Premios Nobel y desarrolladores de IA reclaman “líneas rojas” globales ante la ONU para regular la inteligencia artificial

“Nobel Laureates and AI Developers Call for ‘Red Lines’ on AI.” Transformer News, September 22, 2025. https://www.transformernews.ai/p/nobel-laureates-ai-developers-red-lines-un-general-assembly

Un grupo destacado de científicos galardonados con el Premio Nobel, exjefes de estado y desarrolladores de inteligencia artificial ha hecho un llamamiento urgente durante la Asamblea General de la ONU para trazar “líneas rojas” claras en el desarrollo de la IA antes de finales de 2026.

Argumentan que los riesgos vinculados a la inteligencia artificial ya no son meras hipótesis futuristas, sino amenazas reales: desde pandemias diseñadas artificialmente hasta la posibilidad de desempleo masivo y la pérdida de control humano sobre sistemas autónomos.

En su declaración conjunta, los firmantes subrayan que algunos sistemas de IA ya han demostrado comportamientos engañosos y dañinos, y al mismo tiempo se les está otorgando cada vez más autonomía para actuar en el mundo real.

Los firmantes —más de 200 en total— incluyen nombres prominentes como Geoffrey Hinton y Yoshua Bengio, reconocidos como “padres de la IA”, así como economistas, diplomáticos y expresidentes como Joseph Stiglitz, Juan Manuel Santos y Mary Robinson. Además, destacan miembros de empresas clave del sector, como OpenAI, Google DeepMind y Anthropic, aunque ninguno de los CEOs de estas compañías aparece entre los firmantes.

En su texto, proponen que dichas líneas rojas (o límites operativos) cuenten con mecanismos robustos de cumplimiento para el año 2026. Señalan también que, aunque esta iniciativa de consenso internacional es un paso significativo, el reto ahora es transformar las declaraciones en acciones concretas. La falta de apoyo o incluso la oposición de gobiernos clave —especialmente de Estados Unidos— constituye un obstáculo mayor. En el caso estadounidense, algunos sectores ven con recelo las regulaciones excesivas o las “códigos de conducta vagos” que podrían imponerse desde el exterior.

Los clubes de lectura se están convirtiendo en la nueva tendencia social de la generación Z

“Is the Book Club the New Social Scene?” 1000Libraries Magazine.

Los clubes de lectura están de vuelta y más de moda que nunca. Descubre cómo la generación Z y los millennials están convirtiendo la lectura en la actividad social por excelencia.

En los tiempos recientes, los clubes de lectura han comenzado a transformarse, especialmente entre generaciones jóvenes como los millennials y la Generación Z. Lo que antes era un encuentro relativamente estructurado y centrado exclusivamente en la discusión literaria —leer un libro, encontrarse para debatirlo— ahora incorpora muchas más dimensiones sociales.

En las últimas décadas, los clubes de lectura se concebían de forma bastante tradicional: un grupo reducido de personas elegía un libro, lo leía y, en un encuentro mensual o bimestral, debatía sobre sus ideas principales. Sin embargo, esa imagen ha quedado algo desfasada en el contexto actual, donde las nuevas generaciones han empezado a reinterpretar este formato. El club de lectura, lejos de extinguirse, se ha revitalizado y se presenta hoy como un escenario social de gran atractivo, sobre todo para los millennials y la Generación Z, quienes buscan en estas experiencias algo más que literatura: buscan vínculos humanos, pertenencia y un entorno donde compartir intereses de forma cercana.

El auge de estos espacios responde a varias transformaciones sociales. Por un lado, la saturación digital y el cansancio de las interacciones en línea han despertado una necesidad de encuentros cara a cara, donde la conversación fluya sin pantallas de por medio. Tras la pandemia, este deseo se intensificó, y el club de lectura apareció como una fórmula perfecta para conciliar lo cultural con lo relacional. La excusa del libro funciona como un punto de partida, pero lo verdaderamente valioso es el tejido de relaciones que se construye alrededor: amigos nuevos, grupos de apoyo, comunidades creativas.

Además, estos clubes se han vuelto más versátiles e inclusivos. No se limitan ya a la conversación literaria formal, sino que suelen incorporar actividades paralelas que refuerzan la experiencia colectiva. Existen clubes temáticos en los que se acompaña la lectura con talleres de manualidades, sesiones de cocina inspiradas en los libros, rutas al aire libre, maridajes con vinos o incluso entrenamientos deportivos vinculados a la idea de “leer y correr”. Esta fusión de lectura y ocio convierte al club en una experiencia híbrida que atrae a personas que, de otro modo, quizás no se hubieran acercado a un espacio lector tradicional.

Otro aspecto clave es la diversidad de formatos. Algunos clubes mantienen la estructura clásica con reuniones mensuales y lecturas consensuadas, mientras que otros prefieren la informalidad, sin obligación de haber terminado el libro, privilegiando la conversación espontánea. También conviven los clubes presenciales con los virtuales y los híbridos, lo que permite reunir a personas dispersas geográficamente pero unidas por intereses comunes. De esta manera, el club de lectura se convierte en un espacio flexible y adaptable, donde caben diferentes estilos de participación y grados de compromiso.

Finalmente, los clubes de lectura están teniendo un impacto notable en la construcción de comunidades culturales más amplias. Funcionan como micro-redes donde se recomiendan libros, se comparten experiencias de vida y se abren debates que trascienden lo literario para abarcar temas sociales, políticos y personales. Lejos de ser una actividad solitaria, la lectura se convierte en un ritual compartido que fortalece los lazos sociales y ofrece un refugio frente al aislamiento. Así, puede afirmarse que el club de lectura, reinventado y expandido, es hoy uno de los espacios donde la cultura y la vida social se encuentran de manera más fértil.

Buenas prácticas para la implementación de la inteligencia artificial en las bibliotecas

Ehrenpreis, Michelle, y John DeLooper. “Chatbot Assessment: Best Practices for Artificial Intelligence in the Library.” portal: Libraries and the Academy 25, n.º 4 (2025): 669-701. https://preprint.press.jhu.edu/portal/sites/default/files/06_25.4ehrenpreis.pdf

El estudio representa una evaluación pionera de un chatbot de biblioteca que incorpora la API de ChatGPT, proporcionando evidencia práctica de sus capacidades y limitaciones, así como recomendaciones operativas para maximizar su utilidad en entornos académicos.

Evaluación detallada de un chatbot utilizado en una biblioteca universitaria, específicamente Ivy.ai (“IvyQuantum”) en la Lehman College Library (parte del sistema CUNY). Este chatbot fue inicialmente implementado en otoño de 2019, usando un modelo basado en reglas (rules-based), y más adelante, desde abril de 2023, se integró con la API de ChatGPT para convertirse en un sistema híbrido de generación más inteligente (modelo generativo + base de conocimiento local).

Para evaluar el desempeño tras esta actualización, los autores analizaron una muestra aleatoria de 101 interacciones de chatbot durante el semestre de primavera de 2023 (de un total de 816) más las 39 “tickets” generados cuando el chatbot no pudo contestar (es decir, casos en los que el usuario solicitaba asistencia humana). Cada interacción fue valorada mediante un rúbrica desarrollada por los autores que incluyó criterios como confianza del chatbot (respuestas “low confidence”, “no confidence”), si el usuario rechazó generar un ticket, la evaluación del usuario (pulgar arriba/abajo) y variables de comportamiento del usuario (por ejemplo, desconexión prematura, satisfacción explícita, solicitud de agente humano). Además, las respuestas fueron codificadas según temas (por ejemplo, libros, artículos, solicitudes de agente, investigación) para identificar los tipos de preguntas con menor desempeño.

Los resultados muestran que el chatbot tiene un rendimiento moderado: en la muestra aleatoria, aproximadamente el 39 % de las respuestas recibieron una calificación 1 (correctas pero incompletas) según la rúbrica, mientras que el 42 % fueron calificadas como respuestas completas pero incorrectas (puntuación 2). En comparación con la tasa de éxito atribuida a bibliotecarios humanos en servicios de referencia (alrededor del 55 %), su desempeño es destacable para una herramienta automatizada, aunque con limitaciones claras. Las preguntas más problemáticas para el chatbot fueron aquellas que solicitaban hablar con un agente humano, consultas sobre libros (incluyendo disponibilidad, edición o reservas) y peticiones para investigación o artículos académicos. Tras la integración del ChatGPT, se observó una reducción en el número total de consultas sin ticket (−45 %) pero un aumento significativo en el número de tickets generados (+190 %) en comparación con el periodo anterior.

A partir de sus hallazgos, los autores proponen una serie de mejores prácticas para bibliotecas que consideren adoptar chatbots: revisión periódica de las transcripciones y las preguntas de los usuarios para ajustar respuestas personalizadas, mantener actualizada y estructurada la base de conocimiento de la biblioteca (por ejemplo, mediante archivos CSV con datos limpios), diseñar la interfaz para que los usuarios comprendan el propósito del chatbot (por ejemplo, distinguiendo claramente cuándo derivar al chat humano), y asegurar que haya personal bibliotecario dedicado al mantenimiento y mejora del sistema.

También destacan que la participación institucional y el compromiso de los bibliotecarios son factores clave para el éxito, y que la adopción de sistemas híbridos (reglas + generación) puede ofrecer un equilibrio entre control y flexibilidad.

Lo que funciona y lo que no: un estudio exploratorio de los modelos de referencia bibliotecaria actuales en grandes bibliotecas universitarias

Weare, William H., Jaena Alabi, y John Fullerton. “What’s Working and What Isn’t: An Exploratory Study of Current Reference Models in Large Academic Libraries.” portal: Libraries and the Academy 25, n.º 4 (2025): 753-780. https://preprint.press.jhu.edu/portal/sites/default/files/09_25.4weare.pdf

El estudio analiza los modelos actuales de servicio de referencia en grandes bibliotecas universitarias, con el objetivo de identificar qué prácticas funcionan bien, cuáles presentan dificultades y cómo los cambios organizacionales afectan estas funciones.

Para ello, los autores entrevistaron a 15 responsables de servicios de referencia en universidades “land-grant” con alta matrícula (más de 20.000 estudiantes), situadas en Estados Unidos, utilizando un enfoque cualitativo con entrevistas semiestructuradas entre 2018 y 2019. Los entrevistados representaban instituciones sin programa acreditado de ciencias de la información, lo cual evitaba contar con un grupo de profesionales locales del gremio que pudiera distorsionar las dinámicas normales del servicio. Las entrevistas, con duración entre 43 y 73 minutos, fueron transcritas, codificadas y analizadas para identificar modelos de referencia, decisiones de personal y los factores que guiaban los cambios entre las diversas aproximaciones.

Los hallazgos revelan que no existe un modelo universal de referencia aplicado por todas las bibliotecas: muchas adoptan combinaciones adaptadas a su contexto institucional. Los autores identificaron siete enfoques dominantes: tradicional (con bibliotecarios atendiendo físicamente en escritorio), escritorio único combinado (referencia + circulación), peer-to-peer (estudiantes como asistentes de referencia), servicios escalonados (tiered), servicio “on call”, modelo de referencia por derivación (referral) y chat (o referencia virtual). En la práctica, los modelos no son mutuamente excluyentes; muchas bibliotecas combinan distintos enfoques según turno, necesidades del usuario o capacidades del personal. Un patrón frecuente es consolidar múltiples servicios en un solo mostrador para simplificar la experiencia del usuario y reducir la fragmentación de puntos de servicio.

Tres temas centrales atraviesan las decisiones institucionales: (1) la consolidación hacia un escritorio único de servicios, motivada por la necesidad de simplificar la experiencia del usuario y disminuir la confusión entre múltiples mostradores; (2) la retirada progresiva de bibliotecarios del servicio presencial directo, con la intención de liberar su tiempo para tareas especializadas, colaboración, docencia o proyectos externos; y (3) el aumento del uso de estudiantes en los puestos frontales de atención, como primer nivel de contacto, delegando a personal profesional preguntas más complejas. Entre las razones que impulsan estos movimientos destacan la reducción de la demanda presencial (caída de estadísticas de referencia), presiones institucionales para que los bibliotecarios asuman funciones de mayor impacto, cambios administrativos o de clasificación investigadora de la universidad, y un cuestionamiento sobre la eficiencia de tener personal altamente cualificado atendiendo consultas triviales.

Asimismo, el estudio señala que en muchas bibliotecas el volumen de consultas profundas es muy bajo; usando la escala READ (Reference Effort Assessment Data), varios entrevistados reportaron que un gran porcentaje de las preguntas corresponden a niveles bajos de complejidad, lo que sugiere que podrían atenderlas asistentes bien entrenados. Al mismo tiempo, se reconoce que la naturaleza de las preguntas ha evolucionado: aunque disminuye el volumen de preguntas básicas, los desafíos que llegan suelen ser más complejos y requieren intervención experta. En algunos casos, las instituciones mantienen el modelo tradicional por razones de identidad profesional, inercia institucional o porque sus bibliotecarios valoran el contacto directo con los usuarios.

En resumen, este estudio aporta evidencia cualitativa de que el futuro de los servicios de referencia en bibliotecas universitarias grandes se orienta hacia modelos híbridos, adaptativos y escalonados, más que hacia una sustitución total del servicio presencial o su configuración en un solo modelo rígido. La elección óptima depende del contexto institucional, cultura organizativa, recursos humanos y expectativas de los usuarios.

Writer: detector gratuito de contenido generado por IA

Writer.com

El detector de contenido con IA de Writer.com es una herramienta gratuita diseñada para identificar la presencia de texto generado por inteligencia artificial en fragmentos de hasta 5.000 palabras. Su objetivo es ayudar a escritores, educadores y profesionales a verificar la autenticidad de los textos antes de su publicación.

Entre sus características principales, destaca la posibilidad de pegar directamente el texto a analizar o incluso ingresar una URL para evaluar su contenido. La herramienta ofrece un puntaje de detección, expresado en porcentaje, que indica la probabilidad de que el texto haya sido generado por IA. Además, es de acceso gratuito y no requiere registro para realizar un análisis, aunque el límite por comprobación es de 5.000 palabras. Para usuarios empresariales, Writer.com ofrece una API que permite integrar el detector en flujos de trabajo automatizados.

Sin embargo, el detector tiene algunas limitaciones. Su precisión puede variar, especialmente en textos que imitan muy bien el estilo humano o que contienen frases comunes, lo que puede generar falsos positivos o negativos. Además, a diferencia de otras herramientas como Originality.ai, no cuenta con detección de plagio, lo que puede ser una desventaja para quienes buscan una solución integral. Otra limitación es que el acceso a la API solo está disponible en planes empresariales, lo que restringe su uso para individuos o pequeñas empresas que necesiten automatizar los análisis.

El detector de IA de Writer.com resulta útil para comprobaciones rápidas y accesibles de contenido generado por inteligencia artificial. Es una opción práctica para usuarios que buscan una solución sencilla y gratuita. Sin embargo, para quienes necesitan funciones más avanzadas, como análisis más profundos o detección de plagio, puede ser necesario considerar herramientas complementarias o alternativas más completas.

Evaluación de la eficacia de las herramientas de detección de contenido generado por IA

Elkhatat, Ahmed M., Khaled Elsaid y Saeed Almeer. 2023. “Evaluating the efficacy of AI content detection tools in differentiating between human and AI-generated text.” International Journal for Educational Integrity 19: 17. https://doi.org/10.1007/s40979-023-00140-5

Se investiga la efectividad de diversas herramientas de detección de contenido generado por IA, como OpenAI, Writer, Copyleaks, GPTZero y CrossPlag, en la identificación de textos producidos por modelos de IA como ChatGPT.

Utilizando párrafos sobre el tema de las torres de refrigeración en procesos de ingeniería generados por ChatGPT Modelos 3.5 y 4, junto con respuestas humanas de control, los investigadores evaluaron la capacidad de estas herramientas para distinguir entre contenido humano y generado por IA.

Los resultados revelaron que las herramientas de detección fueron más precisas al identificar contenido generado por GPT 3.5 en comparación con GPT 4. Sin embargo, al aplicarlas a las respuestas humanas de control, las herramientas mostraron inconsistencias, produciendo falsos positivos y clasificaciones inciertas. Esto destaca la necesidad de un desarrollo y refinamiento continuo de las herramientas de detección de contenido generado por IA, ya que el contenido generado por IA se vuelve cada vez más sofisticado y difícil de distinguir del texto escrito por humanos.

El estudio subraya la importancia de no depender exclusivamente de estas herramientas para garantizar la integridad académica. Se recomienda adoptar un enfoque más holístico que combine el uso de herramientas de detección con revisiones manuales y consideraciones contextuales para asegurar una evaluación justa y precisa del contenido académico. Además, los autores sugieren que las instituciones educativas reconsideren sus métodos de evaluación tradicionales, incorporando tecnologías de IA para mejorar el aprendizaje y la evaluación, al tiempo que fomentan una cultura de honestidad académica y responsabilidad.

Aspectos clave:

  • Ninguna herramienta es completamente infalible; la combinación de detección automática y revisión manual es esencial.
  • Los textos generados por ChatGPT 4 son más difíciles de detectar, mostrando la necesidad de mejorar continuamente estas herramientas.
  • Se recomienda integrar estas tecnologías con políticas educativas que fomenten la honestidad académica y métodos de evaluación adaptados.

¿Por qué a los adolescentes les encanta pasar tiempo en la biblioteca?

Sung, Ki. 2025. “Why Teens Love to Hang Out at the Library.” KQED MindShift, 23 de septiembre de 2025. https://www.kqed.org/mindshift/65817/why-teens-love-to-hang-out-at-the-library

Las bibliotecas públicas han evolucionado para convertirse en espacios atractivos y relevantes para los adolescentes. En lugar de ser lugares silenciosos y tradicionales, muchas bibliotecas ahora ofrecen entornos dinámicos donde los jóvenes pueden relajarse, socializar, estudiar y desarrollar habilidades creativas.

Las bibliotecas han transformado su papel tradicional para adaptarse a las necesidades y preferencias de los adolescentes. En lugar de ser únicamente lugares silenciosos dedicados a la lectura y el estudio, las bibliotecas modernas ofrecen espacios dinámicos que combinan aprendizaje, creatividad y socialización. Estas transformaciones responden a la necesidad de proporcionar entornos seguros y estimulantes donde los jóvenes puedan explorar intereses diversos, desde la tecnología digital hasta las artes, mientras construyen relaciones sociales y comunitarias.

Un ejemplo destacado es The Mix, un espacio exclusivo para adolescentes en la Biblioteca Pública de San Francisco. Este espacio ofrece actividades variadas, como impresión 3D, grabación de música, producción de videos, creación de podcasts y juegos, lo que permite a los jóvenes desarrollar habilidades técnicas y creativas de manera informal y autónoma. La iniciativa se inspira en el programa YOUMedia, implementado en 2009 por la Biblioteca Pública de Chicago, que proporcionaba acceso a tecnología digital en un entorno supervisado y seguro. La experiencia resultó tan exitosa que se expandió a 29 sucursales y se convirtió en modelo para otras bibliotecas en Estados Unidos.

El artículo también subraya cómo la pandemia de COVID-19 puso de relieve la importancia de estos espacios para los adolescentes. La interrupción de la vida escolar y social provocó un aislamiento significativo, lo que hizo que muchos jóvenes dependieran de la biblioteca como lugar de reconexión y apoyo emocional. En respuesta, la Biblioteca Pública de Nueva York y otras instituciones han ampliado sus programas para adolescentes, ofreciendo no solo actividades creativas, sino también oportunidades de participación cívica, preparación universitaria, talleres de habilidades prácticas y clubes de lectura. Estos programas buscan equilibrar el aprendizaje académico con la construcción de comunidad y el desarrollo personal.

Sung enfatiza que esta transformación demuestra que las bibliotecas pueden ser mucho más que depósitos de libros: son centros de innovación educativa y social, adaptables a los intereses de cada generación. Al ofrecer espacios que combinan tecnología, creatividad y socialización, las bibliotecas fomentan un sentido de pertenencia y motivación entre los adolescentes, contribuyendo a su desarrollo integral y fortaleciendo la conexión entre los jóvenes y su comunidad. En este sentido, las bibliotecas modernas se presentan como un modelo de cómo las instituciones culturales pueden reinventarse para seguir siendo relevantes en un mundo digital y socialmente cambiante.

La IA esta deteriorando la confianza entre profesores y alumnos

El artículo advierte que el uso de IA en las tareas escolares está debilitando la confianza entre estudiantes y profesores, al generar sospechas y dependencia tecnológica. Señala que la clave está en replantear evaluaciones y fomentar un diálogo abierto sobre integridad académica.

Se analiza cómo el uso creciente de herramientas de inteligencia artificial por parte de los estudiantes está afectando de manera significativa la relación de confianza entre alumnos y profesores. La facilidad con la que los estudiantes pueden recurrir a la IA para redactar ensayos, resolver tareas o incluso generar ideas iniciales está transformando las dinámicas del aula. Por un lado, los estudiantes encuentran en estas herramientas una vía rápida para cumplir con las exigencias académicas; por otro, los docentes empiezan a sospechar de la autenticidad de los trabajos presentados. Esta tensión ha dado lugar a un círculo vicioso: los alumnos sienten que los profesores no confían en ellos, y los profesores perciben que los estudiantes no son honestos en su esfuerzo académico.

Esta pérdida de confianza se ve reforzada por el uso de softwares diseñados para detectar textos generados por IA. Si bien estas herramientas prometen garantizar integridad académica, en la práctica son imperfectas y generan errores de diagnóstico. Casos documentados muestran que estudiantes cuya lengua materna no es el inglés han sido señalados erróneamente como usuarios de IA, lo que introduce sesgos culturales y lingüísticos en el proceso de evaluación. Estos fallos no solo afectan la reputación de los alumnos, sino que también aumentan el escepticismo hacia los métodos de control empleados por los profesores. De esta forma, lo que debería ser un recurso para salvaguardar la calidad del aprendizaje termina, en muchos casos, debilitando todavía más la confianza mutua en el aula.

El artículo recoge también testimonios de docentes que perciben un cambio profundo en la motivación de los estudiantes. Liz Shulman, profesora citada en el texto, describe que la relación alumno-profesor ha adoptado un carácter cada vez más “transaccional”: los estudiantes parecen concentrarse únicamente en entregar tareas que cumplan requisitos formales, sin implicarse realmente en el proceso de aprendizaje. Frente a esta situación, algunas instituciones han comenzado a implementar estrategias alternativas para reducir el impacto de la IA en las evaluaciones: trabajos escritos a mano en clase, presentaciones orales, revisiones por etapas o la entrega de borradores parciales. Estas medidas buscan no solo dificultar el uso de la IA como atajo, sino también revalorizar el esfuerzo y la creatividad individuales en el proceso educativo.

Toppo enfatiza, además, que aunque la irrupción de la IA representa un reto novedoso, no es del todo ajeno a los problemas que la educación ya enfrentaba en torno a la integridad académica. Expertos como Tim Gorichanaz recuerdan que la inclinación de algunos estudiantes hacia el plagio o la deshonestidad tiene raíces previas: falta de motivación, presión por las calificaciones y ausencia de conexión con los contenidos. La IA, en este sentido, no ha creado el problema, sino que lo ha amplificado y visibilizado de manera más contundente. Lo que cambia con la IA es la escala y la facilidad con la que los estudiantes pueden optar por delegar en la máquina, lo cual plantea la urgencia de respuestas pedagógicas innovadoras.

Por qué la innovación en IA exige un pensamiento más inteligente en torno a la creación de valor

Henkin, David. 2025. “Why Innovation In AI Demands Smarter Thinking Around Value Creation.” Forbes, 23 de septiembre de 2025.

Ver noticia

La innovación en inteligencia artificial (IA) no debe centrarse únicamente en lo novedoso o espectacular, sino en cómo esa innovación genera valor tangible para las organizaciones y para las personas.

Henkin advierte que muchas iniciativas de IA se quedan en la fase de exhibición tecnológica sin traducirse en beneficios reales o sostenibles; para que la IA sea verdaderamente transformadora, debe integrarse con intención, propósito y una lógica clara de creación de valor.

Henkin plantea que para que la IA contribuya de verdad al progreso organizacional, es necesario reordenar el paradigma de innovación. No basta con lanzar modelos o prototipos; hay que preguntarse: ¿qué valor entregaremos, a quién y cómo mediremos ese valor? La innovación con IA debe concebirse como parte de la estrategia de negocios, no como un experimento aislado. En este sentido, toda aplicación de IA debe alinearse con objetivos estratégicos y estar sujeta a criterios rigurosos de retorno, impacto y sostenibilidad.

Un punto clave que el autor enfatiza es la necesidad de una mentalidad más sofisticada sobre “valor”. No se trata simplemente de reducir costos o automatizar tareas, sino de ampliar capacidades, mejorar experiencias, desbloquear nuevos modelos de negocio o permitir decisiones más inteligentes. En esa línea, Henkin advierte contra la trampa de diseñar soluciones de IA que parezcan innovadoras pero que en la práctica no cambian nada sustancial: la innovación eficaz requiere conectar la capacidad técnica con necesidades reales y expectativas concretas.

Finalmente, el artículo sugiere que las organizaciones que ganarán relevancia serán aquellas que internalicen este enfoque de innovación con IA orientada al valor, en lugar de seguir una lógica puramente tecnológica. La IA debe servir como palanca para crecimiento, competitividad y transformación profunda, siempre bajo un marco de pensamiento estratégico, medición rigurosa y foco en los resultados que importan.

El desafío de las bibliotecas ante el material generado por inteligencia artificial

Tanzi, Nick. 2025. “Addressing AI-Generated Materials in the Library Collection.” The Digital Librarian, 5 de agosto de 2025. https://the-digital-librarian.com/2025/08/05/addressing-ai-generated-materials-in-the-library-collection/

El auge de la inteligencia artificial generativa está transformando el ecosistema editorial y, en consecuencia, afectando a las bibliotecas. La proliferación de libros, artículos y audiolibros creados o narrados mediante herramientas automatizadas plantea retos relacionados con la calidad, la fiabilidad y la ética.

El problema no se limita a la producción independiente: en plataformas muy usadas por bibliotecas, como Hoopla u OverDrive, ya han aparecido títulos de baja calidad generados por IA, que terminan integrándose en las colecciones sin haber sido seleccionados expresamente por los profesionales, lo cual impacta en el presupuesto y en la experiencia de los usuarios.

El autor identifica varias razones por las que este fenómeno requiere atención inmediata. En primer lugar, está el riesgo de que la colección se llene de materiales de dudosa calidad que oscurezcan las obras más valiosas. En segundo lugar, se señala que una saturación de contenidos mediocres dificulta el descubrimiento de títulos relevantes y deteriora la experiencia de búsqueda de los lectores. En tercer lugar, el riesgo se agudiza en la no ficción: los errores o invenciones típicas de la IA pueden llevar a difundir información falsa en ámbitos tan sensibles como la salud, la ciencia o la educación. Por último, surge la cuestión de los audiolibros narrados con voces sintéticas, que a menudo no se presentan como tales, restando transparencia al servicio bibliotecario.

Ante este panorama, Tanzi propone que las bibliotecas desarrollen políticas explícitas para gestionar el material generado por IA. Estas políticas deben definir objetivos claros (asegurar calidad, promover transparencia, incluso prohibir ciertos materiales) y decidir si se redactan de forma independiente o como parte de las políticas tradicionales de desarrollo de colección. El reto práctico es evidente: en muchos casos resulta difícil identificar si una obra fue creada con IA, lo que plantea dudas sobre cómo hacer cumplir las normas. El debate no se reduce a un “sí” o “no” rotundo, sino que incluye la posibilidad de etiquetar y filtrar el contenido, en lugar de eliminarlo de manera automática.

El artículo recopila ejemplos de políticas aplicadas en bibliotecas estadounidenses. Algunas han optado por la prohibición total, como la Jasper-Dubois County Public Library en Indiana o la Cranston Public Library en Rhode Island, que rechazan obras enteramente generadas o narradas por IA. Otras instituciones han adoptado enfoques más flexibles, como la North Olympic Library System en Washington, que distingue entre material “generado por IA” (en general excluido) y material “asistido por IA” (escrito por humanos con apoyo tecnológico), admitiendo este último si cumple criterios de calidad. Incluso en casos donde la obra de IA ya ha sido adquirida, se permite conservarla con una etiqueta clara o aplicar los protocolos habituales de descarte.

La transparencia se convierte en un eje esencial. El autor subraya que no basta con que las bibliotecas establezcan sus políticas: es imprescindible que editores, distribuidores y plataformas informen de forma clara cuándo un título ha sido generado o narrado por inteligencia artificial. Sin esa colaboración, las bibliotecas carecen de herramientas para aplicar sus propios criterios de selección. Algunos proveedores han empezado a reaccionar a las demandas de mayor claridad, como en el caso de Hoopla, que ha respondido positivamente a las quejas de distintas instituciones. Asimismo, los usuarios deben tener acceso a esa información para poder valorar por sí mismos la fiabilidad de lo que leen o escuchan.