Jiang, Jane. (1 de septiembre de 2026). The Human Layer: Why AI Makes Academic Libraries More Essential, Not Less. The Scholarly Kitchen, Society for Scholarly Publishing. Artículo original en The Scholarly Kitchen

La IA no hace innecesarias a las bibliotecas; hace más necesaria su función de intermediación, evaluación y construcción de confianza. Cuando obtener una respuesta es cada vez más fácil, lo verdaderamente valioso es saber si esa respuesta es correcta, de dónde procede y qué evidencias la sustentan. En este nuevo escenario, el bibliotecario deja de ser únicamente un facilitador del acceso a la información para convertirse, cada vez más, en mediador del conocimiento, formador en alfabetización informacional y en IA, y garante de una investigación basada en fuentes, criterio e integridad.

El artículo de Jane Jiang, directora de una biblioteca universitaria comunitaria de Nueva Jersey, sostiene que la expansión de la inteligencia artificial no reduce la importancia de las bibliotecas académicas, sino que refuerza el valor de su dimensión humana. La IA está modificando radicalmente la manera en que estudiantes e investigadores descubren, procesan y utilizan la información, pero precisamente porque las respuestas son cada vez más accesibles y convincentes se vuelve imprescindible contar con profesionales capaces de ayudar a evaluar su fiabilidad, contexto y procedencia. El futuro de las bibliotecas, según Jiang, no consiste en competir con la IA en aquello que hace bien, sino en ayudar a las comunidades universitarias a desenvolverse en un entorno en el que una parte creciente de la información es generada, resumida y distribuida por máquinas.

Uno de los principales cambios afecta al proceso de investigación. Muchos estudiantes ya no comienzan una investigación en el catálogo de la biblioteca, una base de datos o Google, sino directamente en herramientas de IA. La autora considera que esto puede tener aspectos positivos: la IA puede ayudar a generar ideas, aclarar conceptos, organizar un tema o superar la dificultad inicial de saber por dónde empezar. Sin embargo, el problema aparece cuando una respuesta aparentemente convincente se acepta sin comprobarla. Jiang relata el caso de una estudiante que, después de utilizar ChatGPT para comprender un tema y preparar el esquema de un trabajo, acudió a la biblioteca con una pregunta esencial: «¿Cómo sé que esto es realmente correcto?». Para la autora, esa pregunta resume precisamente la nueva función de los bibliotecarios: pasar de facilitar simplemente información a enseñar a evaluarla y verificarla.

En este contexto, el artículo defiende que la alfabetización en IA forma parte de la alfabetización informacional y no constituye una competencia completamente separada. Los estudiantes siempre han necesitado aprender de dónde procede una información, quién la produce, qué autoridad tiene, qué evidencias la respaldan y en qué contexto debe interpretarse. Ahora deben aplicar esas mismas capacidades también a los sistemas de inteligencia artificial que generan y entregan información. La IA puede producir un resumen perfectamente redactado o una lista aparentemente impecable de referencias, pero el aspecto fundamental es saber de dónde procede esa información, si las fuentes existen, si son pertinentes y si realmente sustentan las afirmaciones realizadas. Por ello, la biblioteca adquiere un papel cada vez más importante en la transición desde una cultura de acceso a la información hacia una cultura de juicio sobre la información.

Un apartado especialmente interesante se dedica a la alfabetización en citas. La autora recuerda que los problemas relacionados con las referencias bibliográficas son anteriores a ChatGPT: herramientas como Zotero o NoodleTools ya permitían automatizar buena parte de la elaboración de citas y bibliografías. Sin embargo, automatizar la forma no garantiza comprender el significado. Un estudiante puede generar una referencia perfectamente construida sin entender por qué es necesario reconocer la autoría, cómo se construye el conocimiento académico o cómo una investigación participa en una conversación científica más amplia. La IA generativa amplifica este problema porque puede producir en segundos citas, resúmenes, revisiones bibliográficas e incluso preguntas de investigación. El verdadero desafío no es, por tanto, conseguir una referencia formalmente correcta, sino desarrollar una comprensión profunda de la procedencia, atribución, transparencia e integridad del conocimiento.

El artículo aborda también la integridad académica y los límites de los detectores de IA. Jiang considera insuficiente plantear la cuestión exclusivamente en términos de «detectar» qué estudiantes han utilizado inteligencia artificial. Los sistemas de detección no garantizan resultados fiables y pueden producir falsos positivos, por lo que confiar únicamente en ellos puede generar nuevos problemas. La autora propone desplazar el centro de la discusión desde «¿cómo descubrimos si el estudiante utiliza IA?» hacia «¿cómo diseñamos actividades en las que el estudiante tenga que demostrar su pensamiento?». Esto implica valorar más los procesos de investigación, los borradores, las reflexiones, las conversaciones, las explicaciones y la transparencia sobre el uso de herramientas de IA. La integridad académica no desaparece con la IA, pero necesita ser repensada.