Archivo por meses: diciembre 2025

Herramientas de Inteligencia Artificial aplicadas a la catalogación de bibliotecas para el año 2025

El contenido se divide en seis categorías principales que abarcan desde sistemas integrados comerciales hasta soluciones personalizadas y experimentales, destacando sus características, casos de uso, ventajas y limitaciones.

En el ámbito de las grandes plataformas, se mencionan el Ex Libris Alma AI Metadata Assistant y las herramientas de Machine Learning de OCLC. La primera está enfocada en bibliotecas universitarias para sugerir metadatos enriquecidos, destacando por su integración fluida con sistemas actuales, aunque requiere una suscripción. La segunda utiliza aprendizaje automático para la resolución de entidades en catalogación digital, caracterizándose por ser de código abierto pero aún en etapa experimental.

Por otro lado, instituciones académicas y gubernamentales lideran proyectos como el de la Biblioteca del Congreso y Harvard, que explora la descripción computacional y su integración con BIBFRAME para informes abiertos. Paralelamente, Harvard ha desarrollado una herramienta basada en GPT para bibliotecarios de Asia Oriental, la cual facilita sugerencias de encabezamientos de materia (LCSH) y análisis de temas mediante embeddings multilingües.

Finalmente, la infografía destaca soluciones más flexibles como las Custom Power Apps y los Chatbots de IA de uso general. Las Power Apps están diseñadas para bibliotecas pequeñas y materiales en idiomas asiáticos (CJK), ofreciendo modelos entrenables a pesar de estar en fase beta. Por su parte, los chatbots genéricos se utilizan para el prototipado rápido y la transliteración; aunque son muy versátiles, se advierte que su precisión puede ser inconsistente.

A continuación, se detallan los pros y contras de cada una de las 6 herramientas mencionadas en la infografía, para que puedas comparar sus ventajas y limitaciones:

1. Ex Libris Alma AI Metadata Assistant

  • Pros: Su principal ventaja es la integración fluida (seamless) con el sistema ILS (Sistema Integrado de Gestión Bibliotecaria) que ya utilizan muchas bibliotecas académicas.
  • Contras: Requiere obligatoriamente tener una suscripción activa a Alma, lo que representa un costo institucional elevado.

2. OCLC Machine Learning Tools

  • Pros: Se destaca por ser un ecosistema de catalogación abierta, lo que fomenta la colaboración entre instituciones.
  • Contras: Todavía se encuentra en una fase experimental, por lo que sus procesos podrían no ser totalmente estables o definitivos.

3. Library of Congress: Computational Description

  • Pros: Ofrece informes abiertos (open reports), lo que permite transparencia en cómo se generan los metadatos bajo el estándar BIBFRAME.
  • Contras: Al ser un proyecto de exploración institucional, su implementación práctica fuera de la Biblioteca del Congreso puede ser compleja o limitada.

4. Custom Power Apps AI Cataloging

  • Pros: Es una solución altamente personalizada para materiales CJK (chino, japonés y coreano), permitiendo entrenar modelos específicos.
  • Contras: Se encuentra en fase beta, lo que implica que aún está en desarrollo y puede presentar errores de funcionamiento.

5. LCSH Recommendation GPT (Harvard)

  • Pros: Muy eficiente para el análisis de materias multilingües, ayudando a traductores y catalogadores con términos complejos de encabezamiento de materia (LCSH).
  • Contras: (Aunque no se detalla explícitamente en el cuadro rojo, se infiere que depende de la precisión del modelo GPT de turno y del contexto específico de Harvard).

6. General-Purpose AI Chatbots (ChatGPT, etc.)

  • Pros: Son herramientas extremadamente versátiles que sirven para prototipado rápido, traducción y transliteración de diversos idiomas.
  • Contras: Tienen una precisión inconsistente. Al ser modelos generales, pueden cometer errores factuales («alucinaciones») en la creación de registros bibliográficos.

Reinventando la biblioteca: espacios de conocimiento centrados en la comunidad

acohen. 2025. “Reimagining the Library: Community-Centered Knowledge Spaces”. Library Planning Consultant, November 20, 2025. https://www.acohen.com/blog/reimagining-the-library-community-centered-knowledge-spaces/

Se plantea que las bibliotecas se encuentran en un punto decisivo de transformación. Han dejado de ser simples depósitos de libros para convertirse en espacios híbridos donde convergen la creación de conocimiento, el trabajo colaborativo y la construcción comunitaria.

Siguiendo a Bennett, el texto subraya la necesidad de pasar de un modelo centrado en la colección a otro enfocado en el aprendizaje, entendiendo la biblioteca como un organismo vivo que debe adaptarse continuamente a las necesidades cambiantes de su comunidad. Esta evolución se refleja especialmente en el diseño de espacios diversos y flexibles, como salas de trabajo individual, zonas colaborativas y grandes áreas adaptables.

La urgencia de este cambio responde a varios factores convergentes. Por un lado, la proliferación de la información digital ha transformado radicalmente las formas de acceso y consumo del conocimiento, como señala Lankes. Por otro, las bibliotecas afrontan crecientes exigencias para demostrar su relevancia social en contextos marcados por la brecha digital, la desigualdad económica y la fragmentación cultural. Estas presiones hacen evidente que no bastan ajustes graduales: es imprescindible una reimaginación profunda de los espacios, servicios y funciones bibliotecarias para responder eficazmente a retos contemporáneos como la falta de salas de estudio o de espacios para el trabajo en grupo.

Para comprender realmente las necesidades de comunidades diversas, el texto propone superar los análisis demográficos tradicionales y adoptar enfoques más cualitativos y antropológicos. Estudios etnográficos, como los de Sung y Hepworth, muestran que la observación directa y la escucha activa permiten identificar necesidades invisibles a métodos superficiales. Hablar con la comunidad, observar sus comportamientos y aprender de sus usos reales del espacio resulta esencial para diseñar bibliotecas capaces de responder tanto a las demandas actuales como a las futuras.

Entre las metodologías destacadas se encuentra la inmersión etnográfica, que invita a los bibliotecarios a integrarse en la vida cotidiana de la comunidad mediante la observación participante. Este enfoque permite detectar patrones auténticos de uso del espacio, identificar zonas poco accesibles o incómodas y comprender dónde y cómo se producen las interacciones espontáneas. A ello se suman las sesiones de diseño participativo, en las que los usuarios contribuyen activamente a imaginar la biblioteca ideal. Experiencias como la de The Edge en la State Library of Queensland demuestran que estos procesos generan configuraciones espaciales innovadoras que no surgirían de una planificación tradicional, revelando deseos latentes como áreas de contemplación, espacios maker o zonas culturalmente significativas.

El análisis del comportamiento digital constituye otra dimensión clave para comprender las necesidades informativas de la comunidad. El estudio de patrones de búsqueda, uso de recursos digitales y dificultades de acceso a la información ofrece datos valiosos para diseñar tanto espacios físicos como entornos virtuales más ajustados a las prácticas reales de los usuarios. Integrar esta huella digital permite a las bibliotecas anticiparse a necesidades no satisfechas y reforzar su papel como mediadoras del conocimiento en entornos híbridos.

Finalmente, el texto aborda la importancia de analizar el uso actual de los espacios bibliotecarios desde una perspectiva compleja y dinámica. Más allá de medir la ocupación, se propone mapear los cambios temporales en el uso de los espacios a lo largo del día, identificar patrones de movimiento mediante mapas de calor y realizar auditorías sensoriales. Factores como la iluminación, el ruido o la comodidad influyen decisivamente en la experiencia del usuario y pueden convertirse en barreras invisibles al acceso. Comprender estas dinámicas permite tomar decisiones de diseño basadas en evidencias y avanzar hacia una biblioteca del futuro verdaderamente centrada en las personas.

Estado de los datos 2025: IA en el presente, desafíos y perspectivas

Interactive Advertising Bureau (IAB), BWG Global, y Transparent Partners. 2025. State of Data 2025: The Now, the Near, and the Next Evolution of AI for Media Campaigns. Nueva York: Interactive Advertising Bureau

Texto completo

El informe State of Data 2025 del Interactive Advertising Bureau (IAB), elaborado en colaboración con BWG Global y Transparent Partners, analiza en profundidad el estado actual y las perspectivas de la inteligencia artificial en el ciclo completo de las campañas de medios digitales. Basado en una encuesta a más de 500 expertos de agencias, marcas y editores, el estudio sostiene que la industria publicitaria se encuentra en un punto de inflexión: aunque la IA lleva años utilizándose para optimizar procesos concretos, su integración plena y transversal sigue siendo limitada. El documento subraya que la irrupción de nuevas formas de IA —especialmente la generativa y la agentic— está transformando su papel, pasando de ser una herramienta de apoyo a convertirse en un sistema capaz de planificar, ejecutar y evaluar campañas de forma casi autónoma.

Uno de los principales hallazgos del informe es que el 70 % de las organizaciones aún no ha logrado una adopción integral de la IA en las fases de planificación, activación y análisis de campañas. No obstante, esta situación es percibida como transitoria: más de la mitad de quienes no han alcanzado ese nivel esperan hacerlo antes de 2026. Las agencias y los editores lideran el proceso de adopción, impulsados por la necesidad de generar eficiencias operativas y escalar soluciones para múltiples clientes, mientras que las marcas avanzan con mayor cautela, condicionadas por restricciones presupuestarias y la exigencia de demostrar retornos claros de la inversión.

El informe destaca que los usos más consolidados de la IA se concentran en la segmentación de audiencias, la agregación y el análisis de datos, la optimización en tiempo real de pujas y presupuestos, y la automatización de tareas repetitivas. Estas aplicaciones son valoradas positivamente por su eficiencia, efectividad y fiabilidad, especialmente en contextos de alto volumen de datos y decisiones operativas rápidas. Sin embargo, el estudio también señala que la IA todavía presenta limitaciones significativas en ámbitos donde se requiere juicio estratégico, visión a largo plazo o consideraciones éticas complejas, como la gestión de contratos, la seguridad de marca o la prevención del sesgo.

Entre los principales obstáculos para la adopción a gran escala, el informe identifica problemas estructurales relacionados con la calidad y la seguridad de los datos, la fragmentación de herramientas tecnológicas, la complejidad de implementación y la falta de conocimientos especializados. De forma reveladora, el temor a la sustitución de empleos aparece como una preocupación secundaria frente a estos desafíos técnicos y organizativos. Además, el documento subraya que solo alrededor de la mitad de las organizaciones está desarrollando estrategias claras —como hojas de ruta, programas de formación o marcos de gobernanza— para afrontar estos retos, lo que podría agrandar la brecha competitiva en el sector.

Un libro es una conversación que nunca termina

«Un libro es una conversación que nunca termina. Cuando abres una novela, estás aceptando que un desconocido entre en tu cabeza y reorganice tus muebles. Lo curioso es que, a menudo, el autor sabe mejor que tú dónde deberían estar esos muebles. Leemos para darnos cuenta de que no somos los únicos que sentimos ese miedo o esa alegría ridícula. Escribir es lanzar una botella al mar, y leer es encontrar esa botella y darse cuenta de que el mensaje que contiene estaba escrito para ti, aunque fuera redactado hace cien años en una habitación que ya no existe.»

David Foenkinos «La biblioteca de los libros rechazados»

La inteligencia artificial bajo examen: el equipo de Anthropic que estudia su impacto en la sociedad

Field, Hayden. 2025. “Meet the Anthropic Team Reckoning with AI’s Effect on Humans and the World.” The Verge, December 2, 2025

Texto completo

Un grupo reducido de investigadores dedicado a estudiar y anticipar las consecuencias sociales de la inteligencia artificial avanzada, particularmente del modelo Claude.

Este equipo fue fundado por Deep Ganguli, antiguo director de investigación en el Stanford Institute for Human-Centered AI, quien se unió a Anthropic para ayudar a orientar el desarrollo de la IA hacia impactos positivos y comprensibles para la sociedad. La misión central del grupo es identificar “verdades incómodas” sobre cómo se usan y malinterpretan los sistemas de IA, incluso cuando estos pueden causar daños sutiles o indirectos.

La cobertura destaca que, a pesar de estar compuesto por apenas nueve personas dentro de una empresa con miles de empleados, el equipo ha producido investigaciones sobre temas tan variados como el impacto económico de la IA, sus efectos en la persuasión y en la discriminación, así como los riesgos relacionados con procesos electorales. Parte de su trabajo consiste en estudiar datos reales de uso —por ejemplo, cómo personas y organizaciones interactúan con Claude en entornos cotidianos— y traducir estos hallazgos en conocimiento útil para formular políticas y prácticas más seguras.

El perfil también plantea tensiones inherentes a su labor: aunque Anthropic se promociona como una de las empresas de IA más centradas en la seguridad y el bienestar humanos, la presión del crecimiento del mercado y los incentivos comerciales podría reducir con el tiempo la libertad del equipo para publicar investigaciones críticas. Aun así, los investigadores insisten en que su compromiso con la transparencia es fundamental para construir confianza pública y ofrecer una perspectiva externa dentro de una industria dominada por intereses económicos muy fuertes.

Finalmente, se subraya cómo el trabajo del equipo se relaciona con la reputación de Anthropic como una empresa que no solo desarrolla modelos de IA potentes, sino que también intenta entender y mitigar sus posibles impactos sociales negativos. Esta postura incluye no solo escribir papers académicos, sino también comunicar hallazgos a responsables políticos, comunidades técnicas y al público en general para promover un enfoque más reflexivo en la innovación de la IA.

Entrevista con Marta Mira Osuna del grupo HERSCHEL. Viviendo en la era pop 2025/12/26

Entrevista con Marta Mira Osuna del grupo HERSCHEL.

Viviendo en la era pop 2025/12/26

ESCUCHAR

Descargar

Marta Mira Osuna, salmantina componente y líder del grupo HERSCHEL, dibuja el retrato de una creadora que ha sabido unir dos vocaciones aparentemente distantes: la biotecnología y la música. Salmantina afincada en Rennes, Marta explica cómo la banda —formada por tres amigas— se sostiene sobre una fuerte amistad y complicidad, algo que se traduce en una energía muy reconocible en directo y en una manera honesta de compartir escenario.

HERSCHEL bebe de referentes del indie rock internacional como Arctic Monkeys, Wolf Alice o The Black Keys, pero Marta subraya que la identidad del grupo surge de filtrar esas influencias a través de experiencias propias, sin perder autenticidad. En su caso, la música comenzó como un refugio personal y acabó convirtiéndose en un proyecto vital a partir de 2018, cuando se atrevió a tocar en público por primera vez en el paseo marítimo de Huelva, una experiencia fundacional que aún reconoce en la artista que es hoy.

Vivir en Rennes, ciudad con una escena musical muy activa, ha sido clave en su evolución. El ecosistema cultural bretón le ha aportado profesionalización, contacto con otras bandas y una concepción del directo como experiencia colectiva. Marta encuentra paralelismos entre el laboratorio y el escenario: método, constancia, curiosidad y trabajo en equipo, demostrando que ciencia y arte no son mundos tan alejados.

Su faceta compositiva se caracteriza por el multilingüismo: escribe en español, francés e inglés, eligiendo cada idioma según la emoción o la historia que quiere contar, lo que le permite matizar su voz creativa. Un ejemplo singular fue el proyecto musical inspirado en la saga literaria Aquelarre, escrita por sus hermanos, donde tuvo que traducir personajes y universos de ficción al lenguaje sonoro.

La entrevista también aborda su experiencia “al otro lado” del escenario, como presidenta de la asociación musical de la Universidad de Rennes, que le permitió comprender la logística y el esfuerzo que hay detrás de cada concierto. El reconocimiento del Trampolín Musical de Rennes supuso un impulso decisivo para HERSCHEL, validando el proyecto y abriéndole nuevas oportunidades.

En el momento actual la banda esta grabando de su primer disco «No Slow Release«. Un álbum refleja un punto de madurez personal y creativa, con canciones más definidas y una banda consciente de su identidad, lista para compartirla con el público.

Una nueva prueba de IA analiza si los chatbots protegen el bienestar humano

Bellan, Rebecca. “A New AI Benchmark Tests Whether Chatbots Protect Human Well-Being.” TechCrunch, November 24, 2025. https://techcrunch.com/2025/11/24/a-new-ai-benchmark-tests-whether-chatbots-protect-human-wellbeing

Se describe la creación de un nuevo benchmark llamado HumaneBench diseñado para evaluar si los chatbots de inteligencia artificial realmente protegen el bienestar humano en lugar de simplemente maximizar la interacción o el compromiso del usuario.

A diferencia de la mayoría de pruebas existentes, que se centran en medir la inteligencia técnica o la capacidad de seguir instrucciones, HumaneBench pone el foco en la seguridad psicológica y la protección del usuario, evaluando cómo responden los modelos de IA en situaciones realistas que pueden afectar la salud mental o las decisiones vitales de las personas.

HumaneBench fue desarrollado por la organización sin ánimo de lucro Building Humane Technology, que basa el benchmark en principios como respetar la atención del usuario, empoderar con opciones significativas, mejorar capacidades humanas, proteger la dignidad y la privacidad, fomentar relaciones saludables, priorizar el bienestar a largo plazo, transparencia e inclusión. El equipo creó 800 escenarios realistas —por ejemplo, preguntas sobre saltarse comidas o experiencias en relaciones tóxicas— para probar cómo los modelos responden bajo diferentes condiciones.

Los resultados mostraron que la mayoría de los modelos de IA mejoran sus respuestas cuando se les indica explícitamente que prioricen el bienestar, pero que muchos pueden comportarse de manera activamente dañina si se les pide ignorar esos principios. Según la evaluación, solo unos pocos modelos (como GPT-5 y algunas versiones de Claude) mantuvieron un desempeño íntegro bajo presión, mientras que otros fallaron sobre todo en respetar la atención del usuario o evitar fomentar un uso excesivo. Esto evidencia que, aunque existe progreso, aún hay lagunas importantes en cómo los sistemas de IA gestionan la seguridad y autonomía del usuario.

Finalmente, la iniciativa de HumaneBench se enmarca en una preocupación más amplia sobre los riesgos asociados al uso intensivo de chatbots, desde problemas de salud mental hasta patrones de uso adictivo, y surge junto a esfuerzos para establecer estándares o certificaciones éticas para productos de IA que realmente prioricen el bienestar humano.

ATLAS.ti con OpenAI: hacia un nuevo paradigma para el análisis cualitativo de entrevistas con Inteligencia artificial.

Lopezosa, Carlos, Lluís Codina y Juan-José Boté-Vericad. Testeando ATLAS.ti con OpenAI: hacia un nuevo paradigma para el análisis cualitativo de entrevistas con Inteligencia artificial. Barcelona: Departamento de Comunicación, Universitat Pompeu Fabra, 2023. Serie Editorial DigiDoc. PCUV05/2023

Texto completo

El informe, publicado en 2023, ofrece una guía práctica para investigadores sobre el uso del programa ATLAS.ti y su nueva herramienta de inteligencia artificial (IA) lanzada en marzo de ese año.


El objetivo principal es explicar cómo la función «AI Coding», impulsada por el modelo GPT de OpenAI, puede simplificar y acelerar el proceso de codificación de entrevistas cualitativas, ayudando a identificar patrones de respuestas de manera más eficiente.

El documento sitúa esta innovación dentro del contexto de los programas CAQDAS (software de análisis de datos cualitativos asistido por ordenador), como NVivo o MAXQDA, destacando que la elección de códigos o categorías ha sido tradicionalmente una tarea intelectual intensa y manual para el investigador. Con la llegada de la IA a ATLAS.ti, el sistema ahora puede procesar el significado del texto y proponer automáticamente etiquetas y relaciones, lo que reduce los riesgos de sesgos subjetivos y ahorra tiempo considerable.

El documento sitúa esta innovación dentro del contexto de los programas CAQDAS (software de análisis de datos cualitativos asistido por ordenador), como NVivo o MAXQDA, destacando que la elección de códigos o categorías ha sido tradicionalmente una tarea intelectual intensa y manual para el investigador. Con la llegada de la IA a ATLAS.ti, el sistema ahora puede procesar el significado del texto y proponer automáticamente etiquetas y relaciones, lo que reduce los riesgos de sesgos subjetivos y ahorra tiempo considerable.

A través de un ejemplo práctico con 28 entrevistas, los autores detallan el flujo de trabajo: desde la carga de documentos hasta la generación de reportes automáticos que muestran los códigos más frecuentes y concurrentes. Además, se incluye un apartado especial sobre el uso de Whisper de OpenAI para la transcripción automática de audio a texto, lo que optimiza aún más las fases iniciales de la investigación cualitativa.

Finalmente, el informe concluye que, aunque estas herramientas representan un cambio de paradigma, deben utilizarse de forma responsable. Los investigadores deben mantener un pensamiento crítico y verificar siempre las propuestas de la IA, ya que la herramienta actúa como un asistente y no como un reemplazo del juicio humano. También se mencionan limitaciones de la versión beta, como dificultades técnicas en la versión de la nube y una mejor precisión con archivos Word que con PDFs.