Archivo de la etiqueta: Inteligencia artificial

Anthropic utilizó libros pirateados de profesores de Stanford para entrenar su inteligencia artificial Claude

Yu, A. (2026, 27 de octubre). Anthropic illegally trained Claude with Stanford professors’ books. The Stanford Daily. Consultar artículo original

Se informa sobre el conflicto judicial entre Anthropic, empresa desarrolladora del modelo de inteligencia artificial Claude, y un grupo de escritores y profesores de la Universidad de Stanford cuyos libros habrían sido descargados ilegalmente y utilizados para entrenar sus modelos de inteligencia artificial.

Entre los autores afectados figuran Tobias Wolff, Abraham Verghese, Chang-Rae Lee, Daniel Mason, Hayagreeva Rao y Myra Strober. La controversia pone de manifiesto uno de los principales problemas jurídicos y éticos de la inteligencia artificial generativa: el uso de obras protegidas por derechos de autor para alimentar sistemas comerciales sin autorización de sus creadores.

El caso se relaciona con el procedimiento judicial Bartz v. Anthropic, en el que el juez federal William Alsup estableció una distinción importante entre el entrenamiento de modelos de IA y la obtención de las obras utilizadas para ese propósito. El magistrado consideró que entrenar modelos lingüísticos con libros adquiridos legalmente podía constituir un uso legítimo (fair use), al entender que el sistema aprende patrones, temas y estilos para producir contenidos diferentes. Sin embargo, rechazó que la empresa pudiera descargar libros pirateados y almacenarlos en una biblioteca central permanente para alimentar sus modelos.

El acuerdo judicial alcanzó los 1.500 millones de dólares y contempló compensaciones para autores y editoriales por casi 500.000 obras registradas. No obstante, algunos escritores consideran que esta solución resulta insuficiente. Tobias Wolff y otros 27 autores decidieron apartarse del acuerdo y presentar una demanda independiente, denominada Cruz v. Anthropic, en mayo de 2026. Reclaman indemnizaciones legales de hasta 150.000 dólares por cada obra infringida, frente a los aproximadamente 3.000 dólares por título previstos en el acuerdo colectivo. Además, buscan impedir que sus obras se utilicen para entrenar Claude sin autorización.

La demanda sostiene que Anthropic habría obtenido libros protegidos mediante bibliotecas digitales clandestinas, entre ellas LibGen y PiLiMi, descargando, reproduciendo y almacenando los archivos sin consentimiento de sus titulares. Wolff señala que diez de sus publicaciones fueron utilizadas para el entrenamiento de la IA sin permiso. El escritor expresa su preocupación por las consecuencias económicas que esta práctica puede tener para los autores, especialmente para las nuevas generaciones de escritores que dependen de los ingresos derivados de sus publicaciones.

El artículo también recoge la perspectiva de Paul Goldstein, especialista en propiedad intelectual de Stanford y participante en el litigio. Goldstein señala que uno de los grandes problemas para regular el entrenamiento de la inteligencia artificial es la dificultad de gestionar licencias individuales para millones de obras protegidas. Los costes de transacción hacen especialmente complejo obtener autorización de cada titular de derechos. Por su parte, la directora ejecutiva de Authors Guild, Mary Rasenberger, defiende que las empresas de IA deben establecer sistemas de licencias que permitan remunerar a escritores y editores y controlar cómo se utilizan sus obras.

La controversia no se limita a Anthropic. El artículo recuerda que autores, artistas visuales y medios de comunicación han presentado más de 70 demandas contra empresas de inteligencia artificial por presuntas infracciones de derechos de autor. Entre los litigios más conocidos se encuentran los promovidos por The New York Times y Getty Images. También se destaca la importancia del reconocimiento de la autoría: Paul Goldstein recuerda que muchos países reconocen derechos morales de atribución, mientras que Estados Unidos carece de una protección equivalente de carácter general.

Bibliochecker, una herramienta que permite detectar referencias bibliográficas falsas generadas por la IA con Alexander Chinchilla. Planeta Biblioteca 2026/11/03

Bibliochecker, una herramienta que permite detectar referencias bibliográficas falsas generadas por la IA con Alexander Chinchilla.

Usar Bibliochecker

Planeta Biblioteca 2026/11/03

ESCUCHAR

Descargar

Ver en Youtube

En esta entrevista, Alex Chinchilla presenta Bibliochecker, una herramienta gratuita y accesible desde el navegador que permite detectar referencias bibliográficas falsas o incorrectas generadas por sistemas de inteligencia artificial como ChatGPT, Gemini o Claude. Explica cómo funciona mediante el contraste de datos con bases académicas como Crossref, Semantic Scholar y OpenAlex, verificando la existencia de publicaciones, autores, títulos, fechas y DOI. La aplicación clasifica los resultados en cuatro categorías: válidas, sospechosas, con problemas y sin DOI, y permite exportar informes para facilitar su revisión. Durante la conversación se abordan las limitaciones de la verificación automatizada, especialmente en libros, tesis y documentos que no están indexados en las principales bases de datos. Asimismo, se analiza su utilidad en bibliotecas universitarias, servicios de apoyo a la investigación y procesos de revisión de trabajos académicos y científicos. La entrevista reflexiona sobre la responsabilidad de investigadores, editores y revisores a la hora de garantizar la autenticidad de las fuentes. Finalmente, se plantea la necesidad de incorporar nuevas funcionalidades y ampliar los formatos bibliográficos compatibles. Bibliochecker representa así un recurso de apoyo para combatir las alucinaciones bibliográficas y reforzar la integridad científica, poniendo de relieve el papel de los bibliotecarios en la formación de usuarios capaces de utilizar la inteligencia artificial de manera crítica y responsable.

Francia crea el Premio Pascal, un galardón literario para obras escritas en colaboración con inteligencia artificial

Mouriquand, D. (2026, 22 de octubre). Prix Pascal: New French literature prize launched for books co-written with AI. Euronews. Consultar artículo original

Web: https://prixpascal.fr/index.html

Francia ha puesto en marcha el Premio Pascal de Literatura IA (Prix Pascal de Littérature IA), un nuevo certamen literario que pretende reconocer obras creadas mediante la colaboración entre escritores e inteligencia artificial. La iniciativa supone un cambio de perspectiva en el debate sobre la relación entre literatura y tecnología: en lugar de considerar la utilización de herramientas de IA como un motivo de exclusión, propone reconocer abiertamente su participación en el proceso creativo y evaluar los resultados literarios.

El premio ha sido impulsado por tres empresarios vinculados al ámbito tecnológico: Philippe Rodriguez, Albin Serviant y Gilles Mentré. Su nacimiento se produce en un momento especialmente controvertido para el mundo editorial francés, después de varias polémicas relacionadas con la utilización de inteligencia artificial en obras que concurrían a importantes premios literarios. Los promotores consideran que la IA ya está presente en los procesos de escritura, aunque muchas veces su utilización no se declara, y que ha llegado el momento de debatir públicamente qué significa ser autor cuando una persona y una máquina participan en la creación de una obra.

El certamen lleva el nombre de Blaise Pascal, matemático, filósofo y escritor francés del siglo XVII, cuya figura representa la conexión entre pensamiento, ciencia y lenguaje. La iniciativa pretende explorar nuevas formas de creación literaria y comprobar qué posibilidades ofrece la colaboración entre la inteligencia humana y los modelos de lenguaje.

Una de las características más relevantes es su apuesta por la transparencia. Los participantes deberán presentar no solamente el manuscrito, sino también un expediente técnico que detalle los modelos de inteligencia artificial utilizados, los agentes empleados y las instrucciones o prompts que han intervenido en el proceso. Se admiten herramientas como ChatGPT, Claude, Gemini, Mistral y LLaMA. También deberán explicar la idea inicial o «semilla» (graine) de la obra, es decir, el concepto, frase o elemento que dio origen al proyecto creativo.

El premio está abierto a cualquier persona que escriba en francés, independientemente de su nacionalidad, lugar de residencia o trayectoria editorial. No es necesario haber publicado anteriormente ni contar con el respaldo de una editorial. Se exige una obra inédita de aproximadamente 300.000 caracteres, incluidos los espacios, acompañada de la documentación sobre el proceso de creación. La convocatoria contempla tanto ficción como no ficción, con especial interés por obras que aporten ideas originales o contribuyan a reflexionar sobre problemas sociales, éticos y medioambientales.

La primera edición abrió sus candidaturas el 20 de octubre de 2026 y establece el 30 de noviembre como fecha límite de presentación. El jurado seleccionará diez finalistas y anunciará el ganador en diciembre. El proyecto contempla la publicación de la obra premiada y su difusión pública. La presidencia del jurado corresponde al ensayista y escritor Jacques Attali. Entre los perfiles vinculados al jurado figuran especialistas en literatura, filosofía, crítica y propiedad intelectual.

Las universidades incorporan los fundamentos de la inteligencia artificial a sus planes de estudios obligatorios

Donadel, A. (2026, 22 de octubre). How Colleges Are Building AI Fundamentals in Core Curriculum. University Business. Consultar artículo original

Se analiza cómo las universidades estadounidenses están incorporando la alfabetización en inteligencia artificial a sus planes de estudios generales, con el objetivo de que todos los estudiantes, independientemente de su especialidad, adquieran conocimientos y competencias para comprender, evaluar y utilizar esta tecnología en sus futuras profesiones. La IA está dejando de ser una materia optativa o una iniciativa aislada de determinadas facultades para convertirse progresivamente en una competencia transversal de la formación universitaria.

Uno de los ejemplos más destacados es la Universidad de Texas en Austin (UT Austin), que está preparando una renovación de su currículo de grado para incorporar la asignatura «Informática e Inteligencia Artificial» como componente fundamental de la formación general, junto a disciplinas como literatura, ciencias sociales y política estadounidense. La reforma, prevista para el otoño de 2027, pretende combinar conocimientos tecnológicos con el desarrollo de capacidades humanas esenciales, como la lectura profunda, la reflexión independiente, la escritura y el diálogo razonado. La propuesta contempla tres grandes pilares formativos: humanidades, ciencias sociales y STEM (ciencia, tecnología, ingeniería y matemáticas).

La Universidad Estatal de Ohio ha optado por una estrategia institucional para que todos sus estudiantes aprendan a integrar la inteligencia artificial en sus respectivas disciplinas. Su objetivo es que los graduados sean capaces de desenvolverse simultáneamente en su especialidad profesional y en la aplicación de herramientas de IA. La iniciativa incluye formación básica sobre la tecnología, sus posibilidades, sus limitaciones y sus implicaciones éticas.

Por su parte, la Universidad de Purdue ha actualizado cientos de programas académicos e incorporado la competencia en inteligencia artificial a sus resultados de aprendizaje fundamentales. De esta manera, el conocimiento de la IA pasa a formar parte de las expectativas formativas que deben cumplir los estudiantes para graduarse. La Universidad Estatal de Nueva York (SUNY) también ha revisado su competencia transversal de alfabetización informacional para incluir la evaluación de contenidos generados por IA y la comprensión de las implicaciones éticas de estas tecnologías, sin necesidad de añadir nuevos créditos a los planes de estudio.

Otras instituciones están desarrollando modelos diferentes. Agnes Scott College ha incorporado la alfabetización en IA a la formación obligatoria del primer año universitario, abordando cuestiones como la inteligencia artificial generativa, los sesgos, la ética y sus aplicaciones profesionales. Miami University, en cambio, ha elegido una implantación progresiva por departamentos. Trece unidades académicas, desde contabilidad hasta liderazgo deportivo, comenzaron a integrar competencias relacionadas con la IA, con el objetivo de que los 21 departamentos participen en el curso académico 2027-2028.

El artículo destaca especialmente el protagonismo de las escuelas de negocios, que están acelerando la incorporación de la inteligencia artificial a sus programas. La Universidad de Indiana, a través de Kelley School of Business, exige a sus estudiantes completar dos cursos fundamentales de IA antes de avanzar hacia otras asignaturas tecnológicas. James Madison University está incorporando contenidos sobre inteligencia artificial en 40 asignaturas y programas, mientras que la Marshall School of Business de la Universidad del Sur de California ha creado una nueva posición directiva para impulsar la formación del profesorado y la integración de esta tecnología en la docencia y la investigación.

Estas iniciativas reflejan un cambio de orientación: las universidades ya no se preguntan únicamente cómo utilizar la inteligencia artificial en algunas asignaturas, sino cómo garantizar que todos sus titulados comprendan sus fundamentos y sepan aplicarla responsablemente en sus respectivos ámbitos profesionales.

Gemini Notebook incorpora cientos de libros de texto gratuitos para transformar el aprendizaje con inteligencia artificial

Venkatraman, Priya. (29 de octubre de 2026). Gemini Notebook makes hundreds of textbooks available to help students learn even more. Google. https://blog.google/innovation-and-ai/products/gemini-notebook/new-access-textbooks

Gemini Notebook

Google ha anunciado una ampliación de las funcionalidades educativas de Gemini Notebook, su herramienta de inteligencia artificial orientada a la organización, consulta y análisis de fuentes documentales. La principal novedad es la incorporación de cientos de libros de texto académicos que los estudiantes pueden consultar directamente desde la plataforma, sin coste, para utilizarlos como material de referencia en sus actividades de aprendizaje. La iniciativa pretende facilitar el acceso a recursos educativos fiables y aprovechar las posibilidades de la inteligencia artificial generativa para ofrecer experiencias de estudio más personalizadas y fundamentadas en fuentes documentales concretas.

El anuncio, publicado el 29 de octubre de 2026 por Priya Venkatraman, ingeniera de software de Gemini Notebook, se enmarca en la iniciativa Expert Intelligence, presentada por Google el mes anterior. Esta iniciativa transversal busca que los usuarios puedan interactuar con fuentes de información de confianza mediante los diferentes productos de inteligencia artificial de la compañía. Hasta ahora, Gemini Notebook permitía incorporar determinados libros electrónicos adquiridos a través de Google Play Books. Con esta actualización, Google amplía considerablemente las posibilidades de acceso a materiales educativos, especialmente dirigidos a estudiantes que necesitan consultar bibliografía especializada para sus asignaturas y trabajos académicos.

La novedad más destacada es la disponibilidad de cientos de manuales y libros de texto procedentes de diferentes proveedores educativos de Estados Unidos y la India. Entre las organizaciones y editoriales participantes se encuentran:

  • OpenStax: iniciativa vinculada a Rice University que proporciona libros de texto universitarios gratuitos y de acceso abierto.
  • Open Textbook Library: colección de manuales universitarios de libre acceso, destinados a apoyar la enseñanza y el aprendizaje.
  • S Chand Publishing: editorial india especializada en materiales educativos y libros de texto.

La incorporación de estos proveedores permite reunir en un mismo entorno recursos procedentes de distintas iniciativas editoriales y educativas. De este modo, los estudiantes pueden disponer de materiales de estudio sin necesidad de buscarlos individualmente en diferentes plataformas.

Es importante destacar que Google presenta esta incorporación como un acceso gratuito a los títulos disponibles en el catálogo, lo que puede contribuir a reducir algunas barreras económicas para acceder a materiales académicos. No obstante, el anuncio no especifica el número exacto de libros, las disciplinas cubiertas ni las condiciones de disponibilidad geográfica de todos los títulos.

Uno de los aspectos más interesantes de esta actualización es que Gemini Notebook no se limita a ofrecer un catálogo de libros digitales, sino que permite utilizar su contenido como base documental para interactuar con la inteligencia artificial.

Cuando el usuario incorpora un libro de texto a su cuaderno, las respuestas generadas por Gemini se fundamentan directamente en ese material. Además, la herramienta incluye citas integradas y enlaces que permiten regresar a la fuente original de la información.

Esta característica resulta especialmente relevante desde el punto de vista académico, porque permite contrastar las respuestas de la inteligencia artificial con el contenido de los manuales utilizados como referencia. En lugar de recibir una explicación genérica generada a partir del conocimiento general del modelo, el estudiante puede formular preguntas relacionadas con un libro concreto y obtener respuestas vinculadas a su contenido.

La posibilidad de consultar las referencias originales también puede favorecer una utilización más crítica de la inteligencia artificial. El estudiante no tiene que aceptar automáticamente lo que produce el sistema, sino que puede comprobar los fragmentos documentales que respaldan cada respuesta.

Sin embargo, las citas no eliminan por completo la posibilidad de errores de interpretación o de respuestas incompletas. Por ello, sigue siendo necesario contrastar la información con el texto original y desarrollar competencias de evaluación crítica de los resultados generados por IA.

Entre las posibilidades que ofrece Gemini Notebook destacan:

  • Guías de estudio personalizadas: elaboración de materiales de repaso organizados a partir de los contenidos del libro.
  • Cuestionarios de práctica: generación de preguntas para comprobar la comprensión de los temas estudiados y preparar exámenes.
  • Tarjetas de memoria (flashcards): creación de fichas con conceptos, definiciones y preguntas para facilitar la memorización.
  • Materiales de aprendizaje adaptados: transformación de los contenidos originales en diferentes formatos que facilitan su comprensión y revisión.

Estas funcionalidades permiten pasar de una consulta tradicional del libro de texto a una experiencia de aprendizaje más interactiva. El estudiante puede utilizar un mismo documento para generar diferentes recursos de estudio, adaptando el contenido a sus objetivos, ritmo de aprendizaje y necesidades particulares.

La alfabetización en inteligencia artificial: mucho más que aprender a escribir buenos prompts

Malespina, Elissa. (2 de noviembre de 2026). The AI-Literate Student: AI Literacy Is Not Prompt Engineering. The AI School Librarian. Substack. Leer el artículo original

El artículo de Elissa Malespina plantea una reflexión fundamental sobre la educación en inteligencia artificial: saber utilizar herramientas de IA no significa necesariamente estar alfabetizado en inteligencia artificial. La autora cuestiona que buena parte de la formación dirigida a los estudiantes se centre en enseñar a elaborar instrucciones o prompts cada vez más sofisticados, perfeccionar las preguntas y conseguir respuestas más precisas. Aunque estas habilidades son útiles, no garantizan que el estudiante comprenda cómo funcionan los sistemas, conozca sus limitaciones o sea capaz de determinar si la información que recibe es verdadera, fiable y contrastable.

La autora establece una distinción entre AI fluency (fluidez en inteligencia artificial) y AI literacy (alfabetización en inteligencia artificial). La primera hace referencia a la capacidad de manejar herramientas, seleccionar modelos y formular instrucciones eficaces. La segunda implica competencias mucho más profundas: comprender cómo se generan las respuestas, identificar posibles sesgos, verificar las fuentes, reconocer información inventada, detectar perspectivas ausentes y reflexionar sobre la privacidad de los datos que se introducen en estos sistemas. En definitiva, la alfabetización no consiste únicamente en saber obtener respuestas, sino en desarrollar la capacidad de interrogarlas y evaluarlas críticamente.

Uno de los aspectos más interesantes del texto es su reivindicación del papel de los bibliotecarios escolares en este nuevo escenario. Malespina recuerda que los profesionales de las bibliotecas llevan décadas enseñando a los estudiantes a evaluar la información, identificar la autoría, comprobar la credibilidad de las fuentes, analizar las evidencias y contrastar diferentes perspectivas. Estas competencias, tradicionalmente asociadas a la alfabetización informacional, adquieren ahora una importancia renovada. La inteligencia artificial no sustituye esta labor, sino que amplía su campo de actuación y hace todavía más necesaria la intervención educativa de los bibliotecarios.

También señala una diferencia importante entre los buscadores tradicionales y los sistemas de inteligencia artificial generativa. Cuando un estudiante utiliza Google, normalmente obtiene una lista de documentos, páginas y recursos que puede examinar y comparar. Sin embargo, los sistemas generativos ofrecen directamente una respuesta elaborada, estructurada y aparentemente completa. Esta presentación puede transmitir una falsa sensación de seguridad, porque oculta el proceso de construcción de la respuesta, las fuentes utilizadas, las informaciones descartadas y las incertidumbres existentes. Por ello, resulta imprescindible enseñar a los estudiantes a reconstruir el proceso de investigación: preguntarse de dónde procede la información, qué evidencias la respaldan y cómo puede verificarse fuera del propio sistema.

El artículo relaciona estas ideas con diferentes marcos internacionales de competencias, entre ellos el marco de alfabetización en IA de la UNESCO, el desarrollado por la OCDE y la Comisión Europea para la educación primaria y secundaria, y el modelo de Digital Promise. Todos ellos coinciden en que la formación debe integrar la comprensión de la tecnología, la evaluación crítica de sus resultados y un uso ético y creativo. Asimismo, recoge las recomendaciones de la American Library Association (ALA), que vinculan la alfabetización en IA con la verificación de contenidos, la protección de la privacidad, la precisión de la información y la capacidad de decidir cuándo utilizar estas herramientas e incluso cuándo rechazarlas.

Como propuesta práctica, Malespina introduce el denominado AI Literacy Check, una herramienta basada en seis preguntas que los estudiantes deberían incorporar a su relación cotidiana con la inteligencia artificial:

  1. ¿Qué estoy pidiendo que haga la IA?
  2. ¿De dónde podría proceder esta información?
  3. ¿Qué evidencias respaldan la respuesta?
  4. ¿Qué información o perspectivas podrían faltar?
  5. ¿Qué información estoy proporcionando a la IA a cambio?
  6. ¿Debería la IA realizar realmente esta parte del trabajo?

La reflexión final del artículo es especialmente relevante: la educación no debería limitarse a enseñar a los estudiantes a utilizar las herramientas de inteligencia artificial disponibles en cada momento, porque estas cambiarán continuamente. Lo verdaderamente importante es desarrollar capacidades permanentes de pensamiento crítico, autonomía intelectual, evaluación de evidencias y toma de decisiones.

La IA y las bibliotecas: por qué los bibliotecarios podrían convertirse en árbitros de la realidad

Friedman, Jane. (2026, 20 de abril). AI and Libraries: Why Librarians May Become Arbiters of Reality. Jane Friedman. https://janefriedman.com/ai-and-libraries-why-theyre-like-canaries-in-the-coal-mine/

Jane Friedman analiza el impacto de la inteligencia artificial generativa en las bibliotecas y en el ecosistema editorial, y plantea que los bibliotecarios podrían desempeñar una función decisiva en la defensa de la información fiable. El artículo parte de un seminario del Book Industry Study Group (BISG), en el que se presentaron datos sobre la adopción de la IA en el sector editorial y se debatió sobre sus consecuencias con el especialista en bibliotecas R. David Lankes.

La idea central es que las bibliotecas no se enfrentan a un riesgo meramente hipotético: ya están experimentando las consecuencias de la proliferación de contenidos generados automáticamente, la desinformación y la dificultad de distinguir entre materiales rigurosos y publicaciones de escasa calidad. Por ello, las bibliotecas pueden funcionar como un sistema de alerta temprana que permita identificar los problemas antes de que deterioren aún más la confianza en los recursos de información.

Uno de los resultados destacados de la encuesta del BISG es la resistencia relativamente elevada de los profesionales de las bibliotecas a la adopción de la IA. Aproximadamente un tercio de los bibliotecarios encuestados afirmó que no utilizaba estas herramientas y que tampoco tenía intención de hacerlo, frente al 20 % del conjunto de participantes de los distintos sectores analizados. Además, alrededor del 34 % manifestó una oposición ética a su utilización. Menos de la mitad señaló que su institución empleaba activamente IA, mientras que un 31 % desconocía si se estaba utilizando. La ausencia de políticas institucionales claras también aparecía como un problema relevante.

Friedman subraya que esta actitud crítica no debe interpretarse simplemente como miedo al cambio o falta de formación. Según las investigaciones de Lankes, algunos de los profesionales más reticentes conocen los modelos de lenguaje, comprenden cómo funcionan y pueden explicar técnicamente sus limitaciones. Sus objeciones se relacionan con la fiabilidad de los resultados, la calidad de los contenidos y la posibilidad de que la incorporación indiscriminada de estas tecnologías contradiga la misión fundamental de la biblioteca. La cuestión, por tanto, no consiste únicamente en aprender a utilizar la IA, sino en determinar cuándo su uso está justificado, qué valores debe respetar y qué consecuencias tiene para la calidad de los servicios bibliotecarios.

La autora evita adoptar una posición exclusivamente negativa y presenta un ejemplo que ilustra cómo la inteligencia artificial puede resolver problemas que, de otro modo, quedarían sin solución. En la Universidad de Texas existía una colección de miles de discos y grabaciones musicales que resultaba prácticamente invisible para los usuarios porque no se había podido catalogar por completo debido a la falta de recursos humanos. El equipo responsable recurrió a la IA para generar registros catalográficos preliminares, acompañados de indicadores de confianza que permitían estimar la fiabilidad de cada identificación. Los registros menos seguros podían reservarse para una revisión humana posterior, mientras que los materiales más utilizados se priorizaban para recibir una catalogación completa realizada por profesionales.

Este caso demuestra que el debate no debería reducirse a elegir entre utilizar o rechazar la inteligencia artificial. La pregunta relevante es si la tecnología permite ofrecer un servicio que, sin ella, no podría prestarse adecuadamente. Friedman establece un paralelismo con la accesibilidad editorial: las herramientas de IA pueden ayudar a producir descripciones de imágenes, mejorar metadatos y adaptar publicaciones para lectores con discapacidad cuando los recursos disponibles no permiten abordar todo ese trabajo de forma manual. La tecnología puede ampliar el acceso a la información, pero su incorporación debe estar acompañada de criterios de calidad, supervisión profesional y evaluación de resultados.

Uno de los argumentos más importantes del artículo se refiere a la dificultad de mantener los mecanismos tradicionales de evaluación y validación frente al crecimiento exponencial de los contenidos generados mediante IA. El sistema de revisión por pares, fundamental para la publicación científica, se ha desarrollado sobre la premisa de que la producción de conocimiento y la capacidad humana para revisarlo mantienen cierto equilibrio. Sin embargo, la IA permite generar textos, informes y publicaciones a una velocidad que supera ampliamente la capacidad de evaluación de los expertos.

El problema no consiste solo en que puedan producirse documentos incorrectos, sino en que resulta cada vez más difícil comprobar su calidad, procedencia y credibilidad. Tampoco basta con utilizar herramientas de inteligencia artificial para revisar automáticamente los contenidos generados por otras herramientas, puesto que la evaluación requiere criterios fiables y una capacidad de verificación independiente. Si la producción de información crece mucho más deprisa que los mecanismos para validarla, se debilitan las estructuras sobre las que se construye la confianza en el conocimiento científico y editorial.

La autora relaciona esta situación con la saturación del mercado de libros, donde el aumento de publicaciones generadas o asistidas por IA puede dificultar que los lectores encuentren obras de calidad. Cuando resulta más complicado confiar en materiales desconocidos, los usuarios pueden refugiarse en autores, fuentes y publicaciones que ya conocen. Esta tendencia reduce la visibilidad de nuevas voces y puede empobrecer la diversidad informativa y cultural.

El concepto más sugerente del artículo es la posibilidad de que los bibliotecarios se conviertan en arbiters of reality, expresión que puede traducirse como «árbitros de la realidad». La idea, vinculada a las reflexiones de R. David Lankes, no significa que los bibliotecarios deban decidir unilateralmente qué es verdadero o falso, sino que pueden ayudar a las personas a distinguir entre información documentada, afirmaciones dudosas y contenidos cuya procedencia no puede verificarse.

La biblioteca dispone de una ventaja fundamental frente a los sistemas automatizados: la mediación de profesionales que conocen las fuentes, comprenden los procesos de selección y organización documental y pueden explicar por qué un recurso resulta pertinente y fiable. Un bibliotecario puede identificar la procedencia de un documento, localizar la publicación original, contrastar distintas versiones y orientar al usuario hacia evidencias verificables. La confianza que las comunidades han depositado históricamente en las bibliotecas constituye, en este contexto, un recurso social de gran valor.

Friedman destaca una diferencia significativa entre recibir una respuesta generada por una IA y obtener orientación de un profesional bibliotecario. En el primer caso, el usuario necesita comprobar la exactitud de la respuesta y la validez de sus fuentes; en el segundo, puede contar con una persona capaz de explicar el proceso de búsqueda, contextualizar los resultados y asumir la responsabilidad profesional de la orientación ofrecida. La biblioteca puede convertirse así en un espacio de referencia y confianza en un entorno informativo donde la apariencia de seguridad de una respuesta ya no garantiza su veracidad.

Enseñanza e inteligencia artificial. Planeta Biblioteca 2026/10/28

Enseñanza e inteligencia artificial.

Planeta Biblioteca 2026/10/28

Ver en Youtube

ESCUCHAR

Descargar

La inteligencia artificial generativa representa una transformación profunda en el ámbito educativo al actuar como tutor personal y facilitar la creación o personalización de contenidos, aunque también plantea retos urgentes frente al plagio, la dependencia cognitiva y la pérdida del pensamiento crítico. En lugar de optar por prohibiciones, los consensos globales y educativos coinciden en la necesidad de incorporar la IA de forma responsable y ética. Para afrontar esta realidad, se requiere replantear las evaluaciones, formar adecuadamente al profesorado y garantizar la equidad en el acceso. Tanto docentes como estudiantes y bibliotecas deben asumir nuevos roles: los educadores pasan de ser meros transmisores de información a diseñadores de experiencias formativas, mientras que los alumnos deben cultivar la verificación de fuentes y el juicio propio. Finalmente, iniciativas internacionales como los marcos de alfabetización en IA y la inclusión de estas competencias en PISA 2029 consolidan el camino hacia un futuro educativo sinérgico, donde la IA automatiza procesos pero la educación potencia valores humanos esenciales como la creatividad y la ética.

Springer Nature y Google DeepMind anuncian una colaboración de investigación para codiseñar un asistente de revisión por pares basado en inteligencia artificial

Springer Nature. (2026, 26 de octubre). Springer Nature and Google DeepMind collaborate to enhance the peer review experience. Springer Nature Group. Enlace al original: https://group.springernature.com/gp/group/media/press-releases/research-partnership-with-googledeepmind-to-support-peer-review/53891572

Springer Nature y Google DeepMind han anunciado una colaboración de investigación para diseñar conjuntamente un asistente de inteligencia artificial destinado a apoyar el proceso de revisión por pares (peer review). La iniciativa busca explorar cómo las tecnologías de IA pueden ayudar a los revisores científicos a examinar los manuscritos con mayor eficacia, identificar aspectos que requieren una evaluación más detenida y dedicar más tiempo a las cuestiones que exigen conocimientos especializados.

La propuesta responde a uno de los desafíos actuales de la comunicación científica: gestionar un volumen creciente de investigaciones y manuscritos sin comprometer la calidad de la evaluación ni los estándares editoriales. La revisión por pares es una pieza fundamental del sistema científico, porque permite examinar la metodología, la consistencia de los resultados, la relevancia de las aportaciones y la solidez de las conclusiones antes de publicar un trabajo.

La colaboración combina la experiencia de Springer Nature en la gestión de revistas y procesos editoriales con los modelos de inteligencia artificial Gemini de Google DeepMind. El objetivo no es presentar la IA como sustituta del evaluador, sino investigar cómo puede convertirse en una herramienta de apoyo para hacer más eficiente su trabaj

El prototipo que están probando ambas organizaciones está concebido para facilitar la lectura, el análisis y la navegación por manuscritos científicos complejos. Entre sus funciones previstas se encuentran:

  • Analizar grandes volúmenes de texto. Ayudar a los revisores a localizar información relevante dentro de documentos extensos.
  • Examinar gráficos y figuras. Facilitar la consulta de elementos visuales que forman parte de los resultados y argumentos de una investigación.
  • Identificar áreas que requieren una revisión más profunda. Señalar partes del manuscrito que convendría examinar con especial atención.
  • Mejorar la navegación por el documento. Hacer más interactiva la experiencia de revisión y ayudar a los especialistas a orientarse en trabajos complejos.
  • Liberar tiempo para el juicio científico. Reducir parte del esfuerzo dedicado a tareas de lectura y exploración para que los evaluadores puedan concentrarse en los aspectos que requieren su experiencia.

Estas capacidades se describen como objetivos y funciones del prototipo en desarrollo. La nota de prensa no aporta todavía resultados cuantitativos sobre su precisión, el tiempo que ahorra ni su efecto real en la calidad de las evaluaciones.

Uno de los mensajes más importantes del anuncio es que la inteligencia artificial debe apoyar la labor del experto sin sustituir su responsabilidad. Springer Nature sostiene que la experiencia y el juicio de los revisores son fundamentales para preservar la calidad y la integridad de las publicaciones científicas. La IA puede ayudar a localizar información, analizar documentos extensos y detectar aspectos que merecen atención, pero la valoración científica exige conocimientos disciplinares y capacidad para interpretar la evidencia.

Esta distinción es especialmente importante porque un manuscrito no puede evaluarse únicamente mediante la identificación automática de errores o la comprobación formal de sus elementos. También es necesario valorar la originalidad de la contribución, la pertinencia de las preguntas de investigación, la adecuación de la metodología, las limitaciones del estudio y la solidez de sus interpretaciones.

La iniciativa adopta así el principio expresado por Springer Nature como human first, AI second: primero las personas y después la inteligencia artificial. Se trata de una declaración de orientación del proyecto, no de una demostración de que todos los riesgos asociados al uso de IA en la revisión científica estén ya resueltos.

El efecto cocodrilo: cómo afrontar la amenaza de las búsquedas sin clic (zero-click search) y los resúmenes generados por inteligencia artificial en la publicación científica

Charlie Rapple. (4 de febrero de 2026). “Responding to the Threat of Zero-Click Search and AI Summaries: How Do We Tame the Crocodile?”. The Scholarly Kitchen. https://scholarlykitchen.sspnet.org/2026/02/04/responding-to-the-threat-of-zero-click-search-and-ai-summaries-how-do-we-tame-the-crocodile/

La visibilidad de una publicación ya no garantiza que los usuarios accedan a ella. En la era de los resúmenes generados por IA, las editoriales y las instituciones científicas necesitan nuevas formas de medir el impacto, preservar la atribución y mantener la confianza en las fuentes originales. Este fenómeno obliga a reconsiderar cómo se evalúa el uso de los recursos electrónicos, cómo se enseña a verificar las fuentes citadas por sistemas de IA y cómo se mantiene el acceso a los documentos originales. Para las bibliotecas, resulta fundamental fomentar una alfabetización informacional que enseñe a distinguir entre una respuesta sintetizada y la consulta directa de la evidencia científica que la sustenta.

Se analiza una transformación que afecta directamente a la publicación científica: el crecimiento de las búsquedas sin clic (zero-click search), en las que los usuarios obtienen respuestas directamente en la página de resultados de un buscador, sin acceder al sitio web que contiene la información original. Esta tendencia se ha intensificado con los resúmenes generados mediante inteligencia artificial, los paneles de respuestas y los navegadores que sintetizan información procedente de múltiples fuentes. La autora denomina a este fenómeno Crocodile Effect o «efecto cocodrilo», una metáfora que describe la separación creciente entre las veces que un contenido aparece en los resultados de búsqueda y las visitas que recibe la página original. Aunque los contenidos continúan teniendo visibilidad, cada vez menos usuarios pueden llegar a consultarlos directamente.

El fenómeno supone un desafío económico para las editoriales académicas. Las visitas y las descargas se utilizan habitualmente para demostrar el valor de las publicaciones, justificar renovaciones de suscripciones y acreditar el interés de los lectores. Si los usuarios reciben respuestas resumidas sin visitar las páginas originales, disminuye el tráfico y puede debilitarse la capacidad de las editoriales para demostrar el impacto de sus contenidos. La autora menciona como ejemplo las declaraciones de John Campbell, de Oxford University Press, quien atribuyó a las búsquedas sin clic una reducción del 19 % en las visitas a sus contenidos de referencia académica. También recoge un estudio publicado en octubre de 2025 según el cual más de la mitad de las búsquedas en Google terminaban sin que el usuario abandonara la página de resultados. Estas cifras ilustran la magnitud potencial del cambio, aunque no deben interpretarse como una medida uniforme aplicable a todos los sitios o disciplinas.

Más allá de la cuestión económica, Rapple advierte de las consecuencias para la integridad científica y la transparencia informativa. Los resúmenes generados por IA pueden combinar publicaciones revisadas por pares con fuentes de calidad desigual, informaciones incorrectas o contenidos engañosos. Al reformular la información y eliminar parte de su contexto, estas respuestas pueden hacer que afirmaciones discutibles parezcan tan fiables como los resultados científicos contrastados. Además, las referencias a las fuentes originales pueden aparecer de manera poco visible o incompleta. En algunos casos, los sistemas pueden ofrecer citas imprecisas o inexistentes, dificultando que el lector compruebe la procedencia de una afirmación y evalúe la calidad de la evidencia. La autora considera que esta pérdida de contexto y atribución amenaza la confianza en la comunicación científica.

El artículo plantea que las editoriales corren el riesgo de convertirse en proveedores invisibles de contenidos para plataformas de inteligencia artificial. Sus publicaciones aportan información valiosa a los sistemas que generan respuestas, pero las organizaciones responsables de producirlas pueden perder el contacto directo con sus lectores y una parte de los beneficios económicos y reputacionales derivados de su utilización. Rapple compara esta relación con la de un organismo que alimenta a otro hasta poner en peligro su propia supervivencia: los sistemas de IA necesitan fuentes fiables, pero si el uso de esas fuentes reduce los incentivos para mantenerlas, se puede comprometer la sostenibilidad del ecosistema de conocimiento.

Para responder a este desafío, la autora propone varias líneas de actuación. Una consiste en desarrollar estándares para medir y comunicar el uso de contenidos que se produce fuera de las plataformas editoriales tradicionales. Otra pasa por revisar la manera en que autores e instituciones valoran las publicaciones, de modo que las métricas convencionales de visitas y descargas no sean los únicos indicadores de impacto. También plantea explorar modelos de licencias y remuneración para los contenidos derivados, así como establecer estándares que permitan a las herramientas de IA identificar, clasificar y atribuir correctamente las publicaciones revisadas por pares. Estas medidas requerirían colaboración entre editoriales, plataformas tecnológicas, bibliotecas y organizaciones de normalización, dado que ninguna institución puede resolver el problema de forma aislada.

Una estrategia adicional consiste en mejorar la optimización para motores de respuesta y sistemas generativos, conocida como Answer Engine Optimization (AEO) o Generative Engine Optimization (GEO). Se trata de adaptar los contenidos, sus metadatos y su estructura para facilitar que los sistemas de IA los localicen, interpreten y citen adecuadamente. Las editoriales pueden experimentar con resúmenes estructurados, información contextual más clara, metadatos de calidad y mecanismos que faciliten el acceso desde las respuestas automatizadas hasta las publicaciones completas. Sin embargo, la autora considera necesario investigar qué prácticas funcionan realmente y analizar el comportamiento de los usuarios: en qué circunstancias deciden consultar la fuente original, qué confianza depositan en las respuestas generadas y qué características favorecen una visita posterior al sitio editorial.

Rapple sostiene que el efecto cocodrilo no es únicamente un problema de posicionamiento web o de pérdida de tráfico, sino una transformación de la manera en que se descubre, distribuye y consume el conocimiento. La respuesta exige nuevas métricas, mecanismos de atribución más sólidos, modelos de relación con las plataformas de IA y estrategias de visibilidad adaptadas a los buscadores generativos. El objetivo debería ser construir una relación sostenible entre los productores de conocimiento y los sistemas que lo reutilizan, evitando que la facilidad de obtener respuestas termine debilitando las fuentes que las hacen posibles.