Consensus, una herramienta de búsqueda académica basada en inteligencia artificial, puede integrarse de forma sencilla con distintos gestores de referencias bibliográficas como EndNote, Zotero o Paperpile.
El objetivo principal de esta integración es facilitar el trabajo investigador, permitiendo que las referencias encontradas en Consensus se incorporen directamente a los sistemas habituales de gestión bibliográfica, evitando así la introducción manual de datos y reduciendo errores en la citación.
Consensus permite exportar los resultados de búsqueda y las listas de artículos guardados en formatos estándar ampliamente aceptados en el ámbito académico, principalmente RIS y CSV. Estos formatos son compatibles no solo con EndNote, Zotero y Paperpile, sino también con otros gestores como Mendeley, RefWorks, Citavi o Papers. De este modo, el investigador puede transferir rápidamente la información bibliográfica —autores, títulos, revistas, fechas y otros metadatos— a su gestor de referencias preferido y continuar allí el proceso de organización, anotación y citación.
El proceso de exportación es sencillo: tras realizar una búsqueda en Consensus o acceder a una lista previamente guardada, basta con utilizar la opción de descarga y seleccionar el formato deseado. En el caso de Zotero, además, se destaca la utilidad del Zotero Connector, una extensión de navegador que permite guardar directamente los artículos desde la página de resultados o desde la ficha individual de cada trabajo, integrando así Consensus en el flujo de trabajo habitual del investigador de forma casi inmediata.
Se remarca la importancia del estudio dado que una proporción creciente de usuarios usa sistemas de IA para informarse. Aunque no reemplazan completamente a los medios tradicionales, estas herramientas ya se integran en hábitos informativos, lo que eleva el riesgo de difundir desinformación, especialmente cuando las respuestas se presentan con tono seguro y sin advertencias claras sobre sus limitaciones.
El artículo de Digital Trends resume los hallazgos de un experimento de cuatro semanas en el que se evaluó la capacidad de varios chatbots de inteligencia artificial generativa para identificar, priorizar y resumir noticias reales (incluyendo enlaces directos a los artículos) sobre acontecimientos diarios en Québec. La prueba fue diseñada y publicada originalmente por The Conversation, con el objetivo de medir cuánto pueden confiar los usuarios en estos sistemas como fuentes de noticias.
Los resultados del experimento revelaron problemas significativos: algunos chatbots, como Google Gemini, acabaron inventando medios de comunicación completos e informes que nunca existieron, lo que se conoce como alucinación de IA. Por ejemplo, en uno de los casos, Gemini afirmó falsamente que hubo una huelga de conductores de autobús escolar en Québec en septiembre de 2025, cuando en realidad lo que ocurrió fue la retirada temporal de autobuses Lion Electric por un problema técnico real.
Más allá de la fabricación de noticias completas, los sistemas evaluados generaron respuestas con errores frecuentes: citaron fuentes ficticias o inactivas, proporcionaron URLs incompletas o no válidas, tergiversaron el contenido de informes legítimos e insertaron conclusiones inventadas que no estaban en las noticias originales. En general, solo alrededor del 37 % de las respuestas incluyeron una URL de fuente completa y legítima, y menos de la mitad de los resúmenes fueron totalmente precisos.
El análisis también encontró que estas herramientas a menudo añadían información de más —como afirmar que cierta noticia “reavivó debates” o “expuso tensiones” que no existían en los hechos reales— creando narrativas que no estaban sustentadas. Esto puede dar la impresión de profundidad o perspicacia, pero en realidad amplifica la desinformación.
Además, los errores no se limitaron solo a invenciones completas: en algunos casos, los chatbots distorsionaron noticias reales, por ejemplo al informar incorrectamente sobre el trato a solicitantes de asilo o al dar ganadores equivocados de eventos deportivos, y otros cometieron errores básicos en datos como estadísticas o información personal. En suma, la IA generativa sigue teniendo dificultades para distinguir entre resumir hechos y crear contexto o sentido, lo que genera respuestas que pueden ser engañosas o inexactas.
La adopción de la inteligencia artificial generativa (IA generativa) está creciendo en todo el mundo, aunque de forma muy desigual entre países y regiones. Según datos recientes de informes sobre difusión de IA, técnicas como ChatGPT, Gemini o Claude han sido usadas por un mayor porcentaje de la población en algunas naciones avanzadas, especialmente en Oriente Medio y Asia, mientras que en muchas partes de América Latina, África y el sur de Asia el ritmo de adopción es más lento. Países como los Emiratos Árabes Unidos y Singapur sobresalen con tasas de uso superior al 60 % de la población, lo que indica una fuerte integración de estas herramientas en actividades diarias y profesionales.
Una dimensión clave que destaca el artículo es la brecha creciente entre países con alto nivel de digitalización y otros con infraestructuras tecnológicas más limitadas. En regiones como América del Sur y Central, más de la mitad de los países encuestados registraron tasas de adopción por debajo del 20 %, lo que refleja obstáculos como altos costes, carencias de competencias técnicas y menor presencia de empresas tecnológicas locales. Asimismo, países de Asia oriental como Corea del Sur mostraron importantes incrementos en tasa de uso en el último año, impulsados por su adopción en el ámbito laboral y educativo, así como por la presencia de grandes empresas tecnológicas que fomentan su integración.
El artículo también aborda cómo modelos alternativos y de código abierto están ganando terreno en mercados donde los servicios occidentales tienen acceso restringido o no son asequibles. Por ejemplo, en naciones como China, Rusia, Cuba o Bélarús, herramientas de IA locales o no bloqueadas han logrado una cuota significativa de uso, lo que sugiere que la disponibilidad y accesibilidad de estas tecnologías influye tanto como la sofisticación técnica en su adopción generalizada.
En conjunto, la adopción de la IA generativa refleja tanto tendencias tecnológicas globales como desigualdades estructurales. Mientras que países con inversiones tempranas en infraestructura digital, políticas favorables y formación técnica lideran el uso de estas tecnologías, otras naciones enfrentan retos significativos para cerrar la brecha, como la falta de acceso, habilidades digitales insuficientes o mercados tecnológicos menos desarrollados. El artículo de Rest of World contextualiza estos datos dentro de un panorama global donde la IA generativa está marcando diferencias crecientes entre regiones con mayor y menor capacidad de integración digital.
La inteligencia artificial (IA) está transformando profundamente el sector de publicación de medios al impulsar nuevas formas de automatización y desarrollo de productos digitales adaptados a las necesidades de las audiencias modernas.
Según una encuesta global realizada a casi 300 líderes de medios a finales de 2025, los ejecutivos identifican la automatización de procesos internos (back-end) como el caso de uso más importante de la IA, con un 64 % considerándolo “muy importante” para sus organizaciones. Estas aplicaciones incluyen tareas como etiquetado automático de contenidos, edición de textos, transcripción y otras funciones operativas que optimizan tiempos y reducen costes en la producción de noticias y publicaciones digitales.
En segundo lugar, el desarrollo de software y la codificación impulsados por IA emergen como otra área clave, con un 44 % de los encuestados señalándola como relevante. Este crecimiento refleja una tendencia reciente: el interés por integrar capacidades de IA directamente en productos digitales y plataformas de medios ha aumentado significativamente en tan solo un año, pasando del 28 % al 44 %. Esto indica que las empresas no solo buscan automatizar operaciones, sino también crear experiencias tecnológicas más sofisticadas y competitivas para sus usuarios.
Comparativamente, otros usos populares como la recopilación de noticias y la creación de contenido con supervisión humana son considerados importantes por alrededor del 30 % de los líderes de medios, pero no han experimentado grandes variaciones respecto al año anterior. Esto sugiere que, aunque la IA está ganando terreno en áreas tradicionales del periodismo, los medios todavía valoran el control humano en tareas de alta responsabilidad editorial y prefieren priorizar funciones que mejoran la eficiencia y la infraestructura tecnológica antes que sustituir directamente la producción de contenido creativo.
En términos más amplios, estos resultados reflejan cómo los editores de medios están equilibrando la adopción de IA con sus imperativos estratégicos, priorizando herramientas que mejoran su capacidad de competir en entornos digitales rápidos y personalizados sin comprometer la calidad periodística. La IA favorece la velocidad, la personalización de experiencias y la modernización de plataformas, pero su integración todavía dependerá de cómo las organizaciones gestionen los cambios culturales y éticos que esta tecnología plantea en el ecosistema de la información.
OpenAI ha lanzado oficialmente ChatGPT Health, una nueva funcionalidad dentro de su plataforma ChatGPT diseñada específicamente para integrar la inteligencia artificial con información de salud personal del usuario. El producto permite conectar registros médicos y aplicaciones de bienestar —como Apple Health, MyFitnessPal y Function— para ofrecer respuestas más personalizadas y contextualizadas sobre temas relacionados con la salud y el bienestar. Esta integración pretende facilitar a los usuarios la comprensión de resultados de análisis clínicos, la preparación para visitas médicas, el seguimiento de patrones de salud y la comparación de opciones de seguros médicos, aunque no está concebida para diagnosticar enfermedades ni sustituir a profesionales de la salud.
OpenAI ha subrayado que ChatGPT Health se desarrolla como una experiencia separada dentro de la aplicación, con controles de privacidad reforzados que aíslan las conversaciones y los datos de salud, evitando que se utilicen para entrenar los modelos subyacentes. Según la compañía, este enfoque nace de la alta demanda de uso de ChatGPT en consultas sobre salud —con cientos de millones de preguntas semanales relacionadas con el bienestar— y del trabajo conjunto con más de 260 médicos de 60 países para asegurar que la herramienta aporte claridad y utilidad sin reemplazar la atención médica profesional. El acceso inicial se está abriendo gradualmente a un grupo reducido de usuarios de ChatGPT fuera de Europa y el Reino Unido, con planes de ampliar el despliegue global en las próximas semanas.
El gobierno del Reino Unido ha anunciado su intención de replantear profundamente su enfoque sobre las normas de derechos de autor en relación con la inteligencia artificial (IA), en respuesta a tensiones crecientes entre los desarrolladores de IA y los creadores de contenido tradicional.
La secretaria de Tecnología, Liz Kendall, explicó que se busca un “reinicio” de las propuestas legislativas que hasta ahora habían intentado modernizar la legislación de derechos de autor para facilitar el entrenamiento de sistemas de IA con obras existentes. Esta revisión se presentará oficialmente en un informe programado para marzo de 2026.
Hasta el momento, el planteamiento inicial del gobierno —respaldado por el primer ministro Keir Starmer como parte de su objetivo de posicionar al país como una potencia en IA— pretendía relajar las leyes para permitir el uso de cualquier material al que los desarrolladores tuvieran acceso legal, dejando a los creadores la opción de excluir sus obras si así lo deseaban. Sin embargo, esta propuesta de sistema de exclusión (opt-out) fue ampliamente criticada por los sectores creativos, que consideraron insuficiente la protección de sus derechos y la compensación por el uso de sus trabajos en el entrenamiento de modelos de IA.
Tanto Kendall como la ministra de Cultura, Lisa Nandy, reconocieron ante una comisión parlamentaria que el enfoque inicial fue un error y que los principales temores de la industria —garantizar una retribución justa por su trabajo y mantener el control sobre sus creaciones— deben ser el centro de cualquier reforma futura. La intención es adoptar una estrategia más matizada y colaborativa con diversos segmentos del sector creativo para afrontar los desafíos legales y existenciales que plantea la actual interacción entre los sistemas de IA y la propiedad intelectual tradicional.
El objetivo del informe es explorar cómo las organizaciones del ámbito de la publicación académica están adoptando y respondiendo a la inteligencia artificial (IA). La encuesta, realizada entre el 1 y el 12 de diciembre de 2025 entre 563 profesionales de distintas organizaciones, revela que la IA ya está muy presente en los flujos de trabajo de la publicación académica, aplicándose principalmente en tareas relacionadas con la creación y resumen de contenidos, revisión de integridad y detección de plagio, así como en herramientas de accesibilidad y descubrimiento de contenidos.
A pesar de esta adopción generalizada, el informe subraya que la preparación institucional para gestionar el impacto de la IA sigue rezagada respecto al uso tecnológico. La mayoría de las organizaciones se encuentran en un estado de preparación parcial, con políticas, capacidades y conocimientos aún en desarrollo, lo que refleja que el entusiasmo por la IA va acompañado de incertidumbre y retos organizativos. Entre los principales obstáculos se encuentran preocupaciones éticas y legales, problemas de privacidad y seguridad de datos, y una insuficiente capacidad especializada dentro de los equipos.
Las respuestas a la encuesta muestran que la adopción de IA ya está en marcha en las organizaciones de publicación académica, y la gran mayoría reporta al menos un caso de uso activo. Las aplicaciones más comunes se centran en los flujos de trabajo relacionados con el contenido, particularmente la creación o resumen de contenido (48%) y la verificación de plagio o integridad de la investigación (43%). Estos usos reflejan áreas donde la IA puede ofrecer ganancias inmediatas de eficiencia y ampliar el soporte a los procesos editoriales existentes sin alterar fundamentalmente la autoridad en la toma de decisiones.
Las herramientas de accesibilidad y traducción (34%) y el descubrimiento de contenido (34%) también son muy relevantes, subrayando el papel creciente de la IA en mejorar el alcance, la usabilidad y la encontrabilidad del contenido académico.
Más allá de las funciones editoriales principales, las organizaciones aplican cada vez más la IA a actividades empresariales y operativas. Más de una cuarta parte de los encuestados informa que utiliza IA para marketing o interacción con clientes (27%) y para análisis de datos o previsiones (27%), lo que indica una mayor comodidad con los conocimientos generados por IA para informar estrategias y alcance de la audiencia. La asistencia en la revisión por pares o la asignación de revisores (22%) y la generación o etiquetado de metadatos (18%) aparecen como aplicaciones emergentes, pero aún no universales, lo que sugiere tanto oportunidad como cautela en áreas que interfieren más directamente con el juicio académico y el control de calidad.
De acuerdo con los datos mostrados, las categorías con mayor peso son:
Creación o resumen de contenido: Es la aplicación más destacada con un 48%.
Controles de plagio o integridad: Ocupa el segundo lugar con un 43%.
Descubrimiento de contenido: Representa un 34%.
Herramientas de accesibilidad o traducción: Empata con el descubrimiento de contenido con un 34%.
Marketing o compromiso del cliente: 27%.
Análisis de datos o pronósticos: 27%.
Asistencia en revisión por pares o emparejamiento de revisores: 22%.
Generación de metadatos o etiquetado: 18%.
Licencia de contenido a terceros: 13%.
Personalización o inteligencia predictiva: 13%.
Finalmente, la imagen indica que un 14% corresponde a otros usos y un 12% de los consultados no utiliza IA actualmente.
Actitudes hacia la IA
Las respuestas indican que la mayoría de las organizaciones abordan la IA con interés medido, más que con entusiasmo incondicional. La mayoría (51%) describe su postura como exploración cautelosa de oportunidades, lo que sugiere experimentación activa junto con consideración cuidadosa de riesgos, gobernanza y adecuación. Al mismo tiempo, más de un tercio de los encuestados muestra una postura fuertemente positiva hacia la IA: 19% adopta activamente e invierte en IA y 16% se identifica como adoptante entusiasta y proactivo — juntos indican un impulso significativo hacia una integración más profunda.
Solo una pequeña minoría permanece al margen o en contra. Solo el 6% reporta una postura neutral de esperar y ver, otro 6% se declara escéptico o resistente, y solo 2% evita activamente las herramientas de IA. En conjunto, estos resultados sugieren que, aunque la cautela sigue siendo dominante, la resistencia a la IA en la publicación académica es limitada y la trayectoria general apunta hacia una adopción más amplia con el tiempo.
Preparación ante la IA
Las respuestas sugieren que la mayoría de las organizaciones se sienten parcialmente preparadas para enfrentar el impacto de la IA en el próximo año. Casi la mitad (45%) reporta estar moderadamente preparada, mientras otro 27% se siente solo ligeramente preparada, lo que indica que muchas organizaciones todavía están construyendo habilidades, políticas y confianza interna. Un porcentaje menor se siente altamente preparado: 16% se describe como muy preparado y solo 3% como completamente preparado, lo que subraya lo rara que sigue siendo la sensación de preparación total. Al mismo tiempo, 9% reporta no estar preparado en absoluto, destacando la necesidad de orientación, buenas prácticas compartidas y desarrollo de capacidades en toda la comunidad.
El sondeo también identifica oportunidades importantes asociadas con la IA, entre ellas la eficiencia de los flujos de trabajo —que puede liberar tiempo para tareas de mayor valor añadido—, el fortalecimiento de la revisión por pares mediante herramientas de apoyo o asignación de revisores, y el uso de IA para reforzar la integridad y calidad de la investigación a través de la detección de plagio o de prácticas poco éticas. Asimismo, la IA se percibe como una herramienta valiosa para mejorar la descubribilidad del contenido científico y para apoyar a autores de distintas lenguas mediante traducción y servicios lingüísticos.
Barreras para la adopción de IA
Los encuestados identificaron preocupaciones legales/éticas, privacidad/seguridad y falta de experiencia/capacidad como las principales barreras para la adopción de IA.
A pesar de los altos niveles de adopción e interés en IA, las organizaciones de publicación académica todavía albergan serias preocupaciones sobre su uso en el sector. Las preocupaciones éticas o legales (63%) y los problemas de privacidad o seguridad de los datos (61%) encabezan la lista, reflejando cautela generalizada respecto a cumplimiento, propiedad intelectual y uso responsable — preocupaciones especialmente agudas en la publicación académica. La preparación organizacional también emerge como un desafío significativo, con la mitad de los encuestados (50%) citando la falta de experiencia o capacidad del personal, lo que subraya que las capacidades humanas e institucionales a menudo quedan detrás del interés tecnológico.
Consideraciones prácticas y financieras forman un segundo nivel de barreras. Restricciones presupuestarias (28%), calidad o disponibilidad de datos (25%) y un ROI o caso de negocio poco claros (25%) sugieren que muchas organizaciones todavía evalúan costos frente a beneficios inciertos. Los problemas culturales y de herramientas —como la resistencia al cambio (23%) y la falta de herramientas adecuadas (19%)— son menos dominantes pero todavía significativos. Casi todas las organizaciones reportan algún tipo de fricción al adoptar IA.
No obstante, las preocupaciones sobre los riesgos son profundas y existenciales. Muchos encuestados expresan inquietudes sobre la posibilidad de que la IA degrade la calidad y la integridad de la literatura académica, dificultando la detección de contenidos generados por IA sin rigor científico, y erosionando la confianza en el proceso de revisión por pares tradicional. También existe ansiedad sobre la falta de transparencia en el uso de IA y la autenticidad de las contribuciones cuando las herramientas automatizadas participan en la producción o evaluación de trabajos. En conjunto, estas respuestas reflejan una comunidad editorial que navega entre la oportunidad de mejorar procesos y la necesidad de proteger los valores fundamentales de la comunicación científica.
Higher Education Policy Institute (HEPI) & Taylor & Francis (8 de enero de 2026). Using Artificial Intelligence (AI) to Advance Translational Research (HEPI Policy Note 67). Disponible en HEPI Insights
El informe analiza de manera exhaustiva cómo la inteligencia artificial puede transformar el proceso de investigación académica para acelerar su impacto en el mundo real, especialmente en lo que se conoce como investigación traslacional, es decir, la que busca convertir descubrimientos científicos en aplicaciones prácticas y beneficios tangibles para la sociedad.
Un nuevo informe elaborado por HEPI y Taylor & Francis explora el potencial de la inteligencia artificial (IA) para impulsar la investigación traslacional y acelerar el camino que va desde el descubrimiento científico hasta su aplicación práctica en la sociedad.
Using Artificial Intelligence (AI) to Advance Translational Research (Nota de política HEPI n.º 67), elaborado por Rose Stephenson, directora de Política y Estrategia de HEPI, y Lan Murdock, directora sénior de Comunicación Corporativa en Taylor & Francis, se basa en los debates mantenidos en una mesa redonda con responsables del ámbito de la educación superior, investigadores, innovadores en IA y organismos financiadores, así como en una serie de estudios de caso de investigación, para evaluar el papel futuro de la IA en la investigación traslacional.
Principales conclusiones
El informe concluye que la IA tiene el potencial de reforzar el sistema de investigación traslacional del Reino Unido, pero que la materialización de estos beneficios requerirá una implementación cuidadosa, una gobernanza adecuada y una inversión sostenida.
Entre las principales conclusiones se incluyen las siguientes:
La IA podría acelerar la investigación traslacional al permitir un análisis más rápido de grandes y complejos conjuntos de datos, apoyar la síntesis del conocimiento y mejorar los vínculos entre disciplinas. Sin embargo, la disponibilidad y la calidad de estos conjuntos de datos siguen siendo desiguales, lo que limita en algunos ámbitos la capacidad de las herramientas de IA para apoyar la traducción de la investigación.
El acceso a competencias y experiencia en IA es cada vez más importante, y la integración de estas capacidades en marcos interdisciplinarios será un componente clave para impulsar la investigación traslacional.
La IA puede mejorar la accesibilidad y la visibilidad de la investigación, entre otras cosas mediante resúmenes en lenguaje claro, sistemas de búsqueda semántica (funciones de búsqueda que utilizan conceptos e ideas, y no solo palabras clave, ofreciendo resultados más precisos) y nuevos formatos dirigidos a públicos más allá del ámbito académico.
Existen riesgos claros asociados al uso de la IA, incluidos los desafíos relacionados con la reproducibilidad, los sesgos, la pérdida de competencias, la integridad académica, la propiedad intelectual y la rendición de cuentas.
Recomendaciones
Para garantizar que la IA respalde una investigación traslacional de alta calidad y realizada de manera responsable, el informe formula una serie de recomendaciones dirigidas a organismos financiadores de la investigación, instituciones y editoriales, entre las que se incluyen:
Establecer expectativas claras para el uso responsable de la IA, incluida su alineación con orientaciones como Embracing AI with Integrity de la UK Research Integrity Office.
Invertir en una IA fiable y ética, incluyendo acciones para mejorar la transparencia, reducir los sesgos y apoyar la reproducibilidad.
Reforzar el apoyo a la investigación interdisciplinaria, con un mayor reconocimiento del trabajo en equipo y vías más claras para acceder a conocimientos y experiencia en IA.
Apoyar infraestructuras compartidas y abiertas de investigación en IA para reducir duplicidades y facilitar que las herramientas desarrolladas por investigadores estén disponibles de forma más amplia.
Fomentar el intercambio y la reutilización de datos, junto con la inversión en infraestructuras que permitan un acceso seguro y responsable a los datos.
Rose Stephenson, directora de Política y Estrategia de HEPI y coautora del informe, afirmó: «El Reino Unido cuenta con fortalezas extraordinarias en investigación, pero demasiadas ideas tienen dificultades para recorrer el camino desde el descubrimiento hasta su uso en el mundo real. La IA tiene el potencial de apoyar este proceso acelerando el análisis, conectando disciplinas y mejorando el acceso a la investigación. Sin embargo, estos beneficios solo se harán realidad si la IA se utiliza de manera transparente, ética y de formas que refuercen, en lugar de sustituir, la experiencia humana».
Por su parte, Rebecca Lawrence, vicepresidenta de Traducción del Conocimiento en Taylor & Francis, señaló: «Estamos muy agradecidos a todos los participantes de la mesa redonda y a quienes compartieron aportaciones para los estudios de caso. Los valiosos debates y el proceso posterior de elaboración de la nota de política han puesto de relieve los beneficios de trabajar de manera colectiva para aprovechar el poder y las oportunidades que puede ofrecer el uso responsable de la IA en la investigación traslacional».
Mediante la inversión en conocimiento interdisciplinario, gobernanza ética e infraestructuras, las partes interesadas pueden contribuir a transformar la investigación traslacional y permitir que un mayor número de investigaciones recientes genere beneficios sociales significativos.
Uno de los problemas más difíciles en las humanidades digitales —el reconocimiento preciso de escritura a mano— parece haber sido finalmente resuelto gracias a los avances recientes en inteligencia artificial. Tradicionalmente, los sistemas de reconocimiento óptico de caracteres (OCR) alcanzaron casi un 99 % de precisión con texto impreso, pero los sistemas de reconocimiento de texto manuscrito (HTR) apenas rozaban un 80 % debido a la enorme variabilidad y complejidad de las escrituras humanas. Esto obligaba a historiadores y paleógrafos a invertir mucho tiempo descifrando documentos antiguos, como cartas de figuras históricas, antes de llegar a la etapa analítica de sus investigaciones.
Cohen ilustra el punto con ejemplos personales de su trabajo con cartas manuscritas del siglo XIX, mostrando cómo herramientas como Transkribus requerían extensas preparaciones y seguían generando transcripciones con errores persistentes. Sin embargo, al emplear modelos de IA avanzados como Gemini 3 Pro, constató transcripciones sorprendentemente precisas de textos complejos, con la capacidad adicional de generar explicaciones sobre cómo la IA llegó a ciertas interpretaciones al analizar rasgos gráficos específicos de la escritura. Esta evolución tecnológica sugiere que la IA puede transformar la forma en que los documentos manuscritos digitalizados se hacen buscables y legibles de manera automática.
Más allá de las implicaciones técnicas, Cohen reflexiona sobre el papel de estas herramientas en la investigación académica. Señala que, al reducir la monotonía y labor manual de transcripción, los estudiosos pueden dedicar más tiempo a la comprensión profunda de los textos y a la interacción humana que estos contienen. Aun así, advierte que el uso de IA debe ser equilibrado: útil para tareas que liberan tiempo, pero sin desplazar la apreciación humana por la escritura y la comunicación que subyacen en los documentos históricos.
Google ha desactivado algunas de las respuestas generadas por inteligencia artificial (conocidas como AI Overviews) para determinadas consultas médicas en su buscador tras informaciones que mostraban que estos resúmenes ofrecían información inexacta y potencialmente peligrosa para la salud de los usuarios.
Una investigación periodística reveló casos en los que la IA dio recomendaciones contradictorias con la práctica médica, como aconsejar a personas con cáncer de páncreas evitar alimentos con alto contenido de grasa, lo cual va en contra de las directrices clínicas establecidas, y presentar rangos de pruebas de función hepática sin tener en cuenta factores cruciales como edad, sexo o etnia. Estas respuestas, calificadas por expertos como “alarmantes” y “peligrosas”, provocaron que Google retirara estos resúmenes para búsquedas específicas como “cuál es el rango normal de pruebas de sangre del hígado”.
Aunque Google no ha comentado públicamente sobre cada eliminación individual, un portavoz de la compañía afirmó que invierten recursos en mejorar la calidad de estas funciones de IA, especialmente en temas de salud, y que la mayoría de los resultados “proporcionan información precisa apoyada en fuentes de alta calidad”. Sin embargo, los críticos señalan que la medida no resuelve completamente el problema, ya que variaciones ligeras de las mismas consultas —por ejemplo, con términos abreviados o reformulados— todavía pueden activar resúmenes de IA con posibles errores. Además, el hecho de que estas respuestas se presenten con un tono de autoridad sin contextos médicos adecuados sigue generando preocupación entre organizaciones de salud y defensores de información fiable.
Universo Abierto 