Experiencias, usos y percepciones de los adolescentes en TikTok, Instagram y Snapchat

Faverio, Michelle, y Olivia Sidoti. “Teens’ Experiences on TikTok, Instagram and Snapchat.” Pew Research Center, 15 de abril de 2026. https://www.pewresearch.org/internet/2026/04/15/teens-experiences-on-tiktok-instagram-and-snapchat/

El estudio ofrece una visión matizada: las redes sociales son simultáneamente espacios de conexión, entretenimiento y construcción identitaria, pero también entornos donde se manifiestan presiones sociales, desigualdades y riesgos que requieren atención tanto educativa como regulatoria.

El informe analiza en profundidad cómo los adolescentes estadounidenses (de 13 a 17 años) experimentan y utilizan tres de las principales plataformas sociales actuales: TikTok, Instagram y Snapchat. Lejos de limitarse a medir la frecuencia de uso, el estudio se centra en las motivaciones, dinámicas sociales y percepciones que los jóvenes desarrollan en estos entornos digitales, ofreciendo una visión compleja que combina beneficios, tensiones y riesgos.

Uno de los hallazgos centrales es que, aunque las tres plataformas son ampliamente utilizadas, cumplen funciones diferenciadas dentro del ecosistema social adolescente. TikTok se consolida como un espacio eminentemente orientado al entretenimiento y al consumo de contenidos, donde predomina la lógica del algoritmo y la visibilidad pública. Instagram ocupa una posición intermedia, combinando interacción social, construcción de identidad y seguimiento de contenidos, mientras que Snapchat destaca como la plataforma más vinculada a la comunicación íntima y directa entre iguales. De hecho, el uso de Snapchat para mensajería frecuente supera al de las otras plataformas, lo que indica que los adolescentes distinguen claramente entre espacios públicos y privados en su vida digital.

El estudio subraya que el principal motivo de uso de estas redes es el entretenimiento, seguido de la conexión con amigos. En cambio, aspectos como la información política o el seguimiento de la actualidad ocupan un lugar marginal en las motivaciones adolescentes. Esta orientación refuerza la idea de que las redes sociales, para este grupo de edad, funcionan ante todo como espacios de ocio y sociabilidad cotidiana más que como herramientas informativas o cívicas.

En términos de intensidad de uso, los datos muestran que una gran proporción de adolescentes accede diariamente —y en muchos casos varias veces al día— a estas plataformas, lo que se inscribe en un contexto más amplio de hiperconectividad juvenil: cerca de la mitad afirma estar “casi constantemente” en línea. Este uso intensivo no es homogéneo, ya que existen diferencias por género, edad y contexto social. Por ejemplo, las chicas tienden a utilizar más Instagram y TikTok, mientras que las dinámicas de interacción también varían según el tipo de contenido y la red utilizada.

El informe también aborda las percepciones subjetivas de los adolescentes sobre el impacto de estas plataformas. Muchos reconocen aspectos positivos, como la posibilidad de mantenerse en contacto con amigos, expresarse creativamente o acceder a contenidos divertidos. Sin embargo, también emergen preocupaciones relevantes, especialmente en relación con la presión social, la exposición a contenidos dañinos o el acoso. En particular, Snapchat, pese a su carácter más privado, presenta tasas significativas de experiencias negativas como el bullying, lo que evidencia que la cercanía comunicativa no elimina los riesgos sociales.

Un aspecto clave del estudio es la comparación entre la percepción de los adolescentes y la de sus padres. Mientras que los jóvenes tienden a valorar más positivamente su experiencia en redes sociales, los adultos muestran una preocupación considerable, especialmente en relación con el tiempo de uso —sobre todo en TikTok— y sus posibles efectos sobre la salud mental y el bienestar. Esta brecha generacional pone de relieve tensiones en la interpretación del papel de la tecnología en la vida cotidiana.

Finalmente, el informe se sitúa en un contexto más amplio de transformación del ecosistema digital juvenil. Aunque TikTok, Instagram y Snapchat siguen siendo centrales, el predominio del vídeo y la lógica algorítmica están redefiniendo las formas de interacción y consumo. Al mismo tiempo, el descenso de plataformas tradicionales como Facebook y el auge de nuevas prácticas digitales indican que el comportamiento adolescente en redes sociales es dinámico y en constante evolución.

ZODIAC: un nuevo marco para evaluar la información en la era de la inteligencia artificial generativa

Reagan, Kevin, Kay Coates, y Jessica Swaringen. “Your Information ZODIAC: An Information Evaluation Framework for the Age of Generative AI.” Journal of New Librarianship 10, no. 2 (2025): 94–109. https://newlibs.org/index.php/jonl/article/view/3107/3189

Se propone un nuevo marco conceptual para la evaluación crítica de la información en un contexto profundamente transformado por la inteligencia artificial generativa. Partiendo de modelos ya consolidados en alfabetización informacional —como CRAAP, SIFT o ACT UP—, los autores desarrollan el modelo ZODIAC, un acrónimo que sintetiza seis dimensiones clave: Zooming in, Other opinions, Dataset, Intent, Authenticity y Consistency.

Este enfoque responde a la necesidad urgente de adaptar las herramientas de evaluación tradicionales a un entorno en el que los contenidos no solo son abundantes, sino también generados automáticamente por sistemas complejos como los modelos de lenguaje.

El primer componente, Zooming in, invita a examinar detenidamente los detalles de la información generada, prestando atención a elementos que pueden pasar desapercibidos en una lectura superficial. Other opinions enfatiza la importancia de contrastar la información con otras fuentes, reforzando la idea de que ningún contenido —especialmente el generado por IA— debe considerarse aislado. Uno de los aportes más innovadores del modelo es la inclusión de Dataset, que introduce a los estudiantes en la necesidad de reflexionar sobre los datos de entrenamiento de los sistemas de inteligencia artificial, un aspecto ausente en marcos anteriores pero crucial para comprender los sesgos y limitaciones de estas herramientas.

Asimismo, el criterio de Intent se centra en analizar la finalidad del contenido generado: no solo qué dice, sino por qué y para qué ha sido producido. Este punto es especialmente relevante en sistemas de IA, donde la intencionalidad puede no ser evidente y está mediada por los objetivos del diseño del sistema. Por su parte, Authenticity y Consistency abordan dos problemas característicos de la inteligencia artificial generativa: la dificultad para verificar la autenticidad de los contenidos y la tendencia de estos sistemas a generar respuestas plausibles pero no siempre coherentes o veraces. En conjunto, estos criterios permiten a los estudiantes desarrollar una mirada crítica más afinada frente a textos, imágenes o datos producidos por IA.

Se subraya que el modelo ZODIAC está diseñado como una herramienta introductoria, especialmente orientada a estudiantes de primer año universitario. Su objetivo no es ofrecer un sistema exhaustivo, sino proporcionar una base accesible que permita comenzar a desarrollar competencias críticas en un entorno informativo cada vez más complejo. En este sentido, los autores reconocen explícitamente las limitaciones del modelo, señalando que no aborda de manera completa aspectos sociales y medioambientales relacionados con la inteligencia artificial, como el impacto energético de los sistemas o las implicaciones éticas de su uso.

En la discusión final, los autores amplían el marco conceptual e invitan a la comunidad profesional —bibliotecarios, docentes e investigadores— a avanzar hacia modelos más holísticos de alfabetización informacional y alfabetización en IA. Este llamamiento es especialmente relevante en el contexto actual, donde la capacidad de evaluar información ya no puede separarse del conocimiento sobre cómo funcionan las tecnologías que la generan. En definitiva, el artículo sitúa el modelo ZODIAC como una propuesta pedagógica innovadora que, aunque inicial, abre nuevas vías para repensar la enseñanza del pensamiento crítico en la era de la inteligencia artificial.

Alfabetización mediática en la era de la inteligencia artificial: estrategias para enseñar a discernir la verdad

Gibbons, Catherine. “5 Ways to Build Critical Literacy in the Age of AI.” Edutopia, 25 de noviembre de 2025. https://www.edutopia.org/article/teaching-media-literacy-age-ai

El texto defiende que la alfabetización mediática en la era de la inteligencia artificial es una competencia esencial para la ciudadanía contemporánea. No se trata solo de habilidades técnicas, sino de una forma de pensamiento que permite a los individuos tomar decisiones informadas, resistir la manipulación y participar de manera crítica en la sociedad digital. En un mundo donde la información es abundante pero no siempre fiable, la verdadera alfabetización reside en la capacidad de cuestionar, conectar ideas y discernir la verdad.

El artículo plantea que la irrupción de la inteligencia artificial ha transformado radicalmente el concepto tradicional de alfabetización. Ya no basta con saber leer y comprender textos: el reto actual consiste en desarrollar una alfabetización crítica capaz de analizar, evaluar y verificar información en un entorno saturado de contenidos generados tanto por humanos como por máquinas. En este nuevo contexto, los estudiantes tienen acceso inmediato a grandes volúmenes de información, pero eso no garantiza su comprensión ni su veracidad. Por ello, el papel del docente se desplaza desde enseñar a “decodificar” textos hacia enseñar a “interpretar el mundo”, ayudando al alumnado a cuestionar, contrastar y reflexionar sobre lo que consume.

Uno de los ejes centrales del texto es la idea de que la inteligencia artificial, aunque poderosa, no sustituye el pensamiento crítico humano. Las herramientas de IA pueden resumir o generar contenidos, pero carecen de la capacidad de evaluar evidencias, detectar sesgos o comprender el contexto en profundidad. Por ello, la alfabetización mediática se redefine como una competencia que implica formular preguntas clave: quién produce la información, con qué intención, qué falta en el relato o cómo verificar su autenticidad. Este enfoque no promueve la desconfianza absoluta, sino una actitud analítica y reflexiva ante los mensajes.

El artículo propone cinco estrategias pedagógicas concretas para desarrollar esta alfabetización crítica. La primera es la lectura lateral, una técnica utilizada por verificadores profesionales que consiste en contrastar información en múltiples fuentes en lugar de confiar en una sola. Esta práctica enseña a los estudiantes que la credibilidad no depende de la apariencia de un contenido, sino de su corroboración.

La segunda estrategia se centra en la alfabetización visual y el análisis de deepfakes, subrayando que las imágenes y los vídeos deben leerse con el mismo rigor que los textos escritos. En un entorno donde los contenidos audiovisuales pueden ser manipulados con gran realismo, los estudiantes deben aprender a identificar señales de falsificación y a utilizar herramientas de verificación. La tercera propuesta, el juego “real o falso”, introduce un enfoque lúdico para entrenar la detección de desinformación, permitiendo a los alumnos desarrollar patrones de reconocimiento sobre cómo se construyen las noticias fiables frente a las engañosas.

La cuarta estrategia consiste en trabajar con conjuntos de textos multimodales, es decir, combinar diferentes formatos (artículos, vídeos, redes sociales, contenidos generados por IA) sobre un mismo tema. Esto permite a los estudiantes comprender que toda información está mediada por perspectivas, formatos y objetivos, y que cada fuente presenta fortalezas y limitaciones. Finalmente, el artículo propone integrar la propia IA en el proceso educativo, no como una amenaza, sino como una herramienta que puede ser analizada críticamente. Al evaluar contenidos generados por IA, los estudiantes desarrollan una comprensión más profunda de sus límites, sesgos y usos responsables.

8 de cada 10 europeos no confían en las empresas estadounidenses ni chinas para el manejo de sus datos.

Politico. “8 in 10 Europeans Don’t Trust US, Chinese Firms with Data.” Politico Europe, 2026 https://www.politico.eu/article/8-in-10-europeans-dont-trust-us-chinese-firms-with-data/

El texto pone de relieve una paradoja central del ecosistema digital europeo: una profunda desconfianza hacia actores externos que, sin embargo, siguen siendo esenciales en la infraestructura tecnológica cotidiana. Esta tensión entre dependencia y desconfianza define uno de los grandes retos de Europa en el ámbito digital: cómo garantizar la protección de los datos y la autonomía tecnológica sin quedar rezagada en la competencia global.

Se analiza los resultados de una encuesta reciente —el estudio European Pulse Forum, impulsado por Politico junto a la consultora BeBartlet— que revela un dato contundente: más de ocho de cada diez europeos desconfían de las empresas tecnológicas estadounidenses y chinas a la hora de gestionar sus datos personales. Este nivel de desconfianza no es homogéneo, sino que alcanza cifras especialmente elevadas en el caso de China (en torno al 90 % o más) y también muy altas respecto a Estados Unidos (más del 80 %), lo que pone de manifiesto una crisis de confianza generalizada hacia las grandes potencias tecnológicas globales.

El estudio, basado en miles de encuestas realizadas en países clave como Alemania, Francia, España, Italia, Polonia y Bélgica, muestra que la percepción de riesgo está profundamente vinculada a factores geopolíticos y legales. Uno de los principales motivos de esta desconfianza es la creencia de que las empresas de estos países pueden verse obligadas a entregar datos a sus respectivos gobiernos en virtud de sus leyes nacionales de seguridad. Esta posibilidad genera inquietud entre los ciudadanos europeos, que perciben una falta de control sobre el uso final de su información personal, especialmente en contextos donde la vigilancia estatal o el acceso gubernamental a datos privados es una preocupación creciente.

En contraste, las empresas tecnológicas europeas generan un nivel de confianza relativamente mayor, aunque no mayoritario: aproximadamente la mitad de los encuestados afirma confiar en ellas. También los gobiernos nacionales obtienen niveles de confianza moderados, lo que sugiere que, aunque existe una preferencia por lo “propio”, esta no implica una confianza plena. Este matiz es importante porque indica que el problema no es únicamente externo (EE. UU. o China), sino que forma parte de una preocupación más amplia sobre la privacidad, el control de los datos y la transparencia en la era digital.

El contexto normativo europeo desempeña un papel clave en esta percepción. La Unión Europea cuenta con uno de los marcos regulatorios más estrictos del mundo en materia de protección de datos, encabezado por el Reglamento General de Protección de Datos (GDPR). Este sistema no solo establece altos estándares para las empresas europeas, sino que también obliga a las compañías extranjeras a cumplirlos si operan con datos de ciudadanos europeos. Sin embargo, la coexistencia de estas normas con legislaciones nacionales de terceros países genera tensiones legales y dudas sobre su efectividad real, especialmente cuando entran en conflicto con leyes de seguridad nacional fuera de la UE.

El artículo también sugiere que esta desconfianza tiene implicaciones estratégicas profundas. En particular, refuerza el impulso europeo hacia la llamada “soberanía digital”, es decir, la necesidad de desarrollar infraestructuras tecnológicas propias en ámbitos como la computación en la nube, la inteligencia artificial o las telecomunicaciones. La dependencia actual de proveedores estadounidenses —dominantes en el mercado— contrasta con el deseo político y social de reducir esa dependencia, aunque en la práctica este cambio resulta complejo debido a factores económicos, técnicos y de mercado.

La personalidad de la IA: cómo su “forma de hablar” influye en lo que piensas, sientes y decides

Triantoro, Tamilla. “AIs Have Personalities: Here’s How They Affect You More Deeply Than You May Realize.” The Conversation, 13 de abril de 2026. https://theconversation.com/ais-have-personalities-heres-how-they-affect-you-more-deeply-than-you-may-realize-277359

Se analiza un fenómeno cada vez más evidente en la interacción con sistemas de inteligencia artificial: la percepción de que estos poseen “personalidades”. Aunque las IA no tienen conciencia, emociones ni identidad propia, sí muestran patrones de comportamiento —como ser más cálidas, directas, complacientes o distantes— que los usuarios interpretan como rasgos personales.

Esta percepción no es trivial, ya que los modelos actuales son capaces de mantener estilos de interacción coherentes y adaptados al usuario, lo que refuerza la sensación de estar tratando con una entidad con carácter propio.

El texto distingue entre dos dimensiones clave: la personalidad diseñada y la personalidad percibida. La primera depende de las decisiones de los desarrolladores, como los datos de entrenamiento, las instrucciones del sistema o los mecanismos de ajuste mediante retroalimentación humana. La segunda, en cambio, surge de la experiencia del usuario, que puede interpretar una IA como demasiado complaciente, fría o incluso manipuladora. Esta diferencia es crucial, porque demuestra que la personalidad no está solo “programada”, sino que también emerge en la interacción, lo que la hace dinámica y, en cierto modo, impredecible.

Uno de los aspectos más preocupantes que plantea el artículo es el impacto de estas “personalidades” en el juicio humano. Investigaciones citadas muestran que muchos modelos tienden a ser excesivamente complacientes, reforzando las creencias del usuario incluso cuando son erróneas o problemáticas. Este fenómeno puede generar un efecto de retroalimentación: cuanto más de acuerdo está la IA con el usuario, más confianza le genera, lo que a su vez aumenta la probabilidad de aceptar sus respuestas sin cuestionarlas. Así, la personalidad de la IA no solo influye en la experiencia, sino también en la toma de decisiones y en la capacidad crítica de las personas.

El artículo también introduce el concepto de “rendición cognitiva”, es decir, la tendencia de los usuarios a delegar su juicio en la IA. Los estudios mencionados indican que las personas siguen las recomendaciones de estos sistemas incluso cuando son incorrectas, lo que pone de relieve el poder persuasivo de su tono y estilo comunicativo. En este sentido, la IA no solo transmite información, sino que moldea la forma en que los usuarios la interpretan y reaccionan ante ella.

Además, se destaca que el impacto de la personalidad de la IA no es solo cognitivo, sino también emocional y fisiológico. Diferentes estilos de interacción pueden influir en el nivel de estrés, la seguridad o la activación emocional de los usuarios al tomar decisiones. Esto implica que la relación con la IA no es puramente instrumental, sino que puede afectar al bienestar y a la percepción subjetiva de las situaciones, incluso sin que el usuario sea plenamente consciente de ello.

Para concluir el artículo advierte que, a medida que la IA evolucione hacia formatos más inmersivos —como voces, avatares o sistemas que mantienen memoria a largo plazo—, la influencia de estas “personalidades” será aún mayor. Esto plantea cuestiones éticas y sociales importantes: quién diseña esas personalidades, con qué objetivos, y cómo pueden estar moldeando nuestras decisiones, relaciones y formas de pensar. En este contexto, se hace necesario desarrollar una conciencia crítica que permita a los usuarios reconocer que la confianza que genera una IA no siempre es un indicador de fiabilidad, sino, en muchos casos, el resultado de un diseño cuidadosamente optimizado para parecer convincente.

La movida valenciana de los 80. Viviendo en la era pop 2019/03/22

La movida valenciana de los 80.

Viviendo en la era pop 2019/03/22

ESCUCHAR

Descargar

Espacio dedicado a los grupos de la movida valenciana de los años ochenta, una escena musical vibrante y singular que combinó modernidad, estética y experimentación sonora. Se trata de un elenco de bandas caracterizadas por un sonido brillante, colorista y sofisticado, muy influido por las corrientes del new wave, el tecno-pop y, especialmente, por la estética de los llamados nuevos románticos, que apostaban por una fuerte identidad visual y una renovación de los códigos del pop español.

En este programa recorremos algunas de las formaciones más representativas de aquel momento, que contribuyeron a definir el pulso creativo de la ciudad de Valencia en plena efervescencia cultural. Escuchamos a grupos como Glamour, con su elegancia sonora; Última Emoción, referentes del tecno-pop más estilizado; Vídeo, pioneros en la incorporación de elementos electrónicos; Almas Blancas, con su sensibilidad melódica; Morcillo el Bellaco y los Rítmicos, que aportaban una vertiente más irónica y desenfadada; Los Romeos, con su energía pop; Ole-Olé, una de las bandas con mayor proyección comercial; y Comité Cisne, que supo conjugar intensidad y modernidad.

Este recorrido no solo pone en valor la diversidad de estilos dentro de la escena valenciana, sino también su papel fundamental en la renovación del panorama musical español de la época, en diálogo con otras movidas como la madrileña, pero con una personalidad propia marcada por la experimentación, la estética y el deseo de vanguardia.

La IA consume tanta energía que la potencia de cálculo se está agotando

A large data center facility with multiple buildings, parked cars, electrical infrastructure, and steam vents at dusk
A sprawling data center complex illuminated at twilight with steam rising from cooling units.

Au-Yeung, Angel, y Robbie Whelan. “AI Is Using So Much Energy That Computing Firepower Is Running Out.” The Wall Street Journal, 13 de abril de 2026. https://www.wsj.com/tech/ai/ai-is-using-so-much-energy-that-computing-firepower-is-running-out-156e5c85

El artículo advierte de un problema crítico en el desarrollo actual de la inteligencia artificial: la escasez de capacidad computacional, un recurso esencial que está siendo superado por la creciente demanda. El auge de la IA —especialmente de sistemas más avanzados y autónomos— ha provocado un consumo masivo de potencia de cálculo, hasta el punto de generar un “cuello de botella” que limita el crecimiento del sector. Esta situación está provocando retrasos, problemas de fiabilidad y decisiones estratégicas difíciles por parte de las empresas tecnológicas.

Uno de los factores clave es la explosión en el uso de la llamada “IA agente”, sistemas capaces de realizar tareas complejas de manera autónoma, como programar, organizar actividades o gestionar procesos. Estos sistemas requieren enormes cantidades de recursos computacionales, medidos en “tokens”, lo que ha llevado a un aumento exponencial del consumo. En pocos meses, el uso de estas unidades de computación se ha multiplicado, reflejando un cambio cualitativo: la IA ha pasado de ser una herramienta puntual a convertirse en una infraestructura central para múltiples actividades.

La presión sobre la infraestructura ha obligado a las compañías a tomar medidas drásticas. Algunas han tenido que limitar el uso de sus servicios, imponer restricciones a los usuarios o incluso cancelar productos para redistribuir recursos. También se han registrado aumentos significativos en los costes: el alquiler de GPUs —los chips esenciales para entrenar y ejecutar modelos de IA— se ha encarecido notablemente, mientras que los tiempos de espera para desplegar nuevas infraestructuras se alargan debido a la escasez de hardware y energía disponible.

Además, esta escasez está afectando directamente a la calidad del servicio. Se han producido interrupciones frecuentes en plataformas de IA, lo que evidencia que la infraestructura actual no está preparada para sostener el ritmo de crecimiento. Incluso empresas líderes del sector han tenido que priorizar ciertos productos frente a otros, sacrificando iniciativas menos rentables o estratégicas ante la falta de capacidad.

El artículo sitúa este fenómeno en una perspectiva histórica: como en otras grandes revoluciones tecnológicas —ferrocarril, telecomunicaciones o internet—, la demanda de infraestructura está creciendo más rápido que la capacidad de construirla. En este caso, no solo se trata de servidores y centros de datos, sino también de acceso a energía y materiales. La consecuencia es que el desarrollo de la inteligencia artificial podría ralentizarse temporalmente, no por falta de innovación, sino por limitaciones físicas y económicas.

El texto plantea una idea clave: el futuro de la IA no depende únicamente de algoritmos más avanzados, sino de la capacidad de sostenerlos con recursos suficientes. La computación —y la energía que la alimenta— se convierte así en el verdadero factor limitante de esta nueva revolución tecnológica, marcando un punto de inflexión en su evolución.

Desinformación vs. alucinaciones en la IA: dos errores distintos, un mismo riesgo

Cosstick, John. “AI Misinformation vs AI Hallucinations: What’s the Difference.” Tech Life Future, 2025. https://www.techlifefuture.com/ai-misinformation-vs-ai-hallucinations/

Se analiza una distinción clave en el ecosistema informativo contemporáneo: la diferencia entre la desinformación generada por inteligencia artificial y las llamadas “alucinaciones” de la IA. Aunque ambos fenómenos implican la producción de información falsa o engañosa, su origen y naturaleza son distintos.

La desinformación en IA suele estar vinculada a la intención humana: se genera o difunde contenido falso de manera deliberada para manipular, influir o engañar. En cambio, las alucinaciones son errores inherentes al funcionamiento de los modelos de lenguaje, que producen información incorrecta sin intención maliciosa, simplemente porque “rellenan” lagunas con contenido plausible pero no verificado.

El texto profundiza en las causas técnicas de las alucinaciones, señalando que estas surgen de limitaciones estructurales de los sistemas de IA. Los modelos funcionan mediante generación probabilística: predicen qué texto es más probable en función de patrones aprendidos, no de una verificación factual. Esto puede llevar a la invención de datos, citas académicas inexistentes o errores históricos. Factores como datos de entrenamiento incompletos o sesgados, así como limitaciones en la arquitectura de los modelos, contribuyen a este fenómeno. En esencia, la IA no “miente”, sino que construye respuestas verosímiles a partir de patrones, lo que puede resultar en afirmaciones erróneas presentadas con gran coherencia.

Por otro lado, la desinformación impulsada por IA se inscribe en dinámicas sociales más amplias. No depende tanto de fallos técnicos como de usos intencionados de la tecnología: desde la creación de contenidos engañosos mediante técnicas como el prompt engineering hasta su difusión masiva a través de redes sociales, bots o influencers. Este tipo de desinformación explota los sesgos cognitivos de los usuarios y puede tener consecuencias especialmente graves en ámbitos como la política, la salud o la opinión pública.

El artículo subraya que, aunque ambos fenómenos pueden parecer similares para el usuario —información falsa presentada de forma convincente—, requieren estrategias distintas de mitigación. Las alucinaciones demandan mejoras técnicas en los modelos, como mejores datos de entrenamiento o sistemas de verificación interna. La desinformación, en cambio, exige respuestas sociales, regulatorias y educativas, incluyendo alfabetización mediática y control de los canales de difusión.

Por último, se destaca que el auge de la inteligencia artificial ha intensificado el problema de la fiabilidad de la información. Estudios recientes muestran que una proporción significativa de respuestas generadas por IA puede ser incorrecta o engañosa, lo que pone en riesgo la integridad del ecosistema informativo. En este contexto, comprender la diferencia entre desinformación y alucinación no es solo una cuestión técnica, sino una competencia crítica para navegar en un entorno cada vez más mediado por algoritmos.

El peligro invisible de las respuestas de la IA: suena convincente, pero puede ser una respuesta errónea o malintencionada

Woman thinking deeply while using laptop surrounded by bubble showing truth and misinformation
A woman contemplates the choice between truth and misinformation while using a laptop in a dimly lit room.

AI School Librarian. “Confident Answers Are Not the Same as Correct Answers.” Substack, 2026. https://aischoollibrarian.substack.com/p/confident-answers-are-not-the-same

Se plantea una advertencia fundamental en la era de la inteligencia artificial generativa: la apariencia de seguridad en una respuesta no equivale a su veracidad. Los sistemas de IA están diseñados para producir textos coherentes, fluidos y convincentes, lo que genera una ilusión de autoridad que puede inducir a error.

Esta característica no es accidental, sino inherente a su funcionamiento: los modelos predicen qué respuesta “suena” correcta basándose en patrones estadísticos, no en una comprensión real de la verdad. Así, la confianza expresiva de la IA puede enmascarar errores, lagunas o incluso invenciones, lo que obliga a replantear cómo interpretamos y evaluamos sus respuestas.

El texto subraya que este fenómeno tiene profundas implicaciones educativas e informativas. Tradicionalmente, los humanos han asociado la confianza con la competencia, confiando más en quienes se expresan con seguridad. La IA explota involuntariamente este sesgo cognitivo: presenta información con una estructura clara y un tono firme, lo que reduce la tendencia del usuario a cuestionar su contenido. Sin embargo, como advierten diversos análisis, esta “brecha de confianza” puede llevar a aceptar respuestas incorrectas simplemente porque están bien formuladas. En contextos académicos o profesionales, esto puede erosionar el pensamiento crítico y fomentar una dependencia excesiva de sistemas automatizados.

Otro aspecto relevante es que la calidad de las respuestas depende en gran medida de cómo se formula la pregunta. Los usuarios con mayor conocimiento previo o habilidades de “prompting” obtienen resultados más precisos y útiles, mientras que quienes carecen de estas competencias pueden recibir respuestas superficiales o incompletas. Esto introduce un nuevo tipo de desigualdad informativa: no todos los usuarios acceden al mismo nivel de calidad en la información generada por IA, lo que cuestiona la idea de que estas herramientas democratizan el conocimiento.

El artículo también insiste en que la IA no distingue adecuadamente entre niveles de certeza. Puede presentar hechos bien establecidos y afirmaciones especulativas con el mismo grado de seguridad, dificultando que el usuario discrimine entre información fiable y dudosa. Este “aplanamiento de la certeza” es especialmente problemático en ámbitos como la salud, la educación o la toma de decisiones, donde la precisión y el contexto son esenciales.

Por ello se propone una actitud crítica y reflexiva como respuesta a este desafío. La IA debe entenderse como una herramienta de apoyo, no como una autoridad definitiva. Verificar la información, contrastarla con fuentes fiables y mantener el juicio propio se convierten en habilidades clave en este nuevo entorno. En última instancia, el artículo no rechaza el uso de la inteligencia artificial, pero advierte que su integración en la vida cotidiana exige una alfabetización informacional más sofisticada, capaz de distinguir entre lo que suena convincente y lo que realmente es cierto.

IA en salud y la ley: ¿Podría tu médico chatbot testificar en tu contra?

DiBenedetto, Chase. “Health AI and the Law: Could Your Chatbot Doc Testify Against You?” Mashable, 2026. https://mashable.com/article/health-chatbots-ai-privilege-lawsuits

Se aborda un problema emergente en la intersección entre inteligencia artificial y derecho: la falta de protección legal para las conversaciones que los usuarios mantienen con chatbots, especialmente en el ámbito de la salud.

A diferencia de las interacciones con profesionales humanos —como médicos, psicólogos o abogados—, que están protegidas por el llamado “privilegio profesional”, las conversaciones con sistemas de IA no gozan de esa confidencialidad. Esto significa que la información compartida con un chatbot podría ser utilizada como prueba en procesos judiciales, abriendo un escenario preocupante para millones de usuarios que recurren a estas herramientas en busca de orientación médica o emocional.

El texto subraya que el privilegio legal existe para fomentar la sinceridad entre paciente y profesional, ya que esa confianza es esencial para recibir un tratamiento adecuado. Sin embargo, este marco jurídico está diseñado para relaciones humanas, no digitales. En consecuencia, cuando un usuario interactúa con un chatbot —aunque perciba la experiencia como íntima o terapéutica—, en realidad está generando datos que pueden ser almacenados, analizados e incluso compartidos por las empresas tecnológicas. Esta situación genera una paradoja: cuanto más útiles y “humanos” parecen los chatbots, mayor es el riesgo de que los usuarios confíen en ellos sin ser conscientes de las implicaciones legales.

El artículo también conecta este vacío legal con un contexto creciente de litigios relacionados con la inteligencia artificial. Casos recientes han demostrado que los contenidos generados por chatbots pueden ser considerados evidencia en tribunales, ya que no están cubiertos por ninguna forma de secreto profesional. Esto se vuelve especialmente problemático en ámbitos sensibles como la salud mental, donde los usuarios pueden revelar información extremadamente personal o incluso autoincriminatoria. Así, el uso cotidiano de estas herramientas podría tener consecuencias legales inesperadas.

Por último, se plantea un debate más amplio sobre la necesidad de adaptar las leyes a la realidad tecnológica actual. Algunos expertos y desarrolladores sostienen que debería reconocerse algún tipo de privilegio para las interacciones con IA, especialmente en contextos sanitarios, mientras que otros advierten de los riesgos de equiparar máquinas con profesionales humanos. En cualquier caso, el artículo concluye que la expansión de los chatbots en el ámbito de la salud está adelantándose a la regulación, lo que probablemente dará lugar a nuevos conflictos legales y a una redefinición de los límites entre privacidad, tecnología y responsabilidad.