mínima hasta una experiencia de juego intensiva.

Uno de los aspectos más relevantes es la forma en que el juego se “expande” por el entorno urbano. Los códigos aparecen en lugares tan diversos como parques, escuelas, tiendas, museos o incluso elementos ya existentes del mobiliario urbano, como murales o placas. Esto convierte la ciudad en un tablero de juego distribuido, donde la exploración física y la interacción cultural se integran con la misión bibliotecaria.

El artículo subraya que el éxito del programa depende tanto de la creatividad como de una compleja infraestructura organizativa. Un equipo de unos diez profesionales de la biblioteca diseña las pruebas, genera los “badges” o insignias digitales y coordina la experiencia. A esto se suma la participación de otros departamentos: personal de atención al público, comunicación, mantenimiento y un equipo técnico encargado de garantizar el funcionamiento del sistema digital. El juego, por tanto, no es un añadido periférico, sino una operación institucional transversal.

La planificación es especialmente exigente debido a la escala del proyecto. Algunas partes del juego, como los desafíos basados en el catálogo, requieren una sincronización precisa con los sistemas bibliotecarios, ya que cualquier cambio en los registros podría romper las pistas. Esto obliga a una coordinación constante entre programación, catalogación y diseño de actividades, mostrando cómo la biblioteca se convierte también en una infraestructura tecnológica compleja.

El artículo también destaca el componente social y afectivo del programa. El Summer Game no solo incentiva el uso de la biblioteca, sino que genera identidad comunitaria. Los participantes coleccionan premios, siguen las “drops” semanales de insignias y se implican emocionalmente en el juego. Los objetos físicos (camisetas, pósters, peluches) funcionan como símbolos de pertenencia y refuerzan la visibilidad del proyecto en la vida cotidiana de la ciudad.

Otro elemento importante es la filosofía de inclusión. Aunque el juego utiliza humor, juegos de palabras y acertijos, el equipo intenta evitar barreras lingüísticas excesivas y ofrecer pistas que permitan participar incluso a quienes no dominan el inglés o ciertas referencias culturales. La idea es mantener el reto sin excluir.

Summer Game ha transformado la forma en que la comunidad percibe la biblioteca: ya no solo como un espacio de acceso a libros o servicios, sino como una plataforma de juego, aprendizaje y encuentro social. Este enfoque ha redefinido el verano lector tradicional, convirtiéndolo en una experiencia colectiva, creativa y distribuida por toda la ciudad.

La encíclica Magnifica Humanitas del Papa León XIV: la dignidad humana en la era de la inteligencia artificial

León XIV. 2026. “Magnifica Humanitas: Sobre la custodia de la persona humana en el tiempo de la inteligencia artificial.” Encíclica, 15 de mayo de 2026. Ciudad del Vaticano. https://www.vatican.va/content/leo-xiv/en/encyclicals/documents/20260515-magnifica-humanitas.html

La encíclica Magnifica Humanitas, firmada por el papa León XIV, se presenta como uno de los documentos centrales del magisterio contemporáneo en torno a la inteligencia artificial y sus implicaciones sociales, éticas y antropológicas. El texto se sitúa explícitamente en continuidad con la tradición de la doctrina social de la Iglesia, especialmente con Rerum Novarum de León XIII, y busca ofrecer un marco de reflexión sobre cómo preservar la dignidad humana en un contexto de transformación tecnológica acelerada.

El núcleo del documento es una afirmación fuerte: la humanidad se encuentra en una encrucijada histórica entre dos modelos de civilización. Por un lado, la construcción de una sociedad tecnocrática basada en la eficiencia, el control y la acumulación de poder algorítmico; por otro, una “civilización del amor” en la que la tecnología esté subordinada al bien común, la justicia y la dignidad de la persona. La metáfora de la Torre de Babel aparece como advertencia recurrente frente a los riesgos de la fragmentación moral y la pérdida de sentido compartido en la era digital.

Uno de los ejes más desarrollados es la crítica al llamado “paradigma tecnocrático”, entendido como una forma de organización social en la que las decisiones se delegan progresivamente en sistemas automatizados y en lógicas de optimización técnica. El documento advierte que este paradigma puede conducir a la concentración de poder en manos de grandes corporaciones tecnológicas, a la erosión de la democracia y a nuevas formas de desigualdad estructural. La encíclica insiste en que la tecnología no es neutral cuando se inserta en estructuras de poder desiguales.

En el plano antropológico, el texto subraya una distinción fundamental entre inteligencia humana e inteligencia artificial. La IA es descrita como una herramienta potente, capaz de procesar datos y simular funciones cognitivas, pero incapaz de experimentar el mundo desde la conciencia, la corporeidad, la responsabilidad moral o la relación interpersonal. A partir de esta diferencia, el documento defiende que la persona humana no puede ser reducida a un conjunto de datos ni sustituida en sus decisiones éticas por sistemas automatizados.

Otro eje central es la justicia social en la era digital. La encíclica aborda el impacto de la automatización en el trabajo, el riesgo de desempleo estructural y la necesidad de revalorizar la dignidad laboral. También plantea preocupaciones sobre la vigilancia digital, la mercantilización de la atención y la manipulación informativa, señalando que estos fenómenos pueden derivar en nuevas formas de “dependencia” y control social.

El documento dedica una parte importante a la gobernanza de la inteligencia artificial. Propone principios como la transparencia, la rendición de cuentas, la supervisión democrática y la cooperación internacional. Asimismo, insiste en la necesidad de que las decisiones sobre el desarrollo y uso de la IA no queden exclusivamente en manos de actores privados, sino que incorporen criterios éticos y sociales ampliamente compartidos.

En el plano cultural y educativo, Magnifica Humanitas defiende una “ecología de la comunicación” que proteja la verdad y fomente el pensamiento crítico. La educación aparece como un espacio clave para formar ciudadanos capaces de discernir en entornos saturados de información y mediaciones algorítmicas.

Finalmente, la encíclica concluye con una llamada a la responsabilidad compartida: científicos, empresas tecnológicas, gobiernos y sociedad civil están llamados a colaborar en la construcción de un orden digital más justo. Lejos de una postura de rechazo a la tecnología, el texto adopta una posición de discernimiento: la innovación es vista como una oportunidad, siempre que esté orientada al desarrollo integral de la persona humana y no a su reducción funcional o económica.