Two professionals use AI tools to enhance their writing project in a modern office.
Diab, Robert. “The Case for and Against Co-Authoring With AI”. Publicado en Slaw.ca, 6 de mayo de 2026.
El jurista canadiense Robert Diab examina críticamente una de las cuestiones más debatidas en la era de la inteligencia artificial generativa: si resulta conveniente utilizar herramientas de IA como colaboradoras directas en la escritura profesional. Su reflexión se centra especialmente en el ámbito jurídico, aunque las ideas planteadas son extrapolables al periodismo, la investigación académica y cualquier disciplina donde la escritura sea una manifestación del pensamiento crítico y de la autoría intelectual.
Diab parte de una distinción fundamental entre dos usos distintos de la inteligencia artificial: emplearla como herramienta de apoyo para revisar o editar un texto ya escrito por una persona, o utilizarla para generar el documento desde cero a partir de instrucciones o prompts. Mientras considera legítimo y útil el primer caso, manifiesta reservas importantes sobre el segundo. Su principal preocupación es que, aunque técnicamente el texto generado pueda ser correcto, la escritura producida por IA suele carecer de autenticidad, personalidad y profundidad argumentativa, dando lugar a documentos excesivamente formales, repetitivos o mecánicos.
El autor analiza la postura opuesta defendida por el abogado neoyorquino Zack Shapiro, quien sostiene que la IA puede actuar como una verdadera coautora siempre que el usuario aporte previamente el pensamiento estratégico, la estructura argumentativa y las decisiones intelectuales fundamentales. Según esta visión, la parte esencial del trabajo cognitivo ocurre antes de redactar: el humano piensa, diseña y decide, mientras la máquina ejecuta y optimiza la expresión escrita. Desde esta perspectiva, no existiría una oposición binaria entre escritura humana y escritura artificial, sino una tercera vía híbrida de colaboración hombre-máquina.
Diab reconoce que este modelo de coautoría resulta intelectualmente atractivo y que numerosos profesionales lo están experimentando activamente. Sin embargo, mantiene su escepticismo. Señala que incluso cuando se utilizan instrucciones sofisticadas y procesos iterativos complejos, los textos producidos siguen presentando rasgos característicos de la escritura automatizada: verbosidad excesiva, formulaciones previsibles, falta de originalidad estilística y ausencia de matices personales. A su juicio, quienes valoran realmente la calidad de la escritura pueden detectar fácilmente estas limitaciones.
Uno de los aspectos más interesantes del artículo es la reflexión sobre la dimensión reputacional y profesional del acto de escribir. En profesiones como la abogacía, argumenta Diab, redactar bien no es simplemente transmitir información sino demostrar competencia, criterio y personalidad profesional. Un documento que suena excesivamente automatizado podría transmitir al lector —sea un cliente, un colega o un juez— la impresión de que el autor no dedicó suficiente atención o esfuerzo personal al trabajo realizado.
El autor reconoce, sin embargo, un argumento fuerte a favor del uso de IA: la eficiencia. En contextos laborales de alta presión, como servicios jurídicos saturados o tareas administrativas rutinarias, una carta elaborada parcialmente con ayuda de IA puede ser preferible a no producir ningún documento o limitarse a una comunicación oral improvisada. En estos escenarios, la inteligencia artificial puede servir como una herramienta valiosa para sintetizar información, organizar ideas y acelerar tareas de menor complejidad.
En sus conclusiones, Diab plantea una pregunta provocadora: si el objetivo final es producir un texto que refleje verdaderamente las propias ideas, la propia voz y el propio criterio, ¿no sería más razonable escribirlo directamente uno mismo? Sugiere que quizá la cuestión central no sea si la IA permite escribir más rápido, sino qué tipo de pensamiento, autenticidad y responsabilidad estamos dispuestos a delegar en sistemas automáticos.
El artículo refleja una preocupación creciente en ámbitos profesionales y académicos: a medida que la inteligencia artificial se integra en los procesos de escritura, surge la necesidad de redefinir conceptos tradicionales como autoría, responsabilidad intelectual y creatividad humana. Más allá de la eficiencia técnica, el verdadero debate gira en torno al valor que seguimos atribuyendo al pensamiento humano expresado a través de la escritura
El artículo aborda una cuestión clave en el contexto actual de la educación superior: no se sabe con precisión cuántos estudiantes utilizan realmente herramientas de inteligencia artificial como ChatGPT, y esa incertidumbre está influyendo tanto en la percepción social como en las políticas universitarias.
El punto de partida es un estudio realizado en la Universidad de Chicago con 338 estudiantes de grado. Los resultados muestran una discrepancia significativa: el 60 % afirma utilizar herramientas de IA, mientras que el 90 % cree que la mayoría de sus compañeros también las usa. Esta diferencia de 30 puntos plantea varias posibilidades: que los estudiantes subestimen su propio uso, que sobreestimen el de los demás o ambas cosas simultáneamente. En cualquier caso, el resultado es una visión distorsionada del fenómeno.
Los investigadores señalan que esta distorsión puede estar provocada por la llamada “sesgo de deseabilidad social”. Es decir, los estudiantes pueden no declarar con sinceridad su uso de IA porque consideran que admitirlo podría asociarse con pereza, falta de esfuerzo o incluso deshonestidad académica. En entrevistas complementarias, algunos estudiantes equiparan el uso de IA con no ser capaz de realizar el trabajo por sí mismos, lo que refuerza el estigma y favorece el ocultamiento.
Sin embargo, el artículo también plantea una explicación alternativa: la sobreestimación del uso de IA entre compañeros. Dado que estas herramientas son muy visibles en la vida cotidiana universitaria —pantallas abiertas con ChatGPT, conversaciones sobre su uso, referencias constantes en clase— los estudiantes pueden asumir que su uso es mucho más generalizado de lo que realmente es. Esta combinación de invisibilidad del uso real y visibilidad del discurso genera un efecto de “normalización percibida”.
El texto conecta este fenómeno con un concepto bien conocido en ciencias sociales: la “ignorancia pluralista”. Este ocurre cuando las personas creen erróneamente que los demás se comportan de manera distinta (generalmente más extrema o más frecuente) que la realidad. Un paralelismo clásico se observa en el consumo de alcohol o drogas en campus universitarios, donde los estudiantes suelen sobrestimar cuánto beben o consumen sus compañeros.
Estas percepciones erróneas no son inocuas. El artículo recuerda que en estudios sobre salud pública se ha demostrado que cuando los estudiantes creen que “todo el mundo bebe”, tienden a beber más ellos mismos. Es decir, la percepción social puede convertirse en una profecía autocumplida. Si los estudiantes creen que el uso de IA es casi universal, pueden sentirse presionados a adoptarlo para no quedarse atrás, aunque en realidad no sea tan extendido.
En este sentido, los investigadores advierten de un riesgo importante para las universidades: diseñar políticas sobre inteligencia artificial basadas en suposiciones y no en datos fiables. Si las instituciones asumen que la IA es omnipresente sin evidencias sólidas, podrían establecer normas excesivamente restrictivas o, por el contrario, demasiado permisivas.
El artículo también sugiere que las universidades podrían aprender de estrategias aplicadas en salud pública. En el caso del alcohol, algunas campañas dejaron de enfatizar el problema del consumo excesivo y empezaron a comunicar datos reales que mostraban que la mayoría de estudiantes bebía con moderación. Esta corrección de percepciones contribuyó a reducir comportamientos de riesgo.
Finalmente, el texto concluye que la gestión del uso de la IA en educación no solo depende de normas tecnológicas o académicas, sino también de cómo se construyen las percepciones sociales. Si los estudiantes creen que el uso de IA es la norma absoluta, esa creencia puede moldear su comportamiento, independientemente de la realidad estadística. Por ello, los autores subrayan la necesidad de investigar mejor estos patrones y comunicar datos más precisos para evitar dinámicas de presión social y uso inducido.
Rutherford, Sam. “Samsung’s Bespoke Update Is Big Step Towards A Useful AI For Your Fridge.”Engadget, 10 de mayo de 2026.
Se analiza una importante actualización de software lanzada por Samsung Electronics para su línea de frigoríficos inteligentes Samsung Bespoke AI Refrigerator, un movimiento que representa uno de los avances más significativos hasta ahora en la incorporación de inteligencia artificial realmente funcional dentro del entorno doméstico.
Aunque la idea de actualizar el software de un frigorífico sigue pareciendo extraña para muchos consumidores, el autor sostiene que esta actualización marca un punto de inflexión en la evolución de los electrodomésticos inteligentes, especialmente porque por primera vez la IA parece aportar utilidades concretas y no simples funciones llamativas con escaso valor práctico.
Hasta este momento, los frigoríficos inteligentes de Samsung ya incorporaban sistemas de reconocimiento visual capaces de identificar alimentos almacenados en su interior. Sin embargo, las versiones anteriores resultaban bastante limitadas: el sistema apenas reconocía alrededor de sesenta tipos de alimentos frescos y aproximadamente cincuenta productos envasados. Además, requería que el usuario introdujera manualmente información adicional, como cantidades o fechas de incorporación, algo que terminaba haciendo la experiencia tediosa y reduciendo considerablemente la utilidad real de la tecnología. Según el análisis, el usuario terminaba dedicando demasiado tiempo a alimentar al sistema, lo que contradecía precisamente la promesa de automatización inteligente que la IA debería ofrecer.
La gran novedad de esta actualización reside en la integración de Google Gemini, el modelo de inteligencia artificial generativa desarrollado por Google, que ahora complementa el sistema de reconocimiento visual propio de Samsung. Gracias a esta combinación entre procesamiento local y capacidades de computación en la nube, la capacidad de identificación del frigorífico se multiplica enormemente: pasa de reconocer poco más de un centenar de productos a ser capaz de identificar más de 2.000 tipos diferentes de alimentos. Esto supone un salto enorme en términos de funcionalidad práctica, ya que el sistema comienza a comportarse más como un verdadero asistente doméstico capaz de comprender el contenido real del frigorífico.
Uno de los aspectos que más destaca el autor del artículo es la mejora en el reconocimiento de productos específicos y marcas concretas. El sistema no solo identifica alimentos genéricos, sino que puede distinguir entre variantes muy concretas de un mismo producto, por ejemplo diferenciando entre una lata de Coca-Cola Zero y una Diet Coke, algo que requiere un nivel considerablemente más avanzado de visión computacional. Incluso ingredientes poco comunes o especializados, como determinadas salsas asiáticas de escasa presencia en mercados occidentales, fueron reconocidos correctamente durante las pruebas realizadas. Esta precisión transforma el frigorífico en una especie de inventario automatizado que monitoriza de manera casi autónoma el estado de los alimentos disponibles.
Otra función especialmente interesante es la capacidad del sistema para realizar seguimiento temporal de los productos almacenados. El frigorífico puede registrar cuánto tiempo lleva un alimento dentro del electrodoméstico y emitir alertas cuando detecta que ciertos productos están próximos a caducar o podrían deteriorarse pronto. Esto introduce una dimensión preventiva muy relevante, ya que permite reducir el desperdicio alimentario, un problema doméstico y medioambiental considerable. La inteligencia artificial deja de ser un mero asistente pasivo para convertirse en un sistema capaz de intervenir activamente en la gestión eficiente del consumo alimentario familiar.
Samsung también ha incorporado nuevas funciones relacionadas con el mantenimiento técnico del aparato mediante lo que denomina Repairability AI. El frigorífico monitoriza constantemente métricas internas de funcionamiento y puede detectar potenciales averías antes de que se produzca un fallo crítico. Con autorización explícita del propietario, esta información puede compartirse con técnicos de reparación, permitiendo que el servicio técnico llegue con un diagnóstico previo y pueda solucionar incidencias de manera más rápida y eficiente. Este enfoque introduce una nueva filosofía en la industria: electrodomésticos cuyo valor evoluciona mediante software incluso después de haber sido comprados, algo similar a lo que ocurre actualmente con automóviles eléctricos o smartphones.
Sin embargo, el artículo también deja entrever algunas dudas y preocupaciones. El crecimiento de la inteligencia artificial integrada en dispositivos domésticos plantea interrogantes sobre privacidad, dependencia tecnológica y posibles problemas de fiabilidad. Algunos sectores críticos han cuestionado si realmente resulta necesario incorporar IA avanzada a electrodomésticos tradicionalmente simples como un frigorífico. Durante el Consumer Electronics Show 2026 (CES 2026) incluso aparecieron críticas hacia este tipo de productos por considerar que representan un ejemplo de sobreingeniería tecnológica: añadir complejidad innecesaria a dispositivos cuya función básica históricamente ha sido sencilla y robusta. También existen preocupaciones sobre la recopilación constante de datos domésticos y sobre la dificultad futura de reparación si el software falla o queda obsoleto.
Esta actualización del ecosistema Samsung Bespoke AI Family Hubmuestra un escenario diferente: una tecnología capaz de reconocer alimentos, organizar inventarios, sugerir recetas, reducir desperdicios, anticipar averías y personalizar información para cada miembro del hogar. Aunque persisten desafíos importantes relacionados con privacidad, mantenimiento y confianza del consumidor, el artículo plantea que quizás estamos viendo el inicio de una nueva generación de hogares donde la inteligencia artificial deja de ser experimental y empieza a convertirse en una infraestructura invisible integrada en la vida cotidiana
«Librerías. Ese olor. Me puedo tirar horas curioseando en los anaqueles. Al final salgo con tres o cuatro, entre los que no suele estar el que buscaba. Algunos libros simplemente te llaman. Estos relatos tradicionales de los indígenas norteamericanos, además, me miran fijamente y me prometen momentos memorables. Desde que lo leí respeto profundamente la tierra, el cielo y a los locos. Los indios los respetan. Hacen muy bien, porque los cuerdos no hacemos más que destrozar vidas y hacer preguntas estúpidas. Con lo cerca que están las respuestas.»
Karma, Rogé. “Three Ways to Think About AI and Jobs.” The Atlantic, 11 de junio de 2026. Publicado en la sección Economy. The Atlantic
Se aborda una de las grandes preguntas que atraviesan el debate contemporáneo sobre inteligencia artificial: si esta tecnología terminará desplazando masivamente a los trabajadores humanos o si, por el contrario, transformará el empleo de maneras más complejas y menos lineales de lo que habitualmente se piensa.
Frente a discursos alarmistas que anuncian la desaparición de millones de puestos de trabajo, el autor plantea que el impacto de la IA no depende únicamente del grado de sofisticación tecnológica alcanzado, sino de la naturaleza concreta de cada profesión, de la estructura económica en la que esa profesión opera y del modo en que la tecnología interactúa con la experiencia humana.
Para introducir esta reflexión, Karma recurre al caso de la radiología, un ejemplo especialmente revelador. Hace una década, investigadores como Geoffrey Hinton afirmaban que los radiólogos desaparecerían rápidamente porque los sistemas de aprendizaje profundo serían capaces de interpretar imágenes médicas con mayor precisión que los especialistas humanos. En parte esto ocurrió: actualmente existen más de mil herramientas de IA aprobadas por organismos regulatorios para analizar imágenes clínicas. Sin embargo, lejos de desaparecer, la profesión de radiólogo ha aumentado su demanda, creció el número de profesionales en ejercicio y sus salarios se han incrementado significativamente. Este caso sirve al autor para demostrar que la automatización no conduce necesariamente a la sustitución laboral.
La primera gran pregunta que plantea el artículo es si una profesión constituye lo que algunos economistas llaman un “paquete fuerte” (strong bundle) o un “paquete débil” (weak bundle). Según esta idea, desarrollada por el economista Luis Garicano, muchos empleos combinan tareas “limpias” y tareas “desordenadas”. Las tareas limpias son rutinarias, estructuradas, repetitivas y fácilmente codificables, como rellenar hojas de cálculo o procesar formularios. Las tareas desordenadas implican juicio contextual, improvisación, relaciones humanas, negociación o toma de decisiones ambiguas. Cuando ambas dimensiones están estrechamente integradas —como ocurre con abogados litigantes, médicos o periodistas— resulta difícil delegar solo una parte a la IA sin afectar la calidad global del trabajo. En cambio, en profesiones donde las tareas automatizables pueden separarse del resto —como selección de currículums o parte de la programación informática— la automatización puede ser mucho más profunda.
La segunda cuestión que analiza el artículo tiene relación con la economía de la demanda. Karma recuerda un principio económico clásico: cuando la automatización abarata enormemente la producción de un bien o servicio, muchas veces la demanda aumenta tanto que el empleo termina creciendo en lugar de reducirse. Para explicar este fenómeno recurre al ejemplo histórico de la industria automovilística cuando Henry Ford implantó la cadena de montaje en 1913. Aunque fabricar cada coche requería menos trabajadores, la caída del precio permitió vender muchos más automóviles, generando finalmente más empleo en todo el sector. Lo mismo ocurrió históricamente con cajeros bancarios tras la llegada de los cajeros automáticos, con la industria textil tras los telares mecánicos o con contables después de la aparición de las hojas de cálculo digitales.
Este fenómeno económico se conoce como la paradoja de Jevons, formulada por el economista británico William Stanley Jevons en el siglo XIX. La idea central es que cuando una tecnología aumenta radicalmente la eficiencia en el uso de un recurso, en ocasiones el consumo total de ese recurso no disminuye, sino que aumenta. Aplicado a la inteligencia artificial, esto significa que si determinados servicios —jurídicos, financieros, sanitarios o tecnológicos— se abaratan considerablemente gracias a la automatización, podría producirse un incremento tan fuerte en la demanda que termine generándose más empleo en lugar de menos. El artículo menciona evidencias tempranas de este fenómeno en sectores como la contratación de personal, la ingeniería de software o los centros de atención al cliente.
La tercera pregunta fundamental del texto es si la inteligencia artificial reemplaza la parte experta del trabajo o simplemente automatiza tareas secundarias. Aquí el autor recurre a investigaciones de los economistas del Massachusetts Institute of Technology David Autor y Neil Thompson, quienes estudiaron cómo la informatización afectó a más de trescientas ocupaciones durante las últimas décadas. Descubrieron que cuando una tecnología sustituye tareas rutinarias pero deja intactas las competencias especializadas del trabajador, el empleo suele evolucionar hacia funciones de mayor valor añadido y mejores salarios. Sin embargo, cuando la tecnología reemplaza precisamente el núcleo experto del trabajo, los salarios tienden a caer y la profesión pierde prestigio y autonomía.
Un ejemplo que aparece en el artículo es el contraste entre empleados de inventario y auxiliares contables durante la informatización de oficinas en las décadas finales del siglo XX. En el caso de los contables, los ordenadores asumieron tareas repetitivas, permitiendo que los profesionales se concentraran en labores analíticas más complejas. En cambio, en los trabajadores de inventario, los sistemas digitales sustituyeron justamente el conocimiento especializado que poseían sobre almacenes y logística, reduciendo así el valor diferencial de su trabajo. El paralelismo con la IA resulta evidente: en algunas profesiones la inteligencia artificial amplificará el conocimiento humano, mientras que en otras podría banalizarlo.
En la parte final, el autor aplica este marco teórico al periodismo, su propia profesión. Reconoce que en el caso de la escritura profesional el panorama es ambiguo. Algunas tareas, como resumir documentos, analizar grandes cantidades de información o localizar patrones, pueden ser realizadas eficazmente por sistemas de IA. Sin embargo, otras dimensiones fundamentales del trabajo periodístico —entrevistar, interpretar matices, construir narrativas originales, desarrollar criterio editorial o generar confianza con las fuentes— siguen dependiendo profundamente de capacidades humanas difíciles de automatizar. Esto convierte al periodismo, al menos de momento, en una profesión relativamente resistente al reemplazo directo.
La conclusión general del artículo es que resulta simplista pensar que la inteligencia artificial eliminará automáticamente empleos de forma masiva e inmediata. La historia económica demuestra que el impacto tecnológico sobre el trabajo es altamente impredecible. Más que preguntarse si la IA es capaz de realizar una tarea concreta, conviene analizar cómo está estructurado cada trabajo, si la automatización genera nueva demanda económica y qué parte del conocimiento experto humano está siendo sustituida o reforzada. El futuro laboral no dependerá solamente de máquinas cada vez más inteligentes, sino del modo en que sociedades, empresas y profesiones reorganicen la relación entre automatización y capacidades humanas. Como señala el autor, las transformaciones más profundas de una revolución tecnológica rara vez son las que inicialmente se anticipan.
Gutiérrez, F. G. (2026). Observatorio de inteligencia artificial en bibliotecas de América Latina – Informe 1° 2026. Del Papel al Algoritmo – DPA Labs. https://doi.org/10.5281/zenodo.20585963
El informe “Observatorio de IA en Bibliotecas de América Latina (OLIAB)”, desarrollado por el proyecto Del Papel al Algoritmo (DPA Labs), constituye uno de los primeros intentos sistemáticos de medir el grado real de adopción de inteligencia artificial en bibliotecas latinoamericanas. Su propósito principal es establecer una línea de base regional durante el primer semestre de 2026, construyendo un panorama documentado sobre cómo las bibliotecas de América Latina están incorporando tecnologías de IA, qué usos concretos están implementando y cuáles son las limitaciones estructurales que impiden una adopción más equilibrada.
El hallazgo central del informe es contundente: la inteligencia artificial ya forma parte del ecosistema bibliotecario latinoamericano, pero su incorporación es profundamente desigual, fragmentaria y carece, en la mayoría de los casos, de estructuras de gobernanza institucional. Dicho de otra forma, existen múltiples iniciativas reales de experimentación y adopción, pero prácticamente no existen políticas institucionales sólidas relacionadas con privacidad, transparencia algorítmica, supervisión humana o evaluación de impacto.
El observatorio diseña además un índice propio denominado ILIAB (Índice Latinoamericano de IA en Bibliotecas) que clasifica el nivel de madurez institucional en cuatro niveles: incipiente, exploratoria, en consolidación y avanzada. Este índice no mide percepción sino evidencia pública verificable, lo que lo convierte en una herramienta metodológica particularmente rigurosa.
La región ya adoptó IA, pero de forma profundamente desigual
Uno de los aspectos más relevantes del estudio es que desmonta cierta narrativa excesivamente optimista sobre la adopción global de inteligencia artificial en bibliotecas. Muchas publicaciones internacionales citan que el 67% de las bibliotecas del mundo exploran o implementan IA, dato procedente del informe Clarivate Pulse of the Library 2025. Sin embargo, OLIAB demuestra que este dato resulta metodológicamente engañoso para América Latina.
La razón es clara: la muestra global estaba compuesta por 2.032 respuestas procedentes de 109 países, pero el 77% pertenecía a bibliotecas académicas y el 46% provenía exclusivamente de Estados Unidos, por lo que no representa adecuadamente la realidad latinoamericana.
En contraste, el benchmark regional más sólido disponible analizó 222 bibliotecas distribuidas en 22 países latinoamericanos, concluyendo que la adopción regional sigue siendo limitada debido a tres barreras estructurales principales:
Falta de recursos financieros
Resistencia institucional al cambio
Insuficiencia de habilidades especializadas en IA
Países con mayor evidencia de implementación
El observatorio detecta que algunos países están avanzando más rápidamente en el uso institucional de IA dentro de bibliotecas.
Brasil aparece como el país con mayor volumen de evidencia pública documentada. Se destacan universidades como:
Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS) con guías sobre uso responsable de IA
Universidade Estadual de Campinas (UNICAMP), utilizando IA para comunicación institucional
Redes profesionales como FEBAB
México muestra actividad sostenida a través de:
Universidad Nacional Autónoma de México (UNAM)
investigaciones sobre procesamiento del lenguaje natural aplicado a catalogación
desarrollo de sistemas inteligentes de búsqueda documental
Colombia destaca por experiencias públicas innovadoras:
BibloRed Bogotá con programas de alfabetización crítica en IA
Red de Bibliotecas de Medellín usando laboratorios con IA generativa
chatbot bibliotecario “Bibliobot” desarrollado en Uniremington
Perú, Chile, Ecuador y Argentina presentan iniciativas aisladas pero relevantes, especialmente en universidades y redes académicas.
El caso más avanzado: BIREME
El informe identifica un único caso regional que alcanza el nivel máximo del índice ILIAB (4/4):
BIREME
BIREME, organismo vinculado a la Pan American Health Organization y la World Health Organization, constituye el ejemplo más maduro de implementación regional.
Sus desarrollos incluyen:
DeCS Finder AI, sistema inteligente de sugerencia terminológica
Super Summaries, que ya cubre aproximadamente 60% de la base de datos LILACS
Sistemas FI-Admin e iAHx
Estrategia institucional 2023-2025 integrando modelos de lenguaje (LLM)
Es el único caso donde el observatorio detecta:
gobernanza documentada
evaluación parcial de impacto
infraestructura propia
alcance multinacional
Bibliotecas escolares: el gran vacío regional
Uno de los diagnósticos más preocupantes del informe es la situación de las bibliotecas escolares.
Entre las seis tipologías analizadas, las bibliotecas escolares obtienen el nivel más bajo posible:
ILIAB 1/4 (incipiente)
El observatorio concluye que no existe en ningún país latinoamericano una política pública específica que incorpore inteligencia artificial en bibliotecas escolares.
Las razones son principalmente estructurales:
Infraestructura tecnológica insuficiente
Ausencia de organismos coordinadores
Prioridad presupuestaria en necesidades más básicas
Falta de visibilidad institucional
La IA, concluye el informe, “llega última allí donde la infraestructura llega tarde”.
Ranking regional ILIAB
El índice ILIAB clasifica seis grandes tipologías bibliotecarias.
Tipo de biblioteca
Nivel
Bibliotecas universitarias y académicas
3/4
Bibliotecas de salud y científicas
4/4
Bibliotecas públicas y comunitarias
2/4
Bibliotecas nacionales y patrimoniales
2/4
Bibliotecas parlamentarias y especializadas
2/4
Bibliotecas escolares
1/4
Las bibliotecas universitarias lideran en cantidad de proyectos, mientras que las bibliotecas especializadas en salud presentan la mayor madurez tecnológica.
El problema más grave: adopción sin gobernanza
Quizá la conclusión más importante del informe no es tecnológica sino institucional.
Las bibliotecas latinoamericanas están adoptando IA, pero casi ninguna ha desarrollado políticas formales sobre:
privacidad de datos de usuarios
sesgos algorítmicos
supervisión humana
trazabilidad de resultados
auditoría de errores
contratos equilibrados con proveedores externos
Esto genera un problema crítico: las decisiones estratégicas quedan en manos de empresas proveedoras, no de las instituciones bibliotecarias.
El informe resume esta situación con una frase muy potente:
“La gobernanza la definen los proveedores, no las instituciones.”
La gran brecha: formación profesional insuficiente
Otro hallazgo relevante es la escasez de formación especializada en IA para bibliotecarios.
El informe detecta que muchos profesionales están buscando capacitación fuera del propio sector bibliotecario.
Un ejemplo significativo:
En un curso organizado por CONICET participaron 91 personas, y aproximadamente 30% eran profesionales de la información, lo que indica una demanda formativa activa.
El problema es que la formación existente:
está fragmentada
depende de iniciativas aisladas
no tiene enfoque bibliotecológico
suele venir del sector tecnológico generalista
El observatorio reclama formación:
en español
accesible económicamente
con enfoque crítico
orientada específicamente al trabajo bibliotecario
Seis grandes conclusiones estratégicas
El informe formula seis lecturas críticas sobre el futuro de la IA en bibliotecas latinoamericanas.
1. La adopción está siendo capturada, no gobernada
Las instituciones implementan tecnología sin controlar realmente sus condiciones de uso.
2. Existen dos velocidades
Universidades avanzadas progresan rápidamente mientras bibliotecas públicas, rurales o escolares quedan rezagadas.
3. Se habla mucho de IA pero se mide poco
Existen congresos, seminarios y debates, pero casi nadie publica métricas reales de impacto.
4. La mediación humana sigue siendo insustituible
Las bibliotecas públicas están encontrando valor en enseñar pensamiento crítico frente a la IA más que en automatizar servicios.
5. El idioma es un problema político
Los grandes modelos lingüísticos están entrenados principalmente en inglés, lo que introduce sesgos contra contextos latinoamericanos.
6. El tiempo profesional es el recurso más escaso
La formación y adaptación a la IA exige tiempo que normalmente no está reconocido institucionalmente.
Datos clave extraídos del documento
Datos cuantitativos
91 participantes en curso CAICYT-CONICET
30% de participantes eran bibliotecarios
222 bibliotecas estudiadas en benchmark regional
22 países latinoamericanos analizados
2.032 bibliotecas en encuesta global Clarivate
77% de muestra global = bibliotecas académicas
46% de muestra global = Estados Unidos
67% de bibliotecas globales exploran IA (dato no extrapolable a América Latina)
60% de base LILACS cubierta por Super Summaries de BIREME
Conclusiones
América Latina no enfrenta un problema de acceso a herramientas de inteligencia artificial en bibliotecas. El verdadero problema es la falta de capacidad institucional para gobernar, regular, evaluar y apropiarse críticamente de esa tecnología.
La IA ya llegó a las bibliotecas latinoamericanas, pero el desafío decisivo no será adoptarla, sino controlar las condiciones bajo las cuales esa adopción ocurre.
En el porgrama de hoy hablaremos con Fernando Sánchez Gómez y Julio Alonso Arévalo por la presentación de “A Nuestro Ritmo”, dos discos recopilatorios de música creada en Salamanca, esta misma tarde. También estaremos con Santiago Santos por su Exposición “Antes del paisaje”. Lo acompañan una de las comisarias de la Expo,Yadira de Armas Rodríguez.
Dahl, Josh. “Guest Post — Is Growth Always Good News? 2026 Article Submission Surges”. The Scholarly Kitchen, 13 de mayo de 2026. Disponible en: The Scholarly Kitchen
Una cuestión que está generando creciente preocupación en la comunicación científica: el espectacular aumento de manuscritos enviados a las revistas cientificas durante 2026 y el papel que la inteligencia artificial podría estar desempeñando en este fenómeno. Basándose en datos de la plataforma ScholarOne Manuscripts, una de las mayores infraestructuras mundiales de gestión editorial, Dahl revela que durante el primer trimestre de 2026 las revistas recibieron un 33 % más de artículos que en el mismo período del año anterior. Lo más llamativo no es únicamente la magnitud del crecimiento, sino su aceleración: mientras que en 2025 el incremento había sido del 17 %, en 2026 prácticamente se duplicó. Para muchos editores y responsables de revistas, esta tendencia empieza a parecer insostenible.
El autor evita interpretar automáticamente estos datos como una señal positiva. A primera vista, podría pensarse que estamos asistiendo a una expansión saludable de la actividad investigadora mundial. Más investigadores, más proyectos y más artículos podrían indicar un fortalecimiento del sistema científico. Sin embargo, Dahl advierte que los datos permiten otra lectura menos optimista. La proliferación de herramientas de inteligencia artificial generativa ha reducido drásticamente el esfuerzo necesario para producir textos académicos, lo que podría estar favoreciendo una avalancha de manuscritos elaborados con ayuda de sistemas automatizados. El problema no sería únicamente la cantidad de artículos, sino la posible disminución de la calidad media y el aumento de trabajos producidos con escasa supervisión intelectual.
Uno de los hallazgos más reveladores del análisis es que el crecimiento no se distribuye de forma homogénea entre las revistas. Las publicaciones más pequeñas y menos selectivas son las que están experimentando los mayores aumentos. Las revistas que recibían menos de quince artículos por trimestre registraron incrementos cercanos al 81 %, mientras que las grandes publicaciones, con más de 1.500 envíos trimestrales, crecieron aproximadamente un 20 %. Este patrón no demuestra por sí mismo que exista una invasión de manuscritos generados por IA, pero sí resulta compatible con esa hipótesis. Los autores que buscan publicar rápidamente podrían estar orientando sus envíos hacia revistas con menos recursos editoriales y menores barreras de entrada, precisamente aquellas que tienen más dificultades para detectar problemas metodológicos, éticos o de autoría.
El artículo destaca asimismo que los mecanismos de filtrado editorial ya están reaccionando a esta presión. Entre 2022 y 2025, los rechazos iniciales sin revisión por pares (desk rejections) aumentaron un 72 %, mientras que el número total de decisiones editoriales creció un 43 %. En otras palabras, los editores están rechazando proporcionalmente más trabajos antes de enviarlos a revisión externa. Esta tendencia sugiere que las revistas están absorbiendo una creciente cantidad de manuscritos considerados inadecuados, irrelevantes o insuficientemente elaborados. El sistema editorial continúa funcionando como filtro, pero lo hace a costa de una carga de trabajo cada vez mayor.
Para Dahl, el verdadero problema no es tecnológico, sino social. El sistema de revisión por pares se construyó sobre una premisa fundamental: que el investigador es el autor intelectual del texto que presenta, comprende plenamente su contenido y puede defender cada afirmación, referencia y conclusión. La inteligencia artificial ha introducido una zona de ambigüedad que desafía ese supuesto. Entre una simple corrección gramatical y la generación completa de borradores existe un amplio espectro de usos de la IA para el que todavía no existen normas claras ni consensos sólidos. La frontera entre asistencia legítima y delegación excesiva de la escritura se vuelve cada vez más difusa.
El autor pone como ejemplo el problema de las referencias bibliográficas inventadas por los modelos de lenguaje. Un investigador puede utilizar una herramienta de IA para redactar parte de un artículo y recibir citas aparentemente válidas que en realidad no existen. Aunque no haya intención deliberada de fraude, el manuscrito acaba incorporando información falsa. Este tipo de situaciones revela una brecha entre los actuales sistemas de responsabilidad científica y las nuevas prácticas de escritura asistida por inteligencia artificial. Los mecanismos tradicionales de autoría y rendición de cuentas fueron diseñados para un entorno en el que la producción textual era completamente humana.
Otro aspecto destacado es la dimensión psicológica del fenómeno. Dahl sostiene que el uso de IA para redactar textos académicos no genera la misma percepción moral que prácticas claramente fraudulentas como la contratación de empresas que venden artículos científicos. Muchos investigadores consideran que utilizar IA para escribir partes de un manuscrito es simplemente una herramienta de productividad. El razonamiento suele ser que las ideas, los datos y la investigación siguen siendo propios, aunque la redacción haya sido parcialmente automatizada. Esta normalización puede resultar más problemática que el fraude deliberado porque es mucho más fácil de escalar y puede afectar a miles de investigadores que no se consideran deshonestos.
Las consecuencias se extienden también al sistema de revisión por pares. Cada nuevo artículo enviado requiere revisores y tiempo editorial. Sin embargo, la disponibilidad de revisores lleva años disminuyendo. La fatiga asociada a la evaluación científica ya era un problema antes de la explosión de la IA, pero el incremento del 33 % en los envíos amenaza con agravar una situación que muchos consideran crítica. De hecho, datos complementarios citados en la discusión del artículo indican que las tasas de respuesta de revisores han descendido significativamente durante los últimos años. Esto significa que el sistema recibe más manuscritos precisamente cuando dispone de menos capacidad para evaluarlos rigurosamente.
Particularmente vulnerables aparecen las revistas pequeñas, gestionadas frecuentemente por editores a tiempo parcial, comités voluntarios o sociedades científicas con recursos limitados. Son estas publicaciones las que están absorbiendo la mayor parte del crecimiento de envíos y las que disponen de menos infraestructura para afrontar el problema. Dahl considera que esta situación pone de manifiesto una debilidad estructural del ecosistema editorial académico: la insuficiente inversión histórica en capacidades editoriales y mecanismos de control en los márgenes del sistema científico.
La conclusión del artículo es que el aumento de envíos no debe interpretarse únicamente como un desafío tecnológico ni resolverse exclusivamente mediante detectores de IA o herramientas automáticas de control. Lo que está en juego es la propia arquitectura de confianza sobre la que se construye la comunicación científica. La explosión de manuscritos en 2026 funciona como una prueba de estrés que obliga a replantear cuestiones fundamentales: cómo redefinir la responsabilidad de los autores en la era de la IA, cómo sostener la participación de los revisores y cómo proteger a las revistas más vulnerables frente a una presión creciente. Más que una crisis de software, Dahl ve en estos datos una señal de que el contrato social que sustenta la revisión por pares necesita ser revisado y adaptado a un entorno donde la producción científica ya no es exclusivamente humana.
Google. “Guiding the AI Generation: Why Safeguarding and Digital Literacy Must Go Hand-in-Hand”. Google in Europe, 10 de junio de 2026. Disponible en: Google in Europe
El artículo de Google plantea una reflexión de gran relevancia sobre el papel de la inteligencia artificial en la vida de los jóvenes y la necesidad de equilibrar dos dimensiones inseparables: la protección digital y la alfabetización crítica. A partir de una investigación realizada con 6.000 adolescentes del Reino Unido, la compañía concluye que la IA ya se ha convertido en una herramienta central para el aprendizaje, la creatividad y la vida cotidiana de las nuevas generaciones. Los jóvenes utilizan sistemas de IA para estudiar, resolver dudas, crear contenidos, explorar ideas y desarrollar proyectos personales. Sin embargo, ese uso creciente también expone a los menores a riesgos como la desinformación, la manipulación, los sesgos algorítmicos, la privacidad insuficiente y los contenidos dañinos.
El artículo analiza uno de los grandes desafíos educativos y sociales de nuestro tiempo: cómo acompañar a los jóvenes en un entorno digital cada vez más influido por la inteligencia artificial. Basándose en una investigación encargada por Google y desarrollada junto con la consultora juvenil Livity, que recogió las opiniones de más de 6.000 adolescentes británicos, el texto sostiene que la discusión pública no debe centrarse exclusivamente en restringir el acceso de los menores a determinadas tecnologías, sino en dotarlos de las capacidades necesarias para utilizarlas de forma crítica, segura y provechosa.
Uno de los hallazgos más relevantes del estudio es que la inteligencia artificial ya forma parte de la vida cotidiana de los adolescentes. Lejos de ser una tecnología marginal o experimental, los jóvenes la utilizan para aprender, crear contenidos, traducir textos, resolver problemas, preparar tareas escolares e incluso explorar posibles trayectorias profesionales. Según los datos presentados, el 67 % de los adolescentes emplea herramientas de IA para proyectos creativos de forma diaria o casi diaria, mientras que el 65 % las utiliza para actividades relacionadas con el aprendizaje más de una vez por semana. Estos porcentajes muestran que la IA se está convirtiendo rápidamente en una infraestructura básica de la educación informal y formal de las nuevas generaciones.
El informe también desmonta la imagen simplista de los jóvenes como usuarios pasivos o ingenuos de la tecnología. Una amplia mayoría declara preocuparse por la fiabilidad de la información que encuentra en internet y en las herramientas de IA. El 77 % afirma que suele reflexionar sobre la credibilidad de los contenidos que consulta para aprender. Sin embargo, el estudio revela diferencias significativas según la edad. Los adolescentes más jóvenes, entre 13 y 15 años, utilizan la IA principalmente como apoyo para los deberes y la investigación escolar, mientras que los mayores, entre 16 y 18 años, la emplean cada vez más para la gestión de su vida cotidiana, la orientación profesional y el desarrollo personal. Además, estos últimos muestran una actitud más crítica hacia la información generada por IA, verificando con mayor frecuencia posibles sesgos o errores.
A partir de estos resultados, el artículo introduce una idea central: la necesidad de sustituir los modelos de control rígido por un enfoque de “andamiaje” o scaffolding. En educación, este concepto hace referencia al apoyo progresivo que se ofrece a una persona mientras desarrolla nuevas competencias. Aplicado al ámbito digital, significa que la protección de los menores no debería consistir únicamente en imponer prohibiciones o barreras, sino en proporcionar acompañamiento, orientación y herramientas que evolucionen conforme aumenta la madurez de los jóvenes. Las medidas de supervisión más estrictas tendrían sentido en edades tempranas, pero deberían transformarse gradualmente en espacios de diálogo, confianza y toma compartida de decisiones.
Los autores advierten que la regulación sigue siendo imprescindible. Las plataformas digitales deben asumir una mayor responsabilidad en la reducción de riesgos asociados a diseños adictivos, algoritmos que amplifican contenidos perjudiciales o sistemas de denuncia ineficaces. No obstante, incluso una regulación perfecta no eliminaría todos los peligros. Por ello, la alfabetización digital y mediática se presenta como un complemento indispensable de cualquier estrategia de protección. Los jóvenes necesitan aprender a identificar la manipulación, detectar la desinformación, proteger su privacidad, comprender el funcionamiento de los algoritmos y evaluar críticamente las respuestas generadas por la inteligencia artificial.
El artículo concede asimismo un papel fundamental a las familias. Los datos muestran que los adolescentes siguen considerando a padres y madres como sus principales referentes cuando enfrentan problemas relacionados con el ciberacoso, la privacidad o la seguridad en línea. Sin embargo, muchos jóvenes expresan preocupación porque los adultos no siempre poseen los conocimientos necesarios para comprender fenómenos como la inteligencia artificial generativa, los contenidos sintéticos o las noticias falsas. Ante esta situación, se propone el desarrollo de campañas nacionales de alfabetización digital dirigidas también a padres, madres y otros adultos de confianza, con el fin de reducir la brecha generacional tecnológica.
Otra aportación importante del texto es la defensa de una alfabetización digital entendida en sentido amplio. No basta con enseñar a utilizar herramientas tecnológicas; es necesario desarrollar competencias críticas que permitan comprender cómo se producen los contenidos digitales, qué intereses económicos intervienen en las plataformas, cómo se recopilan y utilizan los datos personales y cuáles son las implicaciones éticas de la inteligencia artificial. Esta visión coincide con las tendencias actuales en educación mediática, que consideran la alfabetización digital una condición básica para la participación ciudadana en sociedades altamente tecnologizadas.
En última instancia, el artículo plantea que la verdadera cuestión no es si los jóvenes deben utilizar inteligencia artificial, sino cómo ayudarles a hacerlo de manera responsable y beneficiosa. La IA ya forma parte de sus procesos de aprendizaje, socialización y construcción de identidad. Pretender excluirla de sus vidas resulta poco realista. La prioridad, según los autores, debería ser crear un ecosistema en el que regulación, protección, educación y autonomía evolucionen conjuntamente. El objetivo final no es únicamente reducir los daños potenciales, sino garantizar que los adolescentes puedan aprovechar las oportunidades que ofrece la inteligencia artificial para aprender, crear y participar activamente en la sociedad digital del futuro.
Government of Canada – Innovation, Science and Economic Development Canada (ISED). “Canada’s National Artificial Intelligence Strategy: AI for All.” 2026
La estrategia nacional de inteligencia artificial de Canadá, titulada “AI for All”, plantea una visión integral para posicionar al país como un actor líder en el desarrollo, adopción y gobernanza de la inteligencia artificial.
El documento parte de la idea de que la IA ya está transformando profundamente la vida cotidiana —en el trabajo, la educación, los servicios públicos y la economía—, y que este cambio debe ser guiado de manera deliberada para asegurar beneficios sociales amplios, así como confianza pública en las tecnologías emergentes. La estrategia subraya que el reto no es solo tecnológico, sino también institucional, económico y cultural, ya que implica adaptar el país a una nueva economía basada en datos, automatización y sistemas inteligentes.
Uno de los ejes centrales del plan es la adopción masiva de la IA en la economía canadiense, especialmente entre pequeñas y medianas empresas, con el objetivo de aumentar la productividad y la competitividad internacional. El gobierno reconoce que Canadá posee una base sólida en investigación en IA, pero enfrenta dificultades para convertir ese conocimiento en aplicaciones industriales y comerciales a gran escala. Para corregir esta brecha, la estrategia impulsa la creación de infraestructura soberana de computación, la ampliación del acceso a datos estratégicos y el fortalecimiento de ecosistemas de innovación nacionales. En este contexto, se contempla la construcción de centros de datos de gran capacidad y el desarrollo de capacidades propias en computación avanzada.
Otro pilar fundamental es el impacto en el empleo y la formación de habilidades. La estrategia sostiene que la IA no solo transformará los puestos de trabajo existentes, sino que también generará nuevas oportunidades laborales. En este sentido, se proyecta la creación de cientos de miles de empleos vinculados a la economía de la IA antes de 2031. Para acompañar esta transformación, el gobierno propone un amplio programa de alfabetización en IA dirigido a estudiantes, trabajadores y ciudadanos en general, con el fin de garantizar que la población pueda comprender, utilizar y beneficiarse de estas tecnologías. También se promueve la colaboración con instituciones educativas, bibliotecas y organizaciones comunitarias como nodos clave para la formación digital.
Finalmente, la estrategia pone un fuerte énfasis en la soberanía tecnológica, la regulación y la confianza pública. Canadá busca reducir su dependencia de proveedores extranjeros de infraestructura digital y asegurar que los sistemas de IA se desarrollen bajo principios de transparencia, seguridad, privacidad y rendición de cuentas. Asimismo, se incluyen medidas para mitigar riesgos asociados a la IA, como los sesgos algorítmicos, la desinformación o los posibles impactos laborales negativos. En conjunto, “AI for All” presenta una visión de la inteligencia artificial como motor de crecimiento económico, pero también como un ámbito que requiere gobernanza activa para garantizar su alineación con los valores democráticos y el bienestar social.
Universo Abierto 