Cómo las bibliotecas pueden apoyar la IA y la alfabetización en medios digitales

Libraries Connected. (2026). How libraries can support AI and digital media literacy: Good practice from the Innovating in Trusted Spaces project. Libraries Connected. https://www.librariesconnected.org.uk/sites/default/files/2026-03/Good%20practice%20from%20the%20Innovating%20in%20Trusted%20Spaces%20project.pdf

Esta guía constituye uno de los resultados principales del proyecto Innovating in Trusted Spaces, una iniciativa desarrollada por Libraries Connected, en colaboración con Good Things Foundation y WSA Community, con financiación del Departamento de Ciencia, Innovación y Tecnología del Reino Unido (DSIT). Su propósito es ofrecer a las bibliotecas públicas un marco práctico para responder a uno de los mayores retos de la actualidad: ayudar a la ciudadanía a comprender y utilizar la inteligencia artificial de forma crítica, ética y segura, reduciendo al mismo tiempo las desigualdades derivadas de la exclusión digital. +

El documento parte de la idea de que las bibliotecas son espacios de confianza donde las personas pueden explorar nuevas tecnologías sin presiones comerciales y con el apoyo de profesionales capacitados.

El informe sostiene que la alfabetización digital tradicional ya no es suficiente para afrontar los desafíos planteados por la IA generativa y por la proliferación de contenidos sintéticos, desinformación y manipulación algorítmica. En consecuencia, propone ampliar el concepto de alfabetización digital incorporando competencias relacionadas con la comprensión del funcionamiento básico de la IA, la evaluación crítica de sus respuestas, la identificación de sesgos, el reconocimiento de contenidos generados artificialmente y el uso responsable de herramientas conversacionales y creativas. Las bibliotecas pasan así de enseñar únicamente habilidades técnicas a fomentar capacidades de pensamiento crítico y ciudadanía digital.

Uno de los principales aportes del documento es la identificación de cuatro modelos de intervención que demostraron ser eficaces durante el proyecto piloto. El primero consiste en exposiciones y espacios interactivos donde los usuarios pueden descubrir la IA de forma autónoma mediante paneles, demostraciones y actividades de exploración. Este formato resulta especialmente útil para reducir el miedo inicial hacia la tecnología y despertar la curiosidad de personas que normalmente no asistirían a un curso formal.

El segundo modelo corresponde a sesiones introductorias programadas, dirigidas a cualquier ciudadano interesado en conocer qué es la inteligencia artificial, cómo funciona, cuáles son sus aplicaciones cotidianas y qué riesgos deben tenerse presentes. Estas sesiones ofrecen una primera aproximación accesible y comprensible, evitando tecnicismos y utilizando ejemplos relacionados con la vida diaria.

El tercer modelo se basa en talleres específicos adaptados a colectivos concretos, como personas mayores, desempleados, familias con bajos ingresos o personas con discapacidad. La guía muestra que adaptar los contenidos a las necesidades reales de cada grupo incrementa notablemente la participación y facilita que los asistentes perciban la utilidad práctica de la IA en su contexto personal.

El cuarto modelo consiste en apoyo individualizado, mediante consultas espontáneas o sesiones uno a uno en las que el personal bibliotecario responde preguntas concretas y acompaña a los usuarios en el uso de herramientas de IA. Este enfoque permite resolver dudas específicas y generar una relación de confianza especialmente valiosa para quienes presentan mayores niveles de inseguridad tecnológica.

La publicación concede una gran importancia a la alfabetización mediática, entendida como la capacidad para analizar críticamente la información que circula en Internet. Se explica que la inteligencia artificial incrementa la facilidad para producir imágenes, vídeos y textos aparentemente creíbles, lo que obliga a reforzar las habilidades de verificación de fuentes, contraste de información y detección de contenidos manipulados. En este contexto, las bibliotecas son consideradas instituciones especialmente adecuadas para promover hábitos de consumo informativo responsable gracias a su tradicional compromiso con el acceso fiable al conocimiento.

Otro aspecto destacado es la metodología Test and Learn (probar y aprender) utilizada durante el proyecto. En lugar de implantar programas rígidos previamente diseñados, las bibliotecas participantes experimentaron con pequeñas iniciativas, evaluaron continuamente los resultados y modificaron sus actividades según las respuestas obtenidas de los usuarios. Este enfoque permitió introducir innovaciones rápidamente, reducir el temor al fracaso y fomentar una cultura organizativa basada en el aprendizaje continuo y la mejora permanente.

La guía identifica igualmente diversas barreras que dificultan la implantación de programas de alfabetización en IA. Entre ellas destacan el miedo de muchos ciudadanos hacia las nuevas tecnologías, la percepción de que la IA es excesivamente compleja, la falta de confianza del propio personal bibliotecario, la escasez de tiempo para desarrollar nuevas actividades y la rápida evolución de las herramientas tecnológicas. Para superar estos obstáculos se recomienda comenzar con actividades sencillas, utilizar ejemplos cotidianos, fomentar el aprendizaje entre iguales, compartir materiales entre bibliotecas y crear comunidades profesionales de intercambio de experiencias.

Un elemento central del documento es el fortalecimiento del papel profesional de los bibliotecarios. La guía insiste en que no es necesario que el personal sea experto en inteligencia artificial para poder facilitar el aprendizaje de los usuarios. Lo verdaderamente importante es desarrollar confianza, mantener una actitud abierta hacia la experimentación y adquirir competencias suficientes para orientar, acompañar y promover el pensamiento crítico. El proyecto demuestra que la participación activa en experiencias piloto incrementó significativamente la seguridad y satisfacción profesional de los equipos bibliotecarios.

La publicación también propone integrar estas actividades dentro de la programación habitual de las bibliotecas, evitando que la alfabetización en IA se convierta en una iniciativa aislada. Recomienda aprovechar clubes de lectura, actividades familiares, programas de inclusión digital, apoyo al empleo y formación permanente para introducir contenidos relacionados con la inteligencia artificial de forma transversal, adaptándolos a las necesidades de cada comunidad. De esta manera, la IA deja de ser un tema exclusivamente tecnológico para convertirse en una competencia ciudadana vinculada al acceso a la información, la participación democrática y el aprendizaje a lo largo de la vida.

En conjunto, esta guía representa una de las primeras propuestas sistemáticas orientadas específicamente a las bibliotecas públicas para afrontar el impacto social de la inteligencia artificial. Su principal contribución consiste en ofrecer modelos de actuación validados mediante experiencias reales, herramientas fácilmente replicables y recomendaciones prácticas que pueden adaptarse a diferentes contextos locales. Más allá de enseñar a utilizar aplicaciones de IA, el documento plantea una visión estratégica de la biblioteca como espacio de confianza donde los ciudadanos desarrollan competencias críticas para desenvolverse en un entorno digital cada vez más complejo, automatizado y condicionado por sistemas inteligentes.

Las citas fantasma en la literatura científica: un estudio empírico sobre referencias inexistentes e imposibles de verificar

Han, C., Manoharan, S., Ye, X., & Speidel, U. (2026). Phantom citations: An empirical study of non-existent and unverifiable references in scholarly literature. Journal of the Association for Information Science and Technology. https://doi.org/10.1002/asi.70104

La integridad de la comunicación científica depende en gran medida de la precisión de las referencias bibliográficas. Las citas permiten verificar las fuentes utilizadas, contextualizar nuevos hallazgos y facilitar la reproducibilidad de la investigación. Sin embargo, la rápida incorporación de herramientas de inteligencia artificial generativa en la redacción académica ha incrementado la preocupación por la aparición de referencias inexistentes o imposibles de verificar, conocidas como phantom citations o citas fantasma.

Estas referencias presentan una apariencia completamente legítima —con autores, títulos, revistas e incluso DOI— pero no corresponden a ninguna publicación real. El estudio de Han y colaboradores aborda este problema mediante dos preguntas fundamentales: si es posible desarrollar una herramienta automática y auditable capaz de detectar este tipo de referencias y cuál es la magnitud real del fenómeno en publicaciones científicas recientes relacionadas con la inteligencia artificial y la educación.

Los autores revisan la literatura previa sobre errores bibliográficos y demuestran que el problema de las referencias incorrectas precede a la aparición de la IA generativa. No obstante, destacan que los grandes modelos de lenguaje han introducido una nueva modalidad de error: la generación automática de referencias completamente inventadas pero altamente plausibles. Diversos estudios previos muestran que modelos como GPT-3.5, GPT-4 o Bard producen porcentajes significativos de citas fabricadas, mientras que investigaciones recientes han detectado miles de referencias inexistentes incluso en artículos ya publicados y sometidos a revisión por pares. Estas referencias falsas no solo dificultan la verificación de los trabajos, sino que pueden propagarse a través de nuevas publicaciones, contaminar las redes de citación, alterar indicadores bibliométricos y comprometer revisiones sistemáticas y metaanálisis.

Para afrontar este desafío, el artículo desarrolla una herramienta de verificación bibliográfica automatizada basada en un proceso de múltiples etapas. El sistema extrae automáticamente las referencias de los documentos PDF mediante GROBID y posteriormente verifica cada una utilizando varias fuentes bibliográficas internacionales, entre ellas Crossref, OpenAlex, Semantic Scholar y arXiv. La metodología combina la comprobación de DOI, la validación de URL, la comparación de títulos mediante algoritmos de similitud, la coincidencia de autores y la verificación de fechas de publicación. Además, todas las referencias que no pueden resolverse automáticamente son revisadas manualmente antes de ser clasificadas definitivamente como «no verificables». Esta estrategia permite reducir tanto los falsos positivos como los falsos negativos y proporciona un procedimiento transparente y reproducible para evaluar la autenticidad de las referencias bibliográficas.

La evaluación empírica constituye una de las aportaciones más relevantes del estudio. Los investigadores analizaron un corpus formado por 3.201 artículos científicos revisados por pares, publicados entre 2023 y 2025 en congresos relacionados con la inteligencia artificial aplicada a la educación e indexados en IEEE Xplore, ACM Digital Library y SpringerLink. Los resultados muestran que 69 artículos (2,16 %) contenían al menos una referencia imposible de verificar mediante el protocolo desarrollado. La distribución no fue homogénea entre congresos: algunos presentaban porcentajes muy reducidos mientras que otros alcanzaban cifras superiores al 12 %. Asimismo, los autores observaron un incremento temporal preocupante, ya que los artículos con referencias no verificables pasaron del 0,73 % en 2023 al 3,61 % en 2025, aunque advierten que parte de este aumento puede deberse a diferencias entre las sedes de publicación analizadas.

El trabajo incluye además un estudio de caso que ilustra cómo una referencia generada por IA puede parecer completamente auténtica pese a no existir realmente. En el ejemplo analizado, el DOI no resolvía ningún registro, el título no aparecía en Google Scholar ni en IEEE Xplore y, aunque la revista citada era real, el artículo mencionado nunca había sido publicado. Este tipo de referencias suele construirse combinando patrones extraídos de publicaciones auténticas, lo que dificulta enormemente su detección durante la revisión editorial y aumenta el riesgo de que pasen inadvertidas para autores, revisores y editores.

Para validar la eficacia de su sistema, los autores compararon su herramienta con Hallucinator, uno de los programas de código abierto más conocidos para detectar referencias alucinadas. Sobre un conjunto de prueba formado por 731 referencias pertenecientes a 37 artículos, el sistema propuesto obtuvo una precisión del 92,9 %, un recall del 93,1 % y un F1 del 93 %, superando a Hallucinator en precisión y equilibrio global. Además, el nuevo sistema completó el análisis en apenas 13 minutos, frente a los 351 minutos requeridos por Hallucinator en su configuración estándar, lo que representa una mejora muy significativa tanto en rendimiento como en eficiencia computacional.

En la discusión final, los autores sostienen que la presencia de referencias imposibles de verificar constituye un nuevo desafío para la integridad científica. Argumentan que el fenómeno responde a una combinación de factores: la presión por publicar, la utilización creciente de herramientas de IA para redactar manuscritos, las limitaciones del proceso tradicional de revisión por pares y la falta de comprobación sistemática de las bibliografías. Como consecuencia, proponen incorporar procedimientos automáticos de verificación de referencias en los flujos editoriales de revistas y congresos, así como fomentar entre investigadores y revisores una cultura de comprobación rigurosa de todas las citas antes de la publicación. El estudio concluye que, aunque el porcentaje de artículos afectados todavía es relativamente reducido, la tendencia observada justifica el desarrollo de nuevas herramientas y protocolos que preserven la fiabilidad de la comunicación científica en la era de la inteligencia artificial.

Las bibliotecas universitarias son esenciales en la era de la inteligencia artificial: el papel estratégico que propone el informe del Consejo de Universidades de Ontario

Ontario Council of University Libraries (OCUL). (2026). University Libraries are Essential in the Age of AI. Ontario Council of University Libraries. Disponible en la página institucional de OCUL sobre el informe del Council of Ontario Universities (COU) AI Task Force.

El Consejo de Bibliotecas Universitarias de Ontario (OCUL) sostiene que las bibliotecas universitarias deben desempeñar un papel central en la estrategia institucional sobre inteligencia artificial. En respuesta al reciente informe del Grupo de Trabajo sobre IA del Council of Ontario Universities (COU), la organización afirma que las universidades se encuentran en un momento decisivo para adaptarse a un entorno profundamente transformado por la IA. En este contexto, las bibliotecas no deben considerarse servicios de apoyo periféricos, sino infraestructuras estratégicas que contribuyen al aprendizaje, la investigación y la innovación mediante su experiencia en gestión del conocimiento, alfabetización informacional y administración responsable de los recursos digitales.

El documento destaca que uno de los mayores desafíos no es únicamente la adopción de herramientas de IA, sino el desarrollo de una alfabetización en inteligencia artificial que permita a estudiantes, docentes e investigadores comprender tanto las posibilidades como las limitaciones de estas tecnologías. OCUL argumenta que las bibliotecas llevan décadas formando a la comunidad universitaria en competencias de búsqueda, evaluación y uso crítico de la información, por lo que se encuentran en una posición privilegiada para ampliar esa labor hacia la alfabetización en IA. Esto incluye enseñar a interpretar respuestas generadas por modelos de lenguaje, reconocer sesgos, verificar información, comprender cuestiones relacionadas con la privacidad y utilizar la IA de forma ética y responsable.

Otro aspecto clave es el papel de las bibliotecas en la infraestructura de investigación. Según OCUL, las instituciones bibliotecarias gestionan repositorios institucionales, colecciones digitales, metadatos, preservación digital y servicios de apoyo a la ciencia abierta, elementos fundamentales para el desarrollo de aplicaciones de inteligencia artificial fiables y transparentes. Asimismo, pueden contribuir a garantizar la calidad de los datos utilizados para entrenar sistemas de IA, promover prácticas responsables de gestión de datos de investigación y facilitar el acceso equitativo a recursos tecnológicos y documentales. De este modo, las bibliotecas se convierten en un componente esencial de un ecosistema universitario basado en datos de calidad y conocimiento abierto.

El posicionamiento también insiste en que la incorporación de la IA debe regirse por principios de confianza, ética, responsabilidad y rendición de cuentas. Las bibliotecas poseen una larga tradición en la defensa de valores como la privacidad de los usuarios, la libertad intelectual, la preservación del patrimonio documental y el acceso equitativo a la información. Estos principios, sostiene OCUL, resultan igualmente imprescindibles para orientar el desarrollo y la adopción de la inteligencia artificial en las universidades, especialmente en cuestiones relacionadas con la transparencia de los algoritmos, la protección de datos personales, los derechos de autor y la mitigación de sesgos.

Finalmente, OCUL hace un llamamiento para que las bibliotecas participen activamente en la planificación institucional de la IA, colaborando con equipos de tecnologías de la información, investigadores, responsables académicos y órganos de gobierno universitario. La organización considera que aprovechar plenamente el potencial de la inteligencia artificial requiere combinar innovación tecnológica con experiencia en gestión de la información y formación de usuarios. En consecuencia, las bibliotecas universitarias no solo deben adaptarse a la era de la IA, sino contribuir de manera decisiva a definir cómo se integra esta tecnología en la enseñanza superior de forma ética, inclusiva y sostenible.

¿Quién es el propietario de una respuesta generada por IA? Un fallo judicial alemán redefine la autoría, la responsabilidad y la confianza en la inteligencia artificial

Courtroom with judges and lawyers examining a digital display of a traffic accident reconstruction
Judges and lawyers review a digital reconstruction of a traffic accident in a modern courtroom.

Malespina, E. (2026, 18 de junio). Who Owns an AI Answer? The AI School Librarian (Substack) https://aischoollibrarian.substack.com/p/who-owns-an-ai-answer

El artículo analiza las implicaciones de una reciente sentencia dictada por un tribunal alemán que aborda una cuestión cada vez más relevante: ¿quién es responsable cuando una inteligencia artificial genera una respuesta incorrecta o perjudicial? A partir de este caso, la autora examina cómo las respuestas producidas por sistemas de IA no pueden considerarse simples fragmentos de información sin autor ni responsabilidad. Aunque los modelos generativos producen textos originales en apariencia, su funcionamiento depende de datos de entrenamiento, algoritmos y decisiones de diseño tomadas por empresas y desarrolladores. La resolución judicial pone de manifiesto que, a medida que estas herramientas se integran en la vida cotidiana, resulta imprescindible definir responsabilidades legales y éticas sobre el contenido que generan.

Uno de los argumentos centrales del artículo es que las respuestas de la IA no pertenecen realmente a la máquina. Detrás de cada resultado intervienen múltiples actores: quienes desarrollan el modelo, quienes proporcionan los datos con los que se entrena, las organizaciones que lo implementan y los usuarios que formulan las preguntas. Esta compleja cadena de participación dificulta aplicar los conceptos tradicionales de autoría y propiedad intelectual. Más que preguntarse quién «posee» una respuesta de IA, la autora propone reflexionar sobre quién debe asumir la responsabilidad por su precisión, sus sesgos y sus posibles consecuencias.

El texto destaca que esta cuestión tiene una especial importancia en el ámbito educativo y bibliotecario. Profesores, bibliotecarios y estudiantes recurren cada vez con más frecuencia a herramientas de IA para obtener información, redactar textos o resolver dudas. Sin embargo, cuando una respuesta contiene errores, omite contexto o reproduce información falsa, surge el problema de determinar quién responde por esos fallos. La autora sostiene que la confianza en la IA no puede basarse únicamente en la sofisticación tecnológica, sino que debe apoyarse en mecanismos de transparencia, trazabilidad y verificación de las fuentes.

Asimismo, el artículo subraya que las bibliotecas y los profesionales de la información tienen un papel esencial en este nuevo escenario. Más allá de enseñar a utilizar herramientas de IA, deben fomentar competencias de alfabetización informacional e inteligencia artificial, ayudando a los usuarios a comprender que las respuestas generadas por estos sistemas no constituyen verdades definitivas, sino resultados probabilísticos que requieren contraste con fuentes fiables. La capacidad de evaluar críticamente la información adquiere así una importancia aún mayor que en la era de los motores de búsqueda tradicionales.

Como conclusión, la autora sostiene que el verdadero debate no gira únicamente en torno a la propiedad de las respuestas generadas por IA, sino sobre la responsabilidad y la confianza. La sentencia alemana representa un paso significativo hacia la construcción de un marco jurídico y ético que reconozca que las respuestas de la inteligencia artificial tienen consecuencias reales para las personas. En este contexto, la educación, las bibliotecas y las instituciones públicas desempeñan un papel decisivo para promover un uso informado, crítico y responsable de estas tecnologías.

Dave Eggers advierte que ChatGPT está “silenciando a toda una generación”: un llamamiento a padres y educadores para preservar el aprendizaje

Wolfe, A. (2026, 21 de julio). Author Dave Eggers says ChatGPT is ‘silencing an entire generation’ — here’s why parents should pay attention. Tom’s Guide https://www.tomsguide.com/ai/author-dave-eggers-says-chatgpt-is-silencing-an-entire-generation-heres-why-parents-should-pay-attention?utm_source=flipboard&utm_content=topic/artificialintelligence

El escritor estadounidense Dave Eggers, conocido por su defensa de la creatividad y la alfabetización, ha lanzado una contundente advertencia sobre el impacto de la inteligencia artificial generativa en la educación. Durante una charla ofrecida a empleados de OpenAI, Eggers afirmó que el uso de ChatGPT para redactar trabajos escolares está “silenciando a toda una generación”, ya que los estudiantes dejan de desarrollar su propia voz y pierden una de las habilidades fundamentales del aprendizaje: escribir para pensar. Su intervención ha reabierto el debate sobre el papel de la IA en las aulas y sobre los límites entre utilizar estas herramientas como apoyo o como sustituto del esfuerzo intelectual.

Según Eggers, escribir no consiste únicamente en producir un texto final, sino que es un proceso mediante el cual las personas organizan sus ideas, construyen argumentos, desarrollan pensamiento crítico y descubren qué piensan realmente sobre un tema. Cuando un estudiante delega esta tarea en un sistema de IA, obtiene un resultado aparentemente correcto, pero renuncia al proceso cognitivo que hace posible el aprendizaje. En sus palabras, si los alumnos utilizan ChatGPT para componer sus trabajos, “nunca aprenderán a escribir”, y con ello perderán la capacidad de expresar sus propias experiencias, opiniones y creatividad.

El artículo de Tom’s Guide, sin embargo, adopta una postura más matizada que la del novelista. Su autor, que utiliza herramientas de IA de forma habitual en su trabajo, reconoce que las preocupaciones de Eggers son legítimas, pero considera que prohibir ChatGPT en la educación no es una solución realista. La inteligencia artificial formará parte de la vida académica y profesional de las nuevas generaciones, por lo que el verdadero desafío consiste en enseñar a utilizarla de forma responsable. La diferencia fundamental está entre emplearla como tutor, compañero de aprendizaje o herramienta de lluvia de ideas, y convertirla en un sustituto del razonamiento y del trabajo personal.

El autor ofrece varios ejemplos de usos educativos positivos de la IA: explicar conceptos difíciles, proporcionar ejercicios adicionales, sugerir ideas para proyectos, ayudar a comprender textos complejos o resolver dudas durante el estudio. En todos estos casos, el estudiante sigue siendo el protagonista del aprendizaje. El problema surge cuando la IA redacta directamente ensayos, resuelve tareas o responde preguntas que el alumno debería elaborar por sí mismo, ya que entonces desaparece el esfuerzo intelectual que permite adquirir conocimientos y desarrollar competencias de escritura, análisis y comunicación.

La advertencia de Dave Eggers no debe interpretarse como un rechazo absoluto a la inteligencia artificial, sino como una llamada de atención sobre el riesgo de delegar el pensamiento en la tecnología. Para los padres y educadores, la prioridad no debería ser impedir que los jóvenes utilicen herramientas como ChatGPT, sino ayudarles a comprender cuándo estas enriquecen el aprendizaje y cuándo, por el contrario, limitan el desarrollo de su autonomía intelectual y de su propia voz. La IA puede convertirse en un poderoso aliado educativo, pero solo si complementa el aprendizaje humano en lugar de reemplazarlo.

¿Quiénes son más propensos al uso problemático de la IA? Un estudio vincula ciertos rasgos de personalidad con una dependencia excesiva

Kırcaburun, K. (2026). Dark Tetrad traits and problematic generative artificial intelligence use: the serial mediating role of individualism and intolerance of uncertainty. BMC Psychology. Publicado el 13 de junio de 2026. https://doi.org/10.1186/s40359-026-05012-4.

Un reciente estudio publicado en BMC Psychology analiza un fenómeno emergente: el uso problemático de la inteligencia artificial generativa, es decir, una utilización excesiva o compulsiva de herramientas como ChatGPT y otros asistentes conversacionales que puede interferir con la vida cotidiana. La investigación parte de la idea de que, al igual que ocurre con las redes sociales o los videojuegos, determinadas características psicológicas podrían predisponer a algunas personas a desarrollar patrones de dependencia hacia estas tecnologías. Para ello, el investigador Kağan Kırcaburun examinó una muestra de 677 usuarios adultos de IA generativa, evaluando tanto sus rasgos de personalidad como sus hábitos de uso.

El trabajo se centra en la denominada «Tétrada Oscura» de la personalidad, un conjunto de cuatro rasgos psicológicos: narcisismo, maquiavelismo, psicopatía y sadismo. Estos rasgos no implican necesariamente la existencia de un trastorno psicológico, sino tendencias de personalidad relacionadas con la búsqueda de poder, la manipulación, la impulsividad o la falta de empatía. Los resultados muestran que las personas con puntuaciones más elevadas en estos rasgos presentan una mayor probabilidad de hacer un uso desadaptativo de la IA generativa, especialmente cuando ese uso se convierte en una forma de afrontar la incertidumbre o de satisfacer necesidades personales de validación, control o autonomía.

La investigación identifica además dos factores psicológicos que actúan como mediadores entre la personalidad y el uso excesivo de la IA. El primero es el individualismo vertical, una orientación que enfatiza la competencia, el logro personal y el estatus social. El segundo es la intolerancia a la incertidumbre, entendida como la dificultad para aceptar situaciones ambiguas o respuestas incompletas. Según el estudio, las personas que experimentan un elevado malestar ante la incertidumbre tienden a recurrir con mayor frecuencia a la IA para obtener respuestas inmediatas, confirmación de sus ideas o una sensación de control, lo que puede reforzar patrones de dependencia tecnológica.

Otro aspecto interesante es que los mecanismos psicológicos varían parcialmente entre hombres y mujeres. En las mujeres, la relación entre el narcisismo y el uso problemático de la IA parece explicarse principalmente por el individualismo competitivo. En los hombres, además de este factor, desempeña un papel importante la intolerancia a la incertidumbre, lo que sugiere que diferentes perfiles psicológicos pueden conducir a comportamientos similares de dependencia tecnológica mediante procesos distintos.

Los autores advierten, sin embargo, que estos resultados no significan que utilizar frecuentemente herramientas de IA sea un indicador de personalidad oscura ni que la IA provoque dichos rasgos. Se trata de asociaciones estadísticas obtenidas mediante cuestionarios de autoinforme que ayudan a comprender qué personas podrían ser más vulnerables a desarrollar un uso compulsivo o poco saludable de estas tecnologías. La mayoría de los usuarios emplea la IA de forma funcional y beneficiosa, mientras que el estudio busca identificar factores de riesgo que permitan diseñar estrategias de alfabetización digital, prevención y bienestar psicológico en un contexto donde la IA forma parte cada vez más de la vida cotidiana.

China intenta controlar la avalancha de novelas generadas por IA

Rest of World. (6 de julio de 2026). China’s web novel platforms embraced AI. Now they are fighting it. Rest of World.https://restofworld.org/2026/china-ai-web-novels/?utm_source=flipboard&utm_content=other

La industria china de las novelas web (web novels), uno de los mayores ecosistemas de literatura digital del mundo, atraviesa una profunda transformación debido a la irrupción de la inteligencia artificial generativa. Durante los últimos años, las principales plataformas de publicación alentaron el uso de herramientas de IA para aumentar la productividad de los autores, acelerar la generación de contenidos y satisfacer la enorme demanda de nuevos capítulos que caracteriza a este mercado. Sin embargo, el éxito de estas tecnologías ha terminado generando un problema inesperado: una avalancha de novelas producidas parcial o totalmente por inteligencia artificial que está deteriorando la calidad del catálogo y provocando una creciente desconfianza entre lectores y escritores.

El mercado chino de novelas web funciona mediante un modelo de publicación seriada en el que miles de autores publican capítulos diariamente. Los escritores suelen recibir ingresos en función del número de lecturas y de suscriptores, lo que crea una fuerte presión por producir grandes cantidades de contenido de forma continua. La aparición de modelos de lenguaje capaces de redactar escenas, diálogos e incluso capítulos completos permitió a muchos autores multiplicar su ritmo de publicación. Algunos utilizan la IA como herramienta de apoyo para desarrollar tramas o superar bloqueos creativos, mientras que otros generan prácticamente toda la obra mediante algoritmos, limitándose a revisar el texto antes de publicarlo.

Esta automatización ha provocado un aumento espectacular del volumen de obras disponibles, pero también una disminución perceptible de su calidad. Los lectores denuncian que muchas historias presentan personajes repetitivos, argumentos previsibles, inconsistencias narrativas y abundantes errores derivados del uso excesivo de la IA. En numerosos casos resulta difícil distinguir unas novelas de otras, ya que los modelos tienden a reproducir estructuras argumentales similares y clichés propios de los géneros más populares, como la fantasía, el romance o las novelas de cultivo (xianxia). La sensación de saturación está afectando negativamente a la experiencia de lectura y a la confianza del público en las plataformas digitales.

Los autores humanos también manifiestan una creciente preocupación. Muchos consideran que las herramientas generativas facilitan la aparición de obras derivadas que reutilizan estilos, personajes o tramas existentes sin autorización. Existe además el temor de que los modelos hayan sido entrenados utilizando millones de novelas publicadas previamente sin el consentimiento de sus creadores, reproduciendo así el mismo debate sobre derechos de autor que actualmente afecta a otros sectores culturales. Para numerosos escritores profesionales, la IA no solo incrementa la competencia, sino que amenaza el valor económico de su trabajo al inundar el mercado con contenidos de producción masiva.

Ante esta situación, las grandes plataformas chinas de literatura digital han comenzado a modificar su estrategia. Empresas que inicialmente promovían el uso de la inteligencia artificial están implantando nuevas normas para limitar su utilización. Algunas exigen que los autores declaren expresamente si han empleado IA durante el proceso creativo, mientras que otras desarrollan sistemas automáticos para detectar textos generados artificialmente y penalizar aquellos que presenten un uso excesivo de estas herramientas. El objetivo es preservar la confianza de los lectores y evitar que el catálogo quede dominado por contenido automatizado de baja calidad.

El reportaje muestra que la cuestión no consiste únicamente en decidir si la IA debe utilizarse o no, sino en determinar cuál debe ser su papel dentro del proceso creativo. Muchos escritores defienden un uso complementario, empleando la inteligencia artificial para tareas como la documentación, la corrección gramatical, la generación de ideas o la planificación de escenas, pero consideran que la construcción narrativa, el desarrollo de personajes y el estilo literario deben seguir siendo responsabilidad del autor humano. Esta posición intenta encontrar un equilibrio entre aprovechar las ventajas tecnológicas y mantener la originalidad y la calidad artística de las obras.

El caso de las novelas web chinas constituye un ejemplo especialmente significativo porque este sector es uno de los mayores laboratorios mundiales de creación digital. Millones de lectores consumen diariamente historias publicadas en plataformas que funcionan con algoritmos de recomendación y modelos de monetización basados en la frecuencia de publicación. Las tensiones surgidas entre productividad, creatividad y calidad anticipan debates que probablemente aparecerán también en otros ámbitos editoriales, como la prensa, la edición de libros, los guiones audiovisuales o la creación de contenidos para redes sociales.

En conjunto, el artículo muestra cómo una tecnología inicialmente concebida para aumentar la eficiencia ha terminado obligando a replantear las reglas de producción y distribución de contenidos. La experiencia de las plataformas chinas demuestra que la inteligencia artificial puede acelerar extraordinariamente la creación literaria, pero también que un uso indiscriminado puede erosionar la confianza de los lectores, devaluar el trabajo de los autores y saturar el mercado con obras poco diferenciadas. El desafío para la industria será encontrar mecanismos que permitan aprovechar el potencial de la IA sin sacrificar la creatividad, la diversidad y la autenticidad que constituyen el principal valor de la literatura.

Los directivos descubren que la IA no reduce costes tan rápido como esperaban

Morris, C. (2026). CEOs are being left baffled at the high cost of moving to AI — shockingly enough, sacking human workers isn’t resulting in huge savings. TechRadar Pro. Publicado en julio de 2026. https://www.techradar.com/pro/ceos-are-being-left-baffled-at-the-high-cost-of-moving-to-ai-shockingly-enough-sacking-human-workers-isnt-resulting-in-huge-savings?utm_source=flipboard&utm_content=other

La rápida adopción de la inteligencia artificial en las empresas está revelando una realidad muy distinta de la que muchos directivos esperaban. Aunque numerosas organizaciones iniciaron proyectos de IA con la expectativa de reducir significativamente los costes laborales mediante la automatización y la sustitución de empleados

Un nuevo informe de KPMG muestra que una parte importante de los responsables empresariales se siente sorprendida por el verdadero coste económico de implantar estas tecnologías a gran escala. Lejos de convertirse en una solución inmediata para ahorrar dinero, la IA está generando nuevas partidas de gasto relacionadas con infraestructura, consumo de recursos computacionales, supervisión humana, integración tecnológica y gobernanza.

El estudio, realizado entre 2.145 altos directivos de 20 países, revela que aproximadamente un tercio de los líderes empresariales reconoce no comprender plenamente la estructura de costes asociada a la inteligencia artificial. Muchos esperaban que la reducción de plantilla compensara rápidamente la inversión tecnológica, pero han comprobado que los modelos de IA, especialmente los de gran tamaño, requieren importantes recursos informáticos cuyo coste operativo puede crecer de forma considerable conforme aumenta su utilización. Además, los principales proveedores de IA están sustituyendo los modelos de suscripción fija por sistemas de facturación basados en el consumo de tokens o en el uso efectivo de los servicios, lo que hace mucho más difícil predecir el gasto mensual.

Uno de los aspectos más destacados del informe es que el ahorro salarial no se traduce automáticamente en una reducción de costes empresariales. Aunque determinadas tareas pueden automatizarse, las organizaciones deben seguir invirtiendo en especialistas capaces de supervisar los sistemas, validar las respuestas generadas por la IA, corregir errores, controlar las alucinaciones de los modelos y garantizar el cumplimiento de las normativas sobre privacidad, seguridad y uso responsable. En muchos casos, el trabajo humano no desaparece, sino que cambia de naturaleza, desplazándose desde la ejecución de tareas hacia la supervisión y el control de la inteligencia artificial.

El informe también pone de manifiesto que la gobernanza de la IA continúa siendo una asignatura pendiente para muchas organizaciones. Aunque la mayoría afirma disponer de algún tipo de política o procedimiento relacionado con el uso de la inteligencia artificial, muy pocas empresas consideran que estos mecanismos estén plenamente integrados en la actividad diaria. Persisten dudas sobre quién debe asumir la responsabilidad cuando un sistema de IA produce errores, cómo deben validarse los resultados antes de utilizarlos y qué protocolos deben activarse cuando los modelos generan información incorrecta o sesgada. Esta incertidumbre añade costes organizativos y obliga a mantener equipos humanos dedicados a la supervisión permanente.

Lejos de abandonar la inteligencia artificial, muchas empresas están modificando su estrategia. Según el informe, cerca de la mitad de las organizaciones que no han obtenido los resultados esperados han optado por retrasar o redefinir sus proyectos de IA, concentrando las inversiones en aquellos procesos donde la tecnología demuestra un retorno claro de la inversión. El objetivo ya no consiste en aplicar IA de forma indiscriminada, sino en identificar casos de uso concretos en los que aporte mejoras medibles en productividad, calidad o velocidad de ejecución.

KPMG concluye que uno de los factores que distingue a las organizaciones con mejores resultados es la existencia de una responsabilidad clara a nivel directivo sobre la estrategia de inteligencia artificial. Las empresas que cuentan con liderazgo específico, mecanismos de supervisión bien definidos y procesos de evaluación continua obtienen un mayor retorno de la inversión y muestran una mayor confianza en los resultados generados por la IA. En cambio, aquellas que implantan estas tecnologías únicamente como una medida de reducción de costes suelen encontrar más dificultades para justificar las inversiones realizadas.

El artículo también sitúa estas conclusiones en un contexto económico más amplio. Diversos economistas advierten de que una sustitución masiva de trabajadores por IA podría convertirse en una «trampa de los despidos», ya que la reducción generalizada del empleo disminuiría el poder adquisitivo de los consumidores y, en consecuencia, la demanda de bienes y servicios que las propias empresas producen. Desde esta perspectiva, la automatización indiscriminada podría terminar perjudicando incluso a las compañías que inicialmente buscaban mejorar su competitividad mediante la reducción de plantilla.

En conjunto, el informe refleja una evolución significativa en la percepción empresarial de la inteligencia artificial. Después de varios años de expectativas muy elevadas, los directivos empiezan a asumir que la IA no constituye simplemente un mecanismo para sustituir trabajadores y reducir costes, sino una infraestructura tecnológica compleja que exige inversiones continuas, nuevas capacidades organizativas y una supervisión humana constante. El verdadero valor de la IA parece residir menos en eliminar empleo que en transformar procesos, aumentar la productividad y apoyar la toma de decisiones, siempre que su implantación vaya acompañada de una estrategia clara de gobernanza y de una evaluación rigurosa de sus costes y beneficios.

Los ciberdelincuentes clonan sitios web de medios de comunicación para estafar a los inversores

Digital Trends. (2026, 17 de julio). Scammers are now cloning trusted news websites to steal your money. Digital Trends https://www.digitaltrends.com/computing/scammers-are-now-cloning-trusted-news-websites-to-steal-your-money/?utm_source=flipboard&utm_content=DigitalTrends/magazine/Computing:+News,+Reviews,+and+Everything+Else!

Los ciberdelincuentes han perfeccionado una nueva modalidad de fraude en Internet basada en la clonación de páginas web de medios de comunicación de prestigio. En lugar de crear sitios falsos fácilmente identificables, los delincuentes copian casi por completo el diseño, la apariencia y el contenido de periódicos y portales informativos reconocidos para hacer creer a las víctimas que están consultando una fuente legítima. Una vez ganada su confianza, insertan noticias falsas y anuncios manipulados que promocionan supuestas oportunidades de inversión con beneficios extraordinarios.

Uno de los elementos más preocupantes de estas campañas es el uso de inteligencia artificial generativa para producir textos, imágenes e incluso testimonios falsificados con un alto grado de realismo. Los estafadores también recurren a deepfakes de presentadores de televisión, periodistas y personalidades conocidas para respaldar inversiones inexistentes, especialmente relacionadas con criptomonedas, plataformas financieras o sistemas automatizados de inversión. La combinación de páginas clonadas y contenido generado por IA hace que el fraude resulte mucho más convincente que las tradicionales campañas de phishing.

El objetivo principal consiste en convencer al usuario para que acceda a una plataforma fraudulenta donde se le solicita realizar una inversión inicial o facilitar datos personales y bancarios. En algunos casos, las páginas muestran gráficos financieros, saldos ficticios y beneficios simulados para reforzar la sensación de legitimidad. Cuando la víctima intenta retirar el dinero, descubre que la plataforma es completamente falsa y que los fondos han desaparecido. Este tipo de fraude forma parte de las denominadas estafas de inversión, una de las modalidades de ciberdelincuencia con mayor crecimiento en los últimos años.

Los expertos en ciberseguridad advierten de que la sofisticación de estas campañas dificulta enormemente distinguir entre un sitio auténtico y uno clonado. Por ello, recomiendan comprobar cuidadosamente la dirección web antes de confiar en cualquier noticia relacionada con inversiones, acceder siempre a los medios escribiendo manualmente la URL o utilizando marcadores previamente guardados, desconfiar de promesas de rentabilidades extraordinarias y verificar cualquier información financiera en fuentes oficiales. También aconsejan evitar realizar inversiones a través de enlaces recibidos por redes sociales, mensajes o correos electrónicos, ya que suelen ser los principales canales utilizados para dirigir a las víctimas hacia estos sitios fraudulentos.

El auge de estas páginas clonadas refleja una evolución preocupante del cibercrimen. La inteligencia artificial permite crear fraudes cada vez más creíbles, reduciendo las señales que tradicionalmente ayudaban a identificar una estafa. En este nuevo escenario, la alfabetización digital y la verificación crítica de las fuentes se convierten en herramientas esenciales para proteger tanto la información personal como el patrimonio económico de los usuarios.

Inteligencia artificial: reflexiones para anticipar sus retos y construir un futuro responsable

Torres Vargas, G. A. (coord.). (2025). Inteligencia artificial. Pensarla para actuar mirando al futuro. Serie Tecnologías de la Información. Ciudad de México: Universidad Nacional Autónoma de México. 192 p. ISBN: 978-607-642-159-8.

Texto completo

Inteligencia artificial. Pensarla para actuar mirando al futuro es una obra colectiva coordinada por Georgina Araceli Torres Vargas que propone una reflexión crítica sobre el acelerado desarrollo de la inteligencia artificial y sus implicaciones para la sociedad. Frente al entusiasmo que despiertan las posibilidades de estas tecnologías, el libro plantea la necesidad de analizar sus efectos desde una perspectiva académica, ética y social, con el propósito de anticipar los desafíos que surgirán en los próximos años. La obra parte de la premisa de que la IA representa un auténtico punto de inflexión histórico y que sus consecuencias trascenderán el ámbito tecnológico para transformar profundamente la educación, la investigación, el trabajo y la vida cotidiana.