La conciencia mundial sobre la inteligencia artificial crece, pero sigue existiendo una importante brecha de conocimiento

Pew Research Center. “Who has heard or read a lot about AI, and how is awareness changing?” 17 de septiembre de 2026. El análisis forma parte de la encuesta internacional de Pew sobre las actitudes hacia la inteligencia artificial realizada en 2026. Artículo original en Pew Research Center

Pew Research Center analiza hasta qué punto la población mundial está familiarizada con la inteligencia artificial y cómo ha evolucionado esta conciencia durante los últimos años. El estudio muestra que, en la mayoría de los 37 países analizados, una mayoría de adultos ha oído hablar al menos algo sobre IA. Sin embargo, existen diferencias enormes en el grado de conocimiento: mientras que en algunos países más de la mitad de la población afirma haber oído o leído mucho sobre inteligencia artificial, en otros esta proporción apenas alcanza a una de cada diez personas. Japón y Alemania se encuentran entre los países con mayores niveles de conocimiento declarado, mientras que Sri Lanka y Bangladesh se sitúan en el extremo contrario.

Uno de los datos más significativos es que la conciencia sobre la IA está aumentando. En 11 de los 25 países en los que Pew dispone de datos comparables con el año anterior, creció la proporción de personas que dicen haber oído o leído mucho sobre inteligencia artificial. Algunos de los incrementos más importantes se registraron en Nigeria (+14 puntos porcentuales), Hungría (+11) y Reino Unido (+10). El fenómeno también es particularmente evidente en Estados Unidos: la proporción de estadounidenses que afirma haber oído o leído mucho sobre IA prácticamente se ha duplicado desde 2022, cuando Pew comenzó a realizar esta pregunta.

El estudio encuentra además una relación clara entre nivel de desarrollo económico y conocimiento de la IA. Los países con un PIB per cápita más elevado tienden a presentar niveles superiores de conciencia sobre la tecnología. Pew pone como ejemplo a Singapur, donde el PIB per cápita se aproxima a los 100.000 dólares y el 53% de los adultos afirma haber oído o leído mucho sobre IA. En el extremo contrario, Bangladesh, con un PIB per cápita cercano a los 2.600 dólares, registra solamente un 4%. Esta diferencia refleja no solamente la difusión de la tecnología, sino también las desigualdades en acceso a información, educación y experiencias directas con herramientas de IA.

La edad constituye otra de las variables más importantes. En los 36 países donde Pew puede comparar grupos de edad, los adultos de 18 a 34 años son más propensos que los mayores de 50 años a afirmar que han oído o leído mucho sobre inteligencia artificial. En 19 países la diferencia alcanza o supera los 30 puntos porcentuales. España presenta una de las brechas más llamativas: el 67% de los jóvenes de 18 a 34 años afirma haber oído mucho sobre IA, frente a solamente el 16% de las personas de 50 años o más, una diferencia de 51 puntos. Además, en España la conciencia ha crecido más entre los jóvenes que entre los adultos mayores desde el año anterior.

La relación entre conocimiento y actitud hacia la IA resulta especialmente interesante. En numerosos países, quienes conocen más la tecnología no son necesariamente quienes tienen una visión más negativa. De hecho, Pew observa que las personas con mayor conocimiento de IA tienden en muchos países a mostrar una actitud relativamente más optimista. En Alemania, por ejemplo, entre quienes han oído mucho sobre IA, el 26% se declara principalmente preocupado, el 59% está igualmente preocupado y entusiasmado y el 15% está principalmente entusiasmado. Entre quienes han oído poco o nada sobre IA, las cifras son 41%, 51% y 8%, respectivamente. Esto sugiere que la falta de información puede estar asociada con mayores niveles de preocupación o, sencillamente, con una mayor dificultad para adoptar una posición definida.

También existe una brecha educativa y socioeconómica. Las personas con mayores niveles de educación y mayores ingresos tienden a presentar una mayor conciencia sobre la inteligencia artificial. Por el contrario, quienes tienen menor nivel educativo o menores ingresos suelen estar menos familiarizados con la tecnología y manifiestan con mayor frecuencia preocupación ante ella. El fenómeno es importante porque indica que la expansión de la IA no está produciendo únicamente una transformación tecnológica, sino también una posible brecha de alfabetización en IA entre diferentes grupos sociales.

El caso de los jóvenes merece una atención particular. Aunque son claramente el grupo con mayor nivel de conocimiento, esto no significa que sean acríticamente favorables a la IA. El estudio internacional muestra que los menores de 35 años suelen combinar entusiasmo y preocupación. En más de la mitad de los países analizados, sentirse simultáneamente preocupados y entusiasmados constituye la respuesta mayoritaria o más frecuente entre los jóvenes. Además, en varios países la preocupación está creciendo entre ellos. En Estados Unidos, por ejemplo, la proporción de jóvenes de 18 a 34 años que se sienten principalmente preocupados por la IA pasó del 40% en 2024 al 55% en 2026.

El informe muestra que la alfabetización y la conciencia sobre la inteligencia artificial avanzan rápidamente, pero de manera desigual. La edad, el nivel educativo, los ingresos y el desarrollo económico del país están asociados con diferencias importantes en el grado de conocimiento. El dato resulta especialmente relevante para las bibliotecas y las instituciones educativas: no basta con que la IA esté disponible; es necesario garantizar que los distintos grupos sociales dispongan de oportunidades para comprender qué es, cómo funciona, cuáles son sus posibilidades y cuáles son sus riesgos. Los datos de Pew proporcionan, por tanto, un argumento sólido para considerar la alfabetización en IA como una dimensión de la alfabetización informacional y digital, especialmente para reducir las desigualdades de conocimiento que acompañan a la expansión de esta tecnología. Esta última consideración es una interpretación derivada de los datos del estudio, no una conclusión explícita de Pew.

La percepción global sobre la IA cambia: más personas esperan pérdida de empleos que creación de puestos de trabajo

Silver, Laura, Richard Wike, Moira Fagan y Jordan Lippert. “Globally, More People Expect AI to Cause Job Loss Than Growth.” Pew Research Center, 17 de septiembre de 2026.. Pew Research Center – informe completo

Encuesta internacional realizada entre el 8 de febrero y el 13 de mayo de 2026 a 42.151 adultos de 36 países. El estudio del Pew Research Center ofrece una panorámica internacional sobre cómo está cambiando la percepción social de la inteligencia artificial. Su principal conclusión es que, en 34 de los 37 países analizados, las personas tienden a pensar que la IA provocará más pérdida de empleos que creación de puestos de trabajo. No se trata de una medición de empleos efectivamente destruidos, sino de las expectativas de la población sobre el impacto que tendrá la IA durante los próximos 20 años. La incertidumbre sigue siendo considerable: en muchos países al menos una quinta parte de los adultos no sabe si la IA tendrá un efecto positivo o negativo sobre el empleo, porcentaje que alcanza aproximadamente cuatro de cada diez personas en algunos países de ingresos medios.

La preocupación resulta especialmente elevada en varios países de ingresos altos. En Australia, Corea del Sur y Estados Unidos, alrededor de siete de cada diez adultos o más consideran que la IA producirá pérdida de empleos. En Estados Unidos, único país donde Pew permite una comparación directa con una encuesta anterior, esta percepción ha aumentado 7 puntos porcentuales en dos años. El estudio muestra además que la preocupación no se distribuye de manera uniforme: en países como Canadá, Francia, Singapur y Suecia, así como en India, Indonesia y Malasia, los adultos de 18 a 34 años son más propensos que los mayores de 50 años a pensar que la IA destruirá puestos de trabajo.

Otro aspecto significativo es la relación entre conocimiento sobre IA y percepción de sus efectos. En aproximadamente la mitad de los países estudiados, quienes afirman haber oído o leído mucho sobre inteligencia artificial son más propensos a anticipar pérdidas de empleo que quienes tienen un menor nivel de conocimiento. Estos últimos, sin embargo, presentan con mayor frecuencia respuestas de incertidumbre. El resultado resulta interesante porque indica que una mayor familiaridad con la tecnología no conduce necesariamente a una percepción más optimista de su impacto laboral; en determinados contextos puede estar asociada precisamente con una mayor conciencia de los cambios que puede producir.

El temor al desempleo se relaciona además con una preocupación más amplia: el posible aumento de las desigualdades económicas. Globalmente, las personas son más proclives a pensar que la IA incrementará la distancia entre ricos y pobres que a considerar que la reducirá. En Corea del Sur, Australia, Estados Unidos, Grecia y Canadá, al menos cuatro de cada diez adultos creen que la IA aumentará la brecha económica. Por el contrario, son muy pocos los que consideran que contribuirá a disminuir la desigualdad: en ningún país supera el 25% la proporción que mantiene esta opinión y en 29 de las naciones analizadas permanece en cifras de un solo dígito.

Sin embargo, el panorama no es exclusivamente negativo. El informe encuentra una combinación de preocupación y entusiasmo ante la expansión de la IA. Como mediana de los 37 países, un 37% de los encuestados declara estar más preocupado que entusiasmado, mientras que un 41% manifiesta sentirse igualmente preocupado y entusiasmado. Israel constituye la única excepción en la que hay más personas principalmente entusiasmadas que principalmente preocupadas. Corea del Sur ofrece un caso especialmente interesante: aunque sus ciudadanos están entre los que más anticipan pérdidas de empleo y aumento de la desigualdad, el 61% afirma sentirse simultáneamente preocupado y entusiasmado y un 21% se declara principalmente entusiasmado.

Las tendencias también están cambiando con rapidez. En Suecia, Polonia, Países Bajos, Hungría y Australia aumentó durante el último año la proporción de personas que se sienten más preocupadas que entusiasmadas por la IA. En Estados Unidos, la preocupación general se ha mantenido relativamente estable durante el último año, pero ha crecido de manera notable desde 2021. Especialmente significativo es el cambio entre los jóvenes estadounidenses: entre 2024 y 2026, la proporción de adultos de 18 a 34 años que se muestran principalmente preocupados por la IA pasó del 40% al 55%.

La IA puede generar resultados, pero no sustituye el esfuerzo creativo

Zimmerman, Andrew. “Why AI Can’t Replace the Creative Struggle.” Fast Company, 12 de agosto de 2026. Artículo original en Fast Company

El autor, Andrew Zimmerman, parte de una experiencia personal como novelista. Mientras intentaba comenzar su segunda novela sufrió un bloqueo creativo y decidió probar un modelo de lenguaje al que proporcionó su primera novela y pidió que escribiera el primer capítulo de una continuación. El resultado le sorprendió por su capacidad para reproducir su voz, ritmo y diálogos. Sin embargo, precisamente esa eficacia le hizo comprobar que las decisiones fundamentales de la creación seguían siendo humanas: qué deberían hacer los personajes, cómo deberían sentirse y qué quería transmitir al lector. La IA podía producir páginas, pero no resolver por él las preguntas esenciales de la obra.

Una de las ideas centrales del artículo es la diferencia entre producir un resultado y desarrollar el proceso creativo. Según Zimmerman, los sistemas de IA tienden a buscar respuestas viables mediante reconocimiento de patrones, mientras que la creatividad humana también implica desviarse, asociar ideas aparentemente inconexas, explorar caminos extraños y aceptar los callejones sin salida. Bocetos descartados, errores, dudas y sucesivos intentos forman parte de la construcción de una perspectiva propia. Por ello, aunque la IA pueda acortar considerablemente el proceso, eliminar completamente esa fase de exploración puede empobrecer la creatividad.

El autor formula así una idea especialmente interesante: “la lucha es una característica, no un defecto”. El bloqueo, la incertidumbre o la dificultad para resolver un problema creativo no son necesariamente ineficiencias que debamos eliminar. Pueden constituir precisamente el mecanismo mediante el cual una persona desarrolla criterio, descubre alternativas y llega a una solución que siente como propia. En su caso, el capítulo generado por IA terminó funcionando como una provocación que le permitió pensar mejor sobre su novela, no como un modelo que simplemente tuviera que copiar.

Otro aspecto importante es la necesidad de definir qué aportación sigue perteneciendo al creador humano. Zimmerman reconoce que la frontera entre las tareas automatizables y las tareas creativas se está haciendo cada vez más difusa a medida que mejoran los modelos. Por ello considera necesario identificar aquello que constituye la contribución personal e inseparable del autor: su criterio, experiencia, sensibilidad, intención y capacidad para decidir qué significado debe tener una obra. En su caso, puede utilizar IA para estimular o afinar sus ideas, pero considera que la obra debe seguir llevando su nombre porque la responsabilidad creativa continúa siendo suya.

Se revindica la experiencia humana y corporal como fuente de creatividad. Zimmerman señala que crear no consiste únicamente en permanecer delante de una pantalla: caminar, observar la naturaleza, visitar una exposición o realizar actividades manuales pueden alimentar la imaginación porque conectan el proceso creativo con las emociones y la experiencia vivida. Su conclusión es que no tiene sentido esperar una futura sustitución de la inteligencia creativa humana por la IA: la interacción entre ambas ya está ocurriendo. La cuestión fundamental es mantener al ser humano como protagonista y utilizar la IA como instrumento de exploración, provocación y apoyo, no como sustituto del proceso mediante el cual construimos nuestras propias ideas.

Más allá del edificio: cómo las bibliotecas están reinventando los espacios exteriores

New York Public Library integra sus espacios exteriores en Bryant Park con zonas de lectura, descanso y encuentro comunitario, ampliando la biblioteca más allá de sus límites físicos.

Dilger, Jeannie. “Beyond the Building: How Libraries Are Reimagining Outdoor Spaces.” ReThinking Libraries, 28 de julio de 2026. Artículo original

Se plantea una evolución significativa del concepto de espacio bibliotecario. La biblioteca del futuro no tiene por qué limitarse a sus salas interiores: puede proyectarse hacia jardines, plazas, calles y otros espacios públicos para desarrollar actividades culturales, educativas, sociales y de bienestar. La combinación de participación ciudadana, diseño flexible, accesibilidad y planificación a largo plazo permite concebir el exterior como una auténtica extensión de los servicios bibliotecarios y como una nueva infraestructura de encuentro comunitario.

Se analiza una tendencia creciente en la arquitectura y planificación bibliotecaria: extender la función de la biblioteca más allá de las paredes del edificio mediante patios, plazas, jardines, terrazas, azoteas, espacios urbanos e incluso aparcamientos o terrenos próximos. La cuestión fue abordada en la conferencia anual de la American Library Association de 2026 en Chicago, donde profesionales de bibliotecas y arquitectura paisajística analizaron cómo estos espacios pueden favorecer la conexión comunitaria, el aprendizaje, la programación cultural y el bienestar. La pandemia aceleró una evolución que ya estaba en marcha, al demostrar el valor de los espacios exteriores para reunirse y desarrollar actividades de forma segura.

Una de las principales ideas del artículo es que el diseño del espacio exterior debe comenzar escuchando a la comunidad. Antes de decidir qué instalaciones construir, las bibliotecas deberían conocer las necesidades tanto de sus usuarios habituales como de las personas que no utilizan actualmente sus servicios. Encuestas, talleres participativos, sesiones de diseño y otras formas de consulta permiten identificar usos y necesidades que pueden pasar desapercibidos. Además, incorporar personas de diferentes edades, capacidades y procedencias ayuda a construir espacios más inclusivos y representativos de la comunidad.

El texto también cuestiona la idea de que para disponer de una biblioteca exterior sea necesario contar con grandes jardines o terrenos. Cualquier espacio puede convertirse en una extensión de la biblioteca si se planifica adecuadamente: pequeñas plazas, terrazas, balcones, calles, zonas de aparcamiento, jardines de bolsillo, azoteas o espacios pertenecientes a otras organizaciones mediante acuerdos de colaboración. La planificación debe tener en cuenta factores como el ruido, el tráfico, la seguridad, el acceso, la gestión del agua de lluvia y las características del entorno.

Otro principio fundamental es la flexibilidad. Las bibliotecas pueden utilizar sus espacios exteriores para organizar grandes actividades y actuaciones, pero también para ofrecer zonas de lectura y descanso, reuniones de pequeños grupos, comidas, actividades educativas y medioambientales, celebraciones comunitarias o eventos de recaudación de fondos. Dado que los presupuestos no siempre permiten desarrollar todos los proyectos simultáneamente, el artículo propone diseñar una estructura que pueda crecer progresivamente y adaptarse a nuevas necesidades.

La perspectiva de inclusión y diversidad de usuarios ocupa igualmente un lugar central. Los espacios exteriores pueden diseñarse para niños y familias, adultos que buscan tranquilidad, personas interesadas en la interacción social y actividades intergeneracionales. Elementos aparentemente sencillos —vegetación autóctona, diferentes tipos de asientos, recorridos accesibles y zonas adaptadas a distintas actividades— pueden transformar un espacio exterior en un verdadero destino comunitario. La biblioteca deja así de concebirse exclusivamente como un edificio para convertirse en una red de espacios de encuentro, aprendizaje y convivencia.

El artículo recuerda, además, que la calidad de estos espacios depende tanto de los pequeños detalles como del diseño general. Wi-Fi, conexiones eléctricas, iluminación, baños, aparcamientos para bicicletas y espacios de almacenamiento pueden determinar hasta qué punto se utiliza un espacio exterior. También es necesario prever desde el principio su mantenimiento y seleccionar materiales y mobiliario adecuados. Un elemento especialmente importante es la sombra: árboles, estructuras permanentes o sistemas móviles pueden mejorar considerablemente el confort y ampliar las horas y épocas del año en que el espacio puede utilizarse.

Promoviendo el conocimiento abierto: Harvard Library actualiza su estrategia para avanzar hacia un conocimiento más abierto

Advancing Open Knowledge. Harvard Library, 2026

Texto completo

Harvard Library ha presentado Advancing Open Knowledge 2026, una actualización de su marco estratégico para orientar el trabajo de sus bibliotecas en los próximos años. El documento parte de una revisión de la estrategia que la institución formuló originalmente en 2020 y responde a un entorno de investigación y comunicación científica que ha cambiado notablemente debido a las transformaciones tecnológicas, sociales y económicas. Entre estos cambios ocupa un lugar destacado la expansión de la inteligencia artificial generativa, que está modificando las formas de producir, descubrir, evaluar y utilizar la información.

La estrategia mantiene como principio fundamental la responsabilidad de la biblioteca de conectar a las personas con el conocimiento y garantizar su conservación para el futuro. Harvard Library plantea así una concepción de la biblioteca que va más allá de la custodia de colecciones: se presenta como una infraestructura activa para facilitar la producción, circulación, descubrimiento y reutilización del conocimiento. La actualización reconoce que las bibliotecas universitarias deben adaptarse continuamente a los cambios en la investigación y en la tecnología, pero sin perder sus funciones esenciales relacionadas con el acceso, la confianza y la preservación.

El nuevo marco se articula alrededor de tres grandes líneas estratégicas. La primera es diversificar y ampliar el acceso al conocimiento, mediante el desarrollo de colecciones profundas y la difusión de resultados de investigación de alto impacto, procurando además representar una amplia variedad de perspectivas dentro del registro académico. La segunda consiste en mejorar el descubrimiento y la participación, facilitando que las personas puedan encontrar y utilizar el conocimiento tanto en entornos digitales como en las comunidades. La tercera se centra en preservar para el futuro, garantizando la conservación a largo plazo de las colecciones físicas y digitales y reforzando su resiliencia mediante colaboraciones estratégicas.

Especial interés tiene la relación que establece Harvard entre inteligencia artificial y experiencia bibliotecaria. La estrategia propone incorporar tecnologías como la IA generativa a los procesos de descubrimiento y utilización de la información, pero vinculándolas explícitamente con la experiencia profesional de las bibliotecas y con colecciones fiables. Esto plantea un modelo en el que la IA no sustituye el conocimiento bibliotecario, sino que puede combinarse con la selección, organización, contextualización y evaluación profesional de las fuentes.

La cuestión de la confianza en la información adquiere, por tanto, una importancia especial. La estrategia de 2026 se desarrolla en un contexto en el que las herramientas generativas pueden facilitar nuevas formas de acceso al conocimiento, pero también transforman los mecanismos tradicionales mediante los cuales los usuarios localizan y valoran las fuentes. La respuesta de Harvard consiste en situar conjuntamente tecnología, colecciones confiables y conocimientos especializados de los bibliotecarios. Esta combinación resulta especialmente significativa para el futuro de la alfabetización informacional y, en particular, para la formación de investigadores y estudiantes en un ecosistema dominado cada vez más por sistemas de IA.

La tercera dimensión, la preservación, demuestra que la transformación digital no implica abandonar las responsabilidades tradicionales de las bibliotecas. Harvard insiste en la necesidad de custodiar tanto materiales físicos como digitales y de reforzar su resistencia mediante redes de colaboración. La institución cuenta actualmente con más de 20 millones de recursos físicos y digitales, más de 800 empleados y más de 25 bibliotecas, con colecciones que abarcan más de 460 lenguas. Esta escala explica la importancia que tienen para Harvard las estrategias de preservación, descubrimiento, acceso y colaboración institucional.

Advancing Open Knowledge 2026 presenta una visión de la biblioteca académica como una infraestructura de conocimiento que combina acceso abierto, colecciones de calidad, descubrimiento, inteligencia artificial, experiencia profesional, colaboración y preservación a largo plazo. La actualización resulta especialmente relevante para el debate sobre el futuro de las bibliotecas universitarias porque plantea que la respuesta a la IA no pasa únicamente por incorporar nuevas herramientas, sino también por reforzar aquello que diferencia a las bibliotecas: la selección y contextualización de fuentes, la confianza, la preservación y la capacidad de conectar a las personas con conocimiento de calidad.

La mayoría de los estadounidenses percibe riesgos importantes en la inteligencia artificial

Rogerson, Riley, Mia McCarthy y Anna Wiederkehr. “Poll: Americans say there’s a serious risk of AI destroying humanity”. POLITICO, 16 de septiembre de 2026. https://www.politico.com/news/2026/09/16/poll-ai-technology-risks-humanity-trump-voters-01078087

Una nueva encuesta de POLITICO muestra que la preocupación por los posibles riesgos extremos de la inteligencia artificial está ampliamente extendida entre la población estadounidense. El 63 % de los encuestados considera que existe al menos un riesgo moderado de que una IA avanzada pueda llegar a destruir a la humanidad: un 26 % califica ese riesgo como moderado, un 20 % como significativo y un 17 % considera que es casi seguro. Por el contrario, un 15 % considera que el riesgo es pequeño y un 7 % afirma que no existe ningún riesgo.

La preocupación aparece además entre diferentes grupos políticos, aunque con diferencias. Entre quienes votaron a Kamala Harris en las elecciones presidenciales de 2024, el 70 % considera que existe al menos un riesgo moderado para la supervivencia humana. Entre quienes votaron a Donald Trump, la cifra es del 60 %. Es decir, la percepción del riesgo no se limita a un determinado sector político: incluso entre los votantes de Trump, seis de cada diez identifican algún nivel de riesgo moderado o superior.

La encuesta también revela una tensión entre seguridad y liderazgo tecnológico internacional. Los estadounidenses reconocen los posibles riesgos de los sistemas avanzados de IA, pero al mismo tiempo existe preocupación por la posibilidad de que Estados Unidos reduzca su ventaja tecnológica frente a otros países, especialmente China. Según los resultados publicados, un 43 % considera aceptable que Estados Unidos pueda quedarse por detrás de otros países si ello permite desarrollar una IA de manera más responsable y segura, mientras que un 37 % considera que Estados Unidos no debería ralentizarse aunque ello implique asumir mayores riesgos.

Esta tensión resulta especialmente visible entre los votantes de Trump. En este grupo, un 44 % se inclina por pausar el desarrollo de la IA, mientras que un 40 % prefiere continuar con el desarrollo debido a los beneficios potenciales de la tecnología. Los datos muestran, por tanto, que las posiciones sobre la velocidad de desarrollo de la IA no coinciden necesariamente de forma automática con las divisiones partidistas tradicionales.

Otro aspecto relevante es la percepción de las advertencias procedentes de los propios dirigentes de la industria tecnológica. Aproximadamente la mitad de los estadounidenses considera que los líderes de empresas de IA que advierten sobre posibles riesgos graves lo hacen porque creen realmente en esos riesgos, mientras que un 26 % interpreta esas advertencias principalmente como una estrategia de marketing destinada a presentar sus productos como especialmente poderosos o importantes. El resultado pone de manifiesto que existe simultáneamente preocupación por la IA y cierta desconfianza hacia quienes lideran su desarrollo.

Los resultados se producen en un contexto de creciente debate sobre la regulación de la inteligencia artificial en Estados Unidos. Durante septiembre de 2026, diferentes dirigentes tecnológicos han expresado preocupaciones sobre la evolución de sistemas cada vez más autónomos, mientras que en el Congreso se han planteado distintas iniciativas relacionadas con la seguridad de los agentes de IA. Reuters señala que el debate incluye cuestiones como la supervisión independiente, la autorregulación empresarial y la necesidad de establecer estándares para sistemas avanzados.

El estudio también debe interpretarse dentro de una preocupación más amplia sobre los efectos materiales de la expansión de la IA. Una encuesta independiente de AP-NORC y el Energy Policy Institute de la Universidad de Chicago encontró que el 53 % de los estadounidenses está extremadamente o muy preocupado por los efectos medioambientales de los centros de datos de IA, una proporción superior a la registrada el año anterior. Las preocupaciones incluyen consumo energético, agua, costes y posibles efectos sobre las comunidades donde se instalan estos centros.

En conjunto, los resultados presentan una sociedad estadounidense que no rechaza necesariamente la inteligencia artificial, pero sí expresa una preocupación considerable por sus riesgos. La cuestión que aparece con mayor claridad no es simplemente si la IA debe desarrollarse o no, sino cómo equilibrar innovación, competitividad internacional, seguridad y responsabilidad. La encuesta resulta especialmente interesante porque muestra que el debate sobre IA ha pasado de ser fundamentalmente tecnológico a convertirse también en una cuestión de política pública, regulación, economía y confianza social.

Inteligencia artificial para la investigación científica autónoma: implicaciones para las bibliotecas de investigación

Display reading “ARTIFICIAL RESEARCH INTELLIGENCE” and “AUTONOMOUSLY AI-GENERATED SCIENCE AND THE IMPLICATIONS FOR RESEARCH LIBRARIES,” surrounded by charts and researchers.
Researchers explore AI-generated science and digital tools in a vibrant library setting.

Ridley, Michael. “Artificial Research Intelligence: Autonomously AI-Generated Science and the Implications for Research Libraries.” Information Technology and Libraries 45, no. 3 (2026). DOI: 10.5860/ital.v45i3.17706

El artículo plantea un cambio de gran alcance: si la IA comienza a realizar de manera autónoma partes sustanciales del proceso científico, la biblioteca de investigación tendrá que evolucionar desde la gestión de colecciones hacia la gestión, preservación, evaluación y mediación de sistemas dinámicos de producción de conocimiento. La IA puede realizar gran parte del procesamiento y la exploración, pero el juicio científico, ético e intelectual sigue siendo una responsabilidad humana fundamental.

La aparición de lo que denomina Artificial Research Intelligence (ARI), o inteligencia artificial para la investigación, entendida como sistemas de IA capaces de realizar de manera prácticamente autónoma un proceso científico completo: desde la generación de una idea de investigación hasta la elaboración del manuscrito final. El concepto va más allá del uso convencional de la IA como herramienta auxiliar para buscar información, analizar datos o redactar textos, ya que plantea la utilización coordinada de múltiples modelos y agentes capaces de asumir diferentes etapas del método científico.

Una de las ideas centrales del artículo es que estos sistemas podrían representar una transformación profunda de la forma en que se produce conocimiento científico. Ridley señala que la combinación de modelos de IA agénticos, capacidad de computación y procedimientos propios del método científico podría configurar lo que algunos investigadores han denominado un posible “quinto paradigma de investigación científica”. En este modelo, la IA podría encargarse de tareas de cálculo, exploración de hipótesis, búsqueda de patrones, generación de propuestas y producción de resultados, mientras que las personas conservarían una función esencial relacionada con la interpretación, el juicio científico y la supervisión ética.

El autor, sin embargo, subraya que la investigación científica autónoma todavía presenta limitaciones importantes. Entre ellas aparecen las alucinaciones, la insuficiente especialización profunda en determinados dominios científicos y la tendencia de algunos sistemas a presentar conclusiones más contundentes de lo que permiten realmente las evidencias. Por ello, el hecho de que un sistema sea capaz de generar de forma autónoma un artículo o una hipótesis no significa necesariamente que haya producido conocimiento científico fiable. La automatización de las diferentes fases del proceso investigador introduce, por tanto, nuevos problemas relacionados con la reproducibilidad, la validación, la atribución de responsabilidad y la evaluación de la evidencia.

Otro concepto especialmente interesante es el de “captura epistémica” (epistemic capture). Ridley advierte de que, si las infraestructuras necesarias para desarrollar investigación científica autónoma quedan concentradas en grandes empresas privadas de inteligencia artificial, podría producirse un desplazamiento de parte de la producción de conocimiento desde las universidades y las instituciones públicas hacia las corporaciones tecnológicas que controlan los modelos, los datos y la capacidad de computación. El problema no sería solamente tecnológico o económico, sino también institucional: quién controla las infraestructuras de conocimiento puede acabar teniendo una influencia considerable sobre qué preguntas se investigan, qué resultados se producen y cómo circula el conocimiento científico.

En este contexto, el artículo plantea una redefinición del papel de las bibliotecas de investigación. Si tradicionalmente las bibliotecas universitarias han gestionado colecciones relativamente estáticas —libros, revistas, bases de datos, repositorios y otros recursos documentales—, la expansión de la investigación asistida o generada por IA exigiría avanzar hacia la gestión y custodia de sistemas dinámicos de conocimiento impulsados por inteligencia artificial. Esto supone pasar de administrar únicamente documentos y colecciones a participar también en los ecosistemas tecnológicos, datos, modelos, agentes y procesos mediante los cuales se genera nuevo conocimiento.

Ridley identifica varias áreas en las que las bibliotecas pueden asumir un papel activo. Una de ellas es la comunicación científica, donde los bibliotecarios podrían contribuir al desarrollo de nuevos procesos para documentar, preservar y hacer trazable la investigación producida con sistemas autónomos. También adquiere importancia la formación en competencias de inteligencia artificial para investigadores y profesionales de la información. El artículo plantea, además, la posibilidad de crear laboratorios de IA vinculados a las bibliotecas, desde los cuales experimentar con estas tecnologías y desarrollar investigaciones aplicadas sobre sus posibilidades y riesgos.

La propuesta implica, por tanto, una evolución de la biblioteca como intermediaria de información hacia una biblioteca como infraestructura de conocimiento. En lugar de limitarse a proporcionar acceso a la literatura científica existente, las bibliotecas podrían participar en las nuevas cadenas de producción, validación, preservación y comunicación del conocimiento. Esto conecta directamente con cuestiones que ya están transformando la comunicación científica: artículos generados parcialmente por IA, revisión por pares asistida por algoritmos, agentes capaces de realizar búsquedas y síntesis, generación automática de hipótesis y nuevas formas de publicación científica.

La inteligencia artificial generativa en la evaluación y desarrollo de las colecciones de las bibliotecas universitarias

Librarian reviewing AI collection analytics on a computer in a university library
A librarian reviews AI-generated collection analytics in a busy university library.

Moon-Chung, Jennifer, y Berenika M. Webster. “Exploring AI-assisted Classification for Collection Analysis.” Information Technology and Libraries 45, no. 3 (2026). https://doi.org/10.5860/ital.v45i3.17644. Publicado el 21 de septiembre de 2026.

La investigación plantea una idea de gran interés para las bibliotecas universitarias: la IA puede utilizarse no solamente para descubrir o recomendar información, sino también para comprender mejor qué información debería formar parte de las colecciones. Al conectar producción científica, docencia, clasificación bibliotecaria, datos de uso y gasto, el sistema proporciona una perspectiva más amplia para fundamentar las decisiones de desarrollo de colecciones

Se aborda una aplicación especialmente interesante de la inteligencia artificial generativa en la evaluación y desarrollo de las colecciones de las bibliotecas universitarias. Las autoras parten de un problema habitual: las bibliotecas necesitan conocer hasta qué punto sus colecciones responden a las necesidades reales de sus comunidades académicas, pero relacionar a gran escala la producción investigadora, las actividades docentes y las materias representadas en las colecciones resultan complejas. El mantenimiento manual de correspondencias entre estos diferentes conjuntos de información y los esquemas de clasificación bibliotecaria, especialmente la Library of Congress Classification (LCC), requiere mucho tiempo y dificulta realizar análisis sistemáticos.

La investigación propone un flujo de trabajo escalable basado en inteligencia artificial capaz de relacionar la actividad académica de una institución con las categorías de la clasificación de la Biblioteca del Congreso. Para ello, las autoras integraron seis conjuntos de datos procedentes de dos grandes ámbitos: la producción científica y las actividades docentes. Cuando existían metadatos bibliográficos suficientemente completos, estos se utilizaron directamente; cuando no estaban disponibles, se recurrió al modelo de lenguaje Claude Sonnet, de Anthropic, para inferir las correspondientes categorías de clasificación mediante instrucciones específicas adaptadas a cada tipo de dato. De este modo, la IA funciona como una herramienta para transformar información académica heterogénea en datos estructurados que pueden ser utilizados posteriormente en los procesos de análisis de colecciones.

Uno de los aspectos más relevantes del trabajo es que la inteligencia artificial no reemplaza completamente la intervención humana, sino que se integra dentro de un proceso híbrido. Las autoras desarrollaron una canalización (pipeline) en Python que combina las API de Claude y de diferentes fuentes de metadatos bibliográficos. Los resultados obtenidos automáticamente pasan después por mecanismos de validación de los rangos de la clasificación LCC y por una revisión humana selectiva. Esta combinación permite aprovechar la capacidad de procesamiento de grandes volúmenes de información de los modelos de lenguaje sin renunciar al control profesional de los bibliotecarios, algo particularmente importante cuando las decisiones resultantes pueden afectar a la selección, adquisición y distribución de recursos bibliográficos.

El resultado final se incorpora a un cuadro de mando interactivo desarrollado en Tableau, estructurado en tres partes: una página general de resumen, un explorador de la producción investigadora y otro dedicado a las actividades docentes. Esta visualización permite cruzar y observar conjuntamente información que normalmente permanece dispersa en diferentes sistemas institucionales. El equipo responsable del desarrollo de colecciones de la University of Pittsburgh Library System ha utilizado el sistema junto con datos de gasto y uso de los recursos para revisar sus planes de adquisición mediante aprobación (approval planes). La propuesta permite, por tanto, pasar de una evaluación de colecciones basada principalmente en datos de uso y estadísticas de adquisición a otra que incorpora también evidencias sobre lo que investiga y enseña la propia universidad.

Una de las principales aportaciones del artículo es precisamente esta posibilidad de alinear las colecciones bibliotecarias con las prioridades académicas de la institución. El sistema puede ayudar a identificar áreas temáticas en las que existe una producción investigadora o una actividad docente significativa pero una representación insuficiente en las colecciones. De esta manera, la IA puede contribuir al análisis de posibles lagunas de las colecciones, a la revisión de los planos de adquisición y a una asignación más fundamentada de los recursos económicos. Las autoras plantean además el sistema como una infraestructura sostenible, capaz de actualizarse conforme aparecen nuevos resultados académicos y conforme mejoran los modelos de inteligencia artificial.

El trabajo resulta especialmente significativo porque muestra una aplicación de la IA generativa que va más allá de los usos más conocidos —como la generación de textos, la asistencia a usuarios o la búsqueda conversacional— y la sitúa en una función tradicionalmente muy vinculada al trabajo bibliotecario: la organización, evaluación y desarrollo de colecciones. La clasificación bibliográfica se convierte aquí en un mecanismo de conexión entre diferentes tipos de información institucional. La IA facilita esa conexión al interpretar datos que no siempre contienen explícitamente una categoría LCC, pero el proceso mantiene mecanismos de validación y revisión profesional. Esto apunta hacia un modelo de biblioteca basada en datos, donde la inteligencia artificial puede complementar las competencias de los bibliotecarios para analizar grandes cantidades de información y apoyar decisiones de gestión.

El artículo también puede relacionarse con una tendencia más amplia hacia la automatización inteligente de la clasificación y la asignación temática. Las propias autoras sitúan su trabajo junto a investigaciones anteriores sobre indexación automática, asignación de encabezamientos de materia, clasificación mediante aprendizaje automático y utilización de ChatGPT o Claude para tareas de organización del conocimiento. En este sentido, el estudio representa una evolución desde experimentos centrados en clasificar documentos individuales hacia un uso de la IA orientado al análisis estratégico de conjuntos completos de colecciones.

La denuncia contra una experta en IA se archiva tras las acusaciones sobre el uso de inteligencia artificial en su libro

Retraction Watch. (21 de septiembre de 2026). Misconduct case dropped against AI expert after claims of AI use in recent book. Retraction Watch. Artículo original en Retraction Watch

El caso afecta a Virginia Dignum, profesora de inteligencia artificial responsable en la Universidad de Umeå (Suecia) y especialista en las dimensiones sociales de la IA. Una persona anónima presentó una denuncia por posible mala conducta investigadora relacionada con su libro The AI Paradox, publicado por Princeton University Press en febrero de 2026. Las acusaciones se centraban principalmente en dos cuestiones: la supuesta utilización de inteligencia artificial para generar partes del texto y la existencia de referencias bibliográficas que presentaban errores o que, según la denuncia, podían haber sido inventadas.

La Universidad de Umeå recibió la denuncia el 6 de julio de 2026 y remitió el asunto al National Board for Assessment of Research Misconduct (NPOF), organismo sueco encargado de evaluar determinados casos de mala conducta científica. Sin embargo, el 4 de septiembre el organismo decidió cerrar el expediente sin iniciar una investigación, al considerar que las acusaciones quedaban fuera de su ámbito de competencia. El motivo fundamental fue la naturaleza del libro: según la información proporcionada al organismo, The AI Paradox es una obra de divulgación dirigida al público general y no una investigación científica ni un trabajo realizado en el marco de financiación para investigación.

El NPOF concluyó que el libro no constituye investigación científica a efectos de la normativa sueca sobre mala conducta investigadora. El organismo señaló que Dignum considera la obra un libro de divulgación científica, que no formula afirmaciones propias de una investigación y que fue escrita durante su tiempo libre, fuera del ámbito de proyectos financiados. La Universidad de Umeå tampoco encontró elementos que contradijeran esta descripción. Por ello, una vez archivado el expediente, la universidad indicó que no adoptaría medidas específicas contra la investigadora en relación con esta denuncia.

Un elemento particularmente interesante del caso son las referencias bibliográficas cuestionadas. Dignum negó que hubiera fuentes inventadas y explicó que las seis referencias señaladas por la denuncia correspondían a fuentes reales. Reconoció, no obstante, que algunas referencias contenían errores y que determinados problemas se produjeron al utilizar una herramienta de IA para transformar las citas a formato BibTeX. Según su explicación, se trató de errores de edición y no de fabricación deliberada de referencias. Princeton University Press publicó posteriormente una versión electrónica actualizada del libro con correcciones en varias referencias y anunció que las correcciones también se incorporarían a futuras ediciones impresas.

Dignum también reconoció haber utilizado herramientas de inteligencia artificial durante la elaboración del libro para comprobar formulaciones y proponer alternativas de redacción. Según su explicación, el contenido intelectual y el texto final son de su autoría y ella asume la responsabilidad por ellos. El caso vuelve a poner sobre la mesa una cuestión todavía poco definida en el ámbito académico: qué usos de la IA en la escritura son aceptables y cuáles deberían considerarse problemáticos desde el punto de vista de la integridad académica.

Otro aspecto relevante es la utilización de detectores de IA como elemento de prueba. Una de las acusaciones se apoyaba en herramientas que supuestamente habían identificado determinados fragmentos del libro como generados por inteligencia artificial. Dignum cuestionó este tipo de evidencia y sostuvo que no es posible demostrar de manera concluyente que un texto no haya sido generado por IA únicamente mediante herramientas de detección. El caso ilustra así una de las principales dificultades actuales de los detectores: una señal algorítmica de posible generación automática no equivale necesariamente a una prueba de autoría mediante IA.

El bioeticista David Resnik, citado por Retraction Watch, considera que todavía existe una zona de incertidumbre ética respecto al nivel de utilización de IA aceptable en la escritura académica. También advierte sobre la compleja posición de los denunciantes o whistleblowers: pueden contribuir a descubrir auténticas prácticas irregulares, pero también pueden generar investigaciones institucionales costosas cuando las irregularidades denunciadas son menores o no constituyen realmente mala conducta científica.

El caso resulta especialmente significativo para el debate sobre IA e integridad científica porque diferencia tres cuestiones que con frecuencia se mezclan: el uso legítimo o declarado de herramientas de IA durante la redacción, los errores bibliográficos producidos durante procesos asistidos por IA y la verdadera fabricación o falsificación de información. El archivo de la denuncia no significa que todos los problemas señalados en el libro fueran inexistentes: la propia autora reconoció errores bibliográficos que fueron posteriormente corregidos. Lo que determinó el cierre del procedimiento fue, fundamentalmente, que la obra no entraba dentro de la definición de investigación científica sometida a la jurisdicción del organismo sueco.

Evolución de los precios de las revistas científicas: EBSCO Serials Price Projection Report 2025

EBSCO Information Services. 2025 Serials Price Projection Report. EBSCO, 23 de septiembre de 2024

Texto completo

El informe muestra que el problema del coste de las revistas científicas no depende exclusivamente de la subida anual de las tarifas. La combinación de crecimiento de la producción científica, inflación, transición al acceso abierto, acuerdos Read & Publish, digitalización, inteligencia artificial y volatilidad monetaria está haciendo más compleja la planificación de las colecciones. Para las bibliotecas universitarias, el reto pasa progresivamente de negociar únicamente el precio de una suscripción a evaluar el coste total de la comunicación científica y el valor real que cada recurso aporta a investigadores, docentes y estudiantes.

El informe de EBSCO analiza la evolución prevista de los precios de las publicaciones seriadas académicas para 2025, con especial atención a las revistas electrónicas, los paquetes de revistas y las publicaciones impresas. Las estimaciones proceden de encuestas a editores y del análisis de datos históricos de precios. EBSCO advierte que se trata de proyecciones y no de precios definitivos, por lo que pueden variar en función de las condiciones económicas, las políticas de cada editor, las renovaciones contractuales y las fluctuaciones monetarias.

La previsión central del informe sitúa el incremento de precios de los paquetes de revistas electrónicas entre el 3,5 % y el 4,5 %, mientras que para las revistas electrónicas individuales se estima un aumento del 4 % al 5 %. En el caso de las publicaciones impresas, la previsión es mayor, entre el 5 % y el 6 %. EBSCO relaciona esta diferencia con el incremento de los costes de impresión y distribución, la reducción de la demanda de ejemplares físicos y las ineficiencias asociadas a tiradas impresas más pequeñas.

Uno de los aspectos más relevantes es la consolidación del modelo digital dentro de los presupuestos bibliotecarios. EBSCO señala que en 2024 los paquetes de revistas electrónicas representaban más del 60 % de sus ventas totales, reflejando el desplazamiento progresivo de las colecciones hacia los recursos digitales. El informe considera que los paquetes electrónicos continuarán teniendo un peso importante en las decisiones presupuestarias de las bibliotecas, aunque su incremento medio previsto sea ligeramente inferior al de las revistas electrónicas individuales y las publicaciones impresas.

El contexto económico constituye otro de los factores determinantes. La inflación, los costes de producción, operación y distribución y las fluctuaciones de las divisas condicionan directamente el precio final que pagan las bibliotecas. El informe cita las previsiones del FMI de una reducción de la inflación mundial, pero advierte que la evolución será diferente según las regiones y que determinadas áreas, especialmente el sector servicios, pueden continuar experimentando presiones inflacionistas. Para las bibliotecas, esto significa que el incremento nominal anunciado por los editores no necesariamente coincide con el aumento efectivo de su gasto.

El informe identifica también el crecimiento de la producción científica como uno de los elementos que pueden presionar al alza los precios. El aumento del número de artículos publicados implica mayores costes editoriales y de producción y requiere más recursos humanos, como personal editorial y revisores. Además, las publicaciones incorporan cada vez más datos, materiales suplementarios y otros contenidos asociados a los artículos. Desde la perspectiva de los editores, este incremento de contenidos contribuye a justificar una mayor valoración económica de las revistas.

Un apartado especialmente significativo aborda la transición hacia los acuerdos transformativos, los modelos Read & Publish y el acceso abierto. Estos modelos están modificando la manera en que universidades y bibliotecas contabilizan y distribuyen los costes de la comunicación científica. EBSCO señala que determinados acuerdos transformativos pueden resultar aproximadamente neutrales respecto al gasto histórico, mientras que otros pueden representar costes considerablemente superiores. Por ello, el paso del modelo tradicional de suscripción al acceso abierto no supone necesariamente una reducción automática del gasto institucional: puede implicar, más bien, una reconfiguración de dónde y cómo se producen los costes de publicación y acceso.

La inteligencia artificial aparece asimismo como un nuevo factor de transformación del mercado editorial. EBSCO señala que los editores están utilizando IA para agilizar procesos de producción, mejorar el descubrimiento de contenidos, personalizar experiencias de usuario y desarrollar nuevas fuentes potenciales de ingresos. Paralelamente, las bibliotecas universitarias están incorporando herramientas de IA para analizar patrones de uso, anticipar necesidades de información y optimizar las decisiones de adquisición, renovación o cancelación de recursos. El informe considera que todavía es pronto para determinar las consecuencias económicas a largo plazo de estas tecnologías sobre el modelo de publicación científica.

Otro aspecto importante es el efecto de los contratos plurianuales. La previsión general de EBSCO no puede aplicarse de manera uniforme a todas las bibliotecas, porque el gasto efectivo depende de las condiciones particulares de cada licencia, del momento de renovación, de las modificaciones producidas por fusiones o adquisiciones de revistas y del peso que los grandes paquetes electrónicos tengan dentro del presupuesto de publicaciones seriadas. Por ello, una biblioteca puede experimentar un aumento real diferente del porcentaje medio proyectado por EBSCO.