Clarivate. “Clarivate Enhances SkyRiver to Help Libraries Share, Reuse and Create Trusted Metadata”. Clarivate News, 12 de agosto de 2026. Artículo original en Clarivate

SkyRiver representa un paso hacia una catalogación más colaborativa, interoperable y asistida por IA, pero con una premisa importante: automatizar la creación de metadatos no significa renunciar a la calidad, la procedencia, la atribución ni a la gobernanza bibliotecaria. La cuestión estratégica será conseguir que la IA acelere el trabajo de catalogación sin diluir el conocimiento profesional que da valor a los metadatos bibliotecarios.

Clarivate ha anunciado una versión mejorada de SkyRiver, su plataforma orientada a la gestión e intercambio de metadatos bibliográficos, con el objetivo de facilitar a las bibliotecas el acceso, reutilización y creación de registros de calidad. La nueva plataforma apuesta por utilizar metadatos abiertos por defecto, al tiempo que mantiene las condiciones establecidas por los contribuyentes, las obligaciones de licencia y las políticas de gobernanza de cada institución. La propuesta busca mejorar la interoperabilidad entre bibliotecas, consorcios y sistemas de gestión bibliotecaria, permitiendo que los registros puedan compartirse y reutilizarse con mayor facilidad.

Una de las principales novedades es la incorporación de capacidades de inteligencia artificial para la creación de registros bibliográficos. La IA pretende agilizar los flujos de trabajo de catalogación y ayudar a producir registros de alta calidad de una manera más eficiente. Clarivate sitúa esta funcionalidad dentro de una transformación más amplia de los servicios de descubrimiento, en la que disponer de metadatos fiables, transparentes e interoperables resulta fundamental. La compañía subraya, sin embargo, que la automatización no elimina la importancia de las decisiones y controles bibliotecarios: las instituciones mantienen capacidad de elección sobre su participación y sobre la contribución de sus propios datos.

SkyRiver pretende funcionar como una infraestructura de colaboración basada en la comunidad bibliotecaria. Las bibliotecas podrán acceder a metadatos fiables para catalogación, descubrimiento y préstamo o intercambio de recursos, además de conectar y reutilizar registros entre diferentes sistemas de gestión. La plataforma incorpora asimismo información sobre derechos, procedencia, atribución y condiciones de acceso, elementos especialmente importantes en un contexto en el que los metadatos circulan entre múltiples instituciones y pueden ser reutilizados posteriormente por otros servicios y aplicaciones.

La propuesta tiene especial interés porque aborda uno de los problemas históricos de las bibliotecas: evitar que cada institución tenga que crear desde cero registros que otras bibliotecas ya han producido. Compartir y reutilizar metadatos puede reducir la duplicación de esfuerzos y permitir que los profesionales dediquen más tiempo a aquellos recursos que requieren descripción original, enriquecimiento local o tratamiento especializado. Al mismo tiempo, la plataforma pretende preservar las mejoras realizadas localmente por cada biblioteca, reconociendo que los metadatos producidos por una institución pueden aportar información de valor para toda la comunidad.

La dimensión de gobernanza constituye otro elemento destacado. Clarivate anuncia la creación de un Metadata Governance Advisory Group, destinado a proporcionar orientación sobre el desarrollo futuro de SkyRiver y participar en cuestiones relacionadas con políticas de metadatos, estándares de calidad y principios de gobernanza. Esto resulta particularmente relevante en un entorno en el que la apertura y reutilización de datos debe equilibrarse con derechos, licencias, atribución y autonomía institucional. La gobernanza se convierte así en una pieza tan importante como la tecnología para determinar cómo se producen, comparten y reutilizan los registros bibliográficos.

Las declaraciones de representantes de la University of Delaware y la University of Regina ponen el acento precisamente en la relación entre metadatos y descubrimiento. Para estas instituciones, unos metadatos de calidad permiten incrementar la visibilidad de las colecciones y favorecer la colaboración entre bibliotecas. También se destaca la necesidad de que las nuevas herramientas sean capaces de integrar las mejoras locales dentro de los flujos de trabajo existentes, de manera que la automatización no suponga perder el valor añadido generado por los profesionales de la información.

En un sentido más amplio, el anuncio refleja una evolución importante en la función de los metadatos bibliográficos en la era de la IA. Los metadatos ya no sirven únicamente para que una persona encuentre un libro o un artículo en un catálogo: constituyen una infraestructura que permite que diferentes sistemas informáticos comprendan, relacionen, intercambien y reutilicen información bibliográfica. La incorporación de IA a SkyRiver refuerza esta tendencia y plantea un modelo en el que metadatos abiertos + interoperabilidad + automatización + supervisión profesional pueden convertirse en componentes fundamentales de los futuros ecosistemas de descubrimiento.

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.