Repensar la evaluación en tiempos de inteligencia artificial: del producto final al proceso de aprendizaje

The AI School Librarian. “Grading in the AI Era: Research Literacy in the Age of AI, Week 13: How to Assess Reasoning, Verification, and Transparency.” The AI School Librarians Newsletter, 20 de abril de 2026. Substack. The AI School Librarians Newsletter

Se plantea una reflexión profunda sobre la crisis actual de los sistemas de evaluación educativa en un contexto marcado por la expansión de la inteligencia artificial generativa. El texto parte de una premisa contundente: si las rúbricas y modelos de calificación continúan premiando principalmente el acabado formal, la corrección gramatical o la apariencia de sofisticación textual, las herramientas de IA superarán fácilmente los criterios tradicionales de evaluación. Según el artículo, el problema central ya no consiste en “detectar trampas” o descubrir cuándo un estudiante ha utilizado IA, sino en replantear qué significa realmente aprender y qué aspectos del proceso intelectual merecen ser valorados.

La autora sostiene que gran parte de los sistemas educativos siguen fundamentándose en una lógica de evaluación heredada de la era pre-IA, centrada casi exclusivamente en el producto final: ensayos terminados, trabajos perfectamente estructurados, citas formateadas correctamente y redacciones libres de errores. Sin embargo, la inteligencia artificial es capaz de generar con rapidez precisamente ese tipo de productos. En consecuencia, la escuela se enfrenta a una disyuntiva fundamental: continuar evaluando elementos superficiales que las máquinas pueden imitar fácilmente o desplazar el foco hacia procesos cognitivos más complejos y genuinamente humanos. El texto insiste en que la verdadera evidencia del aprendizaje no reside únicamente en el resultado visible, sino en el recorrido intelectual que conduce hasta él: las dudas, revisiones, decisiones, errores, verificaciones y transformaciones del pensamiento.

Uno de los aspectos más relevantes del artículo es la idea de que la IA obliga a redefinir el concepto mismo de “autoría intelectual”. Tradicionalmente, muchos modelos de evaluación asumían que el texto presentado reflejaba directamente el pensamiento del estudiante. Sin embargo, en un escenario donde una herramienta puede redactar párrafos coherentes, producir tesis convincentes o incluso estructurar investigaciones completas, el profesorado necesita nuevas estrategias para distinguir entre producción automática y apropiación auténtica del conocimiento. El artículo argumenta que la clave no está en prohibir la IA, sino en diseñar evaluaciones capaces de hacer visible el razonamiento humano que hay detrás del trabajo.

Para responder a este desafío, el texto propone cuatro transformaciones estructurales en la evaluación. La primera consiste en calificar la evolución de la pregunta de investigación. En lugar de valorar únicamente la tesis final, se recomienda que el alumnado entregue también la pregunta inicial, las modificaciones posteriores y una explicación de cómo y por qué cambió su enfoque. Esta estrategia busca reconocer el refinamiento intelectual y la capacidad de replantear problemas, algo que constituye una parte esencial del pensamiento crítico. El aprendizaje deja así de verse como un acto instantáneo y pasa a entenderse como un proceso dinámico de exploración y reconstrucción conceptual.

La segunda transformación se centra en la justificación de las fuentes. El artículo subraya que, en una época saturada de información y contenido generado algorítmicamente, ya no basta con citar fuentes; es necesario demostrar por qué una fuente merece confianza. El alumnado debería explicar la credibilidad de los materiales utilizados, detectar sesgos, identificar limitaciones y contrastar datos mediante verificación cruzada. Esta orientación conecta directamente con las competencias de alfabetización informacional y mediática que tradicionalmente han promovido bibliotecarios y especialistas en documentación. La evaluación, por tanto, se desplaza desde la mera acumulación de referencias hacia la capacidad crítica para analizarlas y contextualizarlas.

La tercera propuesta del artículo es incorporar la transparencia como criterio explícito de evaluación. La autora defiende que los estudiantes deberían informar abiertamente sobre cómo utilizaron herramientas de IA, qué partes verificaron y qué decisiones éticas tomaron durante el proceso. Este enfoque intenta sustituir los modelos punitivos basados en vigilancia y sospecha por una cultura académica de honestidad y reflexión. En vez de criminalizar el uso de la inteligencia artificial, el sistema educativo debería enseñar a utilizarla de manera responsable, crítica y documentada. Según el texto, normalizar la transparencia reduce la dependencia de detectores automáticos de IA, cuya fiabilidad es limitada y cuya aplicación puede generar injusticias y desconfianza institucional.

La cuarta transformación aborda la importancia de la reflexión metacognitiva. El artículo propone que los estudiantes respondan preguntas relacionadas con la evolución de su pensamiento: qué cambió durante la investigación, qué evidencias resultaron más débiles o qué interrogantes quedaron sin resolver. Estas actividades buscan que el alumnado tome conciencia de sus propios procesos intelectuales y convierta el aprendizaje en una experiencia autorreflexiva. Además, la metacognición resulta especialmente difícil de automatizar, ya que implica conectar experiencias personales, decisiones contextuales y procesos internos de razonamiento.

Otro aspecto significativo del artículo es su crítica implícita a la cultura educativa basada exclusivamente en resultados cuantificables y estandarizados. La IA pone en evidencia las limitaciones de sistemas que privilegian la eficiencia, la apariencia formal y la producción rápida de textos. Frente a ello, la autora defiende modelos de evaluación más lentos, procesuales y centrados en la construcción del pensamiento. En esta visión, el aula deja de ser un espacio donde únicamente se “entregan productos” para convertirse en un entorno donde se documenta el desarrollo intelectual.

El texto también se relaciona con debates más amplios sobre alfabetización digital y ciudadanía crítica. La capacidad para verificar información, justificar decisiones y reflexionar sobre el uso ético de herramientas tecnológicas se presenta como una competencia esencial del siglo XXI. De este modo, la evaluación deja de ser solamente un mecanismo de medición académica y se transforma en un espacio de formación ética e intelectual. El artículo sugiere que la irrupción de la IA puede convertirse en una oportunidad para corregir debilidades estructurales que ya existían en los sistemas educativos mucho antes de la aparición de ChatGPT y otras plataformas generativas.

“Grading in the AI Era” propone una visión educativa basada en la autenticidad del pensamiento, la trazabilidad del aprendizaje y la centralidad del razonamiento humano. El artículo concluye que la inteligencia artificial no debería obligar a las instituciones educativas a reforzar modelos de vigilancia, sino a rediseñar profundamente sus prácticas pedagógicas. La verdadera cuestión ya no es si los estudiantes utilizan IA, sino si las escuelas son capaces de evaluar aquello que realmente importa: la capacidad de pensar, cuestionar, verificar, interpretar y construir conocimiento propio en colaboración crítica con las tecnologías emergentes

¿Qué significa ser un “buen consumidor de noticias?

Shearer, Elisa. 2026. “What Americans think it takes to be a good news consumer.” Pew Research Center, 14 de mayo de 2026. https://www.pewresearch.org/short-reads/2026/05/14/what-americans-think-it-takes-to-be-a-good-news-consumer/

El informe del Pew Research Center analiza cómo los estadounidenses definen, en sus propias palabras, qué significa ser un “buen consumidor de noticias”. A partir de una encuesta abierta a miles de personas, el estudio revela que no existe una única definición compartida, sino un conjunto de ideas recurrentes que reflejan las tensiones actuales del ecosistema informativo: la desinformación, la polarización política, la abundancia de fuentes digitales y la creciente responsabilidad individual en la selección de lo que se considera verdadero o relevante.

Uno de los hallazgos principales es que la idea más extendida sobre el “buen consumo de noticias” es el escepticismo crítico. Una parte significativa de los encuestados afirma que ser un buen consumidor implica no aceptar la información de forma automática, sino cuestionarla, contrastarla y “no creer todo lo que se ve o se oye”. Este enfoque está asociado a prácticas como la verificación de hechos, la búsqueda de múltiples fuentes y la detección de posibles sesgos o propaganda. En conjunto, el estudio sugiere que la alfabetización crítica se ha convertido en un valor central en la forma en que el público interpreta su relación con la información.

Otro elemento destacado es la importancia de “estar informado” de forma continua. Muchos participantes vinculan el buen consumo de noticias con seguir la actualidad de manera regular, mantenerse al día con los acontecimientos y no desconectarse del debate público. Sin embargo, este ideal convive con una realidad marcada por la fatiga informativa y la fragmentación de la atención, donde gran parte de la población consume noticias de manera incidental a través de redes sociales, notificaciones o recomendaciones algorítmicas, en lugar de buscarlas activamente.

El estudio también identifica un tercer eje clave: la calidad y diversidad de las fuentes informativas. Muchos encuestados consideran que un buen consumidor de noticias debe acudir a medios fiables, con estándares profesionales de verificación y cobertura equilibrada. Sin embargo, el propio informe subraya que no existe consenso sobre qué medios son “fiables”, ya que la confianza en las instituciones periodísticas varía fuertemente según la ideología política. Esto refleja un entorno mediático profundamente polarizado, en el que la credibilidad de la información depende, en gran medida, de la identidad política del receptor.

Asimismo, una parte relevante de los participantes destaca la necesidad de consultar múltiples perspectivas, especialmente en temas políticos. Esta idea se expresa en la recomendación de “ver ambos lados” o contrastar diferentes enfoques antes de formar una opinión. Sin embargo, el estudio advierte que este principio, aunque ampliamente valorado, no siempre se traduce en prácticas reales sostenidas, ya que la exposición a fuentes diversas suele verse limitada por hábitos de consumo, algoritmos de personalización y preferencias ideológicas.

Finalmente, el informe recoge un conjunto menor de respuestas centradas en el comportamiento posterior al consumo de noticias, como evitar compartir información falsa o utilizar la información para tomar decisiones cívicas informadas, especialmente en contextos como el voto. Aunque estas ideas aparecen con menor frecuencia, reflejan una dimensión ética del consumo informativo: no solo importa cómo se accede a las noticias, sino también cómo se redistribuyen y qué efectos tienen en la esfera pública.

El estudio del Pew Research Center muestra que el concepto de “buen consumidor de noticias” se ha desplazado hacia una visión altamente individualizada, donde cada persona asume la responsabilidad de filtrar, evaluar y jerarquizar la información en un entorno saturado y fragmentado. Este cambio refleja una transformación más amplia del ecosistema mediático contemporáneo: la transición desde un modelo basado en intermediarios periodísticos relativamente estables hacia otro en el que el ciudadano debe actuar como filtro activo frente a una abundancia informativa cada vez más compleja y, a menudo, conflictiva.

Los héroes silenciosos que mantienen en pie las bibliotecas en condiciones precarias de Katmandú

Khadka, Prabina. “The Quiet Heroes Holding Kathmandu’s Crumbling Libraries Together.” 1000 Libraries Magazine, 2026, https://magazine.1000libraries.com/the-quiet-heroes-holding-kathmandus-crumbling-libraries-together/.

Se presenta un retrato profundamente humano de las bibliotecas de Katmandú (Nepal) y, sobre todo, de las personas que las sostienen en condiciones precarias. A través de varios testimonios de bibliotecarios y responsables de centros documentales, se muestra cómo estas instituciones culturales sobreviven pese a la falta de financiación, la fragilidad estructural de los edificios y la escasa prioridad que reciben por parte del Estado.

Las bibliotecas descritas no son solo espacios de conservación del conocimiento, sino también refugios sociales donde estudiantes, opositores y investigadores encuentran un lugar de estudio y concentración. Sin embargo, muchas de ellas funcionan en edificios deteriorados, con infraestructuras insuficientes, escaso personal y problemas persistentes de mantenimiento. La falta de inversión pública tras el terremoto de 2015 agravó aún más una situación ya frágil, dejando a varias bibliotecas en estado casi de supervivencia.

El texto subraya especialmente el papel de los bibliotecarios, quienes aparecen como verdaderos “guardianes” del conocimiento. Lejos de la imagen tradicional de un trabajo pasivo, se enfatiza que realizan múltiples tareas: catalogación, gestión de colecciones, atención a usuarios, preservación de fondos y adaptación a recursos limitados. Muchos de ellos no comenzaron su carrera con formación específica en biblioteconomía, sino que llegaron al oficio de manera casual o por necesidad, desarrollando después un fuerte vínculo con la profesión.

Otro eje central es la dimensión comunitaria de las bibliotecas. A pesar de las dificultades, siguen siendo espacios esenciales de igualdad de acceso al conocimiento, especialmente para jóvenes que se preparan para exámenes o buscan oportunidades educativas. El artículo también destaca la ausencia de una política pública sólida que reconozca el valor estratégico de estas instituciones culturales.

El texto construye una narrativa de resistencia silenciosa: bibliotecas que “se mantienen en pie” no gracias a sistemas robustos, sino gracias al compromiso cotidiano de bibliotecarios que trabajan en condiciones adversas. La conclusión es clara: si estas bibliotecas siguen existiendo, es por la dedicación de personas que, más que ejercer un empleo, sostienen un servicio público esencial para la educación y la memoria cultural del país.

Inteligencia artificial y escritura académica: recomendaciones para un uso ético de la IA generativa

Cheng, Adam, Aaron Calhoun y Gabriel Reedy. “Artificial Intelligence-Assisted Academic Writing: Recommendations for Ethical Use.” Advances in Simulation 10, n.º 1 (2025): 22. https://doi.org/10.1186/s41077-025-00350-6

Se analiza de manera profunda el impacto de las herramientas de inteligencia artificial generativa —especialmente los grandes modelos de lenguaje como ChatGPT— en la escritura académica y científica. Los autores, Adam Cheng, Aaron Calhoun y Gabriel Reedy, abordan una cuestión central en el ecosistema universitario contemporáneo: cómo aprovechar las capacidades de la IA sin comprometer la integridad académica, la calidad científica ni la autoría intelectual.

El texto parte de una constatación evidente: desde la aparición pública de ChatGPT en 2022, el uso de herramientas de IA generativa se ha extendido rápidamente entre investigadores, estudiantes y docentes. Estas aplicaciones permiten resumir información, redactar borradores, corregir estilo, traducir textos, generar ideas e incluso estructurar artículos científicos completos. Sin embargo, los autores advierten que esta expansión se ha producido más rápido que la creación de marcos éticos y normativos claros. La comunidad académica se encuentra así ante un escenario ambiguo, en el que conviven enormes posibilidades de mejora de la productividad intelectual con riesgos serios para la credibilidad científica.

Uno de los aspectos más relevantes del artículo es la identificación de los principales peligros asociados al uso indiscriminado de la IA en la escritura académica. Los autores subrayan que los modelos generativos pueden producir “alucinaciones”, es decir, afirmaciones aparentemente verosímiles pero falsas, además de referencias bibliográficas inventadas o inexactas. Este fenómeno resulta especialmente problemático en contextos científicos, donde la verificabilidad y el rigor documental constituyen pilares fundamentales. También se aborda el riesgo de plagio involuntario, la reproducción de sesgos presentes en los datos de entrenamiento y la tendencia a generar textos estilísticamente homogéneos que pueden empobrecer la diversidad discursiva y crítica de la producción científica.

El artículo dedica una parte importante a examinar cómo las editoriales académicas y las revistas científicas están reaccionando frente a la irrupción de la IA generativa. Los autores señalan que muchas publicaciones científicas ya exigen transparencia explícita sobre el uso de herramientas de IA en la redacción de manuscritos. Algunas revistas prohíben considerar a la IA como autora de un trabajo, argumentando que carece de responsabilidad ética y legal sobre el contenido producido. Otras instituciones, en cambio, aceptan el uso de IA como herramienta auxiliar, siempre que exista supervisión humana y se informe claramente de su utilización. Este debate refleja una transformación profunda de los criterios tradicionales de autoría, originalidad y responsabilidad intelectual en la ciencia contemporánea.

Los autores no adoptan una postura tecnófoba. Por el contrario, reconocen que la IA puede aportar beneficios reales cuando se utiliza de manera crítica y controlada. El artículo describe tres grandes categorías de uso éticamente aceptable de la inteligencia artificial en la escritura académica. La primera es el apoyo lingüístico y editorial: mejorar gramática, claridad, estilo o traducción de textos, especialmente útil para investigadores que escriben en una lengua distinta de la materna. La segunda categoría incluye la organización y síntesis de información, como la generación de esquemas, resúmenes preliminares o estructuras de artículos. Finalmente, la tercera categoría contempla el apoyo creativo y cognitivo, por ejemplo en la generación de ideas iniciales o en la reformulación de conceptos complejos. En todos los casos, los autores insisten en que la supervisión humana es imprescindible y que la IA nunca debe sustituir el juicio crítico del investigador.

Uno de los aportes más importantes del trabajo es la formulación de cuatro principios éticos fundamentales para orientar el uso responsable de la IA en la escritura científica.

  1. El primero es la transparencia: los investigadores deben declarar de manera explícita cuándo y cómo han utilizado herramientas de IA.
  2. El segundo es la verificación humana: todo contenido generado debe ser revisado críticamente para garantizar exactitud, coherencia y autenticidad.
  3. El tercero es la responsabilidad intelectual: el autor humano sigue siendo plenamente responsable de los errores, sesgos o falsedades presentes en el texto final.
  4. El cuarto principio es la preservación de la integridad académica, evitando que la automatización sustituya procesos esenciales de reflexión, análisis y construcción de conocimiento. Estos principios buscan equilibrar innovación tecnológica y rigor científico en un contexto de cambio acelerado.

El artículo también plantea una reflexión más profunda sobre la naturaleza misma de la escritura académica. Los autores advierten que escribir no es simplemente producir texto, sino un proceso intelectual de elaboración de pensamiento, argumentación y aprendizaje. Si los investigadores delegan excesivamente estas funciones en sistemas automáticos, existe el riesgo de una “descapacitación académica”, es decir, una pérdida progresiva de habilidades críticas, analíticas y argumentativas. Esta preocupación conecta con debates actuales sobre alfabetización en IA, pensamiento crítico y el papel de las universidades en una sociedad crecientemente automatizada.

Otro aspecto relevante es que el artículo se centra especialmente en el ámbito de la simulación sanitaria y la investigación en salud, aunque sus conclusiones son extrapolables a prácticamente cualquier disciplina académica. Los autores consideran que el entorno científico necesita desarrollar urgentemente políticas institucionales claras, programas de formación en uso ético de IA y nuevas competencias de alfabetización digital que permitan a estudiantes e investigadores comprender tanto el potencial como las limitaciones de estas tecnologías. La IA deja de ser vista únicamente como una herramienta técnica y pasa a convertirse en un desafío cultural, educativo y epistemológico.

En conjunto, el trabajo constituye una de las aportaciones más relevantes y equilibradas sobre inteligencia artificial y escritura académica publicadas recientemente. Frente a posiciones extremas —ya sea de entusiasmo acrítico o de rechazo absoluto—, el artículo propone una vía intermedia basada en el uso responsable, transparente y supervisado de la IA. Los autores defienden que estas tecnologías pueden enriquecer el trabajo académico siempre que permanezcan subordinadas a la capacidad humana de análisis, interpretación y juicio ético. En definitiva, el texto plantea que el verdadero reto no es decidir si la IA debe utilizarse o no en la investigación científica, sino aprender a integrarla de forma que fortalezca, y no debilite, la integridad intelectual y la calidad del conocimiento producido.

Amazon pone fin al soporte de los Kindle clásicos

Binder, Matt. “Amazon Kindle Is Losing Support: What You Should Do With Your Old Device.” Mashable. Publicado en mayo de 2026. Consultado el 19 de mayo de 2026.

Ver original

El creciente malestar de miles de usuarios tras la decisión de Amazon de retirar el soporte a numerosos modelos antiguos de Kindle y Kindle Fire lanzados en 2012 o antes. A partir del 20 de mayo de 2026, estos dispositivos dejarán de tener acceso a funciones esenciales del ecosistema Kindle: no podrán comprar, descargar ni pedir prestados nuevos libros directamente desde la tienda digital. Aunque los libros ya descargados seguirán siendo legibles, el lector electrónico perderá gran parte de su funcionalidad conectada, convirtiéndose prácticamente en una biblioteca estática.

El texto subraya que la reacción de los usuarios ha sido especialmente intensa porque muchos de estos dispositivos continúan funcionando perfectamente. Modelos como el Kindle Keyboard, el Kindle Touch o el primer Kindle Paperwhite son considerados por numerosos lectores como ejemplos de hardware duradero, cómodo y diseñado específicamente para leer sin distracciones. Algunos usuarios afirman incluso preferirlos frente a las versiones modernas, debido a sus botones físicos, su sencillez y su extraordinaria autonomía de batería. En redes sociales y foros especializados, muchos interpretan la medida como un caso claro de obsolescencia programada más que como una necesidad técnica inevitable.

Uno de los aspectos más polémicos es que, después de la fecha límite, un Kindle antiguo que sea restaurado o desvinculado de la cuenta de Amazon no podrá volver a registrarse. Esto significa que un simple reinicio accidental podría dejar el dispositivo prácticamente fuera del ecosistema oficial. La situación ha provocado preocupación entre coleccionistas, usuarios veteranos y defensores del derecho a reparar y conservar dispositivos tecnológicos. Algunos críticos señalan que millones de lectores electrónicos aún plenamente funcionales podrían terminar convirtiéndose en residuos electrónicos innecesarios.

El artículo también explora las alternativas que están adoptando muchos usuarios para prolongar la vida útil de sus lectores. Una de las más mencionadas es el sideloading, es decir, la transferencia manual de libros mediante cable USB desde un ordenador. Este método permite seguir utilizando archivos EPUB o PDF sin depender completamente de la tienda de Amazon. Otros usuarios más avanzados están recurriendo al jailbreak, una modificación del sistema que permite instalar software alternativo, lectores externos y nuevas funcionalidades. Herramientas como KOReader se han convertido en símbolos de resistencia tecnológica frente al control corporativo del hardware adquirido por los consumidores.

El caso ha reabierto además un debate más amplio sobre la propiedad digital. Muchos lectores consideran paradójico que un dispositivo comprado hace años pueda perder funciones esenciales simplemente porque la empresa decide dejar de mantenerlo. La controversia recuerda otros casos recientes de plataformas digitales que limitan servicios, aplicaciones o contenidos mediante decisiones unilaterales. Para numerosos usuarios, el problema no es solo técnico, sino filosófico: la sensación de que los consumidores ya no poseen realmente sus dispositivos, sino que dependen permanentemente de la infraestructura y permisos de las grandes compañías tecnológicas.

Además, los antiguos Kindle han adquirido un valor casi emocional y cultural. En plena era de la hiperconectividad y las pantallas multifunción, muchos lectores ven en estos dispositivos una tecnología más tranquila, minimalista y enfocada exclusivamente en la lectura. Paradójicamente, mientras Amazon impulsa nuevos modelos más sofisticados, parte de la comunidad reivindica precisamente las limitaciones de los primeros Kindle como una de sus mayores virtudes. El conflicto entre innovación, sostenibilidad y apego emocional convierte esta decisión empresarial en un símbolo de los dilemas contemporáneos de la cultura digital.

Google publica una guía clave para optimizar contenidos en la era de la búsqueda generativa

Infographic on optimizing website for generative AI features on Google Search
A detailed infographic explaining optimization strategies for generative AI features on Google Search.

Google Search Central. “Optimizing Your Website for Generative AI Features on Google Search.” Search Engine Land (cobertura periodística del documento oficial de Google). https://searchengineland.com/google-publishes-guide-on-optimizing-for-generative-ai-features-477671

Google acaba de publicar una nueva guía oficial destinada a ayudar a editores, responsables de SEO y creadores de contenido a optimizar sus sitios web para las nuevas funciones de búsqueda generativa, como las AI Overviews y el AI Mode. Este documento representa un paso importante en la consolidación del ecosistema de búsqueda impulsado por inteligencia artificial, ya que por primera vez Google ofrece directrices unificadas sobre cómo debe estructurarse y publicarse el contenido para aparecer de forma efectiva en resultados generativos. La guía no plantea una ruptura con el SEO tradicional, sino que lo reinterpreta dentro del nuevo contexto de la inteligencia artificial aplicada a la búsqueda.

Uno de los elementos centrales del documento es la afirmación de que las prácticas clásicas de optimización para buscadores siguen siendo plenamente válidas. Google subraya que los sistemas de IA generativa se apoyan en los mismos mecanismos de indexación, clasificación y recuperación de información que el buscador tradicional. En este sentido, conceptos emergentes como AEO (Answer Engine Optimization) o GEO (Generative Engine Optimization) no constituyen disciplinas independientes, sino extensiones del SEO convencional. El objetivo sigue siendo el mismo: producir contenido útil, accesible, bien estructurado y orientado a las necesidades reales de los usuarios, más que a la manipulación de los sistemas algorítmicos.

La guía también aclara varias ideas erróneas que se habían extendido en el sector del marketing digital durante los últimos años. Google señala explícitamente que no es necesario crear archivos especiales como llms.txt, ni desarrollar versiones del contenido pensadas exclusivamente para modelos de lenguaje. Tampoco es obligatorio introducir marcado estructurado adicional para “optimizar” la visibilidad en sistemas de IA generativa. Según la compañía, estos elementos no influyen directamente en la aparición del contenido en las respuestas generadas por IA, ya que los sistemas se basan principalmente en la comprensión del contenido visible y en señales de calidad general del sitio web.

Otro aspecto relevante es la insistencia en la calidad y utilidad del contenido como factor decisivo. Google destaca que los sistemas generativos están diseñados para identificar información fiable, clara y relevante, priorizando páginas que aporten valor real frente a aquellas que simplemente repiten información genérica. Esto refuerza la idea de que la estrategia más efectiva no es técnica, sino editorial: crear contenidos originales, con estructura clara, autoridad temática y utilidad demostrable para el usuario final.

Finalmente, el artículo subraya que esta guía supone una consolidación del enfoque de Google hacia la integración de la inteligencia artificial en la búsqueda. Lejos de sustituir el SEO, la búsqueda generativa lo amplía y lo redefine dentro de un marco más complejo, donde la calidad del contenido, la intención del usuario y la comprensión semántica juegan un papel más relevante que nunca. En conjunto, el documento marca un punto de referencia importante para entender cómo evolucionará la visibilidad en la web en la era de la inteligencia artificial aplicada a los motores de búsqueda.

Inteligencia Artificial. Fundamentos de Ingeniería de Prompts con ChatGPT como Innovación Impulsora de la Creatividad

Mejía-Trejo, Juan . Inteligencia Artificial. Fundamentos de Ingeniería de Prompts con ChatGPT como Innovación Impulsora de la Creatividad (Más de 500 prompts incluídos)., 2024 1, 1 . ACADEMIA MEXICANA DE INVESTIGACIÓN Y DOCENCIA EN INNOVACIÓN (AMIDI). [Book]

Texto completo

El libro Inteligencia Artificial. Fundamentos de Ingeniería de Prompts con ChatGPT como innovación impulsora de la creatividad es una obra indispensable para comprender los pilares esenciales de la inteligencia artificial (IA) y sus diversas aplicaciones. En este contexto, la IA y, específicamente, la plataforma ChatGPT se presentan como herramientas clave que están transformando profundamente la manera en que interactuamos con la tecnología y generamos contenido. La obra abarca desde los fundamentos teóricos de la IA hasta estrategias prácticas de ingeniería de prompts para optimizar el uso de ChatGPT. Con más de 500 prompts incluidos

Un estudio cuestiona el impacto del marcado en las citas y visibilidad de las páginas en la IA generativa

Diagram showing schema markup flow leading to AI citation and attribution with terms like JSON-LD, knowledge transfer, and algorithms.
Visual diagram illustrating schema markup and AI citation integration processes.

Schwartz, Barry. “Study: Adding Schema Did Not Improve AI Citations On Google, ChatGPT & More.” Search Engine Roundtable. Publicado el 13 de mayo de 2026. Consultado el 19 de mayo de 2026.

El artículo recoge los resultados de un estudio realizado por Ahrefs que cuestiona una de las creencias más extendidas dentro del SEO y del emergente ámbito del GEO (Generative Engine Optimization): la idea de que añadir marcado Schema o datos estructurados mejora la probabilidad de que una página web sea citada por sistemas de inteligencia artificial como Google AI Overviews, Google AI Mode o ChatGPT.

La investigación analizó 1.885 páginas web que incorporaron marcado JSON-LD Schema entre agosto de 2025 y marzo de 2026 y las comparó con un grupo de control formado por unas 4.000 páginas similares que no añadieron este tipo de marcado. El objetivo era determinar si existía una relación causal entre el uso de Schema y la frecuencia con la que las plataformas de IA citaban esos contenidos en sus respuestas generadas automáticamente. Según el estudio, los resultados no mostraron mejoras estadísticamente significativas en ninguna de las plataformas analizadas.

Los datos obtenidos fueron especialmente llamativos porque contradicen gran parte del discurso dominante en el sector SEO. En Google AI Overviews, las páginas que añadieron Schema incluso mostraron una ligera disminución del 4,6 % en las citas respecto al grupo de control. En Google AI Mode se registró un aumento del 2,4 %, mientras que en ChatGPT el incremento fue del 2,2 %, aunque ambos valores fueron considerados estadísticamente irrelevantes y posiblemente atribuibles al azar. Los investigadores concluyeron que no puede afirmarse que el Schema produzca un aumento real de visibilidad en sistemas de IA generativa.

El estudio también introduce una distinción importante entre correlación y causalidad. Ahrefs observó inicialmente que las páginas citadas por sistemas de IA tenían casi tres veces más probabilidades de incluir marcado Schema que las páginas no citadas. Sin embargo, los autores sostienen que esto probablemente se debe a que los sitios web técnicamente mejor mantenidos suelen aplicar simultáneamente buenas prácticas SEO, contenido de calidad, autoridad de dominio y estrategias de enlazado más sólidas. En otras palabras, el Schema sería un indicador indirecto de calidad técnica general, pero no el factor que impulsa directamente las citas de la IA.

Otro aspecto relevante es que algunos experimentos citados dentro del informe mostraron que varios sistemas de IA no utilizan directamente el marcado JSON-LD durante la extracción inmediata de información, sino que priorizan el contenido HTML visible de la página. Esto cuestiona la idea de que los modelos generativos “lean” o dependan necesariamente del Schema para interpretar el contenido web.

La noticia tuvo una fuerte repercusión dentro de la comunidad SEO y GEO. En diversos debates en Reddit y redes profesionales, numerosos especialistas interpretaron el estudio como un golpe a ciertas estrategias de “optimización para IA” que se habían popularizado rápidamente durante 2025 y 2026. Algunos comentarios destacan que muchas recomendaciones sobre Schema y visibilidad en IA se habían difundido más como hipótesis comerciales que como conclusiones respaldadas por evidencia empírica sólida.

No obstante, el estudio no concluye que el Schema carezca completamente de utilidad. Los autores recuerdan que los datos estructurados siguen siendo importantes para otros contextos: resultados enriquecidos en buscadores, interoperabilidad semántica, organización de contenidos, accesibilidad de datos y construcción de knowledge graphs. Además, reconocen que la investigación se centró únicamente en páginas ya visibles para los sistemas de IA y no pudo determinar si el Schema podría ayudar a páginas nuevas o menos visibles a ser descubiertas inicialmente.

En conjunto, el informe refleja una transformación profunda del SEO tradicional hacia un entorno dominado por motores generativos y asistentes conversacionales. La principal conclusión es que las estrategias centradas exclusivamente en optimizaciones técnicas aisladas parecen perder peso frente a factores más amplios como la autoridad temática, la calidad del contenido, la claridad informativa y la confianza del dominio. El debate abierto por este estudio muestra que el ecosistema GEO todavía se encuentra en una fase experimental, donde muchas prácticas consideradas “buenas estrategias” aún carecen de validación científica robusta.

Sabiduría humana para la era de la IA: una guía práctica para cultivar habilidades esenciales

American Association of Colleges and Universities (AAC&U). 2026. Human Wisdom for the Age of AI: A Field Guide. Washington, DC: AAC&U

Texto completo

El eje central del informe es la necesidad de reforzar lo que denomina “sabiduría humana” como competencia esencial para el siglo XXI. Frente a un entorno saturado de información y mediado por sistemas algorítmicos cada vez más potentes, el texto sostiene que no basta con desarrollar habilidades técnicas o cognitivas asociadas a la IA, sino que es imprescindible cultivar capacidades profundamente humanas: juicio ético, reflexión crítica, discernimiento moral y comprensión contextual.

La guía se inscribe en el enfoque clásico de las liberal arts education, defendiendo que la educación universitaria no debe limitarse a la adquisición de conocimientos técnicos, sino que debe promover habilidades transferibles como la indagación crítica, el razonamiento ético, la creatividad y la toma de decisiones responsable. En este marco, la “sabiduría” se entiende como una síntesis entre conocimiento, experiencia y juicio prudente, especialmente en situaciones complejas o ambiguas donde no existen respuestas algorítmicamente correctas.

El documento subraya que, en la era de la IA, la sabiduría humana adquiere un valor estratégico porque permite:

  • Interpretar críticamente la información generada por sistemas automatizados.
  • Evitar la dependencia acrítica de modelos de IA en la toma de decisiones.
  • Mantener la responsabilidad ética en contextos de automatización creciente.
  • Fomentar la autonomía intelectual frente a la delegación cognitiva en máquinas.

Además, la publicación se vincula con investigaciones contemporáneas sobre alfabetización en IA y formación universitaria, situando la sabiduría como un nivel superior en la jerarquía de habilidades cognitivas, por encima del conocimiento y la información, en línea con el modelo DIKW (data–information–knowledge–wisdom).

Las bibliotecas reducen el tiempo de los flujos de trabajo manuales entre un 30 y un 60 % con la IA académica.

Guzman, Dani. “New Study: Libraries Cut Manual Workflow Time by 30 to 60% with Academic AI.” Clarivate. Publicado el 24 de marzo de 2026. Acceso el 19 de mayo de 2026.

Texto completo

Un reciente estudio impulsado por Clarivate analiza cómo la inteligencia artificial está transformando los flujos de trabajo en bibliotecas académicas, especialmente en tareas relacionadas con la catalogación y la elaboración de listas de lectura. La investigación se basa en entrevistas realizadas a once profesionales de bibliotecas pertenecientes a ocho instituciones de América del Norte, América Latina y Oriente Medio, y ofrece uno de los primeros conjuntos de evidencias empíricas sobre el impacto operativo real de la IA en bibliotecas universitarias.

El informe destaca que las herramientas de IA permiten reducir entre un 30 % y un 60 % el tiempo invertido en tareas manuales y repetitivas. Actividades que antes requerían entre quince y cuarenta y cinco minutos, como la creación de listas de bibliografía docente, pueden completarse ahora en apenas dos o cinco minutos gracias a asistentes inteligentes integrados en plataformas bibliotecarias. Un ejemplo citado es el de la University of Windsor, donde una lista de veinte referencias pasó de requerir veinte minutos de trabajo a solo tres.

La investigación también subraya un notable incremento de la capacidad operativa de las bibliotecas. Los equipos responsables de metadatos y catalogación consiguieron multiplicar entre dos y cuatro veces el volumen de trabajo asumible sin necesidad de aumentar el personal. En el caso de la Universidad Tecnológica de Bolívar, la IA permitió abordar enormes retrasos de catalogación que hasta entonces se consideraban prácticamente imposibles de resolver. Según la directora de biblioteca Dora Lilia Sepúlveda, la automatización eliminó el cuello de botella derivado de la transcripción manual y recuperó hasta el 80 % del tiempo operativo, facilitando la recuperación y visibilidad de miles de registros olvidados.

Otro aspecto relevante del estudio es el impacto en el acceso a los recursos por parte de los estudiantes. Entre el 50 % y el 60 % de las listas de lectura procesadas mediante IA estuvieron disponibles inmediatamente gracias a la localización automática de materiales existentes en la colección y a la generación de enlaces directos. Esto mejora considerablemente la rapidez de acceso a la bibliografía académica y contribuye a optimizar la experiencia educativa.

En relación con la calidad de los datos generados, el estudio señala que entre el 70 % y el 90 % de los metadatos creados por IA fueron aceptados con solo pequeñas correcciones por parte de los bibliotecarios. El modelo aplicado no elimina la supervisión humana: la inteligencia artificial genera un primer borrador, mientras que los profesionales siguen siendo responsables de la revisión, validación y toma de decisiones finales. Desde la University of Haifa se destaca especialmente la utilidad de la IA en la catalogación de materiales en idiomas que el catalogador no domina, así como en la asignación preliminar de materias y encabezamientos temáticos.

El estudio insiste en que la IA no sustituye el criterio profesional bibliotecario, sino que transforma la naturaleza del trabajo. Las tareas mecánicas y repetitivas disminuyen, mientras que aumenta la dedicación a actividades estratégicas, de validación, comunicación y apoyo académico. De este modo, los bibliotecarios pueden concentrarse en funciones de mayor valor añadido, como la alfabetización informacional, la mediación crítica y el acompañamiento a investigadores y estudiantes.

Estas conclusiones coinciden con debates recientes dentro de la comunidad bibliotecaria internacional. En diversos foros profesionales y discusiones en Reddit, muchos bibliotecarios describen una transición hacia un nuevo papel como “verificadores” y mediadores críticos de contenidos generados por IA. Al mismo tiempo, persisten preocupaciones sobre la fiabilidad de las respuestas automáticas, la dependencia excesiva de estas herramientas y la necesidad de establecer políticas éticas claras para su adopción en bibliotecas.