Archivo de la etiqueta: Inteligencia artificial

La IA pone a prueba la reproducibilidad científica: miles de artículos de 2026 fueron sometidos a verificación automatizada

Science (25 de agosto de 2026). “Researchers presented 6000 papers at a major meeting. Could AI reproduce their findings?”. https://www.science.org/content/article/researchers-presented-6000-papers-major-meeting-could-ai-reproduce-their-findings

El artículo analiza un experimento de gran escala en el que agentes de inteligencia artificial intentaron reproducir los resultados de investigaciones presentadas en la conferencia ICML 2026. el experimento de ICML 2026 no demuestra que la IA pueda reemplazar a los científicos, sino algo quizá más importante: que los agentes de IA podrían hacer posible una escala de verificación científica hasta ahora inalcanzable para los revisores humanos. En un entorno donde se publican miles de investigaciones cada año, esta capacidad podría convertirse en una nueva infraestructura de control de calidad para la ciencia.

La conferencia International Conference on Machine Learning (ICML) 2026) aceptó alrededor de 6.000 trabajos científicos, casi el doble que el año anterior. Este crecimiento refleja la enorme expansión de la producción científica en inteligencia artificial y aprendizaje automático, pero también pone de manifiesto una dificultad cada vez mayor: el sistema tradicional de revisión por pares no dispone de suficientes investigadores para comprobar con profundidad todos los trabajos. En este contexto, investigadores de Hugging Face y alphaXiv organizaron una competición para explorar hasta qué punto los agentes de IA podían ayudar a verificar los resultados publicados. La pregunta era especialmente relevante: si se proporciona a una IA el artículo, los datos, el código y los métodos utilizados, ¿puede reproducir de manera independiente los experimentos y llegar a conclusiones similares?

El experimento alcanzó una dimensión considerable. Los participantes utilizaron agentes de IA para intentar reproducir resultados de más de 2.000 artículos de ICML 2026. La iniciativa no se limitó a investigadores especializados en inteligencia artificial: uno de los casos más llamativos fue el de Jansen Tang, analista de riesgos de ciberseguridad de un banco, que consiguió utilizar agentes de IA para reproducir más de 300 trabajos. El proceso permitió detectar numerosos problemas que habían pasado inadvertidos durante la revisión humana. Según los resultados comunicados, cientos de afirmaciones no pudieron reproducirse o quedaron cuestionadas, y los organizadores confirmaron que al menos una docena de artículos presentaban errores reales que habían escapado a los revisores humanos.

Los resultados son particularmente interesantes porque muestran que la IA puede funcionar como una segunda capa de control de calidad científico. En torno a la mitad de los artículos examinados contenían al menos una afirmación que los agentes pudieron verificar de manera independiente, mientras que aproximadamente un 23 % de los trabajos analizados presentaron alguna afirmación falsificada o controvertida. En otros casos, la reproducción no fue posible porque faltaban datos, código u otros elementos necesarios para repetir adecuadamente los experimentos. Esto revela que el problema de la reproducibilidad no depende exclusivamente de que los resultados sean correctos: también depende de que los investigadores proporcionen suficientes materiales y explicaciones para que otros puedan comprobarlos.

El artículo de Science plantea, por tanto, una cuestión de fondo sobre el futuro de la evaluación científica y la revisión por pares. Los agentes de IA podrían automatizar una parte de las tareas más laboriosas —ejecutar código, repetir experimentos, comprobar cálculos, contrastar resultados o buscar inconsistencias— y hacerlo a una escala que sería imposible para equipos humanos. Sin embargo, esto no significa que puedan sustituir completamente a los revisores. Determinar si un trabajo es realmente novedoso, importante, metodológicamente sólido o científicamente significativo requiere todavía conocimientos especializados y juicio humano. La conclusión que emerge del experimento es más matizada: la IA podría convertirse en una herramienta complementaria capaz de ampliar enormemente la capacidad de la comunidad científica para comprobar investigaciones.

El caso también tiene una implicación importante para la integridad científica. Si miles de artículos pueden ser sometidos automáticamente a pruebas de reproducibilidad, la IA podría transformar la cultura científica desde un modelo basado fundamentalmente en confiar en la revisión previa a la publicación hacia otro en el que los resultados puedan ser comprobados continuamente después de su publicación. Pero el experimento también demuestra que la IA necesita acceso a datos, código y materiales suficientemente documentados. La reproducibilidad se convierte así en una condición esencial para que los agentes de IA puedan auditar la ciencia, lo que puede impulsar nuevas exigencias de transparencia, disponibilidad de datos y código, documentación metodológica y ciencia abierta.

Cuando la IA hace los deberes de aprender

Malespina, Elissa. (1 de septiembre de 2026). If AI Is Feeding Students Their Subjects, We Are Doing It Wrong. The AI School Librarian, Substack.

Artículo original

La IA debe apoyar el pensamiento del estudiante, no sustituirlo, y complementar, nunca reemplazar, al profesor; su uso educativo plantea además quién decide qué información reciben los alumnos y qué perspectivas quedan fuera, convirtiéndose en una cuestión de poder, acceso al conocimiento y pluralidad informativa. En este contexto, la biblioteca y los bibliotecarios desempeñan un papel fundamental al enseñar a los estudiantes a buscar, evaluar, contrastar, cuestionar y utilizar críticamente la información.

Se plantea una crítica de fondo al uso de la inteligencia artificial en la educación a partir de una expresión utilizada por la secretaria de Educación de Estados Unidos, Linda McMahon, al describir el modelo educativo de Alpha School, en Austin: los estudiantes estarían «recibiendo» o «siendo alimentados» con sus asignaturas mediante sistemas informáticos. Para la autora, esta formulación revela un riesgo importante: convertir la educación en un proceso de entrega automatizada de contenidos, en el que el alumno se limita a recibir información seleccionada por un sistema. Malespina recuerda que aprender no consiste simplemente en recibir información, sino en formular preguntas, establecer conexiones, equivocarse, revisar las propias ideas, contrastar fuentes, argumentar y relacionarse con otras personas.

La autora no rechaza la utilización de la IA en las aulas, sino que establece una diferencia fundamental entre utilizarla para apoyar el pensamiento del estudiante y utilizarla para sustituirlo. Una herramienta de IA puede explicar nuevamente un concepto difícil, generar preguntas de investigación, adaptar la dificultad de los ejercicios, proporcionar retroalimentación o permitir que un estudiante contraste una respuesta con fuentes fiables. En estos casos, la tecnología puede potenciar el aprendizaje porque el alumno continúa realizando el trabajo intelectual. El problema aparece cuando la IA se convierte fundamentalmente en un mecanismo de consumo de contenidos, haciendo que el estudiante sea cada vez más un receptor y menos un investigador, creador y evaluador de información.

Otro de los argumentos centrales es que una IA educativa no equivale a un profesor humano. Aunque puede ofrecer explicaciones personalizadas, responder inmediatamente y adaptar el nivel de dificultad, carece de buena parte del conocimiento contextual y relacional que caracteriza a la enseñanza. El profesor puede detectar que un alumno ha perdido confianza, interpretar un error como síntoma de una concepción equivocada, saber cuándo debe insistir o cuándo necesita modificar completamente una actividad. Para Malespina, enseñar implica mucho más que proporcionar la explicación adecuada: implica relaciones humanas, criterio, contexto y conocimiento del estudiante concreto.

El artículo introduce además una cuestión especialmente relevante para las bibliotecas y la alfabetización informacional: quién decide qué información recibe el estudiante. Si los alumnos pasan buena parte de su jornada escolar aprendiendo a través de sistemas de IA, alguien debe determinar qué contenidos, fuentes, autores y perspectivas utiliza el sistema. Esa selección puede estar condicionada por las empresas proveedoras, los distritos escolares, las administraciones educativas o los diseñadores curriculares. Por ello, la cuestión deja de ser exclusivamente pedagógica y se convierte también en una cuestión de poder, acceso al conocimiento y pluralidad informativa: ¿qué perspectivas incorpora la IA?, ¿cuáles considera autorizadas?, ¿qué fuentes quedan fuera? y ¿qué ocurre cuando el estudiante formula una pregunta que se encuentra fuera del currículo establecido?

Malespina cuestiona también una de las grandes promesas de la IA educativa: la personalización. Que un sistema adapte el ritmo, el nivel de lectura, los ejemplos o las preguntas a cada alumno no significa necesariamente que exista mayor libertad intelectual. Es posible ofrecer 500 itinerarios personalizados a 500 estudiantes y, al mismo tiempo, mantenerlos dentro de un conjunto de información estrictamente delimitado. La personalización puede modificar la forma en que se presenta el conocimiento sin modificar quién decide qué conocimiento está disponible. Por ello, la autora advierte de que una experiencia aparentemente individualizada puede esconder un sistema altamente centralizado de control de la información.

Aquí adquiere especial protagonismo la biblioteca escolar y el papel de los bibliotecarios. Frente a un modelo basado en proporcionar respuestas, la biblioteca enseña a los estudiantes a buscar, evaluar, contrastar, cuestionar y utilizar la información. En un entorno dominado por la IA, estas competencias adquieren todavía mayor importancia: los alumnos necesitan aprender a rastrear una afirmación hasta su fuente original, valorar la calidad de las evidencias, detectar perspectivas ausentes y comprender que la primera respuesta que proporciona una herramienta de IA no tiene por qué ser la mejor. Además, la biblioteca ofrece algo difícil de reproducir mediante un sistema de recomendación: la posibilidad de descubrir información no seleccionada previamente, encontrar un libro inesperado o entrar en contacto con una idea que contradiga lo que el estudiante creía saber.

La conclusión de Malespina es clara: el objetivo no debería ser utilizar la IA para hacer más eficiente la entrega de la educación, sino para proporcionar mejores herramientas con las que los estudiantes puedan desarrollar el trabajo intelectual de aprender. La IA puede formar parte de las aulas, pero debe utilizarse para generar preguntas, investigar, comparar respuestas, comprobar hechos, analizar sesgos y revisar trabajos, manteniendo al estudiante como protagonista del proceso cognitivo. En este sentido, el artículo defiende una concepción de la alfabetización en IA muy próxima a la alfabetización informacional: no se trata únicamente de saber utilizar una herramienta, sino de comprender sus respuestas, cuestionarlas, contrastarlas y mantener el control humano sobre el aprendizaje y sobre el acceso al conocimiento.

Meta cierra un agujero de privacidad de sus gafas inteligentes y lanza una campaña para explicar cuándo están grabando

Mia Sato, The Verge. “Meta addresses ‘pervert glasses’ reputation with a privacy fix and a new marketing campaign”. 27 de agosto de 2026. Artículo original en The Verge

Meta ha actualizado sus gafas inteligentes con IA para solucionar un problema de privacidad que permitía continuar grabando después de cubrir el pequeño LED frontal que indica a las personas cercanas que la cámara estaba activa. Con la nueva actualización, la cámara deja de funcionar automáticamente si se tapa el indicador luminoso durante una grabación. La compañía afirma que seguirá introduciendo medidas para garantizar que el LED pueda cumplir de forma fiable su función de advertir a terceros.

El problema había generado preocupación porque algunos usuarios habían descubierto cómo burlar el sistema de aviso luminoso, lo que permitía grabar a otras personas sin que estas fueran conscientes de ello. Las gafas ya incorporaban mecanismos para desactivar la cámara cuando se manipulaba físicamente el LED, pero el nuevo parche pretende cerrar específicamente la posibilidad de iniciar la grabación y posteriormente ocultar la luz.

La cuestión tiene especial importancia porque las gafas de Meta combinan cámara, micrófonos e inteligencia artificial en un dispositivo que puede utilizarse de forma aparentemente discreta. Las críticas han aumentado a raíz de casos de personas grabadas sin consentimiento, bromas realizadas en espacios públicos y otras situaciones de posible acoso. También han surgido inquietudes relacionadas con la incorporación de funciones de reconocimiento facial.

Paralelamente, Meta ha puesto en marcha una campaña de comunicación pública para explicar cómo funciona el indicador de grabación. La compañía está colocando carteles y difundiendo vídeos en lugares donde sus gafas tienen una presencia importante. El mensaje central es sencillo: si la luz está encendida, las gafas están capturando imágenes; si no hay luz, no están capturando.

El caso pone de manifiesto uno de los grandes retos de las tecnologías vestibles con IA: no basta con incorporar mecanismos técnicos de privacidad, sino que estos deben ser comprensibles y visibles para las personas que rodean al usuario. La decisión de Meta combina así una solución técnica con una estrategia de educación pública, en un intento de recuperar la confianza ante el temor de que unas gafas capaces de grabar y procesar información de forma prácticamente invisible puedan convertirse en una herramienta de vigilancia cotidiana.

Los estadounidenses creen que los chatbots pueden perjudicar más que ayudar ante la soledad, la depresión y el estrés

Man reviewing Spanish chart titled “Estudio: chatbots y salud mental” on laptop
A man studies a laptop report about Americans’ views on chatbots and mental health.

Pew Research Center. (25 de agosto de 2026). Do Americans think chatbots help or hurt people using them for loneliness, depression or stress? Pew Research Center. Artículo original

Aunque los chatbots se están convirtiendo en una fuente habitual de información y apoyo, la opinión pública estadounidense mantiene importantes reservas sobre su utilización para afrontar problemas de salud mental y soledad. El dato más relevante es la paradoja de que los jóvenes, que son más proclives a utilizarlos como apoyo emocional, también son quienes muestran una valoración especialmente negativa de sus posibles efectos.

Una encuesta del Pew Research Center, realizada entre el 22 y el 28 de junio de 2026 a 3.488 adultos estadounidenses, revela una percepción más negativa que positiva sobre el uso de los chatbots como apoyo ante problemas de soledad, depresión o estrés. El 39 % considera que los chatbots hacen más daño que bien a las personas que los utilizan para afrontar la soledad, frente al 19 % que cree que ayudan. En el caso de la depresión, el 36 % piensa que perjudican frente al 17 % que considera que ayudan; para el estrés, la diferencia es menor: 29 % frente al 22 %.

La edad introduce diferencias importantes. Entre los menores de 30 años, el 49 % considera que los chatbots perjudican a quienes buscan apoyo frente a la soledad y el 41 % piensa lo mismo respecto a la depresión. Resulta especialmente significativo porque los jóvenes son precisamente uno de los grupos que más recurren a los chatbots para obtener apoyo emocional. En cambio, los adultos mayores muestran mucha más incertidumbre: entre los mayores de 65 años, cuatro de cada diez o más no saben si estas herramientas ayudan o perjudican.

El estudio también muestra que existe un considerable desconocimiento sobre los efectos reales de los chatbots en la salud mental. Aproximadamente tres de cada diez estadounidenses no están seguros de su impacto sobre la soledad, la depresión o el estrés, mientras que entre un 14 % y un 18 % consideran que no ayudan ni perjudican. Los adultos asiáticos constituyen una excepción parcial, ya que presentan una valoración más favorable del uso de chatbots como apoyo frente a la soledad y el estrés.

El informe se enmarca en un estudio más amplio de Pew sobre el uso de la inteligencia artificial en cuestiones sanitarias. En conjunto, el 34 % de los estadounidenses afirma haber utilizado alguna vez un chatbot por motivos relacionados con la salud, principalmente para obtener información rápidamente, averiguar qué puede estar causando determinados síntomas, conocer tratamientos o comprender diagnósticos y resultados médicos.

Ideas clave de la Declaración de la IFLA sobre derechos de autor e IA

Declaración completa de la IFLA en Universo Abierto

La IFLA defiende que la regulación de la IA y el copyright debe encontrar un equilibrio entre los derechos de los creadores y el interés público, garantizando que las bibliotecas puedan acceder, preservar, analizar y reutilizar legalmente los contenidos para investigación, educación, cultura e innovación.

La declaración de la IFLA, aprobada en abril de 2025, plantea una posición especialmente relevante para las bibliotecas: el derecho de autor debe favorecer el acceso al conocimiento, la investigación y la innovación con IA, y no convertirse en una barrera desproporcionada.

  1. La IA es una oportunidad para las bibliotecas. Puede utilizarse para catalogación, descubrimiento de colecciones, referencia, préstamo interbibliotecario, formación y otros servicios.
  2. El copyright no debe utilizarse como una “herramienta contundente” para resolver todos los problemas de la IA. Las cuestiones de privacidad, ética, seguridad, medioambiente o autonomía humana requieren también otros marcos regulatorios.
  3. Defensa de la minería de textos y datos (TDM). La IFLA reclama excepciones al derecho de autor que permitan realizar TDM, incluido el entrenamiento de IA, sobre contenidos adquiridos o accesibles legalmente.
  4. Más datos significa mejores IA. Las restricciones excesivas al acceso a contenidos pueden aumentar los sesgos y errores de los sistemas de IA. Por eso se defiende el acceso a conjuntos de datos lo más amplios y diversos posible.
  5. Las bibliotecas deben preparar sus colecciones para la IA. Esto implica utilizar licencias adecuadas y aplicar los principios FAIR (encontrables, accesibles, interoperables y reutilizables) y CARE (beneficio colectivo, autoridad para controlar, responsabilidad y ética).
  6. Alfabetización en IA como nueva función bibliotecaria. Las bibliotecas deben formar a profesionales, investigadores y usuarios en IA, prestando especial atención a la transparencia, integridad y evaluación crítica de las herramientas.
  7. La IA debe desarrollarse desde los valores bibliotecarios. Las herramientas utilizadas o recomendadas por las bibliotecas deberían respetar la libertad de expresión, la privacidad, la diversidad y la autonomía humana.
  8. Los contratos no deberían anular las excepciones legales. Proveedores y titulares de derechos no deberían introducir cláusulas que restrinjan injustificadamente el uso de IA por parte de los usuarios de bibliotecas ni impedir las excepciones contempladas por la legislación.
  9. Los gobiernos tienen una responsabilidad. Deben desarrollar políticas de IA compatibles con los derechos humanos y apoyar a bibliotecas y otras instituciones en la creación de prácticas éticas y capacidades de supervisión.

Amazon escanea y destruye libros para entrenar sistemas de inteligencia artificial

Workers process books at scanners and a shredder labeled in Spanish for recycling.

Maiberg, Emanuel. “Inside the Warehouse Where Amazon Scans and Destroys Books for AI Training”. 404 Media, 26 de agosto de 2026. Artículo original en 404 Media

A partir del testimonio anónimo de un empleado de Amazon, una mirada al funcionamiento interno de VGT3, una instalación situada en Las Vegas donde se procesan libros destinados, según la investigación de 404 Media, a la obtención de datos para el entrenamiento de sistemas de inteligencia artificial.

El reportaje describe un procedimiento especialmente llamativo: los libros llegan al almacén, son registrados y clasificados, se les corta mecánicamente el lomo para separar las páginas y estas se introducen posteriormente en escáneres de alta velocidad. Una vez digitalizado el contenido, las páginas quedan mezcladas en grandes contenedores, de modo que los ejemplares físicos no pueden volver a reconstruirse.

El empleado entrevistado señala que había al menos 20 o 25 escáneres, capaces de pasar rápidamente las páginas y mostrar en pantalla las imágenes digitalizadas. El proceso incluía libros nuevos y usados, ejemplares procedentes de bibliotecas y materiales procedentes de distintos países. Entre ellos había publicaciones en alemán, ruso y japonés, además de documentos procedentes del Reino Unido y materiales que parecían documentos gubernamentales. El testimonio destaca especialmente la presencia de libros potencialmente raros o difíciles de conseguir.

Uno de los aspectos más relevantes es la destrucción física de los libros después de su digitalización. El trabajador describe cómo, tras cortar los lomos y escanear las páginas, estas son arrojadas a grandes contenedores junto con otros materiales. También explica que determinados ejemplares considerados duplicados o innecesarios eran depositados en estos recipientes. Según el relato, el procedimiento era poco organizado y cambiaba con frecuencia, lo que dificultaba incluso que los propios trabajadores conocieran con exactitud el destino final de todos los libros.

El reportaje plantea así una cuestión especialmente importante para bibliotecas, patrimonio bibliográfico y derechos de autor: la transformación de libros físicos en datos para inteligencia artificial puede implicar no solo su digitalización, sino también la desaparición del ejemplar material. El trabajador entrevistado expresa precisamente su preocupación por que libros raros o valiosos dejen de estar disponibles para otros lectores e investigadores, señalando que existe una diferencia significativa entre digitalizar un libro y destruir el soporte físico una vez obtenido su contenido.

En conjunto, el artículo presenta un ejemplo especialmente gráfico de la nueva economía de los datos para la IA, en la que libros y colecciones documentales pueden convertirse en materia prima para entrenar modelos. Más allá de Amazon, el caso abre debates sobre copyright, licencias, preservación, reutilización de colecciones, digitalización masiva y límites éticos de la extracción de conocimiento de los libros para alimentar sistemas de inteligencia artificial.

¿Qué porcentaje de Internet está escrito con IA? Más de un tercio de las páginas posteriores a 2022

Bestvater, Samuel; Smith, Aaron; TerBush, Carson; Baronavski, Chris; Chavda, Janakee. “How Much of the Internet Is Written With AI?” Pew Research Center, Data Labs, 20 de agosto de 2026. Artículo original en Pew Research Center

Aunque solo el 10 % de todas las páginas analizadas en julio de 2026 mostraba señales de IA, la cifra supera el 33 % entre las páginas publicadas después de ChatGPT. Esto indica que la verdadera magnitud del fenómeno se aprecia al observar el contenido nuevo que está incorporándose actualmente a Internet. 

Pew Research Center analiza hasta qué punto la inteligencia artificial está transformando el contenido de Internet. Para ello examinó cerca de 490.000 páginas web en inglés recopiladas entre enero de 2021 y julio de 2026 mediante Common Crawl y utilizó un modelo de detección de IA desarrollado por Pangram. En una muestra aleatoria de 10.000 páginas recogidas en julio de 2026, el 10 % presentaba señales significativas de haber sido escrito o editado sustancialmente con IA. 

La proporción aumenta considerablemente cuando se analizan únicamente las páginas publicadas después de la aparición de ChatGPT. En julio de 2026, más de un tercio de las páginas publicadas desde noviembre de 2022 mostraban señales de autoría o edición mediante IA. El estudio identifica así una tendencia ascendente que comenzó a finales de 2022 y que se ha acelerado con la expansión de herramientas como ChatGPT, Claude y Gemini. 

La presencia de contenido generado por IA no es homogénea. Los dominios .com presentan los niveles más elevados: alrededor de uno de cada diez mostraba señales de autoría mediante IA en 2026. En los dominios .org la proporción era del 4,6 %, mientras que en .edu y .gov rondaba apenas el 1 %. Esto sugiere que los espacios comerciales de Internet están incorporando la generación automática de contenidos a un ritmo mucho mayor que los ámbitos educativos y gubernamentales. 

El estudio también identifica cambios en el estilo lingüístico de la Web. Determinadas características asociadas estadísticamente con textos generados por IA son cada vez más frecuentes: los guiones largos (em dashes) aparecen aproximadamente el doble que en 2023, las comas de Oxford han aumentado un 63 % y determinadas palabras características del vocabulario de los LLM —como delve, interplay o testament— han duplicado su presencia. También se ha multiplicado casi por tres el uso de estructuras de paralelismo negativo, como «no es solo X, sino Y». 

Los investigadores, sin embargo, advierten que ninguno de estos rasgos permite identificar por sí solo un texto producido por IA. Una persona puede utilizar un guion largo, una coma de Oxford o cualquiera de esas palabras. El análisis se basa en patrones estadísticos mucho más amplios y, aun así, los detectores pueden cometer errores. Por ello, las cifras deben interpretarse como señales de probable autoría o edición mediante IA, no como una prueba definitiva sobre el origen de un texto. 

El estudio plantea una cuestión de fondo sobre la evolución de Internet: la Web está pasando progresivamente de ser un espacio dominado por contenidos producidos por personas a uno en el que humanos y sistemas de IA participan conjuntamente en la creación textual. Si la tendencia continúa, la distinción entre contenido humano y sintético será cada vez menos evidente, lo que tendrá consecuencias para la calidad de la información, la confianza, la autenticidad y la procedencia de los contenidos digitales.

Los jóvenes estadounidenses desconfían cada vez más de la IA y temen que destruya empleos

McClain, Colleen; Park, Eugenie. “Young adults in the U.S. are increasingly wary of AI, concerned it will take jobs”. Pew Research Center, 18 de agosto de 2026. Artículo original en Pew Research Center

La preocupación de los estadounidenses por la inteligencia artificial continúa creciendo, y los jóvenes de 18 a 29 años se muestran especialmente cautelosos. Según una encuesta del Pew Research Center realizada entre el 22 y el 28 de junio de 2026 a 3.488 adultos estadounidenses, el 52 % de la población adulta afirma sentirse más preocupada que ilusionada por el aumento del uso de la IA, frente al 37 % que expresaba esa preocupación en 2021. Entre los menores de 30 años, la cifra alcanza por primera vez el 55 %. 

La evolución resulta especialmente llamativa entre los jóvenes. En 2021, solo el 31 % de los adultos de 18 a 29 años decía sentirse más preocupado que entusiasmado por la IA; en 2024 era el 39 % y en 2026 ha llegado al 55 %. Paralelamente, el porcentaje que se siente más entusiasmado que preocupado ha descendido del 25 % en 2021 al 11 % actual. Esto rompe con la idea de que las generaciones más jóvenes son necesariamente las más optimistas respecto a las nuevas tecnologías.

El empleo constituye uno de los principales motivos de preocupación. El 71 % de los adultos estadounidenses considera que la IA provocará menos puestos de trabajo en Estados Unidos durante los próximos 20 años, frente al 64 % que opinaba lo mismo en 2024. Solo el 5 % cree que generará más empleos. Entre los jóvenes de 18 a 29 años, la percepción de pérdida de empleo ha aumentado todavía más: el 73 % piensa que la IA reducirá el número de puestos de trabajo, frente al 61 % de hace dos años.

Los jóvenes también destacan por una percepción más negativa de las consecuencias sociales de la IA. Investigaciones anteriores de Pew muestran que los menores de 30 años son el grupo más proclive a pensar que la IA será perjudicial para la sociedad y para ellos mismos, y muchos creen que puede dificultar la conexión humana y la creatividad. Aunque la mayoría utiliza chatbots, los jóvenes están divididos respecto a su impacto sobre la creatividad y son tan propensos a considerar que estas herramientas la perjudican como a pensar que la favorecen.

En conjunto, el estudio muestra un cambio significativo en la percepción social de la IA: los jóvenes, que inicialmente mostraban un mayor entusiasmo por estas tecnologías, se están convirtiendo en uno de los grupos más críticos. El temor a la automatización y a la pérdida de empleo parece estar desplazando progresivamente el entusiasmo tecnológico, lo que plantea importantes preguntas sobre cómo deberán abordarse la formación, el mercado laboral y la alfabetización en IA.

El 90 % de los artículos biomédicos ya muestra indicios de uso de inteligencia artificial

Kaia Glickman, “Staggering 90% of biomedical papers now show signs of AI help”, Nature, 20 de agosto de 2026. Artículo original en Nature

Una investigación reciente sugiere que el uso de herramientas de inteligencia artificial para ayudar a redactar artículos científicos está mucho más extendido de lo que indicaban estimaciones anteriores. El estudio analizó trabajos biomédicos publicados en diciembre de 2025 e incluidos en PubMed, y estima que casi nueve de cada diez artículos presentaban señales compatibles con algún grado de asistencia de IA en su redacción. La cifra resulta especialmente llamativa porque las estimaciones anteriores sobre utilización de modelos de lenguaje en publicaciones científicas habían sido considerablemente inferiores.

El trabajo al que hace referencia Nature no afirma que el 90 % de los investigadores haya dejado que una IA escriba sus artículos de principio a fin. Lo que identifica son señales lingüísticas compatibles con asistencia de modelos de lenguaje. Esto es importante porque la IA puede intervenir de formas muy diferentes: desde corregir gramática y mejorar el estilo hasta reformular párrafos, traducir textos, resumir información o generar partes sustanciales de un manuscrito. Por tanto, la cifra debe interpretarse como una estimación de la presencia de asistencia de IA en la escritura científica, no como una medida directa de cuántos artículos fueron escritos por una inteligencia artificial.

El fenómeno refleja una transformación profunda de la comunicación científica. Las herramientas generativas se están incorporando rápidamente al trabajo cotidiano de los investigadores porque permiten mejorar la redacción en inglés, acelerar determinadas tareas editoriales y facilitar la preparación de manuscritos. Esto puede resultar especialmente relevante para investigadores que trabajan en una lengua diferente del inglés, ya que los modelos de lenguaje pueden actuar como herramientas de traducción y edición. Sin embargo, la creciente presencia de IA también plantea preguntas sobre transparencia, autoría, responsabilidad y declaración de su utilización en los trabajos científicos.

La metodología del estudio merece especial atención porque permite detectar patrones de uso de IA que pueden pasar inadvertidos mediante los procedimientos tradicionales de control editorial. Los investigadores analizaron el lenguaje de los artículos y buscaron características asociadas a la intervención de modelos de lenguaje. La estimación, por tanto, no equivale a una declaración voluntaria de los autores ni a una comprobación individual de cada manuscrito. Esto introduce incertidumbre y obliga a interpretar el porcentaje como una estimación estadística, no como una identificación definitiva de textos generados o editados por IA.

El dato tiene importantes implicaciones para las revistas científicas y para la integridad de la investigación. Si la asistencia de IA se convierte en una práctica habitual, las políticas editoriales tendrán que distinguir mejor entre usos legítimos —como corrección lingüística, traducción o apoyo editorial— y usos que puedan comprometer la responsabilidad intelectual del investigador. También será necesario determinar qué utilización debe declararse, cómo debe hacerse esa declaración y qué responsabilidad conserva el autor sobre las afirmaciones, referencias, datos y conclusiones de un artículo elaborado con ayuda de herramientas generativas.

La investigación también cuestiona la utilidad de intentar establecer una frontera rígida entre textos “humanos” y textos “generados por IA”. En la práctica, la producción científica puede convertirse en un proceso híbrido en el que el investigador redacta algunas partes, una herramienta de IA corrige otras, otro sistema traduce o reformula determinados fragmentos y el autor revisa posteriormente el resultado. En este escenario, el debate sobre la IA en la ciencia debería desplazarse desde la pregunta “¿se utilizó IA?” hacia cuestiones más relevantes: ¿para qué se utilizó?, ¿qué aportó?, ¿quién verificó el resultado? y ¿quién asume la responsabilidad final?

El hallazgo resulta especialmente significativo porque procede de un campo como la biomedicina, donde la precisión del lenguaje científico y la fiabilidad de la información tienen consecuencias potencialmente importantes. Una utilización responsable de la IA puede mejorar la comunicación científica, pero no elimina la necesidad de que los investigadores comprueben las referencias, los datos, las interpretaciones y las afirmaciones producidas o modificadas por estos sistemas. La IA puede convertirse así en una herramienta habitual del proceso editorial sin que ello implique transferir a la máquina la responsabilidad científica.

En definitiva, el estudio apunta a que la IA ya forma parte de la infraestructura cotidiana de la comunicación científica, aunque las políticas editoriales y las prácticas de transparencia todavía están adaptándose a esta realidad. El dato del 90 % no significa que nueve de cada diez artículos sean “escritos por IA”, pero sí constituye una señal poderosa de que la asistencia de los modelos de lenguaje está penetrando rápidamente en la publicación biomédica. La cuestión para las revistas ya no parece ser si los investigadores utilizarán IA, sino cómo establecer unas normas que permitan aprovecharla sin comprometer la autoría, la transparencia y la integridad científica.

Entrenar modelos de IA con libros protegidos por copyright: una cuestión legal todavía abierta

Amanda Silberling, “Is it legal to train AI models on copyrighted books? It’s complicated”, TechCrunch, 23 de agosto de 2026. Artículo original en TechCrunch

Los modelos de inteligencia artificial generativa como ChatGPT, Gemini o Claude se entrenan con enormes cantidades de información procedente de libros, artículos, trabajos académicos y contenidos disponibles en Internet. Esto ha provocado un conflicto creciente con autores y titulares de derechos, que cuestionan que sus obras puedan utilizarse para entrenar sistemas de IA sin su conocimiento o autorización. Sin embargo, la cuestión jurídica es mucho más compleja de lo que parece, porque las actuales leyes de copyright fueron concebidas mucho antes de la aparición de la inteligencia artificial generativa.

Uno de los casos más relevantes es el de Anthropic, que llegó a un acuerdo por 1.500 millones de dólares con un grupo de escritores cuyas obras habían sido utilizadas para entrenar sus modelos. No obstante, el juez William Alsup había considerado que el entrenamiento de la IA con obras protegidas podía ser legal. Lo que sancionó fue que Anthropic hubiera obtenido algunos de esos libros mediante bibliotecas clandestinas ilegales. El razonamiento establece una diferencia fundamental entre utilizar una obra para entrenar un modelo y obtenerla de manera ilícita.

El debate se centra en buena medida en la doctrina estadounidense del fair use (uso legítimo), que permite determinadas utilizaciones de obras protegidas sin autorización. Los tribunales valoran factores como la finalidad del uso, su carácter transformador, la cantidad de material utilizado y el efecto sobre el mercado de la obra original. En este contexto, algunos jueces consideran que entrenar un modelo para generar algo nuevo puede ser una utilización transformadora, mientras que existe mayor riesgo cuando la IA se utiliza para crear un producto que compite directamente con el material protegido.

El caso Thomson Reuters contra Ross Intelligence muestra precisamente esa diferencia. Un tribunal consideró que Ross había utilizado contenidos de Reuters para desarrollar una plataforma jurídica de IA que competía directamente con el producto original, por lo que no podía acogerse al fair use. Esta resolución contrasta con el enfoque aplicado al entrenamiento de modelos de propósito general y demuestra que los tribunales todavía están construyendo, caso por caso, los criterios que determinarán qué usos de materiales protegidos son legítimos.

El artículo destaca además que no existe todavía una respuesta jurídica definitiva. Las diferentes demandas contra empresas de IA siguen abiertas y las decisiones iniciales podrían ser modificadas por tribunales superiores. La legislación estadounidense sobre copyright procede esencialmente de una época anterior a Internet y, por supuesto, a la IA generativa. Por ello, las próximas resoluciones judiciales tendrán una importancia decisiva para determinar cómo pueden utilizarse libros, artículos y otras obras protegidas para entrenar modelos de inteligencia artificial y quién debe asumir los costes de ese uso.