Archivo de la categoría: Tecnologías de la información

Opiniones del profesorado sobre la IA

The Chronicle of Higher Education. “Faculty Views on AI.” The Chronicle of Higher Education, consultado el 7 de mayo de 2026. The Chronicle of Higher Education

Texto completo

El informe presenta un panorama claro: la IA ya está transformando la enseñanza superior, pero su adopción está marcada por la tensión entre utilidad práctica y riesgo pedagógico. Los docentes valoran su capacidad para ahorrar tiempo, generar materiales y apoyar tareas rutinarias, pero temen que debilite el esfuerzo intelectual, favorezca el engaño y erosione competencias fundamentales. La conclusión implícita es que el problema no es solo tecnológico, sino estratégico: las universidades deberán decidir si la IA será un simple atajo operativo o una herramienta integrada críticamente dentro de un nuevo modelo educativo.

El informe Faculty Views on AI refleja una posición profundamente ambivalente del profesorado universitario ante la inteligencia artificial generativa. Por un lado, una mayoría reconoce que estas herramientas ya están siendo útiles para mejorar ciertos aspectos de la docencia; por otro, existe una preocupación muy fuerte por su impacto negativo en el aprendizaje, la ética académica y la falta de regulación institucional. El estudio combina datos de una encuesta de The Chronicle of Higher Education a 425 docentes en 2025 y otra de la American Association of Colleges and Universities (AAC&U) a 1.057 profesores de educación superior en 2025, lo que permite observar tendencias consolidadas en el ámbito universitario.

Uno de los datos más significativos es que el profesorado ya está incorporando la IA a su trabajo cotidiano. El 78 % afirma haber utilizado herramientas de IA para crear o editar textos, lo que indica que estas aplicaciones se están convirtiendo en asistentes habituales para redactar materiales, instrucciones o contenidos académicos. Además, el 55 % las ha empleado para crear o revisar cuestionarios, exámenes u otras evaluaciones, mientras que el 40 % dice haberlas usado para elaborar o modificar programas docentes (syllabi). También el 36 % las ha utilizado para crear o editar imágenes, señal de que la IA comienza a desempeñar un papel relevante en la producción de recursos visuales para las clases. Estos porcentajes muestran que, lejos de ser una novedad marginal, la IA ya forma parte de las prácticas docentes en muchas instituciones.

Sin embargo, junto a este uso creciente aparecen temores muy marcados sobre sus consecuencias educativas. El 90 % del profesorado considera que el uso de IA reducirá las capacidades de pensamiento crítico del alumnado, lo que revela una inquietud central: que los estudiantes deleguen procesos intelectuales complejos en la máquina y pierdan autonomía analítica. Asimismo, el 83 % cree que la IA disminuirá la capacidad de atención, reforzando la idea de que el acceso inmediato a respuestas puede fomentar hábitos de concentración superficial. Otro dato especialmente revelador es que el 78 % sostiene que el fraude académico o las trampas en el campus han aumentado desde que la IA se popularizó, lo que sitúa la integridad académica como una de las grandes preocupaciones actuales.

A estos temores se suma un problema institucional importante: la ausencia de normas claras. Más de seis de cada diez profesores afirman que sus universidades carecen de directrices claras sobre cómo debe usarse la IA por parte del profesorado. Esto genera incertidumbre y respuestas desiguales entre departamentos o facultades. En muchos casos, cada docente decide por su cuenta si la permite, la restringe o la integra, lo que produce incoherencia pedagógica y desconcierto entre los estudiantes. El informe subraya que las universidades necesitan definir con mayor claridad qué papel desean otorgar a estas tecnologías y comunicarlo de forma transparente a toda la comunidad académica.

Entre quienes todavía no utilizan IA para mejorar materiales docentes, las razones principales también resultan reveladoras. La objeción más citada son los problemas éticos, seguida de las dudas sobre si realmente ayuda a aprender mejor, las preocupaciones medioambientales y de sostenibilidad, y finalmente los temores relacionados con privacidad y derechos de autor. Esto demuestra que la resistencia no se debe únicamente a desconocimiento tecnológico, sino también a debates legítimos sobre valores, impacto social y calidad educativa.

La escasez de discos duros para IA está haciendo que archivar Internet sea más caro y difícil.

Technician in data storage room with empty racks and out-of-stock signs showing hard drive shortage
A technician monitors critically low hard drive supplies affecting AI data storage and backup.

Culpepper, Sophie. “The AI Hard Drive Shortage Is Making It More Expensive and Harder to Archive the Internet.” Nieman Journalism Lab, 5 de mayo de 2026. https://www.niemanlab.org/reading/the-ai-hard-drive-shortage-is-making-it-more-expensive-and-harder-to-archive-the-internet/

Se recoge una investigación original de 404 Media, analiza una consecuencia poco visible del auge de la inteligencia artificial: la creciente escasez y encarecimiento de discos duros y sistemas de almacenamiento. La expansión de centros de datos dedicados a IA está absorbiendo enormes cantidades de hardware, lo que reduce la disponibilidad para otros sectores y eleva los precios. Esta situación afecta especialmente a instituciones cuya misión depende de almacenar grandes volúmenes de información, como archivos digitales, universidades, Wikipedia o coleccionistas de datos.

Uno de los principales perjudicados es Internet Archive, organización responsable de la Wayback Machine. Su fundador, Brewster Kahle, explicó que los discos de alta capacidad que suelen utilizar —de 28 a 30 TB— están agotados o se venden a precios muy elevados. La institución incorpora más de 100 terabytes diarios de nuevos materiales y mantiene más de 210 petabytes archivados, por lo que necesita renovar constantemente infraestructura. El incremento de costes supone una presión directa sobre su sostenibilidad financiera y operativa.

El problema también alcanza a la Wikimedia Foundation, que gestiona Wikipedia y otros proyectos abiertos. La fundación reconoce aumentos en memoria, discos y plazos de entrega de servidores, lo que obliga a replantear inversiones y extender la vida útil del equipamiento existente. Para organizaciones sin ánimo de lucro, estos cambios tienen un impacto especialmente grave, ya que cada decisión tecnológica compite con recursos destinados a contenidos, comunidad o desarrollo.

El reportaje señala además que varios fabricantes están priorizando a clientes corporativos vinculados a centros de datos. Western Digital habría comprometido gran parte de su inventario de 2026 con grandes compradores empresariales, mientras Micron decidió abandonar parte del mercado de consumo para concentrarse en segmentos más rentables relacionados con IA. Esto significa que usuarios comunes, pequeñas instituciones y archivistas independientes compiten en desventaja frente a gigantes tecnológicos con gran capacidad de compra.

Las comunidades de archivistas y usuarios especializados reflejan esta preocupación. En foros como Reddit, muchos participantes afirman haber detenido proyectos de respaldo o archivo debido a los precios disparados, mientras otros recurren a unidades usadas, discos antiguos o estrategias improvisadas de almacenamiento. Algunos incluso sugieren volver a tecnologías como cintas LTO, aunque estas presentan problemas de acceso rápido y latencia para servicios públicos en línea.

Más allá del coste económico, el artículo plantea una cuestión de fondo: la misma industria de IA que consume enormes cantidades de datos para entrenar modelos está dificultando materialmente la preservación de la memoria digital. Archivar internet requiere capacidad de almacenamiento constante, y si esa capacidad se vuelve inaccesible, parte del patrimonio digital contemporáneo corre riesgo de perderse. La paradoja es evidente: tecnologías que dependen del pasado digital pueden contribuir a borrar la posibilidad de conservarlo.

Library Technology Guides publica el Informe sobre sistemas bibliotecarios de 2026

Breeding, Marshall. “2026 Library Systems Briefing.” American Libraries Magazine, 5 de mayo de 2026. https://americanlibrariesmagazine.org/2026/05/05/2026-library-systems-briefing/

El Informe sobre sistemas bibliotecarios de 2026 muestra a unas bibliotecas inmersas en una transformación profunda. El desafío ya no consiste únicamente en informatizar procesos, sino en construir infraestructuras flexibles, seguras e inteligentes capaces de responder a nuevas formas de acceso al conocimiento. La tecnología se convierte así en una pieza estratégica para garantizar la relevancia futura de las bibliotecas en un entorno digital cada vez más exigente.

Library Technology Guides ha publicado el Informe sobre sistemas bibliotecarios de 2026, una de las referencias más relevantes para conocer la evolución tecnológica del sector bibliotecario internacional. El documento ofrece una panorámica detallada del mercado de software y plataformas utilizadas por bibliotecas públicas, universitarias, escolares y especializadas, analizando tendencias, movimientos empresariales, implantaciones y prioridades estratégicas. Más que un simple catálogo de productos, el informe actúa como termómetro del momento que atraviesan las bibliotecas en su proceso de transformación digital.

Uno de los aspectos centrales del informe es la constatación de que las bibliotecas continúan avanzando hacia entornos basados en la nube. Cada vez más instituciones sustituyen antiguos sistemas instalados en servidores locales por plataformas SaaS (Software as a Service), gestionadas por proveedores externos. Esta transición responde a varias razones: reducción de costes de mantenimiento, actualizaciones automáticas, mayor escalabilidad y mejora de la seguridad. Para muchas organizaciones, mantener infraestructuras propias resulta ya complejo y costoso, especialmente en un contexto de presupuestos ajustados y escasez de personal técnico especializado.

El informe también destaca la creciente influencia de la inteligencia artificial en el ecosistema bibliotecario. Los nuevos sistemas comienzan a incorporar herramientas de automatización para catalogación, generación de metadatos, análisis de colecciones, asistentes virtuales y mejora de los sistemas de descubrimiento. La IA se presenta como una oportunidad para aumentar la eficiencia operativa y mejorar la experiencia de usuario, aunque también surgen interrogantes relacionados con la transparencia algorítmica, la privacidad de los datos y la necesidad de supervisión profesional. Las bibliotecas valoran estas innovaciones, pero buscan aplicarlas con prudencia y criterios éticos.

Otro eje importante es la evolución de los sistemas integrados de gestión bibliotecaria (ILS) hacia plataformas de servicios bibliotecarios más amplias. Ya no basta con gestionar préstamos, catalogación o adquisiciones de manera aislada. Las bibliotecas necesitan soluciones capaces de integrar recursos impresos, colecciones electrónicas, repositorios institucionales, analíticas de uso, autenticación remota y servicios móviles. El informe muestra que la tendencia dominante es hacia ecosistemas unificados, donde diferentes módulos se comunican entre sí y permiten una administración más eficiente.

En el plano empresarial, el estudio refleja un mercado concentrado en grandes proveedores internacionales, pero con presencia significativa de proyectos de código abierto. Empresas consolidadas como Ex Libris, OCLC, EBSCO o Innovative mantienen posiciones fuertes, especialmente en grandes redes y universidades. Paralelamente, alternativas como Koha, Evergreen o FOLIO siguen creciendo entre instituciones que buscan flexibilidad, independencia tecnológica y control sobre sus desarrollos. Esto demuestra que el mercado no está cerrado y que existen modelos diversos según tamaño, presupuesto y estrategia institucional.

La experiencia del usuario aparece como una prioridad creciente. Los catálogos tradicionales resultan insuficientes frente a los estándares de usabilidad impuestos por buscadores y plataformas comerciales. Por ello, las bibliotecas demandan interfaces más intuitivas, búsquedas inteligentes, recomendaciones personalizadas, diseño adaptado a móviles y acceso simplificado a contenidos digitales. El informe subraya que el éxito de un sistema ya no depende solo de sus funciones internas, sino de la calidad de la interacción que ofrece al público.

Asimismo, el documento señala la importancia de la interoperabilidad y de los estándares abiertos. Las bibliotecas trabajan con múltiples herramientas simultáneamente —repositorios, plataformas de préstamo digital, gestores de aprendizaje, bases de datos académicas o sistemas de autenticación—, por lo que necesitan soluciones capaces de integrarse sin fricciones. Los proveedores que facilitan APIs robustas y compatibilidad con estándares internacionales parten con ventaja en las decisiones de contratación.

Los modelos de IA más inteligentes en 2026

Voronoi. “Ranked: The Smartest AI Models in 2026.” Voronoi, 25 de abril de 2026. https://www.voronoiapp.com/technology/Ranked-The-Smartest-AI-Models-in-2026-8123

La tabla revela una realidad clara: en 2026 ya no existe un líder indiscutible. La ventaja entre los mejores modelos es mínima, la competencia es global y la inteligencia artificial entra en una fase de madurez donde importarán tanto la integración, el precio y la confianza como la potencia bruta. La “guerra de benchmarks” continúa, pero el mercado probablemente se decidirá por ecosistemas completos más que por unos pocos puntos de diferencia.

El artículo de Voronoi presenta una clasificación de los modelos de inteligencia artificial considerados más avanzados de 2026, utilizando como base los resultados del benchmark de Mensa Norway elaborado por TrackingAI. Lo primero que destaca el informe es que la competencia entre los líderes del sector se ha estrechado enormemente. A diferencia de años anteriores, donde uno o dos modelos dominaban con claridad, en 2026 las puntuaciones se concentran en la parte alta de la tabla, con diferencias mínimas entre los primeros puestos. Esto indica que la industria ha alcanzado una fase de madurez en la que varias compañías han logrado niveles similares de rendimiento avanzado.

En la cima del ranking aparecen empatados Grok-4.20 Expert Mode y OpenAI GPT 5.4 Pro (Vision), ambos con una puntuación de 145. Este empate refleja no solo la capacidad técnica de ambos sistemas, sino también la diversificación de enfoques dentro del mercado de IA. Grok, desarrollado por xAI, ha apostado por una integración fuerte con información en tiempo real y un estilo de respuesta más directo, mientras que GPT 5.4 Pro incorpora una sólida capacidad multimodal, especialmente en visión artificial, razonamiento y productividad profesional. Que ambos compartan la primera posición simboliza que no existe ya un único camino hacia la excelencia algorítmica.

Otro aspecto relevante del informe es la comparación histórica con 2025. Según los datos citados, el modelo más destacado del año anterior fue OpenAI o3, con una puntuación de 135, mientras que GPT-4o Vision apenas alcanzó 63. El salto hasta 145 puntos en solo un año evidencia la velocidad vertiginosa del progreso en IA. En términos prácticos, significa mejoras drásticas en razonamiento complejo, comprensión multimodal, precisión y adaptabilidad a tareas especializadas. También confirma que los benchmarks existentes se quedan obsoletos cada vez más rápido, algo que ya señalan otros estudios como el AI Index de Stanford.

El ranking también sugiere una creciente pluralidad geopolítica en la innovación tecnológica. Ya no son únicamente OpenAI o Anthropic quienes marcan el paso. Empresas como xAI, Google, Moonshot AI o nuevos laboratorios emergentes participan activamente en la carrera por liderar la inteligencia artificial generalista. Esto apunta a una descentralización del poder tecnológico y a un ecosistema más competitivo, donde la innovación depende tanto del talento científico como del acceso a datos, chips y capital.

Desde una perspectiva económica y social, esta evolución tiene profundas implicaciones. La cercanía entre modelos significa que la ventaja competitiva puede desplazarse desde la inteligencia “bruta” hacia otros factores: precio, integración con herramientas empresariales, privacidad, velocidad de respuesta, consumo energético o facilidad de uso. En otras palabras, la próxima fase del mercado podría decidirse menos por quién tiene el modelo “más inteligente” y más por quién ofrece el ecosistema más útil y sostenible para usuarios y organizaciones.

El artículo retrata un momento decisivo: 2026 no es solo el año de los modelos más potentes, sino también el año en que la supremacía tecnológica deja de estar concentrada en un solo actor. La inteligencia artificial entra así en una etapa de competencia madura, multipolar y extremadamente dinámica, donde pequeñas mejoras técnicas pueden traducirse en enormes consecuencias económicas y estratégicas.

Deepfakes al asalto de tu cuenta bancaria: la nueva frontera del fraude con imágenes

The Atlantic. “Deepfakes Are Coming for Your Bank Account.” The Atlantic, mayo de 2026. https://www.theatlantic.com/technology/2026/05/chatgpt-images-deepfakes-fraud/687023/

El artículo analiza cómo los nuevos modelos de generación de imágenes mediante inteligencia artificial están transformando el fraude digital. Según The Atlantic, la amenaza ya no se limita a los tradicionales deepfakes de celebridades o líderes políticos, sino que se desplaza hacia falsificaciones mucho más cotidianas y peligrosas: alertas bancarias falsas, transferencias simuladas, documentos médicos, recetas, identificaciones oficiales, facturas o capturas de pantalla aparentemente auténticas. Estas imágenes resultan especialmente convincentes porque las herramientas actuales han mejorado notablemente en la reproducción de texto legible y diseño visual realista.

El reportaje pone el foco en la facilidad con la que un usuario puede generar material fraudulento. El autor explica que logró producir más de cien imágenes engañosas con poco esfuerzo, demostrando que la barrera técnica para cometer este tipo de delitos se ha reducido drásticamente. Antes, elaborar falsificaciones sofisticadas requería conocimientos avanzados de edición gráfica; ahora basta con introducir instrucciones en lenguaje natural. Esto democratiza el fraude y multiplica los riesgos para particulares, empresas e instituciones.

Uno de los aspectos más preocupantes es el uso de estas imágenes en estafas personalizadas. Una persona podría recibir un supuesto recibo de Uber, una alerta de Chase Bank o una confirmación de transferencia inexistente acompañada de un enlace malicioso. Al tratarse de documentos visualmente creíbles, la víctima puede reaccionar con rapidez y caer en ataques de phishing. El problema no es solo la calidad técnica de la imagen, sino la capacidad de combinarla con ingeniería social para manipular emociones como la urgencia, el miedo o la confusión.

El texto también cuestiona la eficacia de las salvaguardas implantadas por las empresas tecnológicas. Aunque OpenAI y Google incorporan políticas de uso, marcas de agua o metadatos para identificar imágenes generadas por IA, estas medidas pueden eliminarse fácilmente mediante capturas de pantalla, recortes o nuevas conversiones de archivo. En la práctica, los mecanismos de seguridad van por detrás de la rapidez con la que evolucionan las herramientas de generación visual.

Para concluir, el artículo sostiene que el mayor peligro no reside en los grandes engaños mediáticos, sino en los “microdeepfakes”: falsificaciones dirigidas a personas concretas para vaciar cuentas, obtener datos personales o engañar a familiares. En lugar de alterar elecciones o provocar crisis geopolíticas, estos fraudes erosionan la confianza diaria en mensajes, imágenes y comunicaciones digitales. La conclusión es clara: el desafío ya no es futurista, sino inmediato, y exige respuestas coordinadas entre tecnológicas, bancos, reguladores y ciudadanía.

En una prueba en el mundo real, un modelo de IA tuvo un mejor desempeño que los médicos al diagnosticar pacientes.

Noguchi, Yuki. “In Real-World Test, an AI Model Did Better Than ER Doctors at Diagnosing Patients.” NPR, April 30, 2026. https://www.npr.org/2026/04/30/nx-s1-5804474/ai-doctors-openai-patient-care-diagnosis

Un reportaje de NPR analiza un estudio reciente en el que un modelo avanzado de inteligencia artificial obtuvo mejores resultados que médicos de urgencias en determinadas tareas clínicas, especialmente en diagnóstico inicial y toma de decisiones sobre atención al paciente. La investigación evaluó casos reales en entornos hospitalarios y comparó el rendimiento del sistema con profesionales humanos. Según los resultados, la IA mostró una notable capacidad para identificar patologías y sugerir cursos de actuación con alto nivel de precisión.

El hallazgo más llamativo es que la IA no fue probada en un laboratorio abstracto, sino en un contexto clínico cercano a la práctica cotidiana. Esto supone un cambio importante respecto a estudios anteriores basados en preguntas de examen o escenarios simulados. El modelo fue capaz de analizar síntomas, antecedentes y datos clínicos para ofrecer hipótesis diagnósticas competitivas, lo que sugiere que estas herramientas están entrando en una nueva fase de madurez aplicada.

Sin embargo, el propio reportaje insiste en que estos resultados no significan que los médicos vayan a ser sustituidos. El trabajo clínico real incluye dimensiones que exceden el diagnóstico algorítmico: exploración física, comunicación empática, interpretación contextual, toma de decisiones éticas, coordinación con otros especialistas y responsabilidad legal. La medicina no consiste solo en acertar una respuesta, sino en acompañar a una persona concreta en situaciones complejas e inciertas.

Los investigadores señalan que el papel más prometedor de la IA sería el de asistente clínico. Podría ayudar a detectar errores, priorizar pacientes, sugerir diagnósticos poco frecuentes, resumir historiales médicos o alertar sobre riesgos que un profesional saturado podría pasar por alto. En servicios de urgencias, donde el tiempo y la presión asistencial son extremos, estas capacidades podrían traducirse en decisiones más rápidas y seguras.

Aun así, persisten preocupaciones relevantes. Los modelos pueden generar respuestas incorrectas con aparente seguridad, reproducir sesgos presentes en los datos de entrenamiento o fallar en casos atípicos. También surgen dudas sobre privacidad, responsabilidad jurídica y transparencia: si una IA recomienda una decisión errónea, ¿quién responde? Por ello, muchos expertos sostienen que la supervisión humana seguirá siendo imprescindible.

El artículo de NPR refleja además una tensión creciente en la profesión médica. Algunos facultativos ven estas herramientas como apoyo valioso frente al agotamiento laboral y la escasez de personal; otros temen una dependencia excesiva o una presión institucional para reemplazar criterio profesional por automatización barata. El debate no es meramente tecnológico, sino organizativo y ético.

El estudio apunta a una transformación profunda del sistema sanitario. La pregunta ya no parece ser si la inteligencia artificial participará en la medicina, sino cómo se integrará. Si se usa con prudencia, transparencia y supervisión, puede mejorar diagnósticos y eficiencia. Si se adopta sin controles, puede aumentar errores y deshumanización. El futuro más probable no es “IA contra médicos”, sino médicos potenciados por IA.

Guía de la ALA sobre el Uso de Inteligencia Artificial en Bibliotecas

Association of College and Research Libraries (ACRL). “ALA Draft Guidance of the Use of Artificial Intelligence in Libraries Comments Due May 8.” ACRL Insider, 2026. Accedido el 4 de mayo de 2026. https://acrl.ala.org/acrlinsider/ala-draft-guidance-of-the-use-of-artificial-intelligence-in-libraries-comments-due-may-8/

American Library Association (ALA), a través de su AI Policy Working Group, ha difundido para consulta pública un borrador titulado Guidance of the Use of Artificial Intelligence in Libraries, concebido como un documento marco para orientar a los profesionales de las bibliotecas ante el crecimiento acelerado de la inteligencia artificial.

La iniciativa refleja el reconocimiento institucional de que la IA ya no es una cuestión futura o periférica, sino una realidad que está transformando servicios, procesos, expectativas de los usuarios y el propio papel social de las bibliotecas. El plazo de comentarios fijado hasta el 8 de mayo de 2026 indica además la voluntad de incorporar la voz de la comunidad profesional antes de su posible debate y aprobación formal en la Annual Conference de la ALA en Chicago.

El borrador nace con una finalidad eminentemente práctica: ayudar a las bibliotecas a navegar oportunidades y desafíos. La formulación es significativa, porque evita una postura tecnofílica o tecnofóbica. La ALA no presenta la IA únicamente como amenaza ni como solución automática, sino como un fenómeno complejo que exige análisis crítico. Entre las oportunidades pueden situarse la mejora de búsquedas documentales, automatización de tareas repetitivas, apoyo a catalogación, generación de resúmenes, accesibilidad lingüística, atención básica al usuario o análisis de grandes volúmenes de datos. Entre los desafíos aparecen cuestiones como privacidad, sesgos algorítmicos, dependencia de proveedores privados, opacidad técnica, desinformación generada automáticamente y posibles impactos laborales.

Propósito y Contexto

La Asociación Americana de Bibliotecas (ALA) ha elaborado este documento a través de su Grupo de Trabajo de Política en Inteligencia Artificial con un doble objetivo: recomendar a las bibliotecas que desarrollen sus propias políticas locales de IA y ofrecerles un marco de referencia sólido para hacerlo. El documento surge en un momento en que la inteligencia artificial, incluyendo sus variantes generativa y agéntica, está transformando profundamente la manera en que la información se crea, accede y evalúa. La ALA reconoce que la IA puede ampliar la capacidad de las bibliotecas en áreas como la instrucción, las operaciones y la accesibilidad, pero advierte que esto solo es posible cuando la tecnología apoya la experiencia profesional existente, el compromiso comunitario y el juicio crítico del personal bibliotecario. En ese sentido, esta guía no busca reemplazar las políticas existentes de la ALA, sino construir sobre ellas.

Bien Público y Rol Humano

El primer gran pilar de la guía es el concepto de bien público, entendido como el compromiso de las bibliotecas de mejorar la sociedad y proteger derechos fundamentales como la educación, la alfabetización y la libertad intelectual. El documento reconoce que la IA ofrece oportunidades reales para abordar desafíos sociales y ambientales, pero también advierte sobre sus riesgos: puede erosionar la autodeterminación humana, profundizar la desigualdad social y contribuir al cambio climático. Por ello, la guía establece con claridad que la IA debe complementar y nunca reemplazar la inteligencia, el razonamiento y el pensamiento crítico humano. Las tareas que requieren empatía, juicio y conocimiento especializado no deben automatizarse, y todos los usuarios tienen derecho a recibir asistencia humana en cualquier servicio bibliotecario. Además, se subraya que cualquier ganancia de eficiencia generada por la IA debe traducirse en mejoras para el personal y las comunidades, y no en justificación para reducir puestos de trabajo.

Libertad Intelectual y Transparencia

La libertad intelectual es uno de los valores más arraigados en la tradición bibliotecaria, y la guía dedica especial atención a cómo la IA puede amenazarla. Los sistemas automatizados pueden, de manera opaca, sesgar los resultados de búsqueda, priorizar ciertos contenidos sobre otros o suprimir materiales relacionados con comunidades marginalizadas o temas controvertidos, todo ello sin que los usuarios lo perciban. Frente a esto, el documento exige que cualquier sistema automatizado cuente con documentación clara y accesible que explique su funcionamiento, propósito y posible influencia en los resultados. Las salidas de la IA deben tratarse siempre como borradores sujetos a revisión humana, especialmente en temas complejos o sensibles. Asimismo, las bibliotecas deben oponerse activamente a herramientas de IA que señalen materiales para su eliminación o despriorización de formas que socaven la diversidad de puntos de vista, y deben ofrecer a los usuarios la posibilidad de optar por servicios sin intervención algorítmica.

Privacidad y Protección de Datos

La privacidad de los usuarios es un valor central en la ética bibliotecaria, y la guía lo refuerza en el contexto de la IA con directrices muy concretas. Las bibliotecas tienen la responsabilidad de comprender cómo funcionan las herramientas de IA, cómo gestionan la información personal y qué riesgos pueden generar para los usuarios. Se insta a evitar el ingreso de información de identificación personal, temas sensibles o registros no públicos en herramientas cuyas prácticas de datos sean poco claras, y a limitar el uso a herramientas institucionales previamente verificadas. Al trabajar con proveedores externos, las bibliotecas deben preguntar explícitamente si los datos de los usuarios se utilizan para entrenar modelos de IA, qué salvaguardas existen y si las funciones de IA son opcionales. Toda esta información debe comunicarse a los usuarios en lenguaje claro y sencillo, explicando sus derechos de acceso, corrección y eliminación de datos. La formación del personal en privacidad y uso responsable de la IA se considera parte esencial del desarrollo profesional.

Sostenibilidad Ambiental e Institucional

La guía aborda la sostenibilidad desde dos dimensiones que se complementan. Por un lado, la dimensión ambiental: la IA consume grandes cantidades de energía y agua, genera emisiones de gases de efecto invernadero y produce residuos electrónicos. Las bibliotecas deben evaluar el ciclo de vida ambiental completo de los sistemas de IA que adoptan, solicitar a los proveedores información transparente sobre su huella de carbono e intensidad energética, y priorizar herramientas de código abierto, modelos más pequeños y soluciones con menor impacto ecológico. Por otro lado, la sostenibilidad institucional también es crucial: la sobreautomatización puede erosionar las competencias del personal, debilitar la confianza comunitaria y generar dependencia excesiva de sistemas controlados por proveedores comerciales. La guía advierte que las ganancias de eficiencia a corto plazo no justifican comprometer la flexibilidad institucional, el conocimiento profesional acumulado ni la capacidad de las bibliotecas para adaptarse de forma autónoma en el futuro.

Diversidad, Equidad, Inclusión y Acceso

El documento cierra su análisis de valores con un apartado dedicado a la diversidad, la equidad, la inclusión y el acceso, reconociendo que los sistemas de IA con frecuencia reproducen y amplifican las desigualdades existentes. Los conjuntos de datos sobre los que se entrenan estos sistemas suelen subrepresentar lenguas no anglófonas, dialectos y comunidades históricamente marginalizadas, lo que puede traducirse en servicios menos precisos o directamente discriminatorios para estos grupos. Ante esto, la guía exige que las bibliotecas auditen los sistemas de IA antes y durante su uso, colaboren con comunidades multilingües para probar sus resultados y garanticen que los servicios habilitados por IA sean accesibles en términos de idioma, nivel de alfabetización, discapacidad y capacidad tecnológica. También se plantea una reflexión importante sobre los datos de los usuarios como una forma de trabajo no remunerado, y se insta a minimizar las prácticas extractivas de datos en los contratos con proveedores. Finalmente, se enfatiza que los beneficios de la automatización deben distribuirse de manera justa entre trabajadores y comunidades, preservando trayectorias profesionales y oportunidades de desarrollo para los bibliotecarios del futuro.

En conjunto, este documento representa una postura institucional clara y fundamentada: la inteligencia artificial puede ser una herramienta valiosa para las bibliotecas, pero solo si su adopción está guiada por valores humanos, éticos y democráticos. No basta con que una herramienta sea eficiente o innovadora; debe ser justa, transparente, respetuosa de la privacidad, sostenible y verdaderamente al servicio de todas las personas, especialmente de las más vulnerables. La ALA concibe esta guía como un documento vivo, destinado a evolucionar junto con la tecnología y las necesidades de las comunidades a las que las bibliotecas sirven.

Las bibliotecas lideran la IA en los campus

“Libraries Leading Campus AI: Claiming Our Seat at the Table. Coalition for Networked Information (CNI). Plenary Sessions: CNI Spring 2026 Membership Meeting. Washington, DC: CNI, 2026. Accedido el 4 de mayo de 2026. https://www.cni.org/events/membership-meetings/past-meetings/spring-2026/plenary-sessions-s26

El título resume una reivindicación central: las bibliotecas universitarias no deben limitarse a reaccionar ante la irrupción de la IA, sino participar activamente en la toma de decisiones institucionales. La propuesta sugiere que las bibliotecas poseen experiencia histórica en alfabetización informacional, organización del conocimiento, privacidad, acceso equitativo y evaluación crítica de fuentes, competencias especialmente valiosas en el contexto de la inteligencia artificial generativa.

Esta visión supone un cambio profundo respecto a los enfoques tradicionales. Durante años, las bibliotecas fueron consideradas principalmente proveedoras de recursos documentales y servicios de apoyo. Sin embargo, la expansión de la IA las sitúa en una posición estratégica para liderar debates sobre uso ético de datos, sistemas algorítmicos, transparencia de modelos, propiedad intelectual, competencias digitales y diseño de políticas institucionales. El mensaje implícito es que quien controla la información y sabe mediar críticamente con ella debe estar presente en las mesas donde se decide el futuro digital del campus.

La sesión plenaria de clausura, Aprovechando el renacimiento de los datos para el descubrimiento científico, fue impartida por Manish Parashar, figura destacada en computación científica y estrategia institucional en IA. El concepto de “renacimiento de los datos” alude al crecimiento exponencial de volúmenes de información científica generados por sensores, simulaciones, repositorios abiertos, experimentos automatizados e inteligencia artificial. Esta abundancia de datos está transformando la forma de investigar en prácticamente todas las disciplinas.

La conferencia plantea que el dato ya no es solo un subproducto de la investigación, sino un recurso estructural comparable a los laboratorios o bibliotecas físicas. Para aprovechar este nuevo escenario se requieren infraestructuras avanzadas: almacenamiento escalable, computación de alto rendimiento, interoperabilidad, curación de datos, metadatos consistentes y políticas sólidas de acceso y reutilización. También se necesitan profesionales capaces de conectar ciencia, tecnología y gobernanza. En ese sentido, las bibliotecas académicas vuelven a aparecer como actores clave, especialmente en gestión de datos de investigación y preservación digital.

El programa general del encuentro refuerza además la idea de comunidad profesional orientada a la colaboración. Según CNI, las reuniones de membresía sirven para compartir proyectos, analizar políticas tecnológicas y catalizar nuevas iniciativas entre instituciones diversas. No se trata solo de un congreso académico, sino de un espacio donde se construyen agendas comunes para el futuro de la información en la educación superior.

Desde una perspectiva bibliotecaria, la primavera de 2026 evidencia tres tendencias principales. En primer lugar, la biblioteca pasa de gestora documental a agente estratégico de transformación digital. En segundo lugar, la alfabetización en IA y datos se convierte en una extensión natural de la alfabetización informacional clásica. En tercer lugar, la colaboración entre bibliotecas, servicios informáticos, investigadores y liderazgo universitario resulta imprescindible para afrontar desafíos complejos.

En conclusión, el futuro de las bibliotecas académicas ya no se juega únicamente en las colecciones, sino en la capacidad de influir en la gobernanza de la inteligencia artificial y en la arquitectura del conocimiento basada en datos. Las instituciones que comprendan este cambio no solo prestarán mejores servicios: participarán activamente en la definición de la universidad del siglo XXI.

¿Cómo decide ChatGPT qué páginas citar en sus respuestas? la la claridad y el posicionamiento en buscadores sigue siendo decisivo

Goodwin, Danny. “ChatGPT Citations Reward Ranking and Precision Over Length: Study.” Search Engine Land, 16 de abril de 2026. https://searchengineland.com/chatgpt-citations-ranking-precision-length-study-474538

En un ecosistema donde la visibilidad ya no depende únicamente de Google, sino también de aparecer como fuente en sistemas de inteligencia artificial, comprender los criterios de selección se ha convertido en una nueva prioridad estratégica. ChatGPT parece premiar una mezcla de autoridad previa y claridad práctica. Para bibliotecas, universidades, medios y creadores de contenido, la lección es clara: en la nueva economía de la información no basta con estar en internet; hay que ser fácilmente seleccionable como fuente fiable.

La investigación citada por Search Engine Land, elaborada por AirOps, examinó 16.851 consultas únicas, ejecutadas tres veces cada una, generando más de 50.000 respuestas y analizando centenares de miles de páginas potencialmente recuperadas por ChatGPT. El objetivo era detectar patrones entre las páginas finalmente citadas y aquellas que fueron ignoradas. Se trata de uno de los análisis empíricos más amplios publicados hasta la fecha sobre este fenómeno emergente.

Uno de los hallazgos más contundentes es que la posición en buscadores sigue siendo decisiva. Las páginas que ocupaban el primer puesto en los resultados de búsqueda fueron citadas un 58,4% de las veces, mientras que las situadas en la posición diez apenas alcanzaban el 14,2%. Esto sugiere que, lejos de romper completamente con la lógica del SEO tradicional, ChatGPT todavía depende en gran medida de señales previas de autoridad y relevancia ya consolidadas en la web. En otras palabras: quien domina el buscador parte con ventaja también en la IA conversacional.

Sin embargo, el estudio indica que no basta con posicionar bien. También importa mucho la coincidencia semántica entre la consulta del usuario y los encabezados del contenido. Las páginas cuyos títulos y subtítulos se alineaban claramente con la intención de búsqueda obtuvieron una tasa de citación del 41%, frente a cifras cercanas al 30% en contenidos menos precisos. Esto confirma que ChatGPT parece valorar estructuras claras, preguntas bien formuladas y respuestas directamente vinculadas al problema planteado.

Otro resultado especialmente interesante es que la IA prefiere páginas enfocadas y específicas antes que guías largas y generalistas. Durante años, muchas estrategias de contenido apostaron por artículos enciclopédicos del tipo “guía definitiva”, repletos de apartados y miles de palabras. Según este análisis, ChatGPT tiende a premiar respuestas más estrechas y concretas, centradas en resolver una sola necesidad con claridad. La amplitud temática no siempre equivale a utilidad para un modelo que necesita sintetizar rápidamente información relevante.

En relación con la extensión, el estudio detectó una franja óptima entre 500 y 2.000 palabras. Los textos excesivamente largos —por encima de 5.000 palabras— rindieron peor incluso que páginas breves de menos de 500 palabras. Esto cuestiona la antigua idea de que “más contenido siempre es mejor”. En entornos de IA, parece importar más la densidad informativa, la claridad estructural y la facilidad de extracción que la mera longitud.

También se observó que ciertos elementos técnicos ayudan, aunque de forma moderada. Las páginas con marcado estructurado JSON-LD lograron una tasa de citación superior (38,5%) frente a aquellas sin este tipo de datos enriquecidos (32%). Del mismo modo, los artículos con entre 4 y 10 subtítulos funcionaron mejor que los extremadamente fragmentados o demasiado compactos. Esto apunta a que la organización formal sigue siendo valiosa para sistemas automáticos que interpretan documentos a escala.

La variable temporal ofreció otro matiz interesante. El contenido publicado entre 30 y 89 días antes del análisis fue el más citado, mientras que páginas muy recientes (menos de 30 días) obtuvieron peores resultados. La explicación propuesta es que el contenido nuevo necesita tiempo para generar señales de confianza, enlaces, interacción o posicionamiento. A su vez, los textos con más de dos años perdían fuerza relativa, lo que sugiere la importancia de actualizar información ya existente.

Desde una perspectiva estratégica, el artículo concluye que la visibilidad en IA exige una combinación de factores: buen posicionamiento previo, estructura clara, encabezados alineados con la consulta, enfoque específico y contenido suficientemente reciente. No se trataría tanto de “escribir para robots”, sino de producir materiales que respondan con precisión a preguntas reales y que puedan ser comprendidos con facilidad por sistemas automatizados

El impacto de la IA en las habilidades funcionales de alfabetización

Hargadon, Steve. “The Impact of AI Using Functional Literacy Skills.” Steve Hargadon Blog, abril de 2026. https://www.stevehargadon.com/2026/04/the-impact-of-ai-using-functional.html

El debate sobre la inteligencia artificial desde la productividad hacia la formación humana. Más que preguntarse cuánto tiempo ahorra la IA, se pregunta qué capacidades dejamos de ejercitar cuando la usamos indiscriminadamente. Su tesis de fondo es clara: la alfabetización funcional sigue siendo indispensable, pero ahora debe protegerse y reinventarse en diálogo con las máquinas. La educación del futuro dependerá menos de prohibir la IA que de enseñar a usarla sin renunciar al pensamiento propio

En este ensayo, Steve Hargadon reflexiona sobre una de las transformaciones educativas más profundas del presente: la manera en que la inteligencia artificial está alterando las habilidades funcionales de alfabetización, es decir, aquellas capacidades prácticas vinculadas con leer, escribir, comprender, sintetizar información y expresarse de forma competente en la vida cotidiana. El autor no aborda la alfabetización como simple dominio técnico de la lectura y la escritura, sino como un conjunto de destrezas cognitivas esenciales para pensar, interpretar el mundo y participar de forma autónoma en la sociedad. Desde esa perspectiva, la irrupción de la IA no es solo un cambio tecnológico, sino un desafío cultural y pedagógico de gran alcance.

Hargadon sostiene que durante siglos las habilidades de lectura y escritura han requerido esfuerzo mental sostenido. Comprender un texto complejo implicaba concentración, paciencia, inferencia y capacidad crítica. Redactar suponía ordenar ideas, estructurar argumentos, buscar precisión léxica y revisar errores. Sin embargo, las herramientas de IA generativa modifican radicalmente este proceso al ofrecer resúmenes automáticos, textos completos redactados en segundos, reformulación instantánea de ideas y respuestas inmediatas a preguntas complejas. Lo que antes exigía trabajo intelectual ahora puede externalizarse hacia la máquina. Esta comodidad plantea un dilema central: ganar eficiencia sin perder capacidad humana.

Uno de los puntos más relevantes del texto es la distinción entre usar la IA como apoyo y depender de la IA como sustituto. El autor considera legítimo que un estudiante emplee herramientas inteligentes para aclarar conceptos, revisar gramática, recibir ejemplos o explorar nuevas perspectivas. En ese sentido, la IA puede democratizar el acceso al conocimiento, reducir barreras educativas y ofrecer acompañamiento constante. Pero el problema aparece cuando la herramienta reemplaza enteramente el proceso de pensar. Si un alumno pide a la IA que escriba un ensayo completo, resuelva la interpretación de una lectura o genere conclusiones sin intervención propia, el resultado puede parecer exitoso externamente, aunque internamente no haya existido aprendizaje real.

El texto advierte que las habilidades funcionales de alfabetización no se conservan automáticamente: se fortalecen mediante el uso. Igual que un músculo se debilita cuando no se ejercita, la capacidad para leer críticamente, argumentar por escrito o mantener atención prolongada puede erosionarse cuando se delega sistemáticamente en sistemas automáticos. La IA, por tanto, no solo ahorra tiempo; también puede reducir la práctica necesaria para desarrollar competencias profundas. Esta preocupación se vuelve especialmente importante en generaciones jóvenes que crecen utilizando asistentes inteligentes desde edades tempranas.

El autor también señala una paradoja contemporánea: muchas instituciones educativas siguen evaluando productos finales —redacciones, trabajos escritos, respuestas correctas— sin poder medir con claridad el proceso cognitivo que condujo a ellos. La IA encaja perfectamente en ese modelo, porque puede producir resultados aceptables sin que el estudiante haya comprendido realmente el contenido. Así, los sistemas de evaluación tradicionales corren el riesgo de premiar apariencias de competencia en lugar de competencias auténticas. La escritura entregada puede ser excelente, mientras que el pensamiento del alumno permanece estancado.

Otro aspecto central del ensayo es la necesidad de redefinir qué significa estar alfabetizado en la era digital. Ya no bastará con leer y escribir en sentido clásico. Será imprescindible saber formular preguntas de calidad, verificar respuestas automáticas, detectar errores plausibles, contrastar fuentes, interpretar sesgos algorítmicos y decidir cuándo conviene usar IA y cuándo pensar sin ella. En otras palabras, la alfabetización del futuro incluirá una dimensión metacognitiva: saber gobernar la relación entre mente humana y asistencia artificial.

Hargadon no adopta una postura tecnófoba. Reconoce que la IA puede ampliar enormemente las oportunidades educativas. Un estudiante curioso puede recibir explicaciones personalizadas, practicar idiomas, explorar temas especializados o profundizar en conocimientos que antes estaban reservados a expertos o instituciones prestigiosas. El problema no es la herramienta en sí, sino el marco cultural de uso. Si se emplea para expandir curiosidad, autonomía y pensamiento crítico, la IA se convierte en aliada. Si se usa para evitar esfuerzo intelectual, termina empobreciendo el desarrollo cognitivo.

En términos sociales, el artículo sugiere que se abrirá una brecha entre dos perfiles de usuarios. Por un lado, quienes usen IA para potenciar sus propias capacidades y aprender más rápido. Por otro, quienes la utilicen para simular competencia sin desarrollar criterio propio. Esa diferencia puede no ser visible de inmediato en notas académicas o certificados, pero sí aparecerá con fuerza en el trabajo, en la toma de decisiones complejas y en la adaptación a entornos inciertos. La verdadera ventaja competitiva no será “tener IA”, sino conservar juicio propio mientras se trabaja con ella