Archivo de la etiqueta: Inteligencia artificial

La mitad de los adultos de Estados Unidos nunca ha utilizado un chatbot de inteligencia artificial

Gottfried, Jeffrey, William Bishop, Monica Anderson, Michelle Faverio, Eugenie Park y Colleen McClain. 2026. “Americans and AI 2026: Chatbots, Smart Devices and Views on Impact – Why don’t people use chatbots?” Pew Research Center, 17 de junio de 2026. https://www.pewresearch.org/internet/2026/06/17/why-dont-people-use-chatbots/

El informe analiza por qué una parte significativa de la población adulta en Estados Unidos no utiliza chatbots de inteligencia artificial como ChatGPT, Gemini o Copilot, a pesar de su creciente presencia en la vida cotidiana. Los resultados proceden de una encuesta representativa realizada a más de 5.000 adultos estadounidenses, lo que permite identificar patrones claros de adopción, rechazo y percepción social de estas herramientas.

El informe de Pew Research Center (17 de junio de 2026) muestra un panorama muy claro sobre la adopción de los chatbots de inteligencia artificial: su uso está lejos de ser universal y la principal explicación no es tecnológica, sino cultural y actitudinal.

En términos generales, los datos indican que el 51% de los adultos en Estados Unidos no ha usado nunca chatbots de IA, frente a un 49% que sí los ha utilizado al menos una vez. Esta división casi simétrica refleja que la tecnología está extendida, pero todavía no plenamente integrada en la vida cotidiana de la población.

Cuando se analizan las razones del no uso, el factor más importante es el desinterés, señalado por un 83% de los no usuarios. Es decir, la mayoría no rechaza activamente la tecnología, sino que simplemente no la percibe como necesaria o útil en su día a día. A esto se suma un componente de desconfianza estructural, ya que un 76% duda de la exactitud de la información que generan los chatbots, lo que limita su valor como herramienta informativa o de apoyo. En paralelo, aparece una preocupación muy marcada por la privacidad y el uso de datos personales (79%), lo que evidencia una sensibilidad creciente hacia el impacto de la inteligencia artificial en la esfera privada.

Junto a estos factores principales, el estudio también identifica barreras secundarias: un 55% declara no saber cómo usarlos, lo que apunta a ciertos déficits de alfabetización digital, aunque no son el obstáculo dominante. En cambio, la presión social o el miedo al juicio ajeno apenas influye, ya que solo un 14% menciona este motivo.

Las expectativas de futuro refuerzan esta tendencia de estancamiento. Un 67% de los no usuarios considera poco o nada probable que empiece a utilizarlos en los próximos 12 meses, lo que sugiere que la brecha de adopción podría mantenerse estable a corto plazo, sin una incorporación masiva inminente.

Los datos revelan que la no adopción de chatbots no responde a una falta de acceso tecnológico, sino a una combinación de desinterés mayoritario, desconfianza en la fiabilidad de la IA y preocupación por la privacidad, lo que configura un escenario en el que la expansión de estas herramientas depende tanto de su mejora técnica como de su aceptación social.

Un abogado sancionado con más de 31.000 dólares por presentar citas jurídicas falsas generadas con inteligencia artificial

Lawyer writing notes on legal papers at courtroom table with judge in background
A lawyer reviews and annotates legal documents during a courtroom proceeding.

Mach, Jessica. “Lawyer Who Used AI-Fabricated Citations Hit With $31,150 in Costs to LSO.” Law Times, junio de 2026.

Un tribunal disciplinario de la Law Society of Ontario impuso una sanción económica de 31.150 dólares canadienses al abogado Shahryar Mazaheri, después de comprobar que presentó documentos legales elaborados con inteligencia artificial que incluían citas jurisprudenciales inexistentes o incorrectas.

Un caso disciplinario en la provincia canadiense de Ontario ha vuelto a poner el foco en los riesgos del uso no supervisado de la inteligencia artificial en el ámbito jurídico. La Law Society of Ontario sancionó a un abogado, Shahryar Mazaheri, con el pago de 31.150 dólares canadienses en costas, tras comprobar que había presentado escritos legales que contenían citas jurisprudenciales generadas por IA que no existían en la realidad.

El incidente se produjo cuando el abogado utilizó herramientas de inteligencia artificial para preparar documentación en un procedimiento legal, sin realizar una verificación adecuada de las fuentes citadas. Como resultado, se incluyeron referencias a casos judiciales ficticios o incorrectamente atribuidos, lo que comprometió la integridad del proceso y obligó al tribunal a revisar en profundidad el material presentado.

La decisión del organismo regulador subraya que el problema no es el uso de herramientas de IA en sí mismo, sino la falta de supervisión profesional y verificación crítica. El tribunal dejó claro que los abogados pueden apoyarse en tecnologías emergentes, pero siguen teniendo una obligación estricta de garantizar la exactitud de toda la información presentada ante la justicia.

Además de la sanción económica, el caso se ha convertido en un precedente relevante en Canadá, ya que evidencia cómo la incorporación acelerada de la IA generativa en profesiones reguladas está generando nuevos desafíos éticos y legales. Entre las preocupaciones destacadas están la facilidad con la que estos sistemas pueden “alucinar” datos, la tentación de confiar excesivamente en ellos y la necesidad de establecer protocolos claros de validación.

El caso ha sido citado en debates más amplios sobre la regulación de la inteligencia artificial en profesiones como el derecho, la medicina o la contabilidad, donde la responsabilidad profesional no puede delegarse en sistemas automatizados. En este contexto, la resolución refuerza una idea clave: la IA puede asistir, pero la responsabilidad final sigue siendo humana y profesional.

En conjunto, el episodio marca un punto de inflexión en la relación entre tecnología y práctica jurídica, anticipando un escenario en el que los colegios profesionales deberán definir con mayor precisión los límites, usos permitidos y deberes de diligencia cuando se empleen herramientas de IA en entornos críticos.

AI cambia su retroalimentación sobre la escritura de estudiantes cuando conoce su raza y género

Sparks, Sarah D. 2026. “AI Changes Its Feedback on Students’ Writing When It Knows Their Race, Gender.” Education Week, June 18, 2026. https://www.edweek.org/technology/ai-changes-its-feedback-on-students-writing-when-it-knows-their-race-gender/2026/06.

Un estudio reciente analiza cómo los sistemas de inteligencia artificial utilizados como “coaches” de escritura modifican su retroalimentación cuando reciben información sobre características personales de los estudiantes, como su raza, género, nivel académico o condición de aprendizaje. Los investigadores descubrieron que la misma redacción puede recibir comentarios muy distintos dependiendo de esos datos contextuales.

Cuando la IA “cree” que el estudiante es de alto rendimiento, tiende a ofrecer sugerencias más profundas, como ampliar argumentos o considerar contraargumentos. En cambio, cuando se le atribuyen perfiles de bajo rendimiento o dificultades de aprendizaje, la retroalimentación se vuelve más superficial, centrada en correcciones básicas como ortografía o frases confusas. Esto ocurre incluso cuando el texto original es idéntico.

El estudio, realizado con modelos como GPT-4o y Llama, sugiere que estos sesgos no son accidentales sino consecuencia de cómo los modelos interpretan la información contextual: toda característica añadida al prompt es tratada como relevante, aunque no tenga relación con la calidad del escrito. Esto puede generar estereotipos educativos, ya que el sistema adapta su “expectativa” del estudiante según su perfil.

Los autores advierten que la personalización mediante IA en educación puede tener efectos contraproducentes si no se controla adecuadamente, ya que podría reforzar desigualdades en lugar de mejorar el aprendizaje. Subrayan la necesidad de supervisión docente y criterios pedagógicos claros para evitar que los sistemas automáticos sustituyan el juicio educativo humano.

Alfabetización en inteligencia artificial: competencias, marcos de referencia y el papel de las bibliotecas en la era digital

People participating in an AI literacy workshop with laptops and digital graphics about AI concepts
A diverse group collaborates at an AI literacy workshop focusing on data and ethics in a library.

Alonso-Arévalo, Julio. “Alfabetización en inteligencia artificial: competencias, marcos de referencia y el papel de las bibliotecas en la era digital.” Boletín de la Asociación Andaluza de Bibliotecarios 131 (enero-junio 2026): 9-23. Libro-BAAB131-008-024.pdf

La irrupción de la inteligencia artificial, especialmente de la inteligencia artificial generativa, ha transformado profundamente múltiples ámbitos de la sociedad contemporánea, desde la educación hasta la salud, la investigación, la economía y la comunicación cotidiana. En este escenario, el artículo plantea que la alfabetización en inteligencia artificial debe entenderse como una competencia esencial del siglo XXI, comparable en relevancia a la alfabetización digital surgida con Internet. Ya no se trata únicamente de saber utilizar herramientas tecnológicas, sino de comprender el funcionamiento interno de los sistemas algorítmicos, interpretar críticamente sus resultados y desarrollar capacidades para interactuar con estas tecnologías de manera ética, responsable y consciente. Libro-BAAB131-008-024.pdf

Uno de los aspectos centrales del trabajo es la definición amplia y multidimensional del concepto de alfabetización en inteligencia artificial. El autor explica que esta competencia no puede reducirse al simple uso instrumental de plataformas como ChatGPT, Gemini o Claude, sino que requiere comprender cómo operan los algoritmos, saber formular instrucciones eficaces (prompts), evaluar críticamente las respuestas generadas y reconocer problemas asociados como sesgos, alucinaciones, manipulación informativa o limitaciones derivadas de los datos de entrenamiento. Esta alfabetización incorpora, por tanto, dimensiones técnicas, cognitivas, éticas y comunicativas que exigen una formación mucho más compleja que la simple familiaridad tecnológica.

El artículo subraya además una preocupación creciente: existe una brecha importante entre el uso masivo de herramientas de inteligencia artificial y la verdadera comprensión de sus mecanismos de funcionamiento. Muchas personas, incluidos estudiantes universitarios y docentes, utilizan diariamente sistemas de IA sin entender realmente cómo producen sus respuestas ni cuáles son sus limitaciones epistemológicas. Esta situación puede generar una confianza excesiva en contenidos erróneos o sesgados, comprometer la integridad académica y favorecer la reproducción automática de desinformación. En este sentido, el autor insiste en que la alfabetización en IA debe integrarse con otras alfabetizaciones ya consolidadas, especialmente la alfabetización informacional, mediática, digital y de datos, ampliando así los marcos tradicionales de formación crítica.

Una parte sustancial del estudio analiza los principales marcos internacionales desarrollados para estructurar la enseñanza de estas competencias. Se examinan especialmente los modelos propuestos por la UNESCO, EDUCAUSE, la Association of College and Research Libraries y el World Economic Forum. Aunque cada uno presenta matices distintos, todos coinciden en varios principios fundamentales: la necesidad de formar pensamiento crítico, incorporar una dimensión ética, preparar a la ciudadanía digital para interactuar responsablemente con la IA y concebir el aprendizaje como un proceso continuo. Las diferencias principales radican en el público al que van dirigidos, el nivel de profundidad técnica y el contexto institucional en el que fueron diseñados.

Uno de los aportes más relevantes del trabajo es situar a las bibliotecas como actores estratégicos dentro de este nuevo ecosistema formativo. Históricamente, las bibliotecas han sido instituciones dedicadas a democratizar el acceso a la información y desarrollar usuarios críticos capaces de evaluar fuentes documentales. El artículo sostiene que esa misión debe ampliarse ahora hacia la alfabetización en inteligencia artificial, convirtiendo a las bibliotecas en espacios capaces de enseñar a interpretar contenidos generados algorítmicamente, detectar sesgos, combatir la desinformación y formar ciudadanos capaces de interactuar con estas herramientas desde una perspectiva ética y crítica. El papel del bibliotecario deja así de limitarse a la gestión documental para convertirse en mediador tecnológico y formador especializado.

El análisis de experiencias concretas en bibliotecas universitarias demuestra, sin embargo, que todavía existen desafíos importantes. Muchas bibliotecas han comenzado a ofrecer guías y recursos sobre herramientas de IA, pero suelen centrarse principalmente en enseñar el uso práctico de estas plataformas, dejando en segundo plano aspectos fundamentales como la ética, el pensamiento crítico o la comprensión técnica de los modelos. Además, persisten obstáculos como la falta de personal especializado, la rapidez con que evolucionan estas tecnologías, la necesidad permanente de actualización profesional y el riesgo de generar dependencia tecnológica en lugar de fomentar autonomía intelectual. Estos desafíos obligan a replantear la formación bibliotecaria y las estrategias institucionales de adaptación.

Finalmente, el artículo concluye que la alfabetización en inteligencia artificial representa uno de los grandes retos educativos, sociales y culturales del presente. El autor sostiene que no comprender el funcionamiento de estas tecnologías puede convertirse en un nuevo factor de desigualdad estructural, ya que quienes no adquieran estas competencias quedarán en desventaja tanto en el mercado laboral como en su capacidad de participar de forma informada en una sociedad cada vez más mediada por algoritmos. En este contexto, las bibliotecas públicas, universitarias y escolares están llamadas a desempeñar una función decisiva en la construcción de una ciudadanía digital crítica, democrática y capaz de ejercer un uso consciente de la inteligencia artificial, consolidándose como instituciones fundamentales en la transición hacia una sociedad algorítmica más equitativa.

Cómo identificar libros escritos con inteligencia artificial: señales, métodos y límites de detección

Student reading a large book with glowing scientific formulas and diagrams digitally overlaid
A student studies complex scientific equations with digital overlays in a cozy library

“Cómo identificar libros escritos con inteligencia artificial.” 2026. Más de Fondo. Accedido el 24 de junio de 2026. https://www.mardefondope.com/2026/03/identificar-libro-escrito-inteligencia-artificial.html

El creciente problema de la detección de libros escritos total o parcialmente con inteligencia artificial, en un contexto en el que la producción de textos generados por modelos como ChatGPT se ha vuelto masiva y cada vez más difícil de distinguir de la escritura humana. La preocupación central es cómo bibliotecarios, editores y lectores pueden identificar este tipo de obras sin herramientas infalibles.

a irrupción de la inteligencia artificial en el ámbito editorial ha transformado profundamente la forma de producir y distribuir libros. En la actualidad, es posible generar textos extensos en muy poco tiempo mediante herramientas capaces de imitar con gran precisión el lenguaje humano. Este fenómeno ha abierto nuevas posibilidades creativas, pero también ha generado una preocupación creciente: cómo distinguir un libro escrito por una persona de uno producido total o parcialmente por inteligencia artificial.

El texto señala que no existe un método único y fiable para detectar con certeza un libro generado por IA. Las herramientas automáticas de detección presentan márgenes de error importantes, por lo que no pueden considerarse definitivas. En su lugar, se propone una combinación de indicios estilísticos y análisis crítico del texto.

Entre los rasgos que suelen asociarse a textos generados por IA se encuentra un lenguaje correcto pero poco expresivo, una tendencia a la repetición de ideas con formulaciones distintas y el uso frecuente de generalizaciones. Asimismo, estos textos tienden a mostrar una estructura excesivamente regular y predecible, con escasas variaciones estilísticas. En narrativa, pueden aparecer personajes poco complejos o poco memorables, así como una limitada exploración de la experiencia emocional.

Entre las señales más habituales se mencionan la excesiva uniformidad del estilo, la ausencia de variaciones personales en la voz narrativa, estructuras demasiado regulares y una tendencia a la generalización o al uso de explicaciones poco concretas. También se advierte que los textos generados por IA pueden mostrar coherencia superficial, pero carecer de profundidad experiencial o de una perspectiva verdaderamente autoral. Otro elemento relevante es la ausencia de vivencias personales o de una perspectiva situada. Mientras que la escritura humana suele incorporar huellas de experiencia, memoria o subjetividad, los textos generados por IA tienden a construir significados a partir de patrones estadísticos, lo que puede traducirse en una sensación de neutralidad o impersonalidad.

A pesar de estas diferencias, la distinción no siempre es evidente, ya que los modelos actuales han mejorado notablemente su capacidad de imitación estilística. Por ello, la lectura crítica se convierte en una herramienta fundamental. Más que buscar “errores”, se trata de evaluar la profundidad del texto, la coherencia de su voz y su capacidad para generar una experiencia significativa en el lector.

El artículo subraya además la importancia de no demonizar la IA como herramienta, ya que puede utilizarse en procesos de escritura asistida. La clave estaría en diferenciar entre obras generadas automáticamente y aquellas en las que la IA actúa como apoyo creativo, destacando la necesidad de criterios editoriales y lectura crítica para afrontar este nuevo escenario literario.

¿Qué opinan de la IA los bibliotecarios de las universidades?

“Legitimate but Not Loved: What Academic Librarians Think About AI.” The Scholarly Kitchen, 23 de junio de 2026. https://scholarlykitchen.sspnet.org/2026/06/23/guest-post-legitimate-but-not-loved-what-academic-librarians-think-about-ai/

El texto analiza cómo los bibliotecarios perciben la inteligencia artificial generativa en el contexto de las bibliotecas universitarias y los servicios de información. A partir de evidencias recogidas en el ámbito profesional, se destaca una actitud ambivalente: la IA es vista como una herramienta “legítima” e inevitable dentro de los flujos de trabajo informacionales, pero al mismo tiempo no genera entusiasmo ni aceptación plena.

Este estudio global que consultó a 311 bibliotecarios en 31 países, destaca que cerca del 90% de las instituciones académicas ya consideran legítimo el uso de la IA. Sin embargo, un análisis profundo muestra que «aceptación» no significa «entusiasmo».

Existe una brecha evidente entre la postura institucional y la convicción personal. Los bibliotecarios tienden a ser más cautelosos que los administradores y los investigadores. Esto responde a su rol único en el ecosistema universitario: mientras otros se enfocan en la adopción rápida o en las capacidades técnicas, los bibliotecarios evalúan tanto las ventajas reales como las limitaciones prácticas de la tecnología.

En Estados Unidos, alrededor del 30 % de las respuestas indicaron resistencia activa o falta de uso; en el Reino Unido e Irlanda, casi el 40 % de las respuestas fueron en blanco o negativas. Canadá mostró niveles particularmente altos de escepticismo. Los encuestados de Oriente Medio, África, India y la región de Asia-Pacífico tendieron a ser más pragmáticos, aplicando con mayor frecuencia la IA a tareas específicas y definidas. Este patrón sugiere que las actitudes hacia la IA en las bibliotecas académicas pueden estar influenciadas tanto por el contexto cultural e institucional como por la tecnología en sí.

Esta tensión refleja una combinación de interés pragmático —por su utilidad en tareas como la mediación de información, la automatización de búsquedas o el apoyo a usuarios— y preocupación crítica sobre sus efectos en la calidad de la información, la autoridad de las fuentes y el papel tradicional del bibliotecario como mediador experto.

El artículo sitúa estas percepciones dentro de un cambio más amplio en la cultura informacional académica, donde las herramientas de IA están desplazando progresivamente la búsqueda tradicional hacia modelos de “respuesta directa”. Este giro obliga a replantear competencias profesionales, criterios de evaluación de la información y estrategias institucionales. Sin embargo, los bibliotecarios expresan reservas sobre la fiabilidad de los sistemas generativos, sus sesgos y su opacidad, lo que alimenta una adopción cautelosa más que entusiasta.

En conjunto, el texto sugiere que la IA en bibliotecas no es rechazada, pero tampoco plenamente integrada como solución estable. Se percibe como una tecnología útil pero problemática, cuya consolidación dependerá de cómo se equilibren eficiencia, control humano, transparencia y responsabilidad profesional en los entornos de acceso al conocimiento.

La inteligencia artificial empieza a distorsionar el mercado inmobiliario: cuando el piso anunciado no existe realmente

Vincent, James. “AI Is Cursing Renters With the Promise of Impossible Homes.” The Verge, June 22, 2026. The Verge

Un reportaje reciente publicado por The Verge analiza una nueva consecuencia inesperada del auge de la inteligencia artificial generativa: su creciente uso en el mercado inmobiliario para alterar digitalmente fotografías de viviendas y hacer que pisos o apartamentos parezcan mucho más atractivos de lo que realmente son. La práctica, conocida como virtual staging, no es completamente nueva, pero la incorporación de herramientas de IA generativa ha reducido drásticamente el coste y el tiempo necesario para modificar imágenes, permitiendo a agencias inmobiliarias transformar digitalmente espacios deteriorados, vacíos o poco atractivos en viviendas aparentemente luminosas, modernas y perfectamente equipadas. El resultado es un aumento significativo del riesgo de publicidad engañosa para compradores e inquilinos.

El artículo recoge numerosos testimonios de personas que, tras encontrar anuncios prometedores en plataformas de alquiler, acudieron a visitar inmuebles que poco o nada tenían que ver con las imágenes publicadas. En algunos casos, la inteligencia artificial había añadido chimeneas inexistentes, modificado cocinas envejecidas, incorporado mobiliario ficticio o cambiado completamente la percepción espacial de las habitaciones, haciendo que pequeños estudios urbanos parecieran apartamentos mucho más amplios. Para quienes buscan vivienda en mercados especialmente tensionados como New York City, esto implica dedicar más tiempo a verificar cada anuncio y aumenta la frustración en procesos de búsqueda ya de por sí complejos.

El debate ético se ha trasladado rápidamente al sector inmobiliario. Algunos profesionales defienden que herramientas como el virtual staging pueden ser útiles para mostrar el potencial decorativo o de reforma de una vivienda, del mismo modo que tradicionalmente se utilizaban decoradores para preparar una casa antes de venderla. Plataformas especializadas como Virtual Staging AI permiten actualmente generar estas transformaciones en cuestión de segundos y a costes mínimos frente a la decoración física tradicional. Sin embargo, la línea que separa la visualización legítima del engaño deliberado se vuelve cada vez más difusa cuando la IA modifica elementos estructurales o elimina defectos relevantes del inmueble.

La preocupación regulatoria comienza a crecer. En estados como California ya existen normativas que exigen informar explícitamente cuando una imagen inmobiliaria ha sido alterada mediante inteligencia artificial. Otros mercados han empezado a estudiar regulaciones similares ante el aumento de denuncias relacionadas con anuncios engañosos. Expertos del sector advierten que la facilidad con la que la IA permite construir representaciones falsas puede erosionar seriamente la confianza digital en plataformas de compraventa y alquiler, del mismo modo que ya ocurre con los deepfakes en otros ámbitos.

Más allá del sector inmobiliario, este fenómeno revela una cuestión más amplia: la inteligencia artificial no solo automatiza procesos, sino que también amplifica viejas prácticas de manipulación comercial dándoles una apariencia de realismo mucho más sofisticada. En un contexto donde gran parte de las decisiones económicas se toman a partir de imágenes vistas en internet, la capacidad de la IA para crear espacios convincentes pero inexistentes obliga a replantear conceptos fundamentales como autenticidad visual, transparencia comercial y protección del consumidor. Lo que hasta hace poco era simplemente marketing agresivo se está convirtiendo, gracias a la IA generativa, en una nueva forma de distorsionar digitalmente la realidad cotidiana.

Meta suspende la herramienta de IA que monitoreaba las pulsaciones de teclado de los empleados ante el temor de que se expongan datos confidenciales

Gairola, Ananya. “Meta Pauses AI Keystroke Monitoring Tool Over Employee Data Exposure Concerns.” Benzinga, June 23, 2026. Benzinga

La empresa Meta, matriz de plataformas como Facebook, Instagram y WhatsApp, ha decidido suspender temporalmente un controvertido programa interno de entrenamiento de inteligencia artificial después de descubrirse que información sensible de empleados había quedado expuesta de forma más amplia de lo previsto dentro de la compañía.

El sistema, conocido como Model Capability Initiative (MCI), había sido diseñado para recopilar datos de interacción digital de trabajadores —incluyendo pulsaciones de teclado, movimientos de ratón, clics y patrones de uso del ordenador— con el objetivo de entrenar modelos avanzados de IA capaces de aprender cómo interactúan los humanos con interfaces digitales.

El problema surgió cuando un informe interno de seguridad clasificó como incidente grave el hecho de que enormes volúmenes de datos recogidos por este sistema fueran accesibles a un número mucho mayor de empleados del que inicialmente se había establecido. Entre la información comprometida figuraban conversaciones privadas, transcripciones completas de interacciones, datos de rendimiento laboral, clasificaciones internas de sensibilidad documental e incluso información potencialmente confidencial almacenada en los equipos de trabajo. Aunque la empresa ha declarado que no existe evidencia de un uso malicioso de estos datos, el simple hecho de que estuvieran internamente expuestos desencadenó una investigación inmediata y la paralización del proyecto.

La iniciativa había generado controversia desde su lanzamiento en abril de 2026. Numerosos empleados mostraron su preocupación por el carácter intrusivo del sistema, especialmente porque inicialmente la participación era obligatoria para gran parte del personal en Estados Unidos. Más de mil trabajadores habían manifestado previamente su rechazo, argumentando que el sistema convertía a los empleados en fuente permanente de datos para entrenar algoritmos corporativos sin garantías suficientes sobre privacidad, consentimiento informado o limitaciones claras sobre qué información podía ser recogida. La filtración interna ha reforzado precisamente esos temores que ya existían dentro de la organización.

Este episodio reabre un debate creciente en el sector tecnológico sobre los límites éticos del uso de datos humanos para entrenar inteligencia artificial. Grandes compañías tecnológicas buscan cada vez más datos reales de comportamiento para mejorar sistemas capaces de automatizar tareas complejas, pero este caso demuestra que la recolección masiva de actividad digital plantea serios riesgos relacionados con vigilancia laboral, consentimiento, seguridad informática y gobernanza de datos. El caso de Meta muestra que, incluso dentro de las propias empresas creadoras de IA, la tensión entre innovación tecnológica y derechos de privacidad se está convirtiendo en uno de los principales desafíos del desarrollo de la inteligencia artificial contemporánea.

La inteligencia artificial generativa no es culturalmente neutral: el sesgo invisible del lenguaje en la IA

Walsh, Dylan. “Generative AI Isn’t Culturally Neutral, Research Finds.” MIT Sloan School of Management, September 22, 2025. MIT Sloan School of Management

Una investigación reciente de la MIT Sloan School of Management plantea una cuestión fundamental sobre el desarrollo y uso cotidiano de la inteligencia artificial generativa: lejos de ser sistemas neutrales, los modelos de IA incorporan patrones culturales derivados de los datos con los que fueron entrenados.

El estudio, dirigido por Jackson Lu junto con investigadores de Tsinghua University y MIT, demuestra que modelos como OpenAI GPT y Baidu ERNIE ofrecen respuestas culturalmente diferentes cuando reciben exactamente la misma instrucción en idiomas distintos.

El experimento comparó respuestas generadas en inglés y en chino, dos de los idiomas más hablados del mundo y, por tanto, dos fuentes masivas de entrenamiento para estos sistemas. Los resultados mostraron un patrón consistente: cuando la consulta se realiza en inglés, la IA tiende a producir respuestas alineadas con valores culturales asociados a sociedades occidentales, especialmente estadounidenses, privilegiando la autonomía individual, la independencia personal y un estilo cognitivo analítico basado en la lógica. Sin embargo, cuando las mismas preguntas se formulan en chino, las respuestas se desplazan hacia valores más colectivistas, interdependientes y contextualizados, característicos de culturas orientadas al grupo y a la armonía social.

Los investigadores analizaron dos dimensiones centrales de la psicología cultural. La primera fue la orientación social, entendida como la tendencia a priorizar los objetivos individuales frente a los colectivos. La segunda fue el estilo cognitivo, es decir, la forma en que se procesa la información: un enfoque analítico, centrado en categorías y lógica formal, o un enfoque holístico, más sensible al contexto, las relaciones y las circunstancias. Ambos modelos estudiados reflejaron claramente estas diferencias, evidenciando que la IA reproduce estructuras culturales presentes en el corpus lingüístico que alimenta su entrenamiento.

Uno de los aspectos más relevantes del estudio es la demostración de que estas diferencias no son meramente teóricas, sino que pueden influir directamente en decisiones reales. En una prueba aplicada al ámbito empresarial, se pidió a la IA recomendar un eslogan para una compañía de seguros. Cuando la consulta se hizo en inglés, el sistema favoreció mensajes centrados en el individuo, como la protección personal y la autonomía futura. Cuando se hizo en chino, la recomendación se inclinó hacia mensajes centrados en la familia, la responsabilidad compartida y la seguridad colectiva. Esto sugiere que la IA puede influir silenciosamente en estrategias de marketing, educación, políticas públicas o toma de decisiones empresariales, reforzando determinados valores culturales sin que el usuario sea plenamente consciente de ello.

El estudio también reveló que estos sesgos culturales pueden modificarse mediante técnicas de prompting contextual. Por ejemplo, cuando se pidió al modelo responder en inglés “asumiendo el papel de una persona china”, las respuestas comenzaron a reflejar patrones culturales propios del contexto chino. Esto demuestra que la IA no opera desde una objetividad universal, sino que sus resultados dependen no solo de la información disponible, sino también del marco lingüístico y cultural desde el cual se formula la interacción. La investigación concluye que desarrolladores, empresas y usuarios deben reconocer que la inteligencia artificial generativa no es simplemente una herramienta tecnológica, sino un sistema que transporta y reproduce valores culturales específicos, convirtiendo la diversidad cultural en un factor central para el diseño ético y responsable de estas tecnologías.

Las referencias de la IA a libros falsos están frustrando a los bibliotecarios.

Librarian looking frustrated with computer displaying catalog error offline message
A librarian looks stressed as the library computer system shows an error message.

InsideHook. 2025. “Report: AI References to Fake Books Are Frustrating Librarians.” InsideHook, September 22, 2025. https://www.insidehook.com/books/report-ai-references-fake-books-frustrating-librarians/?utm_source=flipboard&utm_content=topic/libraries

Un problema creciente en bibliotecas y servicios de referencia: la proliferación de títulos de libros y citas académicas inventadas por sistemas de inteligencia artificial, que los usuarios toman como reales.

Imagina a un lector ávido que un día hojea una vista previa de libros de verano en su periódico local. Entre los títulos listados aparece una novela de una de sus escritoras favoritas, Isabel Allende. Intrigado, este lector acude a su biblioteca local para comprobar si tienen alguna copia de la novela, titulada Sueños de la costa, en su catálogo. Aquí está el problema: Sueños de la costa en realidad no existe; formaba parte de un artículo generado por inteligencia artificial que incluía varios libros inexistentes de autores famosos como Allende , y que causó revuelo durante el verano.

Y aunque la famosa lista de libros del verano recibió mucha atención mediática, también hay casos en los que sistemas de IA han “alucinado” la existencia de otros libros nunca escritos. Y, como era de esperar, esto se ha convertido en un enorme dolor de cabeza para los bibliotecarios (y, presumiblemente, para los libreros) encargados de buscar libros que no existen. Una bibliotecaria citada en el artículo afirmó que llevaba recibiendo solicitudes de libros inexistentes desde hace tres años, pero que el problema se había agravado a principios de este año.

Estas “alucinaciones” de la IA generan situaciones en las que los bibliotecarios reciben solicitudes de obras que no existen, a menudo atribuidas a autores reales o incluidas en listas de lectura publicadas en medios de comunicación. El fenómeno se ha intensificado con el uso masivo de chatbots, que producen referencias con apariencia convincente pero sin base real verificable.

El texto explica que esta situación está generando una carga adicional de trabajo para los profesionales de bibliotecas, que deben dedicar tiempo a verificar la existencia de cada solicitud, algo que antes era mucho más sencillo porque las referencias solían ser auténticas. Ahora, los sistemas de IA pueden generar títulos plausibles, completos con autores, editoriales y citas falsas, lo que dificulta la detección inmediata del error. Esta dinámica está afectando especialmente a bibliotecas públicas y servicios de referencia académica, donde los usuarios confían cada vez más en respuestas automatizadas sin contrastarlas.

Esta no es la única forma en que la IA ha complicado la vida de los bibliotecarios. También está el hecho de que ciertos actores sin escrúpulos utilizan la IA para generar libros rápidamente con fines de lucro, aunque sin la parte “divertida”. El auge de los libros generados por IA ha planteado preguntas existenciales para escritores y editores; como era de esperar, también ha supuesto un dolor de cabeza para los bibliotecarios. El siglo XXI ha visto avances tecnológicos que han facilitado la vida de escritores y editores, pero algunas de esas mismas herramientas también pueden volver el mundo del libro más inquietante cuando son usadas por actores malintencionados.

Finalmente, el artículo sitúa este problema dentro de un contexto más amplio de impacto de la inteligencia artificial en el ecosistema del libro y la información. Además de las bibliotecas, también se ven afectados autores, editores y plataformas de venta, ya que proliferan libros generados por IA, duplicados o fraudulentos. El texto subraya la importancia de reforzar la alfabetización informacional y el pensamiento crítico, así como la necesidad de que las instituciones tecnológicas mejoren los sistemas de verificación para evitar la propagación de información ficticia que parece real.