Cómo la Inteligencia Artificial Generativa (Gen AI) ya está impactando el mercado laboral

Ozge Demirci, Jonas Hannane and Xinrong Zhu Research: How Gen AI Is Already Impacting the Labor Market. Harvard Business Publishing:, 2024

Texto original

El artículo aborda cómo las herramientas de inteligencia artificial generativa (Gen AI), como ChatGPT y las herramientas de generación de imágenes como DALL-E 2, Midjourney y Stable Diffusion, están transformando el mercado laboral, especialmente en plataformas de freelancing. Los investigadores analizan cómo estas tecnologías afectan la demanda de trabajo, la competencia entre trabajadores humanos y máquinas, y la evolución de las habilidades requeridas en diversos sectores laborales.

El estudio se centra en el impacto de estas tecnologías en el mercado de freelancing, utilizando datos de 1.388.711 publicaciones de trabajo en plataformas como Upwork y Fiverr entre julio de 2021 y julio de 2023. Se clasificaron las publicaciones en tres tipos de trabajos: aquellos manuales, los propensos a la automatización y los relacionados con la creación de imágenes. El análisis se enfoca en cómo la introducción de herramientas de IA generativa ha afectado la demanda de estos tipos de trabajos.

Los hallazgos del estudio revelan que la adopción de ChatGPT y las herramientas de generación de imágenes ha causado una disminución significativa en la demanda de trabajos propensos a la automatización. En particular, los trabajos relacionados con la escritura y el desarrollo de software fueron los más afectados, con una disminución del 30.37% en la cantidad de publicaciones. Asimismo, las tareas de diseño gráfico y modelado 3D experimentaron una reducción en la demanda de 17.01% durante el primer año tras la introducción de herramientas como DALL-E 2.

Además de la disminución de la demanda, se observó un aumento en la competencia entre los trabajadores humanos. Para los trabajos automatizables, el número de propuestas enviadas por freelancer por cada trabajo publicado aumentó un 8.57%, lo que indica una intensificación de la competencia en un mercado que se ve inundado tanto por freelancers como por IA. Esto ha generado un entorno donde los empleadores tienen más opciones, lo que pone a los trabajadores humanos en competencia directa con las máquinas.

Otro hallazgo importante fue el aumento de la complejidad de los trabajos. Los trabajos que sobrevivieron a la automatización ahora requieren habilidades más especializadas. Por ejemplo, los trabajos relacionados con la escritura y el desarrollo de software que sobrevivieron a la automatización tuvieron un aumento del 2.18% en su complejidad. Además, los salarios para estos trabajos aumentaron en un 5.71%, lo que refleja un cambio hacia trabajos más complejos que requieren un mayor nivel de habilidad y conocimiento en la integración de la IA.

El estudio también destaca el aumento de la demanda de habilidades relacionadas con la IA. Se observó un incremento significativo en las publicaciones que mencionaban explícitamente herramientas como ChatGPT, reflejando el creciente interés de las empresas por contratar trabajadores que puedan integrar la IA en sus procesos. Esto sugiere que, si bien algunas tareas son reemplazadas por la IA, otras requieren una integración más avanzada de estas tecnologías, lo que abre nuevas oportunidades para los trabajadores que se especialicen en estas áreas.

Finalmente, el artículo señala una brecha de género en el uso de tecnologías como ChatGPT. Las mujeres, en particular, eran menos propensas a utilizar ChatGPT en comparación con los hombres, lo que resalta una disparidad en la adopción de la IA en los mismos roles. Este hallazgo subraya la necesidad de implementar programas de capacitación inclusiva para abordar esta desigualdad y asegurar que todos los trabajadores tengan las mismas oportunidades para adaptarse a los cambios tecnológicos.

En conclusión, la inteligencia artificial generativa está transformando el mercado laboral al automatizar ciertas tareas, pero también al crear nuevos roles que requieren habilidades especializadas. Las empresas que adopten estrategias de capacitación en IA y fomenten una cultura de adaptabilidad tendrán mayores oportunidades de prosperar en este nuevo entorno. La clave será complementar las capacidades humanas con la IA, en lugar de reemplazarlas por completo, para maximizar la eficiencia sin perder creatividad ni supervisión humana.

ChatGPT ya es capaz de catalogar libros en formato Marc 21

ChatGPT puede ayudarte a crear un registro MARC 21 de manera manual, proporcionando el formato correcto y ayudándote a organizar los campos de manera adecuada.

A continuación os proporciono un ejemplo de cómo sería el registro en formato MARC 21 para el libro Luisa Mora Villarejo, Un legado común: las donaciones recibidas en el siglo XXI en la Biblioteca Islámica «Félix María Pareja» (Agencia Española de Cooperación Internacional para el Desarrollo, 2023), Para ello he copiado la información textual del catálogo y lo he pegado en ChatGPT, pidiendo que me elabore un registro MARC 21 de este libro. El resultado es este:

=LDR  01716cam a2200361 i 4500
=001  0000000001
=005  20231211
=008  231211s2023    sp            000 0 spa  
=020  ##  $a 9788483471937
=020  ##  $a 109-23-042-X
=035  ##  $a (NIPO) 0000000001
=035  ##  $a (DL) M 33141-2023
=041  0#  $a spa
=100  1#  $a Mora Villarejo, Luisa, $e autor.
=245  10  $a Un legado común : $b las donaciones recibidas en el siglo XXI en la Biblioteca Islámica 'Félix María Pareja' / $c Luisa Mora Villarejo.
=260  ##  $a Madrid : $b Agencia Española de Cooperación Internacional para el Desarrollo, Ministerio de Asuntos Exteriores, Unión Europea y Cooperación, $c 2023.
=300  ##  $a 184 p. : $b il. col. ; $c 24 cm.
=490  1#  $a Ciencias y humanismo (Agencia Española de Cooperación Internacional)
=504  ##  $a Bibliografía: p. 155-159.
=520  ##  $a El libro aborda las donaciones recibidas en el siglo XXI por la Biblioteca Islámica 'Félix María Pareja', destacando las bibliotecas personales donadas por figuras del arabismo y la cooperación cultural entre España y los países árabes.
=650  0#  $a Agencia Española de Cooperación Internacional para el Desarrollo. $v Biblioteca.
=650  0#  $a Bibliotecas $x Historia.
=650  0#  $a Cooperación cultural de España.
=650  0#  $a Arabistas españoles.
=650  0#  $a Relaciones España-Países árabes.
=650  0#  $a Colecciones especiales.
=710  2#  $a Agencia Española de Cooperación Internacional para el Desarrollo, $e emisor.
=830  0#  $a Ciencias y humanismo (Agencia Española de Cooperación Internacional)
=856  41  $u http://creativecommons.org/licenses/by-nc-sa/4.0/ $z Licencia Creative Commons - Attribution, Non-Commercial, ShareAlike (BY-NC-SA)

La herramienta también nos explica que es cada uno de los campos.

Explicación de los campos principales:

  • =245: Título completo, en este caso incluye el título y subtítulo del libro.
  • =260: Información de publicación, que incluye el lugar de publicación, el editor y la fecha de publicación.
  • =300: Descripción física del libro, que indica el número de páginas y el tamaño.
  • =504: Nota bibliográfica que incluye la bibliografía.
  • =520: Resumen o sinopsis del contenido del libro.
  • =650: Descriptores de temas que ayudan a clasificar el libro, en este caso relacionados con bibliotecas, makerspaces e innovación.
  • =852: Información sobre la ubicación del libro, en este caso, una biblioteca central.

Este es un ejemplo de cómo se podría estructurar el registro de este libro en un sistema de catalogación MARC 21 para una biblioteca.

¿Puede la inteligencia artificial revisar la literatura científica y descifrar su significado?

Pearson, Helen. «Can AI Review the Scientific Literature — and Figure out What It All Means?» Nature 635, n.o 8038 (13 de noviembre de 2024): 276-78. https://doi.org/10.1038/d41586-024-03676-9.


La inteligencia artificial (IA) está revolucionando la revisión de la literatura científica al ofrecer herramientas que pueden resumir grandes volúmenes de información de manera rápida. Sin embargo, esta innovación plantea tanto beneficios como riesgos.

La IA en la ciencia no es un tema nuevo. Los investigadores han utilizado herramientas de software durante décadas para buscar y analizar la literatura científica. Sin embargo, los recientes modelos de lenguaje de gran escala (LLM), como ChatGPT, han generado entusiasmo por la automatización de la síntesis de información. Estos modelos no solo encuentran y resumen artículos, sino que ahora pueden, en teoría, generar revisiones narrativas de literatura científica, aunque todavía no alcanzan el nivel de rigor de las revisiones sistemáticas.

Este campo está en auge debido a la dificultad de los investigadores para mantenerse al día con la creciente cantidad de publicaciones científicas. Tal es el caso de Sam Rodriques, quien, junto a su equipo de la startup FutureHouse, ha creado un sistema de IA llamado PaperQA2, diseñado para sintetizar información científica. Con él, lograron producir artículos sobre 17.000 genes humanos, muchos de los cuales carecían de una página en Wikipedia.

Los motores de búsqueda de IA en ciencia

Algunos motores de búsqueda con IA, como Consensus y Elicit, se han diseñado específicamente para facilitar la revisión de literatura académica. Estos motores primero realizan una búsqueda en bases de datos científicas como Semantic Scholar y PubMed, y luego utilizan un LLM para resumir los estudios encontrados y generar respuestas sintetizadas. El usuario puede ver referencias y filtros para ajustar los resultados. Estas herramientas pueden hacer que el proceso de revisión y redacción sea más eficiente al encargarse de las tareas más laboriosas, aunque la calidad de sus resúmenes no es comparable aún a la de una revisión realizada por expertos.

Desafíos y limitaciones

Los expertos advierten que pedirle a una IA como ChatGPT que redacte revisiones completas desde cero sería poco fiable. Los LLM entrenan con grandes volúmenes de texto y generan respuestas basadas en probabilidad, sin evaluar la credibilidad de las fuentes. Esto significa que pueden combinar información académica válida con fuentes menos confiables, sin dar prioridad a la literatura de mayor calidad. Además, pueden generar errores o «alucinaciones», es decir, referencias o afirmaciones inexistentes.

Para evitar estos problemas, algunos investigadores emplean un método llamado “generación aumentada por recuperación”, que consiste en cargar en el modelo únicamente artículos seleccionados previamente. Esta técnica reduce los errores, pero no los elimina por completo.

Revisión sistemática y el papel de la IA

Mientras las revisiones narrativas son confiables, la revisión sistemática presenta mayores obstáculos. Este tipo de revisión requiere pasos estrictos, como búsqueda exhaustiva, evaluación de la calidad de los estudios, síntesis de datos y, a menudo, un meta-análisis. Cada paso es revisado por al menos dos investigadores para garantizar precisión y transparencia. En 2019, un equipo de investigadores, incluido Paul Glasziou, estableció un récord al completar una revisión sistemática en solo dos semanas, empleando herramientas como RobotSearch y RobotReviewer, que usan IA para identificar estudios y evaluar riesgos de sesgo. Sin embargo, aunque estas herramientas reducen el tiempo de revisión, la IA aún no puede completar una revisión sistemática de forma autónoma.

Elicit y otros sistemas afirman ayudar en la revisión sistemática, pero no la automatizan completamente. En su lugar, permiten a los investigadores acelerar pasos específicos, como la clasificación de artículos y la extracción de datos, mientras que otros procesos siguen dependiendo del juicio humano. La limitación de estos sistemas es que solo pueden buscar en artículos de acceso abierto y abstracts, dejando fuera gran parte de la literatura científica, que suele estar bajo pago.

Riesgos y futuro de la IA en revisiones científicas

Aunque la IA puede ayudar a mejorar la velocidad y eficiencia de las revisiones, también podría dar lugar a revisiones menos rigurosas y de menor calidad. La tentación de utilizar herramientas de IA para realizar revisiones rápidamente podría resultar en artículos poco precisos, contaminando la literatura científica. Sin embargo, hay quienes creen que la IA también podría elevar los estándares en la revisión de literatura al hacer que más científicos consulten la literatura existente antes de lanzar nuevos estudios.

Algunos expertos sugieren que el desarrollo de herramientas de IA para la ciencia debería estar en manos de organizaciones sin fines de lucro que promuevan la transparencia y la evaluación rigurosa. Recientemente, en el Reino Unido se ha anunciado una inversión significativa en herramientas de síntesis de evidencia, lo que refleja el creciente interés en abordar estos desafíos. La clave para el futuro parece estar en equilibrar la eficiencia que la IA puede aportar con la necesidad de mantener estándares rigurosos en la investigación científica.

Libros Prohibidos: Herejía y censura en la Edad Moderna entrevista con María José Vega. Planeta Biblioteca 2024/11/13

Libros Prohibidos: Herejía y censura en la Edad Moderna, entrevista con María José Vega.

Planeta Biblioteca 2024/11/13

ESCUCHAR PROGRAMA

Descargar

En la entrevista, María José Vega, directora y comisaria de la exposición, describe la muestra «Libros Prohibidos: Herejía y censura en la Edad Moderna«, dedicada a cómo la Iglesia y el Estado controlaban ideas mediante la censura en la Europa de los siglos XVI y XVII. La exposición se organiza en secciones temáticas, entre ellas “La tempestad de los herejes”, que documenta la represión de movimientos reformistas; los «índices de libros prohibidos», que detallan la selección y prohibición de obras; y «La mano del censor», que muestra las marcas físicas de la censura en los libros. Destacan piezas como una bula papal contra Martín Lutero y un mapa modificado del Atlas de Mercator-Hondius. Vega conecta estos esfuerzos de censura con formas actuales de control de la información, y sugiere un libro para entender la censura a lo largo de la historia. La muestra fue posible gracias a la colaboración con la Biblioteca General Histórica de la Universidad de Salamanca.

Estrategia de las bibliotecas para paliar la soledad de las personas y como conectar a las comunidades

Marquez, Alejandro ; Woods, Brady Niemitalo «Library Patron Loneliness: Strategies for Building Community and Connection – ACRLog», 11 de noviembre de 2024. https://acrlog.org/2024/11/11/library-patron-loneliness-strategies-for-building-community-and-connection/.

Las bibliotecas juegan un papel clave en combatir la soledad al ofrecer espacios acogedores, programación diversa y actividades que fomentan la conexión social. A través de la colaboración con organizaciones locales y el impulso de la alfabetización digital, ayudan a las comunidades a superar el aislamiento. Estas estrategias contribuyen a mejorar la salud mental y física, promoviendo un sentido de pertenencia y apoyo.

La soledad es una parte universal de la experiencia humana. En 2022, más del 42% de los adultos estadounidenses lo experimentaron, lo que pone de relieve una importante crisis de salud pública. Desde entonces, la soledad ha ido en aumento. U.S. Surgeon General afirmó que la soledad es tan mala como fumar quince cigarrillos al día. La soledad no sólo impacta la salud mental sino también la salud física. La soledad es más que estar solo; es un sentimiento de desconexión. Puede afectar a personas de todas las edades y orígenes, y su impacto en la salud física y mental está bien documentado. La soledad crónica puede provocar depresión, ansiedad, peores resultados de salud y mayores tasas de mortalidad.

Si bien la soledad es una experiencia común, no se distribuye de manera uniforme. Algunos tienen más probabilidades de experimentar soledad. Los factores incluyen bajos ingresos, paternidad, soltería y edad. Las personas, las minorías y las mujeres LGBTQ tienen más probabilidades que el promedio de experimentar soledad.

Las bibliotecas, tradicionalmente lugares de encuentro y aprendizaje, tienen un papel crucial en combatir la soledad en la era digital. Las bibliotecas han servido durante mucho tiempo como espacios comunitarios donde las personas pueden conectarse, aprender e interactuar con otros. Sin embargo, en la era digital, la sensación de aislamiento entre los usuarios de las bibliotecas se ha convertido en una preocupación creciente.

Se proponen varias estrategias para fomentar la conexión social:

  1. Crear espacios acogedores: Es fundamental ofrecer ambientes inclusivos, cómodos y participativos. Además, la interacción activa del personal de la biblioteca con los usuarios contribuye significativamente a disminuir la sensación de aislamiento.
  2. Ofrecer programación y colecciones diversas: Al organizar actividades que atraigan a distintos grupos y crear colecciones representativas de diversas culturas y comunidades, las bibliotecas pueden fortalecer el sentido de pertenencia de los usuarios.
  3. Facilitar grupos de apoyo entre pares: Los grupos centrados en intereses comunes, como clubes de lectura o grupos de apoyo para la búsqueda de empleo, ofrecen espacios donde las personas pueden conectar y compartir experiencias.
  4. Fomentar la alfabetización digital: Talleres que enseñen el uso de herramientas digitales y redes sociales permiten a los usuarios superar barreras tecnológicas y conectarse en línea.
  5. Colaborar con socios comunitarios: Las asociaciones con organizaciones locales y otros centros educativos amplían el alcance de los programas y mejoran la visibilidad de las bibliotecas en la comunidad.
  6. Proveer servicios de divulgación: Las bibliotecas deben extender su alcance a grupos aislados mediante iniciativas de divulgación, como programas para dar la bienvenida a los estudiantes al inicio del semestre.

Es fundamental que las bibliotecas sirvan a nuestras comunidades sin asumir responsabilidades adicionales. Afortunadamente, abordar la soledad depende de los servicios que las bibliotecas ya ofrecen a sus comunidades. Construir una comunidad ya es un valor fundamental de las bibliotecas, algo que los trabajadores bibliotecarios están haciendo ahora. Al igual que con los ejemplos anteriores, podemos abordar la soledad sin agregar más a nuestras cargas de trabajo mejorando lo que estamos haciendo: implementando programación innovadora, fomentando conexiones sociales y creando espacios inclusivos donde las personas se sientan valoradas, apoyadas y conectadas. A través de esfuerzos colaborativos, las bibliotecas desempeñan un papel vital en la lucha contra la soledad y la promoción del bienestar en sus comunidades.

El valor de la biblioteca se incrementa en la era de la IA

Tanzi, Nick. «The Library’s Value Is Increased in the Age of AI». The Digital Librarian, 7 de noviembre de 2024. https://the-digital-librarian.com/2024/11/07/the-librarys-value-is-increased-in-the-age-of-ai/.

El artículo de Nick Tanzi titulado The Library’s Value is Increased in the Age of AI discute cómo las bibliotecas, lejos de perder valor frente al auge de la inteligencia artificial (IA), ven ampliada su relevancia debido a tres pilares fundamentales: privacidad, exactitud e humanidad.

El valor de las bibliotecas en la era de la inteligencia artificial (IA) ha aumentado considerablemente debido a su capacidad para adaptarse a nuevas tecnologías, como ya lo ha demostrado en el pasado con la llegada de la web, Google, los eReaders y otras innovaciones. En este contexto, las bibliotecas siguen desempeñando un papel fundamental, especialmente en áreas donde la IA presenta nuevos desafíos. Temas como la privacidad, la precisión de la información, la humanidad en un mundo cada vez más tecnológico y la necesidad de encontrar un equilibrio entre la tecnología y las personas son ahora más relevantes que nunca.

En la era de la IA, la privacidad se convierte en un bien valioso. Las tecnologías emergentes tienden a recolectar datos personales de los usuarios para alimentar sus modelos, lo que ha suscitado preocupaciones sobre la explotación de la información personal. En contraste, las bibliotecas defienden firmemente la privacidad de sus usuarios, garantizando que no se compartan datos personales sin consentimiento explícito. La ALA (American Library Association) establece que las bibliotecas deben proteger la privacidad, un principio que resulta especialmente relevante dado el creciente uso de IA. Las bibliotecas, por lo tanto, deben adoptar políticas claras para el uso de herramientas de IA que no comprometan la privacidad de los usuarios, educar sobre cómo gestionar la huella digital y asegurarse de que los proveedores de servicios de IA respeten estos valores.

En un mundo saturado de contenido generado por IA, como imágenes manipuladas, deepfakes y «alucinaciones» de IA, la capacidad de discernir información precisa y objetiva es crucial. Las bibliotecas se posicionan como guardianes de la información confiable, ofreciendo acceso a colecciones de libros, bases de datos y otros recursos verificados. Sin embargo, como señala Luke Swarthout, optar por excluir la IA del internet es cada vez más inviable. Las bibliotecas deben enseñar a sus usuarios a identificar contenidos generados por IA, a evaluar la fiabilidad de estas fuentes y a utilizar la IA de manera crítica. En este sentido, las bibliotecas se convierten en centros esenciales para la alfabetización mediática y la alfabetización en IA.

La tecnología, y en especial la IA, puede deshumanizar las interacciones, como lo evidencian los sistemas automatizados de atención al cliente y los chatbots. Las bibliotecas, en cambio, se distinguen por su enfoque en la humanidad: son instituciones locales, profundamente conectadas con sus comunidades. Su personalización del servicio se basa en el contacto humano, y no en la recolección de grandes volúmenes de datos. Las bibliotecas ofrecen un espacio para la interacción social, lo que es cada vez más importante en una era de creciente aislamiento social.

En definitiva, las bibliotecas enfrentan el reto de integrar las tecnologías emergentes como la IA sin comprometer los principios fundamentales que las definen: privacidad, exactitud y humanidad. A medida que la IA se vuelve omnipresente, es crucial que las bibliotecas mantengan su identidad y su relevancia, ofreciendo servicios que respeten estos valores mientras navegan por los cambios tecnológicos.

Fundamentalmente se ubraya que las bibliotecas, lejos de ser obsoletas en la era digital, desempeñan un papel más relevante que nunca, actuando como baluartes de privacidad, fuentes de información precisa y centros de interacción humana en un mundo cada vez más automatizado.

Anthropic advierte de la catástrofe de la IA si los gobiernos no regulan en 18 meses

Anthropic. «The Case for Targeted Regulation.» Anthropic, 31 de octubre de 2024. https://www.anthropic.com/news/the-case-for-targeted-regulation.

La regulación de la IA es esencial para balancear los beneficios y los riesgos. Si bien es un desafío complejo, es crucial implementarla pronto para evitar consecuencias negativas y asegurar el progreso en áreas clave como la ciencia y la medicina.

Los sistemas de inteligencia artificial (IA) están avanzando rápidamente, ofreciendo enormes beneficios potenciales en áreas como la ciencia, la medicina y la economía. Sin embargo, también presentan riesgos significativos, como el uso indebido en ciberseguridad o biotecnología, y la posibilidad de comportamientos autónomos y destructivos de los propios sistemas. Ante estos riesgos, se urge a los gobiernos a implementar políticas de IA en los próximos 18 meses, ya que el margen para prevenir estos riesgos está cerrándose rápidamente.

Una regulación bien diseñada y específica puede permitir que se aprovechen los beneficios de la IA, mitigando al mismo tiempo sus peligros. Sin embargo, si se retrasan las acciones, el resultado podría ser una regulación ineficaz que limite el progreso sin evitar los riesgos. Se propone una regulación dirigida que se enfoque en tres principios clave:

  1. Urgencia: La IA ha avanzado significativamente en el último año, con mejoras notables en tareas de codificación, razonamiento y matemáticas, lo que aumenta tanto las aplicaciones positivas como las posibilidades de uso indebido, especialmente en áreas como la ciberseguridad y la biotecnología.
  2. Política de Escalamiento Responsable (RSP): En Anthropic, la empresa responsable del artículo, se ha implementado una política llamada «Escalamiento Responsable», que ajusta las medidas de seguridad y mitigación de riesgos en función de los niveles de capacidad de los modelos de IA. Esta política se adapta de forma continua según el desarrollo de los modelos y su potencial de generar riesgos catastróficos.
  3. Elementos clave para la regulación de la IA:
    • Transparencia: Las empresas deben ser obligadas a publicar sus políticas de seguridad y las evaluaciones de riesgo de cada nueva generación de modelos de IA.
    • Incentivos para mejores prácticas de seguridad: La regulación debe fomentar que las empresas desarrollen políticas efectivas que prevengan riesgos graves.
    • Simplicidad y enfoque: La regulación debe ser precisa y evitar cargas innecesarias o reglas complicadas que puedan obstaculizar el progreso.

Se destaca la necesidad urgente de que los gobiernos y la industria trabajen juntos para desarrollar un marco regulatorio efectivo, que no solo reduzca los riesgos catastróficos de la IA, sino que también permita a la industria seguir innovando. Esto debe lograrse de manera flexible, considerando el rápido avance de la tecnología y adaptando las políticas a las mejores prácticas emergentes.

Google ya incluye marcas de agua en sus textos generados por inteligencia artificial

«Google DeepMind Debuts Watermarks for AI-Generated Text – IEEE Spectrum». Accedido 13 de noviembre de 2024. https://spectrum.ieee.org/watermark.

Google DeepMind ha lanzado un innovador sistema de marca de agua para textos generados por IA llamado SynthID-Text, el cual tiene como objetivo facilitar la identificación de contenidos creados por modelos de lenguaje como su chatbot Gemini.

Esta tecnología añade una “firma estadística” o marca de agua en el texto generado, de manera que un detector especializado puede verificar si el contenido proviene de una IA, todo sin afectar la calidad, creatividad ni velocidad de la generación de respuestas. A diferencia de otros métodos que también intentan identificar texto de IA, SynthID-Text no altera visiblemente el texto para el lector humano, pero sí deja una señal detectable para su propio sistema.

Este sistema es la respuesta de Google al creciente problema de proliferación de contenido generado por IA, que ha inundado plataformas digitales como redes sociales y entornos académicos. Aunque existen herramientas para detectar textos de IA o incluso para hacerlos parecer escritos por humanos, su precisión ha sido limitada y, a medida que los chatbots mejoran, distinguir entre textos humanos e IA se vuelve más difícil. Con la implementación de SynthID-Text, Google espera dar un paso adelante en la solución de este problema.

SynthID-Text opera discretamente en el proceso de generación de texto: el sistema asigna puntuaciones a palabras candidatas en la respuesta generada por el chatbot, eligiendo aquellas que crean un patrón estadístico. Este patrón es imperceptible para los usuarios, pero detectable mediante el sistema SynthID. La marca de agua es esencialmente un “sello” que permite a los sistemas de Google o a desarrolladores que usen Gemini verificar si el texto proviene de un modelo de lenguaje de Google.

Sin embargo, los investigadores admiten que la marca de agua puede ser fácilmente eliminada o alterada si el texto se modifica de manera significativa. Por ejemplo, un usuario que edite el texto o que lo resuma con otro chatbot puede remover la firma, lo cual representa un desafío considerable para la tecnología. A pesar de estas limitaciones, Google ha asegurado que las respuestas marcadas con SynthID-Text son igual de satisfactorias que las respuestas no marcadas, basándose en pruebas realizadas con 20 millones de solicitudes a Gemini.

No es posible conservar todo en bibliotecas, se impone la gestión colectiva de colecciones

Ian Bogus, Rachel Frick. «Stewarding the Collective Collection: An Analysis of Print Retention Data in the US and Canada». OCLC, 11 de noviembre de 2024.

Texto completo

La «colección compartida» (shared print) es un enfoque colaborativo entre bibliotecas para gestionar el riesgo asociado con la conservación de materiales impresos, especialmente aquellos que son retenidos por un número reducido de instituciones. Su objetivo no es garantizar la conservación de todos los ejemplares de manera perpetua, sino trabajar juntas para alcanzar un umbral aceptable de riesgo, asegurando la preservación de títulos clave a nivel colectivo. A lo largo de los últimos años, este enfoque ha ganado relevancia debido a la limitación de recursos y el creciente volumen de publicaciones, lo que hace que sea inviable que todas las bibliotecas retengan copias de manera indefinida.

Uno de los mayores desafíos para la colección compartida es la falta de datos confiables y granulados que ayuden a las bibliotecas a tomar decisiones informadas sobre qué materiales deben ser conservados y cuáles pueden ser descartados o redistribuidos. La información disponible actualmente sobre las copias únicas o escasamente retenidas es limitada, lo que plantea incertidumbre sobre cómo abordar la escasez tanto de recursos como de títulos. Este vacío en los datos puede dificultar la toma de decisiones para las bibliotecas, que necesitan priorizar los materiales con más valor intelectual o histórico.

Además, hay una preocupación sobre el tiempo, los recursos humanos y financieros necesarios para mantener este esfuerzo. La cantidad de materiales que necesitan ser conservados puede ser abrumadora, y no todas las bibliotecas tienen la capacidad para asumir estos compromisos de retención. Por ejemplo, en muchas ocasiones, las bibliotecas más pequeñas o especializadas podrían no tener los recursos para retener ciertos ejemplares, lo que genera una tensión en cuanto a la distribución de las cargas de conservación.

La evolución de la infraestructura tecnológica en las bibliotecas podría ofrecer soluciones a estos problemas. En el futuro, se prevé que se desarrolle tecnología que facilite la migración de materiales escasamente retenidos desde bibliotecas más pequeñas hacia bibliotecas más grandes que tengan la capacidad para conservarlas. Esta transferencia de materiales podría ayudar a preservar materiales valiosos y difíciles de encontrar, evitando su pérdida.

Sin embargo, para que esta infraestructura funcione de manera efectiva, es necesario un enfoque robusto de gestión de datos. En la actualidad, los flujos de trabajo de catalogación y organización de la información en bibliotecas están diseñados principalmente para servir a las necesidades locales, lo que limita su eficacia a la hora de abordar desafíos a nivel colectivo. Por ello, se hace imperativo que los flujos de trabajo de metadatos sean revisados y adaptados a un contexto más amplio, para que puedan cumplir con los requerimientos de la conservación colectiva. Los esfuerzos para mejorar la calidad de los metadatos deben ser una prioridad para garantizar que la información sobre los materiales conservados sea precisa y esté bien organizada.

Una parte clave de la colección compartida es la identificación de títulos adecuados para su conservación colectiva. Dado que el número de materiales a conservar es limitado, es necesario reducir el alcance de la colección compartida y centrarse en aquellos títulos que tengan un valor intelectual significativo y que estén escasamente disponibles en otras colecciones. Este enfoque permite concentrar los esfuerzos en los materiales que más se beneficiarán de la conservación conjunta.

Sin embargo, incluso con una reducción en el número de títulos seleccionados, muchos de ellos seguirán siendo escasamente retenidos. Esto plantea un problema adicional, ya que los materiales que se seleccionan para la conservación colectiva no necesariamente estarán disponibles de manera accesible para todos los investigadores. La distribución de estos materiales sigue siendo un desafío importante, y se necesitarán más esfuerzos colaborativos para garantizar que se mantenga la integridad de las colecciones y se pueda acceder a los materiales importantes.

La mejora de los flujos de trabajo de metadatos es una de las acciones fundamentales para asegurar el éxito de la colección compartida. Los metadatos no solo permiten un seguimiento eficiente de los materiales, sino que también facilitan la búsqueda y el acceso a estos dentro de un sistema compartido. La calidad de los metadatos tiene un impacto directo en la capacidad de las bibliotecas para gestionar de manera efectiva los materiales compartidos. Por ello, es crucial que las bibliotecas inviertan en la mejora de sus flujos de trabajo de metadatos, adaptándolos a las necesidades de una colección colectiva.

Informe de la Conferencia de París sobre Información Abierta para la Investigación

Information, Barcelona Declaration on Open Research. «Report of the Paris Conference on  Open Research Information». Zenodo, 8 de noviembre de 2024. https://doi.org/10.5281/zenodo.14054244.

Texto completo

Report of the Paris Conference on Open Research Information, describe los resultados de una conferencia celebrada en septiembre de 2024 en la Universidad de la Sorbona en París, donde se discutieron los próximos pasos para avanzar en la agenda de la Declaración de Barcelona sobre Información de Investigación Abierta. Durante el evento, que fue híbrido (presencial y en línea), participaron alrededor de 140 personas que compartieron avances y desafíos en la producción, gestión y uso de información de investigación abierta, y colaboraron en la elaboración de un plan de acción para los próximos años.

El primer día estuvo centrado en el intercambio de experiencias, mientras que el segundo se enfocó en la formulación de acciones concretas. En total, se presentaron 21 charlas, abarcando temas como las políticas universitarias y su implementación práctica, el papel de los financiadores y las organizaciones gubernamentales, las colaboraciones internacionales y las infraestructuras necesarias para respaldar la investigación abierta.

Entre las acciones prioritarias destacaron:

  1. Metadatos de artículos de revistas: Mejora en la estructuración y el intercambio de datos relacionados con los artículos de investigación.
  2. Metadatos de salidas de investigación en repositorios institucionales: Incluyendo preprints y repositorios de datos.
  3. Metadatos sobre la financiación: Establecer sistemas claros y abiertos para seguir el rastro del financiamiento de investigaciones.
  4. Sustitución de sistemas cerrados: Migrar de plataformas privadas a sistemas abiertos para gestionar la información de la investigación.
  5. Sostenibilidad de infraestructuras: Asegurar que las infraestructuras que soportan la investigación abierta sean viables a largo plazo.
  6. Evaluación de los datos abiertos: Crear marcos para medir los beneficios de los datos abiertos en la investigación.

Al final de la conferencia, se implementó un marco de teoría del cambio para clasificar las acciones en cuatro categorías: recolección de información, marcos y análisis, principios y directrices, y implementación y monitoreo. Esto permitirá construir una hoja de ruta concreta para coordinar las actividades de los próximos años.

Las organizaciones están invitadas a participar en los grupos de trabajo que llevarán adelante estas acciones a partir de 2025, con un enfoque en la colaboración y la coordinación global para fortalecer la investigación abierta. Se ha solicitado a las organizaciones interesadas que se inscriban antes del 30 de noviembre de 2024.