Archivo de la etiqueta: Inteligencia artificial

Cuando el uso de la IA conduce a un «apagado cerebral»

Bedard, J., Kropp, M., Hsu, M., Karaman, O. T., Hawes, J. y Rosen Kellerman, G. (2026). When Using AI Leads to “Brain Fry”. Harvard Business Review. https://hbr.org/2026/03/when-using-ai-leads-to-brain-fry

En este artículo Harvard Business Review presenta los resultados de una investigación reciente sobre un fenómeno emergente en el entorno laboral: el llamado “AI brain fry”, que puede traducirse como agotamiento cognitivo por uso excesivo de inteligencia artificial. La investigación, realizada por expertos del Boston Consulting Group y de la Universidad de California, Riverside, examina cómo ciertos patrones de uso de herramientas de IA, en lugar de facilitar el trabajo, pueden sobrecargar mentalmente a las personas y llevarlas al límite de su capacidad cognitiva.

El estudio parte de la observación de que muchas empresas están promoviendo y recompensando el uso de sistemas generativos y multiagentes —por ejemplo, midiendo tokens consumidos o líneas de código generadas como métrica de rendimiento— lo que empuja a los trabajadores a gestionar y supervisar múltiples agentes de IA simultáneamente. En lugar de liberar tiempo y esfuerzo, este enfoque puede provocar un “zumbido” mental, sensación de neblina, dificultad para concentrarse, lentitud en la toma de decisiones e incluso dolores de cabeza.

Los autores del artículo definen “AI brain fry” como la fatiga mental que se produce cuando las personas interactúan con herramientas de IA en un nivel que supera lo que su mente puede procesar de forma saludable. Esta condición —distinta del burnout tradicional— no se genera tanto por la cantidad de trabajo, sino por la complejidad cognitiva del mismo: supervisar, revisar y tomar decisiones sobre salidas generadas por múltiples sistemas de IA puede exigir un esfuerzo mental constante que resulta insostenible con el tiempo.

Además, la investigación señala que este tipo de fatiga tiene costos reales para las organizaciones y los empleados. Entre los efectos observados están un aumento de errores, mayor fatiga decisional y una intención más alta de abandonar el puesto de trabajo. Estos impactos subrayan un contraste importante: aunque la IA puede automatizar tareas rutinarias y reducir el agotamiento tradicional, su incorporación mal gestionada puede crear una carga cognitiva diferente y aún más insidiosa.

EN conclusión, los autores sugieren que no toda interacción con IA conduce a “brain fry”: existe un espacio intermedio en el uso de estas herramientas en el que pueden potenciar la productividad sin sobrecargar la mente. El reto para líderes y organizaciones es diseñar flujos de trabajo, métricas de rendimiento y prácticas de supervisión que aprovechen las ventajas de la IA sin sacrificar el bienestar cognitivo de las personas.

Perplexity lanza su agente de salud: IA personalizada para el bienestar

TestingCatalog. “Perplexity Launches Perplexity Health Agent in US.” TestingCatalog, marzo de 2026. https://www.testingcatalog.com/perplexity-launches-perplexity-health-agent-in-us/

El lanzamiento de Perplexity Health por parte de Perplexity AI representa un paso significativo en la evolución de los asistentes de inteligencia artificial hacia ámbitos especializados de alto impacto, como la salud. Este nuevo agente, disponible inicialmente en Estados Unidos, se enmarca en la estrategia de la compañía de transformar su motor de búsqueda conversacional en una plataforma de agentes inteligentes verticales, capaces de gestionar tareas complejas en dominios específicos.

La herramienta introduce un “hub de salud” seguro integrado en la aplicación de Perplexity, donde los usuarios pueden conectar sus datos médicos, visualizar información en paneles organizados y recibir explicaciones comprensibles sobre su estado de salud. Su objetivo principal es traducir la complejidad del lenguaje clínico y de los informes médicos en información clara, accesible y útil para el usuario, reduciendo la brecha entre el conocimiento experto y la comprensión cotidiana.

A diferencia de los buscadores tradicionales o incluso de asistentes generalistas, Perplexity Health se presenta como un agente especializado, capaz de analizar datos personales y ofrecer orientación en áreas concretas como nutrición, sueño o bienestar general. Esto refleja una tendencia creciente en la inteligencia artificial: el paso de sistemas que responden preguntas a sistemas que acompañan procesos, integrando múltiples fuentes de datos y proporcionando recomendaciones contextualizadas.

El desarrollo de este agente se inscribe en un contexto altamente competitivo, donde grandes empresas tecnológicas —como Microsoft, OpenAI o Amazon— están explorando soluciones similares en el ámbito de la salud digital. En este sentido, Perplexity busca posicionarse no solo como un buscador inteligente, sino como un ecosistema de servicios basados en IA, capaz de integrar información personal, análisis automatizado y asistencia continua.

Desde el punto de vista tecnológico, Perplexity Health se apoya en la arquitectura más amplia de agentes de la compañía, que combina múltiples modelos de inteligencia artificial y capacidades de automatización. Este enfoque permite ejecutar tareas complejas y coordinar diferentes funciones dentro de un mismo entorno, anticipando un modelo en el que la IA actúa como intermediaria activa entre el usuario y sus datos, más allá de la simple consulta informativa.

No obstante, el lanzamiento también plantea interrogantes importantes. El manejo de datos sensibles como la información médica exige altos estándares de privacidad, seguridad y fiabilidad, especialmente en un contexto donde los sistemas de IA pueden generar errores o interpretaciones incorrectas. Además, surge la cuestión de hasta qué punto estos agentes pueden complementar —o potencialmente sustituir en algunos casos— la interacción con profesionales sanitarios.

En conjunto, Perplexity Health ilustra una transición clave en la evolución de la inteligencia artificial: de herramientas de búsqueda a asistentes personalizados capaces de intervenir en aspectos críticos de la vida cotidiana, como la salud. Este cambio no solo redefine la relación entre usuarios y tecnología, sino que abre un nuevo campo de debate sobre el papel de la IA en la toma de decisiones personales, la gestión del conocimiento experto y la ética del cuidado digital.

Cómo la inteligencia artificial está transformando la alfabetización informacional en las bibliotecas universitarias

Jabeen, M. (2026).How artificial intelligence is reshaping information literacy in academic libraries: A global Scientometric analysis (2020–2025). ScienceDirect. https://doi.org/10.1016/S0099133326000236

El artículo presenta un análisis cientométrico global centrado en la investigación que vincula la inteligencia artificial (IA) con la alfabetización informacional (Information Literacy, IL) durante el periodo 2020–2025. Su objetivo principal es identificar tendencias, patrones de producción científica, redes de colaboración y principales focos temáticos en un campo en rápida expansión. A través del estudio de publicaciones indexadas, el trabajo ofrece una visión cuantitativa y estructurada del crecimiento y consolidación de esta línea de investigación en el contexto de la transformación digital del conocimiento.

Uno de los aspectos más relevantes del estudio es el notable incremento en el número de publicaciones en los últimos años, lo que refleja el creciente interés académico por el papel de la IA en los procesos de acceso, evaluación y uso de la información. El análisis muestra cómo la alfabetización informacional está evolucionando desde enfoques tradicionales —centrados en habilidades documentales— hacia modelos más complejos que integran competencias digitales avanzadas, pensamiento crítico frente a algoritmos y comprensión de sistemas automatizados.

El artículo también identifica los principales países, instituciones y revistas científicas que lideran la investigación en este ámbito. Se observa una fuerte concentración en determinadas regiones con alto desarrollo tecnológico, así como una progresiva internacionalización de las colaboraciones científicas. Asimismo, el estudio destaca cuáles son las revistas más influyentes y productivas en la intersección entre IA e IL, evidenciando la consolidación de este campo como área interdisciplinar entre la biblioteconomía, la educación y la informática.

En cuanto a los temas predominantes, la investigación revela que los trabajos se centran en cuestiones como el uso de herramientas de IA en bibliotecas, la automatización de procesos de recuperación de información, el impacto de los algoritmos en la evaluación de fuentes y la necesidad de formar a los usuarios en competencias críticas frente a la inteligencia artificial. También emergen preocupaciones éticas relacionadas con la desinformación, los sesgos algorítmicos y la transparencia de los sistemas inteligentes.

El artículo subraya la importancia de desarrollar marcos teóricos y educativos que integren la IA dentro de la alfabetización informacional, proponiendo una actualización de los modelos formativos en bibliotecas y entornos académicos. En este sentido, se plantea que la alfabetización informacional del futuro deberá incluir no solo la capacidad de buscar y evaluar información, sino también la comprensión del funcionamiento y las implicaciones sociales de la inteligencia artificial, consolidando así un enfoque más crítico, tecnológico y multidisciplinar.

Datos clave:

  • Se observa un crecimiento rápido de la investigación, especialmente desde 2022, aunque el campo sigue en consolidación.
  • Estados Unidos lidera la producción científica, con creciente participación de Asia y África pese a menor visibilidad.
  • Las revistas clave están dominadas por la biblioteconomía, destacando Journal of Academic Librarianship.
  • La alfabetización informacional evoluciona hacia la alfabetización en IA, incorporando competencias críticas y éticas.
  • Las bibliotecas emergen como espacios centrales para formar usuarios capaces de comprender, evaluar y usar la IA.

La habilidad humana que la IA no puede replicar: por qué los modelos de lenguaje aún no escriben bien literatura creativa

Sun, Jasmine. The Human Skill That Eludes AI: Why can’t language models write well? The Atlantic, 17 de marzo de 2026. https://www.theatlantic.com/technology/2026/03/ai-creative-writing/686418/?utm_medium=offsite&utm_source=flipboard&utm_campaign=all

Aunque los modelos de lenguaje generativo han progresado mucho en funcionalidad técnica, no han logrado capturar la esencia de la creatividad y la escritura auténticamente humana, lo que sugiere que la IA puede ser una herramienta útil para apoyar la escritura pero no un reemplazo real de la capacidad creativa humana

Las inteligencias artificiales avanzadas —especialmente los grandes modelos de lenguaje generativo— siguen siendo incapaces de producir escritos creativos de alta calidad comparables a los de los humanos, a pesar de sus enormes capacidades técnicas. Aunque los modelos modernos pueden resolver problemas complejos, crear imágenes realistas o escribir textos coherentes a nivel superficial, fallan de manera recurrente cuando se trata de generar prosa literaria profunda o ensayos que realmente emocionen o asombren al lector.

La autora, Jasmine Sun, destaca que muchos en la industria de la IA reconocen que aún no se ha construido un modelo que “escriba bien” en términos artísticos o creativos. Incluso con capacidades técnicas extraordinarias —como predecir estructuras de proteínas o generar aplicaciones completas a partir de un solo comando— los sistemas actuales producen prosa que suele ser rígida, predecible y carente de verdadera originalidad. Comúnmente incluyen metáforas sin sentido, construcciones aburridas o una retórica que suena artificial, lo que limita su valor literario y emocional.

Gran parte del problema se encuentra en cómo se entrenan y diseñan estos modelos. El artículo explica que durante la fase de preentrenamiento, los modelos absorben enormes cantidades de texto de internet —mucho del cual es mediocre— lo que les enseña patrones de estructura y gramática pero no el juicio y la sensibilidad necesarios para producir arte genuino. Además, en la fase de post-entrenamiento, las empresas priorizan que la IA sea “útil, honesta y segura”, lo que tiende a limitar la creatividad porque penaliza respuestas impredecibles o arriesgadas que podrían considerarse inapropiadas o peligrosas.

Conversaciones con investigadores del sector revelan que existe una tensión esencial entre las metas comerciales y la escritura creativa: los modelos están optimizados para seguir reglas, evitar errores y producir respuestas útiles para una amplia gama de usuarios, pero la creatividad artística requiere precisamente romper reglas, explorar lo inesperado y aportar una perspectiva singular, rasgos que estos sistemas no están diseñados para priorizar. Esta contradicción fundamental ayuda a explicar por qué, incluso con memorias extensas de grandes cantidades de literatura, los modelos aún no generan obras que igualen la profundidad, la emoción o la voz autoral humana.

De este modo a pesar de los avances, la escritura humana mantiene una ventaja insustituible, ya que está intrínsecamente ligada a la experiencia vivida, a la sensibilidad emocional y a un tipo de juicio estético que las máquinas no poseen. Incluso si en el futuro se desarrollan modelos más sofisticados, los escritores humanos seguirán aportando algo único que no puede ser simplemente emulado por algoritmos.

Guía práctica para el uso reflexivo y análisis de herramientas de Inteligencia Artificial en bibliotecas públicas y comunitarias

Guía práctica para el uso reflexivo y análisis de herramientas de Inteligencia Artificial en bibliotecas públicas y comunitarias. Iberbibliotecas, 2026

Texto completo

Guía práctica para el uso reflexivo y análisis de herramientas de Inteligencia Artificial en bibliotecas públicas y comunitarias se concibe como una oportunidad de crear un diálogo sobre el uso de las herramientas de IA en los espacios bibliotecarios, con un foco prioritario en el análisis y reflexión de las herramientas tecnológicas actuales. Se hace necesario asumir una posición clara, reflexiva, ética y crítica frente a estas herramientas, reconociendo tanto sus potencialidades como sus riesgos, siendo este el punto de partida para orientar prácticas, decisiones y conversaciones informadas, necesarias en un escenario de cambio a alta velocidad.

La guía propone que la Inteligencia Artificial debe entenderse de forma crítica, ética y contextual, especialmente en bibliotecas públicas y comunitarias, que actúan como mediadoras entre tecnología y ciudadanía.

En primer lugar, explica que la IA no es inteligencia humana, sino sistemas que analizan datos y patrones. Por ello, sus resultados pueden contener errores, sesgos y limitaciones, lo que exige una comprensión básica por parte de los profesionales.

Uno de los ejes centrales es que la IA reproduce desigualdades sociales (de género, raza o cultura), ya que aprende de datos históricos. Por eso, las bibliotecas deben fomentar una alfabetización crítica, ayudando a las comunidades a cuestionar y comprender estas tecnologías.

La guía también ofrece orientaciones prácticas:

  • Cómo buscar y evaluar herramientas de IA.
  • Cómo interactuar mejor con ellas (prompts, contexto, roles).
  • Cómo integrarlas en servicios bibliotecarios (chatbots, recomendación, apoyo a la lectura).

Finalmente, subraya que la IA debe usarse con:

  • supervisión humana
  • respeto a la privacidad
  • enfoque inclusivo y sostenible

Por qué los bibliotecarios escolares son fundamentales para la alfabetización en IA

Why teacher librarians are critical for students living in an AI‑driven world. EdSource, 2026. https://edsource.org/2026/ai-literacy-teacher-librarians/752536?utm_source=flipboard&utm_content=other

Los bibliotecarios escolares con formación docente son esenciales para enseñar alfabetización en IA porque combinan habilidades de investigación, evaluación crítica y mediación tecnológica que permiten a los estudiantes comprender, usar y cuestionar la IA de forma informada y responsable en su vida académica y cotidiana

Ante la rápida expansión de las herramientas de inteligencia artificial (IA) en la educación, los bibliotecarios escolares con formación docente tienen un rol esencial para desarrollar la alfabetización en IA entre los estudiantes. En un contexto donde las escuelas integran cada vez más tecnologías basadas en IA, no basta con saber usar estas herramientas: es necesario comprender qué son, cómo funcionan, cuáles son sus limitaciones y cómo evaluarlas críticamente para que los estudiantes se conviertan en usuarios informados y responsables de esta tecnología.

El texto argumenta que los bibliotecarios escolares ya desempeñan funciones clave en la enseñanza de investigación, alfabetización informacional y mediática, y por ello están bien posicionados para ampliar estas competencias hacia la IA. Su labor tradicional de enseñar a los estudiantes a encontrar, evaluar y utilizar información relevante se conecta directamente con lo que implica una alfabetización en IA efectiva: promover pensamiento crítico sobre algoritmos, datos y resultados generados por sistemas automáticos, así como abordar cuestiones éticas y de sesgo.

Además, el artículo subraya la necesidad de acceso equitativo a la instrucción en IA. No todos los estudiantes tienen las mismas oportunidades de interactuar con tecnologías avanzadas fuera de la escuela, por lo que los bibliotecarios escolares pueden ayudar a nivelar el campo ofreciendo recursos, talleres, guías y apoyo continuo. Esto incluye explicar no solo cómo usar herramientas de IA, sino también enfrentar discusiones sobre privacidad, propiedad intelectual, verificación de veracidad y riesgos de desinformación.

Finalmente, la pieza advierte que sin una alfabetización adecuada en IA —orientada por profesionales capacitados— los estudiantes corren el riesgo de adoptar estas tecnologías de forma superficial o sin entender sus implicaciones sociales y éticas. Por ello, capacitar, apoyar y fortalecer el papel de los bibliotecarios docentes se presenta como una estrategia educativa clave para preparar a los estudiantes de hoy a navegar con confianza en un mundo cada vez más impulsado por la inteligencia artificial.

Impacto real de la IA en el empleo: evidencia temprana y nuevas métricas desde Anthropic

Anthropic. Labor Market Impacts of AI: A New Measure and Early Evidence. 2026.

Consultar documento original

La inteligencia artificial ya está transformando el trabajo, pero de forma gradual, desigual y todavía limitada en su impacto directo sobre el empleo. Más que una ola inmediata de destrucción de puestos, lo que emerge es un proceso progresivo de cambio en las tareas, en la contratación y en la organización del trabajo, cuyo alcance dependerá en gran medida del ritmo de adopción tecnológica en los próximos años.

El informe de Anthropic propone un cambio fundamental en la forma de analizar el impacto de la inteligencia artificial en el mercado laboral. Frente a estudios anteriores que se basaban en lo que la IA podría hacer teóricamente, este trabajo introduce una nueva métrica denominada “exposición observada” (observed exposure). Esta combina las capacidades potenciales de los modelos de lenguaje con datos reales de uso en el entorno laboral, lo que permite medir de manera más precisa cómo la IA está afectando efectivamente a las tareas y profesiones.

Uno de los hallazgos clave del informe es la existencia de una brecha significativa entre capacidad y uso real. Aunque la IA podría automatizar o asistir en un gran porcentaje de tareas (en algunos casos entre el 70% y el 90%), su utilización efectiva en el trabajo cotidiano es mucho menor, situándose aproximadamente entre el 20% y el 30%. Esto sugiere que el impacto económico y laboral de la IA todavía está en una fase temprana, con un amplio margen de crecimiento en productividad si se adopta más ampliamente.

En términos de empleo, el estudio encuentra evidencia limitada de destrucción masiva de puestos de trabajo en el corto plazo. Los datos no muestran aumentos significativos del desempleo en ocupaciones con alta exposición a la IA desde la expansión de estas tecnologías. Sin embargo, sí aparecen señales más sutiles, como una desaceleración en la contratación, especialmente entre trabajadores jóvenes o en etapas iniciales de su carrera profesional.

El informe identifica también qué tipo de tareas son más susceptibles de ser automatizadas o asistidas por IA. Se trata, principalmente, de actividades que cumplen ciertas condiciones: son repetitivas, producen resultados digitales, tienen criterios claros de evaluación y generan mejoras inmediatas de productividad. Entre ellas destacan la redacción de documentos, la programación, la atención al cliente, el resumen de información y la entrada de datos.

Asimismo, el estudio observa que la exposición a la IA se concentra especialmente en ocupaciones intensivas en información, es decir, trabajos de oficina y del ámbito cognitivo. Sin embargo, incluso en estos sectores, la IA está actuando más como una herramienta de complemento (augmentación) que como un sustituto total del trabajo humano, al menos por ahora.

Otro aspecto relevante es la relación entre exposición a la IA y crecimiento del empleo. El informe sugiere que las ocupaciones con mayor exposición tienden a mostrar menores expectativas de crecimiento futuro, lo que podría anticipar cambios estructurales en el mercado laboral a medio y largo plazo. No obstante, estos efectos todavía son incipientes y no se traducen aún en pérdidas masivas de empleo.

Como conclusión el trabajo subraya la importancia de mejorar las herramientas de medición del impacto de la IA, ya que los datos tradicionales del mercado laboral (como las encuestas de empleo) pueden tardar en reflejar cambios emergentes. En este sentido, la métrica de “exposición observada” se presenta como un instrumento clave para anticipar transformaciones antes de que se manifiesten plenamente en indicadores como el desempleo

Aspectos clave:

  • Brecha clara: la IA puede hacer mucho más de lo que aún se usa.
  • Impacto limitado: no hay destrucción masiva de empleo por ahora.
  • Cambios sutiles: menor contratación en algunos perfiles (especialmente junior).
  • Más afectadas: tareas digitales, repetitivas y estructuradas.
  • Función actual: la IA complementa más que sustituye.
  • Tendencia futura: posibles cambios estructurales en el empleo.

La “muerte” del internet humano: cómo la IA está degradando la red más allá del empleo

Koebler, Jason. “AI Job Loss Research Ignores How AI Is Utterly Destroying the Internet.” 404 Media, 17 de marzo de 2026.

Leer artículo original

El artículo plantea una crítica contundente a los estudios actuales sobre el impacto de la inteligencia artificial en el empleo. Según su autor, estas investigaciones —incluyendo informes de grandes empresas tecnológicas— se centran excesivamente en medir qué trabajos serán automatizados o transformados, pero ignoran un fenómeno mucho más profundo y ya visible: la degradación estructural del propio internet. En lugar de analizar cómo la IA sustituye tareas laborales concretas, el texto señala que la verdadera transformación está ocurriendo en el ecosistema digital donde se produce, distribuye y consume la información.

Uno de los argumentos centrales es que los usos reales y masivos de la IA no coinciden con los escenarios teóricos que manejan los investigadores. Mientras los estudios académicos analizan aplicaciones productivas o profesionales, en la práctica la IA se está utilizando ampliamente para generar contenidos de baja calidad —lo que el autor denomina “AI slop”— así como material automatizado en masa (incluyendo contenido sexual o spam). Este tipo de producción no solo no crea valor, sino que satura el ecosistema digital, dificultando encontrar información fiable y desplazando a creadores humanos.

El artículo de Anthropic, titulado “Labor market impacts of AI: A new measure and early evidence”, intenta esencialmente encontrar correlaciones uno a uno entre las tareas que las personas realizan hoy en sus trabajos y los usos que hacen de Claude. Los investigadores también tratan de predecir si las tareas de un empleo “son teóricamente posibles con IA”,

El texto sostiene que esta inundación de contenido automatizado tiene consecuencias económicas directas: perjudica a periodistas, artistas, escritores, pequeños negocios y otros productores de contenido original, cuyo trabajo queda enterrado bajo grandes volúmenes de material generado automáticamente. En este sentido, la IA no solo amenaza empleos de forma directa, sino que erosiona el valor del trabajo humano en internet al alterar las condiciones del mercado digital y reducir la visibilidad y monetización del contenido auténtico.

Además, el artículo conecta este fenómeno con una tendencia más amplia: la progresiva degradación de la calidad de las plataformas digitales. La proliferación de contenido generado por IA contribuye a lo que algunos autores han descrito como un internet cada vez menos humano, donde la interacción auténtica se diluye entre bots, automatismos y algoritmos. Este proceso recuerda a conceptos como el “internet muerto” o la “plataformización degradada”, en los que el contenido artificial empieza a dominar la experiencia online, aunque sin necesidad de recurrir a teorías conspirativas.

Finalmente, el autor advierte que el problema es estructural y acumulativo. A medida que más contenido generado por IA invade la red, este mismo contenido pasa a formar parte de los datos con los que se entrenan futuros sistemas, lo que puede provocar un deterioro progresivo de la calidad de la información. Así, la cuestión ya no es solo cuántos empleos desaparecerán, sino si el propio internet —como espacio de conocimiento humano— puede mantenerse útil y fiable en un entorno cada vez más dominado por la producción automática.

Alfabetización en IA: habilidades clave para usar, evaluar y colaborar con la inteligencia artificial

Nielsen Norman Group. 2024. “AI Literacy: What It Is and Why It Matters.” Nielsen Norman Group. https://www.nngroup.com/articles/ai-literacy/

El artículo de Nielsen Norman Group aborda la alfabetización en inteligencia artificial (AI literacy) como una competencia esencial en la era digital, comparable en importancia a la alfabetización digital o informacional. Parte de la idea de que no basta con saber usar herramientas de IA: es necesario comprender cómo funcionan, cuáles son sus limitaciones y cómo interactuar con ellas de manera crítica y eficaz. Esta alfabetización se convierte así en un factor clave para el trabajo, la educación y la toma de decisiones en la vida cotidiana.

Uno de los ejes centrales del texto es que la alfabetización en IA es multidimensional. No se limita a conocimientos técnicos, sino que incluye habilidades cognitivas, críticas y prácticas. Entre estas dimensiones destacan la capacidad de formular instrucciones eficaces (lo que algunos autores llaman prompt fluency) y la habilidad para evaluar los resultados generados por la IA (output literacy). Esto implica detectar errores, sesgos, inconsistencias o incluso “alucinaciones” en las respuestas, lo que requiere pensamiento crítico y experiencia contextual.

El artículo subraya además que existe una brecha entre el uso y la comprensión. Muchas personas utilizan herramientas de IA con soltura, pero sin entender realmente sus límites o riesgos. Esto puede llevar a una confianza excesiva en los resultados, decisiones erróneas o una dependencia poco saludable de la tecnología. En este sentido, la alfabetización en IA actúa como una forma de empoderamiento: permite a los usuarios pasar de ser consumidores pasivos a colaboradores activos en la interacción con sistemas inteligentes.

Otro aspecto clave es la relación entre la alfabetización en IA y otras alfabetizaciones previas, especialmente la alfabetización digital y mediática. La comprensión de conceptos como la desinformación, los sesgos algorítmicos, la privacidad o la ética tecnológica resulta fundamental para desenvolverse en entornos mediados por IA. En realidad, la alfabetización en IA amplía y actualiza estas competencias tradicionales, adaptándolas a un contexto donde los algoritmos generan contenido y toman decisiones.

El texto también enfatiza el papel del diseño de la experiencia de usuario (UX). Desde esta perspectiva, los sistemas de IA deben diseñarse teniendo en cuenta distintos niveles de alfabetización. No todos los usuarios poseen las mismas habilidades, por lo que las interfaces deben facilitar la comprensión, guiar la interacción y ayudar a interpretar los resultados. La alfabetización en IA no es solo responsabilidad del usuario: también es un desafío de diseño y de educación tecnológica.

Asimismo, se plantea que la alfabetización en IA es un requisito para la colaboración efectiva humano-máquina. A medida que la IA se integra en tareas creativas, analíticas y profesionales, los usuarios deben aprender a trabajar con ella como un “copiloto”, entendiendo cuándo confiar en sus resultados y cuándo cuestionarlos. Esto implica desarrollar competencias híbridas que combinan conocimiento técnico, juicio crítico y habilidades comunicativas.

Para terminar el artículo apunta a implicaciones educativas y sociales. La alfabetización en IA debería integrarse en los sistemas educativos y en la formación continua, ya que su ausencia puede generar desigualdades en el acceso a oportunidades laborales y en la participación informada en la sociedad digital. En un contexto donde la IA influye cada vez más en la información, el trabajo y la cultura, esta alfabetización se convierte en una competencia básica para la ciudadanía contemporánea.

Alfabetización mediática en la era del contenido generado por IA: ahogados en el “slop”

Frontier Learning Lab. “Drowning in Slop: Media Literacy in the Age of AI.” Substack, 2026. https://frontierlearninglab.substack.com/p/drowning-in-slop-media-literacy-in

Se plantea que nos encontramos en una nueva fase del ecosistema informativo caracterizada por la sobreproducción masiva de contenidos generados por inteligencia artificial, fenómeno que se ha popularizado bajo el término “AI slop”. Este concepto hace referencia a materiales digitales producidos en grandes cantidades, pero con escasa calidad, profundidad o fiabilidad, diseñados principalmente para captar atención y generar ingresos en la economía de los clics.

Slop IA (o «AI Slop») se refiere al contenido digital de baja calidad, repetitivo y masivo generado automáticamente por inteligencia artificial. Es considerado el equivalente al «spam» o «basura» en la era de la IA, priorizando cantidad sobre calidad para ganar clics o interacción en redes sociales

La tesis central del texto es que este exceso de contenido no solo supone un problema de desinformación, sino también de saturación cognitiva. A diferencia de etapas anteriores —en las que el reto era distinguir entre información verdadera y falsa—, ahora el desafío consiste en navegar un entorno donde el volumen de contenido irrelevante, superficial o redundante dificulta incluso encontrar información significativa. En este contexto, el problema no es solo la mentira, sino el ruido: una “contaminación informativa” que diluye el conocimiento valioso.

El artículo subraya que esta situación está impulsada por incentivos estructurales del ecosistema digital. Las plataformas premian el volumen, la velocidad y el «engagement» (compromiso), lo que favorece la proliferación de contenido automatizado. La inteligencia artificial permite producir textos, imágenes o vídeos a gran escala y bajo coste, generando una especie de industrialización del contenido que prioriza la cantidad sobre la calidad. Como resultado, el espacio digital se llena de materiales repetitivos, poco fiables o directamente inútiles.

Uno de los aspectos más relevantes es el impacto de este fenómeno en la confianza. Cuando los usuarios se enfrentan a grandes cantidades de contenido indistinguible en términos de calidad —y cada vez más difícil de verificar—, se produce una erosión progresiva de la credibilidad del entorno informativo. No se trata solo de creer información falsa, sino de dejar de confiar en cualquier información. Este proceso puede derivar en un escepticismo generalizado que debilita tanto el conocimiento compartido como el debate público.

El texto también introduce la idea de una nueva brecha digital: no tanto de acceso a la información, sino de calidad de la información consumida. Mientras algunos usuarios acceden a contenidos fiables (a menudo de pago o producidos por instituciones consolidadas), otros quedan atrapados en ecosistemas dominados por contenido automatizado, clickbait (viberanzuelo) o desinformación. Esta desigualdad informativa tiene implicaciones profundas para la educación, la participación democrática y la cohesión social.

En este escenario, la alfabetización mediática adquiere un papel central, pero debe transformarse. El artículo sostiene que las estrategias tradicionales —centradas en analizar críticamente cada unidad de información— resultan insuficientes ante el volumen actual. En su lugar, propone enfoques más adaptados al entorno digital, como el filtrado activo de fuentes, la lectura lateral (comparar múltiples fuentes antes de profundizar) y el desarrollo de hábitos de consumo informativo más selectivos.

Además, se enfatiza la necesidad de una alfabetización que no sea solo técnica, sino también cultural y ética. Los usuarios deben comprender cómo funcionan los algoritmos, cuáles son los intereses económicos detrás de la producción de contenido y cómo sus propios sesgos cognitivos influyen en lo que consumen y comparten. La alfabetización mediática se redefine así como una competencia integral que combina pensamiento crítico, conocimiento tecnológico y responsabilidad social.

Para concluir, el artículo advierte que la solución no puede recaer únicamente en los individuos. Aunque la educación en alfabetización mediática es fundamental, también se requieren cambios estructurales en las plataformas tecnológicas, como la mejora de los sistemas de recomendación, la transparencia en el uso de IA y posibles regulaciones que limiten la proliferación de contenido de baja calidad. Sin embargo, incluso con estas medidas, el texto sugiere que el reto persistirá: en un mundo donde generar contenido es prácticamente gratuito, la escasez ya no es de información, sino de atención, criterio y significado.