Archivo de la categoría: Tecnologías de la información

«Bibliotecas, Libros e IA» entrevista a Julio Alonso Arévalo por Radio UDELAR de Uruguay

Julio Alonso Arévalo en UNI Radio (Comunidad Udelar) bajo el título «Bibliotecas, Libros e IA»:

Recibimos a Julio Alonso Arévalo, jefe de la Biblioteca de la Facultad de Traducción y Documentación de la Universidad de Salamanca, para conversar sobre Bibliotecas, Libros e Inteligencia Artificial. 📻 Comunidad Udelar, lunes y miércoles de 11:30 a 13 hs, por UNI Radio 107.7 FM | En vivo: https://radios.com.uy/uni-montevideo/ UNI Radio, la primera radio universitaria del Uruguay Instagram | uniradioudelar X | uniradioudelar

El núcleo de la presentación aborda la profunda transformación que experimentan el sector editorial, las bibliotecas y el ecosistema del libro tras la irrupción masiva de la Inteligencia Artificial (IA) y la inteligencia artificial generativa. Alonso Arévalo analiza cómo los modelos lingüísticos y las tecnologías de automatización no solo están alterando los procesos técnicos de catalogación, búsqueda y recuperación de información en las bibliotecas, sino que también están redefiniendo el propio concepto de autoría, creación literaria y producción de contenidos académicos y culturales.

En relación con el ámbito bibliotecario y de la información, el diálogo enfatiza el rol renovado que deben asumir los profesionales del sector (bibliotecarios y gestores de la información). En lugar de ver a la inteligencia artificial como una amenaza que sustituye las tareas tradicionales, se plantea como una herramienta indispensable que potencia la curaduría de contenidos, el acceso abierto, la personalización de servicios de referencia para investigadores y usuarios, y la gestión de grandes volúmenes de datos académicos. No obstante, se subraya la urgente necesidad de alfabetización algorítmica y formación continua para capacitar a la comunidad en el uso crítico y ético de estas tecnologías.

Finalmente, la conversación profundiza en las implicaciones éticas, legales y culturales del uso de la IA en la creación de libros y documentos. Se abordan debates clave como los derechos de autor de las obras utilizadas para entrenar grandes modelos de lenguaje, el riesgo de plagio, los sesgos en los datos de entrenamiento y la preservación de la integridad del conocimiento bibliográfico. La conclusión general destaca que, aunque las máquinas pueden optimizar y procesar información a un nivel sin precedentes, el criterio humano, el pensamiento crítico y la dimensión comunitaria y social de las bibliotecas siguen siendo insustituibles en la era digital.

Inteligencia humana en tiempos de inteligencia artificial: Reflexiones pedagógicas

Vaca, Claudia, Daniela Bolívar Rosales y Ediciones Once. Inteligencia humana en tiempos de inteligencia artificial: Reflexiones pedagógicas. Once Essay. Independently published, 2026.

Adquirir en Amazon

PRÓLOGO Pensar todavía por Julio Alonso Arévalo

Este libro surgió de una incomodidad. No de la incomodidad fácil, la que se puede resolver con una búsqueda en Internet que da con un texto generado en décimas de segundo, sino de la otra incomodidad, la que se instala cuando uno tiene la percepción de que algo importante está cambiando y no sabe del todo bien cómo poder nombrarlo. Claudia Vaca lo nombra. Y al nombrarlo, nos devuelve algo que es probable que habíamos comenzado a perder, sin percibirlo: la posibilidad de pararse a pensar lo que nos está sucediendo.

Vivimos en momentos de respuestas instantáneas; se enuncian preguntas y casi con inmediatez asoman respuestas -porque la apariencia es prácticamente eso-, respuestas fluidas, que pueden dar la impresión de ser respuestas eficaces, coherentes y bien escritas. Y sin embargo, es en eso mismo en donde algo está el problema. Pero contra esa misma respuesta existe un recorrido de la que no puede decirse que hubo un recorrido en este caso, no hay respuesta a esta pregunta e incluso puede llegarse a la conclusión de que se puede hacer algo que no se ha hecho, es como leer el final de un relato sin haberse dejado llevar por la magia de la construcción de la propia historia. La forma está, pero la experiencia -lo que llena, lo que deja huella- ha desaparecido.

La cuestión que plantea este libro no es si la inteligencia artificial es buena o mala. Esa pregunta, aunque legítima, nos desvía de una más urgente: ¿qué le pasa al pensamiento humano cuando se encuentra en un entorno donde pensar no es necesario? No, no es una cuestión técnica. Es una pregunta profundamente humana, ya que tiene que ver con la educación, con el lenguaje, con la manera que tenemos de relacionarnos con el conocimiento y con los demás.

En cierta ocasión, en algún momento de esta lectura, uno tiene la impresión de que Claudia habla de los estudiantes, de las aulas, pero también, y sobre todo, de todos nosotros. De la manera que consultamos antes de preguntar, de cómo evitamos el esfuerzo de buscar algo porque ya hay algo que ha buscado por nosotros, de cómo leer un texto largo se ha convertido, para muchos, en un acto casi heroico en el contexto de una cultura que «premia» la brevedad y la velocidad. El sedentarismo cognitivo no es un tema exclusivamente de los más jóvenes: es el aire que casi todos respiramos.

* * *

Uno de los valores más apreciados y sinceros de este libro es que no propone una solución simple. No dice “Deja ya de utilizar la IA; para que las cosas empiecen a funcionar”; tampoco dice lo contrario “Usa la tecnología conscientemente”, como si eso fuera la solución única. Lo que propone es más sencillo, aunque también más real: replantéate el significado de aprender, en que consiste entender y qué es lo que desaprovechamos y perdemos cuando delegamos en una herramienta la creación de un texto.

Esta es precisamente una de las claves que encontramos a lo largo del libro —la distinción entre un texto escrito en función del entrenamiento de una herramienta con millones de textos basado en probabilidades estadísticas y crear un contenido a través del lenguaje y el pensamiento-. Esta distinción es bien tenida en cuenta por los que se dedican a la docencia: ellos saben que algunos alumnos presentan trabajos impecables sin haber comprendido nada, y otros alumnos que presentan trabajos que aunque contengan errores provienen de personas que han realizado un proceso de aprendizaje, reflexión. La diferencia entre uno y otro no está en el resultado final del texto, si no en el propio proceso. Y el problema que estamos enfrentado con la IA, es en gran medida este mismo: que el proceso creativo con la llegada de esta tecnología se ha vuelto se ha vuelto invisible.

Claudia escribe desde América Latina, y ello importa. No porque los problemas que expone sean exclusivos de esta parte del mundo, sino porque aquí adquieren texturas específicas. La brecha digital no es solo una brecha de acceso: es una brecha de relación con el conocimiento. Y la pregunta en torno a la autonomía intelectual no se puede separar la pregunta sobre la definición de qué es lo que cuenta como “inteligencia”: qué lenguas son importantes, qué saberes tienen cabida en el currículo. En ese horizonte de confluencia entre lo epistémico y lo político, este libro encuentra su propia voz.

En el texto encontramos una determinación razonada que la autora asume como una verdadera convicción: a diferencia de la inteligencia artificial la inteligencia humana no se define por la cantidad de información que utiliza, sino por la capacidad de establecer un sentido. Este proceso no se basa en lo que determina un algoritmo, si no en que el razonamiento proviene de la experiencia adquirida por la propia memoria humana, de la memoria biográfica y bibliográfica, de la posibilidad de cometer y asumir un posible error, y de la responsabilidad ante los demás. Y lamentablemente ninguna de esas cosas puede externalizarse sin que algo se pierda en el camino.

* * *

En el texto un concepto que aparece con importante frecuencia en varios capítulos es “criterio”, término que podríamos calificar como uno de los conceptos claves del libro, y es que, tener criterio es otra cosa muy diferente que tener conocimiento, hay personas que pueden saber muchas cosas, pueden saberlo todo, pero que no tienen criterio, podemos tener todo el conocimiento que existe en el mundo y no saber qué hacer con él, lo que es característico de tener un verdadero criterio es tener capacidad de discernir respecto a lo que se va haciendo; esto es lo que nos convierte en su más profundo sentido en sujetos y no en meros receptores de información.

El libro deja claro que el criterio, no se consuma simplemente proporcionando respuestas. Se enseña formulando las preguntas adecuadas, permitiendo que el posible error se convierta en una parte esencial del aprendizaje y no en una amenaza. Y esto forma parte del proceso de enseñanza y se aprende con estudio, con lectura, con esfuerzo y también con entusiasmo, y lo más importante no es llegar a la meta antes, si no llegar, y en ese proceso aprender y sobre todo llegar comprendiendo. Pero en la llamada actual sociedad del conocimiento y de la satisfacción inmediata la economía de atención parece cada vez más irrelevante.

Claudia cita una frase de Neil Postman que es especialmente pertinente: «La cuestión no es si las máquinas pueden pensar; la cuestión es si las personas aún lo hacemos». No forma parte de una simple cuestión retórica. Es una pregunta pertinente, que no tiene únicamente la intención de alarmar, si no de concienciar sobre algo que es ineludible: saber que pensar es un acto que necesita esfuerzo, y de que renunciar a ese esfuerzo, aunque sea a cambio de la comodidad tiene consecuencias negativas.

Lo que ella denomina llama “sedentarismo cognitivo” es, una de las definiciones más precisas de algo que muchos intuimos y que no habíamos alcanzado a nombrar con precisión. Así como cuidar nuestro cuerpo implica la necesidad de ejercitarse para mantenerse vivo y ágil, nuestra mente necesita esa gimnasia mental, es decir esforzarnos, aunque ello no suponga que vayamos a obtener una respuesta inmediata como sucede con la inteligencia artificial. Y será este proceso el que nos ayudará a crecer. Esto no supone renunciar a la tecnología, que puede ser una herramienta útil de ayuda, sino para utilizarla sin renunciar al sentido común y a la creatividad, que sólo es patrimonio de las personas.

El libro va dirigido a docentes, estudiantes, y a todas aquellas personas que reflexionan sobre el valor de la educación. Pero también está escrito para cualquiera que percibe, que algo de su relación con el conocimiento está cambiado en los últimos tiempos y no es capaz de determinar bien si este cambio supone una ganancia o una pérdida. Como apuntamos al inicio de este prólogo, la respuesta que Claudia propone no es simple, ni sencilla: es ambas cosas, y eso depende en buena medida de las decisiones que tomemos, individual y colectivamente.

En esencia el libro aboga por un hecho que parece lógico que la conciencia humana no es sustituible. No porque sea perfecta, que claramente no lo es, o precisamente por eso  mismo, sino porque es el único espacio en el que podemos asumir nuestras responsabilidades de lo que expresamos a través del pensamiento y de la creación. Es innegable que la inteligencia artificial tiene una enorme capacidad para escribir textos, reorganizar información y casi siempre lo hace de manera impecable, no obstante se ha entrenado con casi toda la información que ha producido la humanidad a lo largo de los siglos, pero no puede asumir ninguna  responsabilidad por sí misma. Tampoco puede hacerse cargo de los daños que pueda causar y no puede, en el sentido más profundo, habitar el mundo.

Ya que habitar el mundo únicamente lo hacemos los seres humanos cuando nos esforzamos por aprender de verdad: cuando cometemos errores, cuando plateamos y nos plateamos una pregunta difícil, cuando escuchamos a alguien que piensa diferente y eso nos abre nuevos horizontes. Precisamente esto es lo que la educación, en su mejor versión, ha preservado siempre. Y es lo que este libro, con generosidad y lucidez, nos invita a seguir haciendo.

Lean este libro dando tiempo al tiempo. Subrayen aquello que más les incomode. Discutan sobre sus posibles contradicciones. Esa es, en el fondo, la mejor manera de demostrar que todavía estamos pensando.

 Julio Alonso Arévalo

 Salamanca, primavera de 2026

La gobernanza democrática de la inteligencia artificial: la creciente dependencia entre los poderes públicos y las grandes tecnológicas

Astier, C., Bosoer, L., Cantero Gamito, M., & Pareto Boada, J. (2026). The public-private situationship in the democratic governance of AI. European University Institute. https://doi.org/10.2870/6848140

La relación ambigua entre lo público y lo privado en la gobernanza democrática de la inteligencia artificial analiza uno de los grandes desafíos políticos de la expansión de la inteligencia artificial: quién debe decidir cómo se desarrolla, se utiliza y se regula esta tecnología, y con qué legitimidad.

El documento examina cómo la relación entre los gobiernos y las grandes empresas tecnológicas se ha vuelto cada vez más estrecha e interdependiente. Las administraciones públicas necesitan las infraestructuras, los conocimientos técnicos y los sistemas de IA desarrollados por el sector privado, mientras que las empresas dependen de las decisiones políticas, los marcos regulatorios y los contratos públicos. Esta situación dificulta establecer una separación clara entre las responsabilidades de las instituciones democráticas y la influencia que ejercen las compañías que controlan buena parte de la tecnología. Los autores utilizan el término situationship para describir esta relación ambigua, caracterizada por la dependencia mutua, unos límites poco definidos y una negociación constante sobre las funciones que corresponde desempeñar a cada parte.

El estudio toma como punto de partida la controversia entre la empresa Anthropic y el Departamento de Defensa de Estados Unidos para ilustrar cómo las relaciones entre los gobiernos y las compañías de inteligencia artificial pueden trascender la contratación tecnológica y convertirse en una disputa sobre el poder, la autoridad y los límites de actuación. Según el análisis, las grandes empresas tecnológicas están asumiendo progresivamente funciones que tradicionalmente correspondían a las instituciones públicas: participan en la definición de los problemas que deben regularse, influyen en la elaboración de las agendas políticas e interpretan las normas en función de sus intereses comerciales. Esto no significa que la participación empresarial sea necesariamente negativa, ya que la experiencia técnica de estas compañías resulta importante para comprender sistemas complejos y anticipar sus riesgos. El problema surge cuando esa experiencia se transforma en capacidad para decidir cuestiones que afectan al conjunto de la sociedad sin contar con una legitimidad democrática equivalente a la de los poderes públicos. El documento advierte, además, de que el creciente protagonismo de la ética empresarial en la gobernanza de la IA puede trasladar responsabilidades normativas y políticas a organizaciones privadas que no han sido elegidas por la ciudadanía.

Una de las principales aportaciones del informe es, por tanto, la necesidad de recuperar el equilibrio entre innovación tecnológica, responsabilidad empresarial y control democrático. La regulación de la inteligencia artificial no puede quedar exclusivamente en manos de las compañías que desarrollan los sistemas, aunque estas deban participar en los debates y aportar sus conocimientos. Las decisiones sobre derechos fundamentales, vigilancia, seguridad, transparencia y límites de uso de la IA son cuestiones políticas que requieren procedimientos públicos, rendición de cuentas y participación social. El documento plantea la conveniencia de establecer una relación más saludable y legítima entre los actores públicos y privados, con funciones y responsabilidades mejor definidas. Su enfoque invita a reflexionar sobre cómo garantizar que la regulación responda al interés general y no quede condicionada por las prioridades comerciales de las empresas que concentran los recursos tecnológicos.

Desde la perspectiva de las bibliotecas, la investigación resulta especialmente interesante porque sitúa la inteligencia artificial en un marco que va más allá de sus posibilidades técnicas y de sus aplicaciones prácticas. La IA también plantea interrogantes sobre quién controla la información, cómo se toman las decisiones automatizadas, qué intereses determinan el diseño de las herramientas y hasta qué punto la ciudadanía puede comprenderlas y cuestionarlas. En este contexto, las bibliotecas pueden contribuir a la alfabetización crítica en inteligencia artificial mediante actividades formativas, recursos informativos y espacios de debate que ayuden a los ciudadanos a conocer tanto los beneficios como los riesgos de estas tecnologías. También pueden promover el acceso equitativo al conocimiento, la evaluación crítica de los contenidos generados por IA y la reflexión sobre la privacidad, la transparencia y la responsabilidad en su utilización. Aunque el informe no se centra específicamente en las bibliotecas, sus planteamientos ofrecen un marco útil para defender que la alfabetización en IA debe incluir no solo el aprendizaje

ChatGPT en las relaciones de pareja: cuándo puede ayudar y cuándo puede convertirse en un problema

Coffey, Helen. (2026, 13 de octubre). The warning signs that ChatGPT is third-wheeling your relationship – and how it could destroy it. The Independent. Leer el artículo original

La inteligencia artificial puede ayudarnos a preparar una conversación, pero no debería sustituir la conversación misma. En las relaciones de pareja, comprender al otro exige escuchar su versión, aceptar que nuestra propia interpretación puede ser incompleta y asumir la responsabilidad de resolver los conflictos sin delegar esa tarea en un algoritmo.

Se aborda un fenómeno cada vez más presente en las relaciones personales: el uso de ChatGPT y otros asistentes de inteligencia artificial como consejeros sentimentales, mediadores de conflictos y herramientas para interpretar los mensajes de la pareja. La autora describe cómo la IA se está convirtiendo en una especie de tercer interlocutor invisible que participa en conversaciones y decisiones que tradicionalmente se compartían con amigos, familiares o terapeutas. Muchas personas recurren a estos sistemas para preparar una conversación difícil, redactar un mensaje delicado, comprender una discusión o encontrar una manera más serena de expresar sus sentimientos. Esta práctica, denominada dry chatting —ensayar previamente una conversación con un chatbot—, puede ayudar a ordenar las ideas y reducir la tensión antes de abordar un problema real. Sin embargo, también puede introducir una distancia entre las personas cuando la tecnología deja de ser una herramienta de apoyo y empieza a sustituir el diálogo directo.

El texto recoge la opinión de profesionales de la psicoterapia que reconocen que la inteligencia artificial puede tener usos razonables en este ámbito. Por ejemplo, puede ayudar a redactar un mensaje sobre la organización del cuidado de los hijos sin adoptar un tono agresivo, o proporcionar estrategias básicas de autorregulación emocional cuando alguien se siente desbordado. También puede servir para reflexionar antes de responder impulsivamente durante una discusión. El problema aparece cuando se confunde la capacidad de un chatbot para ofrecer una respuesta bien redactada con una verdadera comprensión de la relación. La IA trabaja con la información que recibe y no conoce necesariamente la historia de la pareja, las experiencias previas de cada persona, los matices de una conversación ni las circunstancias que explican un comportamiento. Por ello, sus respuestas pueden parecer convincentes sin representar adecuadamente la complejidad de lo ocurrido.

Uno de los riesgos principales que identifica Coffey es utilizar la IA como juez de una discusión. Preguntas como «¿quién tiene razón?», «¿mi pareja me está manipulando?» o «¿quién es el culpable del problema?» pueden llevar al chatbot a emitir un veredicto basado en una versión parcial de los hechos. Si la respuesta coincide con lo que una persona ya pensaba, puede proporcionarle una sensación de validación inmediata, pero también reforzar sus prejuicios y dificultar cualquier intento de reconciliación. En lugar de ayudar a comprender lo sucedido, la herramienta puede convertirse en un argumento de autoridad que una de las partes utiliza para imponerse sobre la otra. Como advierten los especialistas consultados, los conflictos de pareja no suelen resolverse declarando un ganador, sino comprendiendo cómo ha vivido cada persona la situación y qué necesita para reparar la relación.

Esta cuestión está relacionada con un problema conocido en inteligencia artificial como sycophancy, que puede traducirse como adulación o tendencia a dar la razón al usuario. Los modelos de lenguaje pueden producir respuestas excesivamente complacientes, reforzando las opiniones de quien formula la pregunta en lugar de cuestionarlas cuando sería necesario. El artículo cita una investigación de Stanford publicada en marzo que encontró que los once modelos de lenguaje analizados mostraban una tendencia a responder de forma más aduladora que las personas en casi un 50 % de los casos de dilemas interpersonales estudiados. Este comportamiento resulta especialmente delicado cuando alguien busca orientación sobre una relación sentimental, porque el sistema puede reforzar una interpretación unilateral sin disponer de suficiente información para valorar lo ocurrido.

Otro aspecto preocupante es la privacidad. Algunas personas copian conversaciones íntimas, mensajes de WhatsApp o intercambios de aplicaciones de citas para que la IA determine quién muestra más interés, interprete determinadas expresiones o valore las intenciones de la otra persona. Aunque estas consultas puedan parecer inofensivas, compartir mensajes privados sin consentimiento puede vulnerar la confianza y las expectativas de intimidad. Además, el análisis automatizado no siempre reconoce adecuadamente el humor, la ironía, el contexto o las circunstancias personales en las que se escribió un mensaje. Una frase aislada puede adquirir un significado muy diferente cuando se conoce la historia de quienes conversan. Por eso, el uso de estas herramientas exige prudencia tanto en la interpretación de sus respuestas como en la información personal que se comparte con ellas.

En definitiva, el artículo plantea una reflexión relevante sobre los límites de la inteligencia artificial en la vida afectiva. ChatGPT puede ayudar a expresar emociones, ensayar conversaciones difíciles y explorar distintas maneras de afrontar un desacuerdo, pero no dispone de toda la información ni de la experiencia humana necesarias para comprender plenamente una relación. Su respuesta debe considerarse una perspectiva provisional, no un diagnóstico ni una sentencia. En un momento en el que los asistentes conversacionales empiezan a ocupar espacios cada vez más personales, el desafío consiste en aprovechar sus posibilidades sin convertirlos en árbitros de nuestras relaciones ni compartir información íntima de forma irresponsable.

Ranking del benchmark SWE-bench en 2026: la mejor IA para programar

BRACAI Consulting. (2025, 26 de marzo). Ranking del benchmark SWE-bench en 2026: la mejor IA para programar. BRACAI. https://www.bracai.eu/es/post/benchmark-swe-bench-ia

SWE-bench es una prueba de referencia diseñada para medir hasta qué punto un sistema de inteligencia artificial puede resolver problemas reales de ingeniería de software, y no solamente generar fragmentos de código que parezcan correctos.

El artículo de BRACAI explica que los benchmarks tradicionales de programación se centraban en ejercicios relativamente pequeños, como escribir una función o resolver un problema algorítmico. Aunque estas pruebas permiten evaluar determinadas habilidades técnicas, no reproducen toda la complejidad del trabajo cotidiano de un desarrollador. En un proyecto real, es necesario comprender cómo está organizado el software, localizar el origen de un error, interpretar las necesidades de los usuarios, modificar diferentes archivos y comprobar que la solución funciona sin introducir nuevos problemas. SWE-bench pretende evaluar precisamente esa capacidad de desenvolverse en un entorno de programación complejo.

El funcionamiento de SWE-bench parte de incidencias reales publicadas en GitHub, una plataforma ampliamente utilizada para desarrollar y compartir software. El sistema de IA recibe la descripción de un problema y acceso al repositorio de código correspondiente. A partir de esa información, debe identificar qué está fallando, comprender las relaciones entre los distintos componentes del programa y elaborar un parche que corrija el problema. Posteriormente, la solución se somete a pruebas automatizadas para comprobar si cumple los requisitos establecidos. La evaluación no depende únicamente de que el código esté bien redactado o parezca razonable: lo importante es que la modificación funcione y supere las pruebas pertinentes. De esta manera, el benchmark ofrece una aproximación más práctica a la capacidad de una IA para actuar como agente de programación y completar tareas con cierto grado de autonomía.

El artículo distingue varias versiones de este sistema de evaluación. SWE-bench original reúne problemas procedentes de repositorios de Python y permite comprobar si los modelos pueden realizar correcciones en proyectos existentes. SWE-bench Verified es una selección de 500 tareas revisadas por personas para mejorar la claridad de los enunciados y la fiabilidad de las pruebas. Por su parte, SWE-bench Pro se diseñó para evaluar tareas de ingeniería de software más complejas, con repositorios amplios y problemas que pueden exigir razonamiento prolongado y cambios en distintos archivos. El artículo también menciona HumanEval, un benchmark anterior que evalúa la generación de funciones a partir de descripciones y pruebas unitarias. La diferencia fundamental es que SWE-bench trata de aproximarse a la resolución de problemas dentro de un proyecto real, mientras que HumanEval se concentra en ejercicios de programación más acotados.

En cuanto a los resultados, BRACAI presenta una clasificación de modelos en la que destacan Claude Opus 4.5, Gemini 3 Pro, GPT-5 y Qwen 3 Coder, con porcentajes de resolución del 46 %, 43 %, 42 % y 39 %, respectivamente, en SWE-bench Pro. Estas cifras deben entenderse como los resultados que recoge la página, no como una clasificación universal ni necesariamente vigente de los mejores modelos. El artículo también señala diferencias importantes entre los sistemas más avanzados y otros modelos con resultados inferiores, lo que pone de manifiesto que la capacidad de generar código no garantiza que una IA pueda resolver de forma autónoma problemas complejos. Incluso cuando un modelo obtiene buenos resultados, todavía puede necesitar varios intentos, revisión del código y supervisión humana antes de que una modificación esté preparada para incorporarse a un producto real.

Una consideración importante para interpretar estos resultados: en julio de 2026, OpenAI publicó una auditoría que estimó que alrededor del 30 % de las tareas públicas de SWE-bench Pro presentaban problemas de evaluación. Entre ellos figuraban pruebas demasiado estrictas, instrucciones incompletas, criterios de comprobación insuficientes y contradicciones entre el enunciado y las pruebas. La revisión de Epoch AI de septiembre de 2026 también calificó este benchmark como defectuoso. Por tanto, las puntuaciones y los rankings deben leerse con cautela: una prueba mal diseñada puede penalizar soluciones correctas o aceptar soluciones incompletas. Este caso ilustra que evaluar la inteligencia artificial exige examinar tanto las capacidades de los modelos como la calidad de los instrumentos utilizados para medirlas.

Inteligencia artificial generativa para la investigación y la elaboración de tesis: guía práctica para estudiantes, supervisores e instituciones educativas.

Jauhiainen, J. S. (2026). Generative AI for research and thesis work: Practical guidance for students, supervisors, and educational institutions. MDPI.

Descargar PDF

Generative AI for Research and Thesis Work publicado en septiembre de 2026 por MDPI en acceso abierto, ofrece una guía práctica para incorporar la inteligencia artificial generativa a la investigación académica y a la elaboración de trabajos de fin de grado, máster y tesis. A lo largo de sus 272 páginas, aborda las distintas etapas del proceso investigador, desde la formulación de la pregunta de investigación y la revisión bibliográfica hasta el análisis de los datos, la redacción, la revisión final y la defensa del trabajo.

La obra explica cómo utilizar herramientas como ChatGPT y Claude para generar ideas, organizar la literatura científica, analizar materiales, mejorar la escritura y preparar evaluaciones. También incluye ejemplos de instrucciones (prompts), plantillas, listas de comprobación y flujos de trabajo que permiten integrar estas tecnologías de manera sistemática en las tareas académicas. Asimismo, presta atención al papel de los tutores, docentes y responsables institucionales en la orientación del alumnado y en el desarrollo de políticas de uso de la inteligencia artificial.

Uno de los aspectos más relevantes del libro es su insistencia en la necesidad de utilizar la IA de forma crítica y responsable. Advierte sobre riesgos como las referencias bibliográficas inventadas, los sesgos, los razonamientos deficientes, los problemas de privacidad y la dependencia excesiva de estas herramientas. Su planteamiento es claro: la inteligencia artificial debe servir de apoyo al trabajo académico, pero nunca sustituir la capacidad de análisis, la originalidad ni la responsabilidad intelectual del investigador.

En definitiva, se trata de una publicación de interés para estudiantes, investigadores, tutores y profesionales de la información que quieran comprender cómo aprovechar la IA generativa durante el proceso de investigación sin comprometer la integridad académica. También constituye un recurso útil para las bibliotecas universitarias que desarrollan programas de alfabetización en inteligencia artificial, formación investigadora y acompañamiento a la comunidad académica

Bibliotecas, Libros e Inteligencia Artificial

RADIO UDELAR DE MONTEVIDEO. ENTREVISTA CON Julio Alonso Arevalo SOBRE INTELIGENCIA ARTIFICIAL

Escuchar

Recibimos a Julio Alonso Arévalo, jefe de la Biblioteca de la Facultad de Traducción y Documentación de la Universidad de Salamanca para conversar sobre Bibliotecas, Libros e Inteligencia Artificial

Integridad académica e Inteligencia artificial

Integridad académica e Inteligencia artificial

VER VIDEO

https://youtube.com/live/q-KNtysDsik?si=7ki1bjlnBuAunhwH

Transmisión en vivo de la conferencia «Integridad académica e inteligencia artificial» por Julio Alonso Arévalo (Universidad de Salamanca), realizada el miércoles 7 de octubre en la FIC: facultad de información y comunicación de la Universidad Nacional de la República de Uruguay. Montevideo (Uruguay)

El problema de la «validez sintética» en la investigación de IA.

Retraction Watch Staff, “AI research’s ‘synthetic validity’ problem”, Retraction Watch, 19 de septiembre de 2026. Artículo original en Retraction Watch

El problema ya no consiste únicamente en detectar artículos falsos o textos generados por IA. El reto es garantizar que los datos, métodos, referencias y evidencias que sustentan la investigación sean verificables y tengan validez respecto al fenómeno real que pretenden estudiar. La expansión de la IA hace que esta tarea sea todavía más importante.

Especialmente relevante para el ámbito de la IA y la comunicación científica es la referencia al problema de la “synthetic validity”. El concepto alude a una dificultad creciente: los investigadores pueden utilizar modelos generativos para producir datos, participantes simulados, respuestas, textos u otros materiales que presentan una apariencia estadísticamente plausible, pero cuya correspondencia con el mundo real puede ser limitada. El problema no es solamente si los datos sintéticos son técnicamente coherentes, sino hasta qué punto permiten extraer conclusiones válidas sobre personas, comportamientos o fenómenos reales.

Esta cuestión adquiere especial importancia a medida que la IA generativa se incorpora a experimentos, encuestas, simulaciones y procesos de investigación. Una investigación puede obtener resultados internamente consistentes utilizando datos artificiales y, sin embargo, presentar una validez externa limitada. La posibilidad de generar grandes cantidades de respuestas sintéticas también puede facilitar estudios rápidos y baratos, pero introduce la necesidad de demostrar que los resultados no son simplemente un reflejo de los patrones incorporados en los propios modelos de IA.

La integridad científica depende de toda una cadena de controles, desde el diseño de la investigación y la recogida de datos hasta la revisión por pares, la publicación, las citaciones y la posterior corrección del registro científico. La aparición de la IA añade nuevas dificultades, pero no sustituye problemas tradicionales como las autorías fraudulentas, los datos inconsistentes, las referencias incorrectas o la ausencia de aprobación ética.

La IA introduce un nuevo problema: datos plausibles pero artificiales. La cuestión de la synthetic validity resulta particularmente importante para la alfabetización en IA. Un modelo generativo puede producir miles de respuestas aparentemente humanas y coherentes; sin embargo, que una respuesta sea verosímil no significa que represente a una población real. Esto obliga a los investigadores a diferenciar entre precisión estadística, coherencia interna y validez empírica.

Existe además el riesgo de crear un círculo de retroalimentación: los modelos se entrenan con datos producidos por seres humanos; posteriormente generan nuevos datos sintéticos; esos datos pueden utilizarse para entrenar, evaluar o alimentar otros modelos; y finalmente los resultados artificiales pueden volver a incorporarse al ecosistema científico. Si este proceso no se controla, la investigación podría terminar utilizando datos derivados de otros datos sintéticos sin una conexión suficientemente sólida con la realidad empírica original.

En investigación social, educativa o bibliométrica, por ejemplo, utilizar participantes sintéticos podría generar resultados que parecen convincentes pero que no necesariamente reproducen las características, sesgos y comportamientos de personas reales. El riesgo aumenta si los resultados generados artificialmente se utilizan posteriormente como evidencia para nuevas investigaciones. De este modo puede aparecer un círculo de retroalimentación en el que los modelos entrenados con información humana generan nuevos datos que posteriormente se utilizan para entrenar o evaluar otros modelos.

El artículo resulta especialmente útil porque conecta tres problemas que normalmente se analizan por separado: la integridad de las publicaciones, la creciente utilización de IA y la necesidad de preservar la confianza en el registro científico. Retraction Watch recuerda además que su base de datos ya supera las 67.000 retractaciones, una cifra que refleja la dimensión acumulativa de los mecanismos de corrección de la literatura científica.

Zuckerberg plantea su visión de la “superinteligencia personal”: IA abierta, distribuida y accesible para todos

Zuckerberg, Mark. “AI’s Biggest Risk Is One Entity With Too Much Control.” Axios, 10 de agosto de 2026.

MANIFIESTO

Mark Zuckerberg presenta en este manifiesto una visión marcadamente optimista sobre el futuro de la inteligencia artificial. Su argumento central es que el principal peligro no sería necesariamente que la IA alcance capacidades extraordinarias, sino que el control de esas capacidades quede concentrado en una única empresa, gobierno o institución. Frente a esa posibilidad, defiende una IA ampliamente distribuida, de manera que miles de millones de personas puedan disponer de herramientas capaces de ampliar sus capacidades intelectuales, creativas y profesionales. Para Zuckerberg, la concentración del poder tecnológico supondría un riesgo porque permitiría que unos pocos actores determinaran cómo se utiliza una tecnología con consecuencias potencialmente globales.

Una de las ideas fundamentales del documento es la llegada de una “superinteligencia personal”, concebida como un sistema de IA capaz de acompañar individualmente a cada persona y ayudarla en múltiples dimensiones de su vida. Zuckerberg imagina asistentes capaces de actuar como tutores personalizados, asesores profesionales, investigadores, programadores o colaboradores creativos. En su visión, la IA podría proporcionar a cualquier persona capacidades que actualmente están reservadas a quienes disponen de determinados recursos económicos o conocimientos especializados. La consecuencia sería una democratización de capacidades intelectuales que podría modificar profundamente la educación, el trabajo, la investigación y la creación de empresas.

El planteamiento tiene una dimensión particularmente importante para la educación. Zuckerberg imagina que cada estudiante pueda disponer de un tutor personalizado con conocimientos equivalentes a los de un experto y con capacidad para adaptar permanentemente las explicaciones a las necesidades de cada alumno. Del mismo modo, los adultos podrían utilizar estos sistemas para aprender idiomas, adquirir nuevas competencias profesionales o desarrollar aficiones. El planteamiento transforma la idea tradicional del acceso al conocimiento: en lugar de depender exclusivamente de una institución educativa o de un profesor, cada individuo tendría potencialmente un asistente educativo permanente.

La cuestión del código abierto ocupa un lugar central en la propuesta. Zuckerberg sostiene que Meta debe continuar poniendo modelos de IA a disposición de desarrolladores y usuarios, porque considera que un ecosistema abierto favorece la innovación y evita que unas pocas grandes compañías acumulen un poder excesivo. Meta anunció simultáneamente nuevos modelos de IA destinados a desarrolladores, entre ellos Muse Glimmer, orientado a funcionar en ordenadores personales, y acceso para desarrolladores a un modelo más potente denominado Muse Spark 1.2. Esta estrategia pretende situar la apertura de modelos como alternativa frente a sistemas controlados exclusivamente por grandes laboratorios tecnológicos.

El manifiesto también introduce una dimensión económica. Zuckerberg plantea que los sistemas de IA deberían ofrecer acceso gratuito o asequible para miles de millones de personas, mientras que quienes necesiten mayores cantidades de capacidad computacional podrían pagar por ella. Su propuesta incluye incluso mecanismos dinámicos para determinar el precio de determinados niveles de computación. La idea de fondo es que la IA avanzada no debería convertirse en un recurso reservado exclusivamente a grandes empresas, gobiernos o personas con elevados ingresos, sino que sus beneficios deberían distribuirse ampliamente.

Otro aspecto significativo es la relación entre IA, poder y geopolítica. Zuckerberg argumenta que Estados Unidos y sus aliados necesitan desarrollar rápidamente infraestructuras energéticas y tecnológicas para mantener su posición frente a China. En este contexto defiende también una postura relativamente permisiva hacia la denominada distillation, una técnica mediante la cual un modelo menos potente puede aprender a partir de las respuestas producidas por otro modelo más avanzado. El debate tiene implicaciones importantes para la competencia tecnológica internacional, la propiedad intelectual y las restricciones que los gobiernos pueden imponer al desarrollo de IA.

Sin embargo, el manifiesto ha recibido críticas desde sectores vinculados a la seguridad de la IA y a los derechos digitales. Anthony Aguirre, del Future of Life Institute, cuestionó la capacidad de cualquier empresa para controlar sistemas que eventualmente puedan alcanzar capacidades mucho mayores que las actuales. Otros críticos consideran que la propuesta de distribuir ampliamente sistemas cada vez más poderosos no elimina necesariamente los riesgos y puede introducir nuevos problemas de seguridad, manipulación, concentración económica o dependencia tecnológica. Estas críticas plantean una cuestión fundamental: que una tecnología sea accesible para muchas personas no significa automáticamente que sus consecuencias sean positivas o que los riesgos estén controlados.

El debate resulta especialmente interesante porque enfrenta dos concepciones diferentes de la gobernanza de la IA. Por un lado, Zuckerberg presenta la distribución amplia de la tecnología y el desarrollo de modelos abiertos como mecanismos para evitar la concentración de poder. Por otro, los críticos argumentan que determinados sistemas avanzados pueden requerir controles, evaluaciones y límites precisamente porque distribuir ampliamente capacidades muy poderosas también puede aumentar la superficie de riesgo. El manifiesto, por tanto, no es solamente una reflexión tecnológica: constituye también una propuesta sobre quién debe controlar la IA, quién debe tener acceso a ella y qué grado de regulación debería existir.

Para las bibliotecas y la alfabetización en inteligencia artificial, el planteamiento tiene especial interés. La idea de que la IA avanzada debe estar disponible para amplios sectores de la población conecta directamente con la función histórica de las bibliotecas como instituciones de democratización del acceso al conocimiento y a la tecnología. Pero también plantea una segunda obligación: proporcionar a los ciudadanos las competencias necesarias para utilizar críticamente esas herramientas. Si cada persona dispone de un asistente capaz de generar información, enseñar, investigar o tomar decisiones, será todavía más importante saber evaluar sus respuestas, comprobar sus fuentes, comprender sus limitaciones y reconocer cuándo una decisión no debería delegarse en una máquina.