Archivo de la etiqueta: Inteligencia artificial

La inteligencia artificial acelera su adopción en el trabajo: uno de cada dos empleados estadounidenses ya la utiliza (Gallup 2026)

Gallup. (2026, 28 de julio). Front Page: The voice of the world in numbers (Newsletter, 28 July 2026). Gallup.

Ver noticia

Gallup, presenta una panorámica de la evolución del uso de la inteligencia artificial en el entorno laboral estadounidense y su relación con la productividad, el compromiso de los empleados y la gestión organizacional. A través de cinco indicadores principales, Gallup muestra cómo la IA ha dejado de ser una tecnología emergente para convertirse en una herramienta de trabajo cotidiana para una parte creciente de la población activa. Los datos evidencian que la adopción continúa acelerándose y que las organizaciones se enfrentan ahora al desafío de integrar estas herramientas de manera estratégica, acompañando su implantación con liderazgo, formación y una comunicación clara.

Uno de los datos más destacados es que el 15 % de los trabajadores estadounidenses utiliza inteligencia artificial todos los días en el desempeño de sus funciones. La cifra representa un crecimiento muy significativo respecto al segundo trimestre de 2023, cuando únicamente el 4 % declaraba un uso diario. Más revelador aún es que más de la mitad de los empleados (52 %) ya emplea herramientas de IA en alguna medida dentro de su trabajo, lo que confirma que estas tecnologías han alcanzado una difusión generalizada. Paralelamente, la integración organizativa también avanza: el porcentaje de empleados que considera que su empresa incorpora la IA como parte de su estrategia para alcanzar objetivos corporativos ha aumentado del 41 % al 47 %, señalando que la adopción ya no depende únicamente de iniciativas individuales, sino que empieza a formar parte de la planificación empresarial.

El informe también identifica los principales usos que los trabajadores hacen de estas herramientas. Las aplicaciones más frecuentes son la redacción y edición de textos (51 %), la búsqueda y análisis de información (49 %) y la asistencia general para resolver problemas (39 %). Estos resultados indican que la IA se utiliza principalmente para apoyar tareas cognitivas y de gestión del conocimiento, más que para procesos altamente especializados. Sin embargo, Gallup observa que los mayores incrementos de productividad son percibidos por quienes emplean la IA para programación informática, creación de presentaciones y automatización de procesos, ámbitos donde las herramientas permiten reducir considerablemente el tiempo dedicado a tareas repetitivas y aumentar la eficiencia operativa.

En contraste con el rápido crecimiento del uso de la IA, el estudio muestra que el compromiso laboral permanece prácticamente estancado. Solo el 31 % de los trabajadores estadounidenses se considera comprometido con su trabajo, mientras que el 17 % manifiesta un nivel de desafección activa, porcentajes que apenas han variado durante los dos últimos trimestres. Gallup recuerda que su conocido índice de compromiso se basa en doce factores relacionados con la implicación psicológica y el rendimiento laboral. Entre ellos destaca una ligera recuperación en la claridad de las expectativas laborales, que aumenta dos puntos porcentuales hasta alcanzar el 49 %, después de haber experimentado uno de los descensos más pronunciados de los últimos cinco años.

Uno de los hallazgos más relevantes del boletín es que la forma en que las organizaciones gestionan la inteligencia artificial tiene una influencia directa sobre el compromiso de los empleados. En aquellas empresas que disponen de un plan claro de integración de la IA, cuyos responsables apoyan activamente su utilización y donde los trabajadores utilizan estas herramientas al menos semanalmente, el nivel de compromiso alcanza el 53 %, una cifra muy superior a la media nacional. Asimismo, los empleados cuyos directivos fomentan el uso de la IA presentan un compromiso del 48 %, frente al 30 % registrado entre quienes no perciben ese apoyo. Gallup interpreta estos resultados como una evidencia de que el liderazgo desempeña un papel decisivo para convertir la adopción tecnológica en una oportunidad de mejora organizativa y no en una fuente de incertidumbre o resistencia al cambio.

Finalmente, el boletín incorpora una perspectiva histórica mediante la recuperación de un estudio realizado en 1999, cuando Gallup preguntó por el impacto de tecnologías entonces emergentes —como el correo electrónico, Internet, los ordenadores personales, los faxes o el buzón de voz— sobre las relaciones entre compañeros de trabajo. En aquel momento, el 55 % de los trabajadores consideraba que esas tecnologías apenas influían en sus relaciones laborales, mientras que un 26 % afirmaba sentirse más cercano a sus compañeros gracias a ellas, el doble del porcentaje que decía sentirse más aislado (13 %). La comparación invita a reflexionar sobre los paralelismos entre las transformaciones tecnológicas del pasado y la actual expansión de la inteligencia artificial, sugiriendo que el impacto de estas innovaciones depende menos de la tecnología en sí que de la forma en que las organizaciones la incorporan a sus procesos, su cultura y sus modelos de liderazgo.

Moonshot y Alibaba: China presiona a los gigantes tecnológicos con inteligencia artificial de bajo coste

Moonshot, Alibaba Place AI Affordability in the Spotlight. The Daily Upside, Technology, julio de 2026. Disponible en: https://www.thedailyupside.com/technology/artificial-intelligence/moonshot-alibaba-place-ai-affordability-in-the-spotlight/

la competencia en inteligencia artificial está entrando en una nueva fase en la que el precio y la eficiencia se convierten en factores tan importantes como la capacidad técnica de los modelos. Tras varios años dominados por la carrera por construir sistemas cada vez más grandes y costosos, empresas chinas como Moonshot AI y Alibaba están demostrando que es posible desarrollar modelos con un rendimiento cercano al de los líderes estadounidenses a un coste muy inferior. Esta estrategia está modificando el equilibrio competitivo del sector, ya que reduce las barreras económicas para empresas y desarrolladores que desean incorporar IA avanzada en sus productos y servicios.

Uno de los principales protagonistas es Moonshot AI, cuya familia de modelos Kimi ha atraído una enorme atención internacional gracias a una combinación de altas prestaciones, costes reducidos y disponibilidad abierta. Frente al modelo tradicional basado en sistemas cerrados y licencias comerciales, Moonshot apuesta por distribuir modelos con pesos abiertos (open-weight), permitiendo que organizaciones y desarrolladores puedan adaptarlos y desplegarlos localmente. Esta filosofía también ha sido adoptada por Alibaba con su familia Qwen, consolidando una estrategia china que pretende competir no solo en calidad, sino también en accesibilidad económica y tecnológica.

El artículo destaca que esta evolución supone un desafío directo para empresas estadounidenses como OpenAI o Anthropic, cuyos modelos siguen siendo, en muchos casos, de acceso restringido y con costes superiores. Aunque los sistemas estadounidenses continúan liderando diversos indicadores de rendimiento, la diferencia técnica se está reduciendo rápidamente. Para numerosos usuarios empresariales, una ligera pérdida de precisión puede resultar aceptable si el coste de utilización disminuye de forma significativa, especialmente en aplicaciones de programación, análisis documental, automatización de procesos o asistencia empresarial.

Otro aspecto relevante es el papel de Alibaba como inversor estratégico en Moonshot. La participación de la compañía permite integrar estos modelos dentro de la infraestructura de Alibaba Cloud, reforzando su oferta de servicios de inteligencia artificial y aumentando el atractivo de su plataforma en el mercado internacional. El éxito de Moonshot beneficia indirectamente al ecosistema tecnológico de Alibaba, tanto por el crecimiento del uso de sus servicios en la nube como por la consolidación de un ecosistema propio de IA capaz de competir con los grandes proveedores estadounidenses.

El texto también pone de relieve que la competencia ya no gira únicamente alrededor del número de parámetros o de los resultados en pruebas de evaluación. Cada vez adquieren mayor importancia factores como el coste por millón de tokens procesados, la eficiencia energética, la velocidad de inferencia y la facilidad para integrar los modelos en aplicaciones reales. Esta nueva lógica económica puede acelerar la adopción masiva de la IA, ya que permite que pequeñas empresas, universidades y administraciones públicas accedan a capacidades avanzadas sin realizar inversiones desproporcionadas.

En conjunto, el artículo concluye que la irrupción de Moonshot y el fortalecimiento de Alibaba representan un cambio significativo en el panorama mundial de la inteligencia artificial. Si durante los primeros años la ventaja competitiva parecía depender exclusivamente de enormes inversiones en infraestructura y entrenamiento, la nueva generación de modelos chinos demuestra que la eficiencia, la apertura y el bajo coste pueden convertirse en elementos decisivos. Este cambio podría presionar a todos los grandes desarrolladores de IA para reducir precios, abrir parcialmente sus tecnologías y acelerar el ritmo de innovación, beneficiando finalmente a usuarios y organizaciones de todo el mundo.

La carrera mundial por la IA: los estadounidenses respaldan el liderazgo de EE. UU., pero reconocen el avance de China

Pew Research Center. What Americans Think About the Global AI Race. 23 de julio de 2026. https://www.pewresearch.org/short-reads/2026/07/23/what-americans-think-about-the-global-ai-race/

El estudio del Pew Research Center analiza cómo perciben los estadounidenses la creciente competencia internacional por el liderazgo en inteligencia artificial, especialmente entre Estados Unidos y China. Los resultados muestran que una amplia mayoría considera que la IA se ha convertido en un ámbito estratégico con profundas implicaciones económicas, científicas, militares y geopolíticas. Para muchos ciudadanos, mantener la capacidad de innovación en este campo es un objetivo prioritario para preservar la competitividad y la influencia internacional del país.

Uno de los hallazgos más destacados es que el 43 % de los estadounidenses considera que es muy o extremadamente importante que Estados Unidos sea el líder mundial en inteligencia artificial. Sin embargo, esta aspiración convive con una percepción cada vez más extendida de que China está ganando terreno e incluso podría haber tomado la delantera. Según la encuesta, el 36 % de los encuestados cree que China lidera actualmente el desarrollo de la IA, mientras que solo el 12 % piensa que Estados Unidos ocupa esa posición; el resto considera que ambos países están aproximadamente al mismo nivel o no tiene una opinión formada. Estos datos reflejan un cambio significativo en la percepción pública respecto al equilibrio tecnológico entre ambas potencias.

El informe también revela diferencias políticas e ideológicas. Tanto demócratas como republicanos coinciden en la importancia estratégica de la inteligencia artificial, aunque difieren en el énfasis que conceden a cuestiones como la regulación, la cooperación internacional o la competencia económica. En conjunto, existe un amplio consenso en que la IA será un factor determinante para el crecimiento económico, la seguridad nacional y la capacidad de innovación durante las próximas décadas.

Más allá de la rivalidad entre Estados Unidos y China, la investigación pone de manifiesto que la ciudadanía percibe la inteligencia artificial como una tecnología de doble filo. Si bien se reconoce su potencial para impulsar avances científicos, mejorar la productividad y reforzar la competitividad, también persisten preocupaciones relacionadas con el empleo, la privacidad, la desinformación y el uso militar de estas herramientas. Así, el deseo de mantener el liderazgo tecnológico se combina con la demanda de que el desarrollo de la IA se realice de forma responsable y bajo mecanismos adecuados de supervisión.

El estudio refleja que la carrera global por la inteligencia artificial ya no se percibe únicamente como una cuestión tecnológica, sino como un elemento central de la competencia geopolítica del siglo XXI. Para una parte importante de la sociedad estadounidense, el éxito en este ámbito será decisivo para definir el equilibrio de poder internacional, la prosperidad económica y la capacidad de influencia de las grandes potencias en los próximos años.

¿Ha llegado el fin de los nuevos Einstein? La IA desafía el concepto de genio científico

Rosenberg, Louis. Have We Seen the Last Einstein? Big Think, 20 de julio de 2026. https://bigthink.com/science-tech/have-we-seen-the-last-einstein/

Se plantea una cuestión provocadora: si la inteligencia artificial llega a ser capaz de realizar descubrimientos científicos comparables a los de Albert Einstein, ¿qué papel quedará para la creatividad humana?

El artículo parte de la figura de Einstein como paradigma del genio capaz de transformar radicalmente nuestra comprensión del universo mediante intuiciones extraordinarias, como las teorías de la relatividad especial y general. Rosenberg sostiene que el rápido progreso de los modelos de IA obliga a replantearse si esas capacidades creativas seguirán siendo exclusivas de la mente humana.

Uno de los conceptos centrales del texto es el denominado «Einstein Test», una propuesta para evaluar la llegada de una inteligencia artificial general (AGI). La idea consiste en entrenar un modelo únicamente con el conocimiento científico disponible antes de que Einstein formulara sus teorías y comprobar si es capaz de redescubrirlas de manera autónoma. Si una IA lograra alcanzar esas mismas conclusiones sin conocer previamente los resultados históricos, demostraría que puede realizar auténticos saltos creativos y no solo reproducir información aprendida. El autor considera que esta prueba representa un criterio mucho más exigente y significativo que el tradicional Test de Turing para medir la inteligencia artificial.

Rosenberg recoge además la valoración de Demis Hassabis, quien considera que pruebas de este tipo podrían convertirse en un referente para medir el desarrollo de la AGI y estima que existe una probabilidad significativa de alcanzarla antes de finalizar la década. De producirse ese escenario, miles de sistemas de IA podrían trabajar simultáneamente en problemas científicos complejos, acelerando el descubrimiento de nuevos materiales, medicamentos, teorías físicas o soluciones tecnológicas a una velocidad muy superior a la capacidad humana. El autor describe este posible escenario como una auténtica explosión de innovación científica impulsada por «Einsteins digitales».

Sin embargo, el artículo no se limita a destacar los beneficios potenciales de esta revolución tecnológica. Rosenberg advierte sobre sus consecuencias psicológicas, culturales y sociales. Si las máquinas llegaran a superar sistemáticamente a los seres humanos en creatividad científica, artística e intelectual, podrían erosionar la percepción del valor del talento humano y provocar una profunda desmoralización colectiva. A diferencia de otros debates sobre la seguridad de la IA, el autor considera que apenas se presta atención al impacto que tendría perder la supremacía cognitiva que la humanidad ha mantenido durante toda su historia.

Como alternativa, Rosenberg propone desarrollar una «superinteligencia colectiva», un modelo híbrido en el que personas e inteligencias artificiales colaboren estrechamente en lugar de competir. Inspirándose en fenómenos naturales como la inteligencia de enjambre observada en abejas, peces o aves, defiende sistemas que integren el juicio, los valores y la diversidad de perspectivas humanas con la enorme capacidad de procesamiento de la IA. Según el autor, esta vía permitiría mantener a los seres humanos en el centro del proceso de descubrimiento y aprovechar las fortalezas de ambas inteligencias. Incluso cita investigaciones realizadas por su empresa en colaboración con la Universidad de Stanford que muestran que equipos formados por médicos e IA obtienen mejores resultados que cualquiera de los dos trabajando por separado.

Rosenberg sostiene que probablemente no estemos asistiendo al final del genio científico, sino al nacimiento de una nueva forma de inteligencia compartida. En lugar de sustituir a figuras excepcionales como Einstein por máquinas autónomas, propone construir sistemas donde la inteligencia artificial amplifique la creatividad colectiva de millones de personas. Desde esta perspectiva, el próximo «Einstein» podría no ser un individuo extraordinario, sino una comunidad de seres humanos conectados y potenciados por la inteligencia artificial, capaces de abordar juntos los grandes desafíos científicos del futuro.

¿De qué se alimentan los grandes modelos de IA? Libros, web, redes sociales y artículos científicos en la carrera por entrenar los LLM

Buchholz, Katharina. Estimated Quarter of Llama AI Sources Came From Books. Statista, 27 de julio de 2026. Disponible en: Statista

Un análisis elaborado por el científico de datos Olivier Khatib, director ejecutivo de T1U.ai, estima la distribución de las principales fuentes de datos empleadas para entrenar cinco de los grandes modelos de lenguaje más importantes —ChatGPT (OpenAI), Claude (Anthropic), Gemini (Google), Llama (Meta) y Grok (xAI)— a partir de la documentación pública de las compañías, sus informes técnicos y otras evidencias disponibles.

El estudio pone de manifiesto que, aunque todos estos modelos recurren a una combinación de fuentes similares, cada uno presenta una estrategia diferenciada de recopilación y ponderación de datos que refleja tanto sus objetivos técnicos como las fortalezas de las organizaciones que los desarrollan.

Uno de los resultados más llamativos es que Llama, el modelo de Meta, habría obtenido aproximadamente una cuarta parte de sus datos de entrenamiento a partir de libros, una proporción superior a la estimada para cualquiera de los demás modelos analizados. Este dato resulta especialmente relevante porque el uso de libros protegidos por derechos de autor constituye actualmente uno de los principales focos de litigio entre las empresas de inteligencia artificial y los titulares de derechos. Mientras autores, editoriales y organizaciones culturales han presentado numerosas demandas por el uso no autorizado de sus obras, la investigación judicial también ha revelado el almacenamiento de millones de libros digitalizados para el entrenamiento de algunos modelos, intensificando el debate sobre los límites legales del aprendizaje automático y el uso legítimo de contenidos protegidos.

El estudio también muestra diferencias significativas entre los distintos sistemas. Claude destaca por incorporar una proporción relativamente elevada de artículos científicos y publicaciones académicas, coherente con la orientación que Anthropic ha dado a su modelo hacia tareas analíticas, investigación y razonamiento complejo. Por su parte, Gemini depende en mayor medida de datos procedentes del rastreo de la web (web crawl), aprovechando el enorme ecosistema de información indexada por Google para construir un modelo con una amplia cobertura temática y lingüística. En el caso de Grok, desarrollado por xAI, sobresale el peso de los datos procedentes de redes sociales, especialmente debido a la integración con el ecosistema de X (antes Twitter), lo que proporciona al modelo un acceso privilegiado a conversaciones y acontecimientos recientes. ChatGPT presenta una combinación más equilibrada de fuentes, repartiendo su entrenamiento entre contenidos web, libros, código, documentos y otras colecciones de datos.

Fuente predominante por modelo

ModeloFuente de datos más destacada
ChatGPT (OpenAI)Mezcla equilibrada de páginas web, libros, código y documentos públicos.
Claude (Anthropic)Mayor presencia de artículos científicos y literatura académica.
Gemini (Google)Predominio del rastreo de la web (web crawl).
Llama (Meta)Elevada proporción de libros (aproximadamente una cuarta parte del conjunto de entrenamiento).
Grok (xAI)Importante uso de redes sociales, especialmente contenidos procedentes de X (Twitter).

Más allá de las diferencias cuantitativas, el informe ilustra la creciente importancia de la diversidad de fuentes de entrenamiento como factor estratégico en el desarrollo de los modelos fundacionales. Los libros aportan profundidad conceptual y riqueza lingüística; los artículos científicos suministran conocimiento especializado y rigor técnico; el contenido de la web ofrece amplitud temática; las redes sociales incorporan actualidad y lenguaje coloquial; mientras que otras fuentes, como repositorios de código o documentos públicos, enriquecen las capacidades de programación y resolución de problemas. Esta combinación explica en buena medida las distintas fortalezas y limitaciones observadas entre los modelos actuales.

Finalmente, el artículo sitúa estos datos en el contexto de la creciente controversia jurídica sobre el entrenamiento de la inteligencia artificial. Las demandas por infracción de derechos de autor continúan multiplicándose, especialmente contra empresas como Meta y Anthropic, mientras los tribunales comienzan a delimitar qué prácticas de recopilación y almacenamiento de datos son legales y cuáles vulneran la propiedad intelectual. En consecuencia, la composición de los conjuntos de entrenamiento ya no constituye únicamente una cuestión técnica, sino también un asunto central para el futuro de la regulación, la transparencia y la sostenibilidad del desarrollo de la inteligencia artificial generativa.

¿Está acabando la inteligencia artificial con los libros de autoayuda?

Bransford, Nathan. Has A.I. Killed Prescriptive Nonfiction? (This Week in Books). Nathan Bransford Blog, 19 de junio de 2026 https://nathanbransford.com/blog/2026/06/has-a-i-killed-prescriptive-nonfiction-this-week-in-books

Analiza cómo la inteligencia artificial está impactando el mercado de libros de «cómo hacer» (how-to) y no ficción prescriptiva. A partir de reflexiones de autores como Tim Ferriss, cuestiona si las búsquedas en IA reemplazarán la venta de guías, cursos y blogs instructivos.

Se destaca un debate que comienza a preocupar seriamente a autores, editores y agentes literarios: el posible declive de la no ficción prescriptiva, es decir, los libros de consejos, desarrollo personal, productividad, emprendimiento, salud, finanzas o cualquier otro género cuyo objetivo principal es enseñar «cómo hacer» algo. El punto de partida es un análisis de Timothy Ferriss, autor de The 4-Hour Workweek, quien observa un descenso muy acusado en las ventas de sus propios libros y plantea que la inteligencia artificial podría estar sustituyendo el papel que tradicionalmente desempeñaban este tipo de obras. Según Ferriss, cuando una persona necesita una respuesta inmediata, resulta mucho más sencillo preguntar a ChatGPT u otro asistente de IA que comprar un libro completo y dedicar horas a leerlo. Bransford considera que esta hipótesis merece atención porque podría representar uno de los primeros efectos visibles de la IA sobre el mercado editorial.

El argumento central es que la inteligencia artificial modifica radicalmente la forma en que los usuarios consumen conocimiento práctico. Durante décadas, los libros de autoayuda, productividad, inversión o gestión empresarial ofrecían respuestas estructuradas que requerían una lectura lineal. Ahora, los modelos conversacionales permiten obtener respuestas personalizadas, adaptadas al contexto de cada usuario y disponibles de manera instantánea. Esto convierte a la IA en un competidor directo de los contenidos basados en instrucciones y recomendaciones. Bransford sugiere que esta transformación no afectará únicamente a los libros, sino también a blogs especializados, cursos en línea, boletines informativos y pódcast centrados en ofrecer soluciones prácticas. Si los usuarios encuentran respuestas satisfactorias mediante asistentes de IA, la demanda de estos formatos podría disminuir considerablemente.

El autor, sin embargo, no sostiene que toda la industria editorial esté amenazada por igual. Implícitamente diferencia entre las obras cuya principal aportación consiste en transmitir información utilitaria y aquellas cuyo valor reside en la experiencia humana, la creatividad, la investigación original o la narración. Los libros que ofrecen una voz personal, una perspectiva única o una construcción narrativa compleja continúan proporcionando un tipo de experiencia difícilmente reemplazable por una respuesta generada por inteligencia artificial. En consecuencia, el posible impacto de la IA será desigual según el género editorial: la no ficción práctica parece especialmente vulnerable, mientras que la ficción, la literatura, la biografía o los ensayos basados en una investigación profunda podrían mantener una posición mucho más sólida.

Este diagnóstico coincide con una preocupación creciente en el sector editorial. Diversos analistas observan que los lectores recurren cada vez con mayor frecuencia a asistentes conversacionales para resolver dudas inmediatas, reduciendo la necesidad de adquirir libros cuyo principal atractivo era ofrecer respuestas concretas a problemas cotidianos. Al mismo tiempo, algunos editores consideran que esta situación podría revalorizar las obras escritas desde la experiencia personal, el pensamiento original y la creatividad, es decir, aquellos contenidos que aportan algo más que información fácilmente sintetizable por una IA. De hecho, el debate se produce en un contexto más amplio en el que la industria editorial intenta redefinir el valor diferencial de los autores humanos frente a herramientas capaces de resumir, explicar y generar contenidos de manera casi instantánea.

Además del debate sobre la inteligencia artificial, la recopilación semanal de Bransford reúne otros temas relevantes para el mundo del libro. Destaca un artículo de The New Yorker que cuestiona la tendencia a culpabilizar la calidad de la literatura infantil por el descenso de la alfabetización, señalando factores como el uso intensivo de teléfonos móviles y las dificultades que afrontan las bibliotecas. También recoge un análisis sobre el incremento del precio de los libros, una explicación detallada del funcionamiento económico de los anticipos editoriales, consejos para afrontar el proceso de edición de un manuscrito y una reflexión sobre cómo recuperar la creatividad en una época marcada por la sobrecarga informativa. En conjunto, la selección muestra una industria editorial inmersa en profundas transformaciones tecnológicas y culturales, donde la irrupción de la inteligencia artificial se perfila como uno de los factores con mayor capacidad para redefinir tanto la producción como el consumo de libros.

Cómo las bibliotecas pueden apoyar la IA y la alfabetización en medios digitales

Libraries Connected. (2026). How libraries can support AI and digital media literacy: Good practice from the Innovating in Trusted Spaces project. Libraries Connected. https://www.librariesconnected.org.uk/sites/default/files/2026-03/Good%20practice%20from%20the%20Innovating%20in%20Trusted%20Spaces%20project.pdf

Esta guía constituye uno de los resultados principales del proyecto Innovating in Trusted Spaces, una iniciativa desarrollada por Libraries Connected, en colaboración con Good Things Foundation y WSA Community, con financiación del Departamento de Ciencia, Innovación y Tecnología del Reino Unido (DSIT). Su propósito es ofrecer a las bibliotecas públicas un marco práctico para responder a uno de los mayores retos de la actualidad: ayudar a la ciudadanía a comprender y utilizar la inteligencia artificial de forma crítica, ética y segura, reduciendo al mismo tiempo las desigualdades derivadas de la exclusión digital. +

El documento parte de la idea de que las bibliotecas son espacios de confianza donde las personas pueden explorar nuevas tecnologías sin presiones comerciales y con el apoyo de profesionales capacitados.

El informe sostiene que la alfabetización digital tradicional ya no es suficiente para afrontar los desafíos planteados por la IA generativa y por la proliferación de contenidos sintéticos, desinformación y manipulación algorítmica. En consecuencia, propone ampliar el concepto de alfabetización digital incorporando competencias relacionadas con la comprensión del funcionamiento básico de la IA, la evaluación crítica de sus respuestas, la identificación de sesgos, el reconocimiento de contenidos generados artificialmente y el uso responsable de herramientas conversacionales y creativas. Las bibliotecas pasan así de enseñar únicamente habilidades técnicas a fomentar capacidades de pensamiento crítico y ciudadanía digital.

Uno de los principales aportes del documento es la identificación de cuatro modelos de intervención que demostraron ser eficaces durante el proyecto piloto. El primero consiste en exposiciones y espacios interactivos donde los usuarios pueden descubrir la IA de forma autónoma mediante paneles, demostraciones y actividades de exploración. Este formato resulta especialmente útil para reducir el miedo inicial hacia la tecnología y despertar la curiosidad de personas que normalmente no asistirían a un curso formal.

El segundo modelo corresponde a sesiones introductorias programadas, dirigidas a cualquier ciudadano interesado en conocer qué es la inteligencia artificial, cómo funciona, cuáles son sus aplicaciones cotidianas y qué riesgos deben tenerse presentes. Estas sesiones ofrecen una primera aproximación accesible y comprensible, evitando tecnicismos y utilizando ejemplos relacionados con la vida diaria.

El tercer modelo se basa en talleres específicos adaptados a colectivos concretos, como personas mayores, desempleados, familias con bajos ingresos o personas con discapacidad. La guía muestra que adaptar los contenidos a las necesidades reales de cada grupo incrementa notablemente la participación y facilita que los asistentes perciban la utilidad práctica de la IA en su contexto personal.

El cuarto modelo consiste en apoyo individualizado, mediante consultas espontáneas o sesiones uno a uno en las que el personal bibliotecario responde preguntas concretas y acompaña a los usuarios en el uso de herramientas de IA. Este enfoque permite resolver dudas específicas y generar una relación de confianza especialmente valiosa para quienes presentan mayores niveles de inseguridad tecnológica.

La publicación concede una gran importancia a la alfabetización mediática, entendida como la capacidad para analizar críticamente la información que circula en Internet. Se explica que la inteligencia artificial incrementa la facilidad para producir imágenes, vídeos y textos aparentemente creíbles, lo que obliga a reforzar las habilidades de verificación de fuentes, contraste de información y detección de contenidos manipulados. En este contexto, las bibliotecas son consideradas instituciones especialmente adecuadas para promover hábitos de consumo informativo responsable gracias a su tradicional compromiso con el acceso fiable al conocimiento.

Otro aspecto destacado es la metodología Test and Learn (probar y aprender) utilizada durante el proyecto. En lugar de implantar programas rígidos previamente diseñados, las bibliotecas participantes experimentaron con pequeñas iniciativas, evaluaron continuamente los resultados y modificaron sus actividades según las respuestas obtenidas de los usuarios. Este enfoque permitió introducir innovaciones rápidamente, reducir el temor al fracaso y fomentar una cultura organizativa basada en el aprendizaje continuo y la mejora permanente.

La guía identifica igualmente diversas barreras que dificultan la implantación de programas de alfabetización en IA. Entre ellas destacan el miedo de muchos ciudadanos hacia las nuevas tecnologías, la percepción de que la IA es excesivamente compleja, la falta de confianza del propio personal bibliotecario, la escasez de tiempo para desarrollar nuevas actividades y la rápida evolución de las herramientas tecnológicas. Para superar estos obstáculos se recomienda comenzar con actividades sencillas, utilizar ejemplos cotidianos, fomentar el aprendizaje entre iguales, compartir materiales entre bibliotecas y crear comunidades profesionales de intercambio de experiencias.

Un elemento central del documento es el fortalecimiento del papel profesional de los bibliotecarios. La guía insiste en que no es necesario que el personal sea experto en inteligencia artificial para poder facilitar el aprendizaje de los usuarios. Lo verdaderamente importante es desarrollar confianza, mantener una actitud abierta hacia la experimentación y adquirir competencias suficientes para orientar, acompañar y promover el pensamiento crítico. El proyecto demuestra que la participación activa en experiencias piloto incrementó significativamente la seguridad y satisfacción profesional de los equipos bibliotecarios.

La publicación también propone integrar estas actividades dentro de la programación habitual de las bibliotecas, evitando que la alfabetización en IA se convierta en una iniciativa aislada. Recomienda aprovechar clubes de lectura, actividades familiares, programas de inclusión digital, apoyo al empleo y formación permanente para introducir contenidos relacionados con la inteligencia artificial de forma transversal, adaptándolos a las necesidades de cada comunidad. De esta manera, la IA deja de ser un tema exclusivamente tecnológico para convertirse en una competencia ciudadana vinculada al acceso a la información, la participación democrática y el aprendizaje a lo largo de la vida.

En conjunto, esta guía representa una de las primeras propuestas sistemáticas orientadas específicamente a las bibliotecas públicas para afrontar el impacto social de la inteligencia artificial. Su principal contribución consiste en ofrecer modelos de actuación validados mediante experiencias reales, herramientas fácilmente replicables y recomendaciones prácticas que pueden adaptarse a diferentes contextos locales. Más allá de enseñar a utilizar aplicaciones de IA, el documento plantea una visión estratégica de la biblioteca como espacio de confianza donde los ciudadanos desarrollan competencias críticas para desenvolverse en un entorno digital cada vez más complejo, automatizado y condicionado por sistemas inteligentes.

Las citas fantasma en la literatura científica: un estudio empírico sobre referencias inexistentes e imposibles de verificar

Han, C., Manoharan, S., Ye, X., & Speidel, U. (2026). Phantom citations: An empirical study of non-existent and unverifiable references in scholarly literature. Journal of the Association for Information Science and Technology. https://doi.org/10.1002/asi.70104

La integridad de la comunicación científica depende en gran medida de la precisión de las referencias bibliográficas. Las citas permiten verificar las fuentes utilizadas, contextualizar nuevos hallazgos y facilitar la reproducibilidad de la investigación. Sin embargo, la rápida incorporación de herramientas de inteligencia artificial generativa en la redacción académica ha incrementado la preocupación por la aparición de referencias inexistentes o imposibles de verificar, conocidas como phantom citations o citas fantasma.

Estas referencias presentan una apariencia completamente legítima —con autores, títulos, revistas e incluso DOI— pero no corresponden a ninguna publicación real. El estudio de Han y colaboradores aborda este problema mediante dos preguntas fundamentales: si es posible desarrollar una herramienta automática y auditable capaz de detectar este tipo de referencias y cuál es la magnitud real del fenómeno en publicaciones científicas recientes relacionadas con la inteligencia artificial y la educación.

Los autores revisan la literatura previa sobre errores bibliográficos y demuestran que el problema de las referencias incorrectas precede a la aparición de la IA generativa. No obstante, destacan que los grandes modelos de lenguaje han introducido una nueva modalidad de error: la generación automática de referencias completamente inventadas pero altamente plausibles. Diversos estudios previos muestran que modelos como GPT-3.5, GPT-4 o Bard producen porcentajes significativos de citas fabricadas, mientras que investigaciones recientes han detectado miles de referencias inexistentes incluso en artículos ya publicados y sometidos a revisión por pares. Estas referencias falsas no solo dificultan la verificación de los trabajos, sino que pueden propagarse a través de nuevas publicaciones, contaminar las redes de citación, alterar indicadores bibliométricos y comprometer revisiones sistemáticas y metaanálisis.

Para afrontar este desafío, el artículo desarrolla una herramienta de verificación bibliográfica automatizada basada en un proceso de múltiples etapas. El sistema extrae automáticamente las referencias de los documentos PDF mediante GROBID y posteriormente verifica cada una utilizando varias fuentes bibliográficas internacionales, entre ellas Crossref, OpenAlex, Semantic Scholar y arXiv. La metodología combina la comprobación de DOI, la validación de URL, la comparación de títulos mediante algoritmos de similitud, la coincidencia de autores y la verificación de fechas de publicación. Además, todas las referencias que no pueden resolverse automáticamente son revisadas manualmente antes de ser clasificadas definitivamente como «no verificables». Esta estrategia permite reducir tanto los falsos positivos como los falsos negativos y proporciona un procedimiento transparente y reproducible para evaluar la autenticidad de las referencias bibliográficas.

La evaluación empírica constituye una de las aportaciones más relevantes del estudio. Los investigadores analizaron un corpus formado por 3.201 artículos científicos revisados por pares, publicados entre 2023 y 2025 en congresos relacionados con la inteligencia artificial aplicada a la educación e indexados en IEEE Xplore, ACM Digital Library y SpringerLink. Los resultados muestran que 69 artículos (2,16 %) contenían al menos una referencia imposible de verificar mediante el protocolo desarrollado. La distribución no fue homogénea entre congresos: algunos presentaban porcentajes muy reducidos mientras que otros alcanzaban cifras superiores al 12 %. Asimismo, los autores observaron un incremento temporal preocupante, ya que los artículos con referencias no verificables pasaron del 0,73 % en 2023 al 3,61 % en 2025, aunque advierten que parte de este aumento puede deberse a diferencias entre las sedes de publicación analizadas.

El trabajo incluye además un estudio de caso que ilustra cómo una referencia generada por IA puede parecer completamente auténtica pese a no existir realmente. En el ejemplo analizado, el DOI no resolvía ningún registro, el título no aparecía en Google Scholar ni en IEEE Xplore y, aunque la revista citada era real, el artículo mencionado nunca había sido publicado. Este tipo de referencias suele construirse combinando patrones extraídos de publicaciones auténticas, lo que dificulta enormemente su detección durante la revisión editorial y aumenta el riesgo de que pasen inadvertidas para autores, revisores y editores.

Para validar la eficacia de su sistema, los autores compararon su herramienta con Hallucinator, uno de los programas de código abierto más conocidos para detectar referencias alucinadas. Sobre un conjunto de prueba formado por 731 referencias pertenecientes a 37 artículos, el sistema propuesto obtuvo una precisión del 92,9 %, un recall del 93,1 % y un F1 del 93 %, superando a Hallucinator en precisión y equilibrio global. Además, el nuevo sistema completó el análisis en apenas 13 minutos, frente a los 351 minutos requeridos por Hallucinator en su configuración estándar, lo que representa una mejora muy significativa tanto en rendimiento como en eficiencia computacional.

En la discusión final, los autores sostienen que la presencia de referencias imposibles de verificar constituye un nuevo desafío para la integridad científica. Argumentan que el fenómeno responde a una combinación de factores: la presión por publicar, la utilización creciente de herramientas de IA para redactar manuscritos, las limitaciones del proceso tradicional de revisión por pares y la falta de comprobación sistemática de las bibliografías. Como consecuencia, proponen incorporar procedimientos automáticos de verificación de referencias en los flujos editoriales de revistas y congresos, así como fomentar entre investigadores y revisores una cultura de comprobación rigurosa de todas las citas antes de la publicación. El estudio concluye que, aunque el porcentaje de artículos afectados todavía es relativamente reducido, la tendencia observada justifica el desarrollo de nuevas herramientas y protocolos que preserven la fiabilidad de la comunicación científica en la era de la inteligencia artificial.

Las bibliotecas universitarias son esenciales en la era de la inteligencia artificial: el papel estratégico que propone el informe del Consejo de Universidades de Ontario

Ontario Council of University Libraries (OCUL). (2026). University Libraries are Essential in the Age of AI. Ontario Council of University Libraries. Disponible en la página institucional de OCUL sobre el informe del Council of Ontario Universities (COU) AI Task Force.

El Consejo de Bibliotecas Universitarias de Ontario (OCUL) sostiene que las bibliotecas universitarias deben desempeñar un papel central en la estrategia institucional sobre inteligencia artificial. En respuesta al reciente informe del Grupo de Trabajo sobre IA del Council of Ontario Universities (COU), la organización afirma que las universidades se encuentran en un momento decisivo para adaptarse a un entorno profundamente transformado por la IA. En este contexto, las bibliotecas no deben considerarse servicios de apoyo periféricos, sino infraestructuras estratégicas que contribuyen al aprendizaje, la investigación y la innovación mediante su experiencia en gestión del conocimiento, alfabetización informacional y administración responsable de los recursos digitales.

El documento destaca que uno de los mayores desafíos no es únicamente la adopción de herramientas de IA, sino el desarrollo de una alfabetización en inteligencia artificial que permita a estudiantes, docentes e investigadores comprender tanto las posibilidades como las limitaciones de estas tecnologías. OCUL argumenta que las bibliotecas llevan décadas formando a la comunidad universitaria en competencias de búsqueda, evaluación y uso crítico de la información, por lo que se encuentran en una posición privilegiada para ampliar esa labor hacia la alfabetización en IA. Esto incluye enseñar a interpretar respuestas generadas por modelos de lenguaje, reconocer sesgos, verificar información, comprender cuestiones relacionadas con la privacidad y utilizar la IA de forma ética y responsable.

Otro aspecto clave es el papel de las bibliotecas en la infraestructura de investigación. Según OCUL, las instituciones bibliotecarias gestionan repositorios institucionales, colecciones digitales, metadatos, preservación digital y servicios de apoyo a la ciencia abierta, elementos fundamentales para el desarrollo de aplicaciones de inteligencia artificial fiables y transparentes. Asimismo, pueden contribuir a garantizar la calidad de los datos utilizados para entrenar sistemas de IA, promover prácticas responsables de gestión de datos de investigación y facilitar el acceso equitativo a recursos tecnológicos y documentales. De este modo, las bibliotecas se convierten en un componente esencial de un ecosistema universitario basado en datos de calidad y conocimiento abierto.

El posicionamiento también insiste en que la incorporación de la IA debe regirse por principios de confianza, ética, responsabilidad y rendición de cuentas. Las bibliotecas poseen una larga tradición en la defensa de valores como la privacidad de los usuarios, la libertad intelectual, la preservación del patrimonio documental y el acceso equitativo a la información. Estos principios, sostiene OCUL, resultan igualmente imprescindibles para orientar el desarrollo y la adopción de la inteligencia artificial en las universidades, especialmente en cuestiones relacionadas con la transparencia de los algoritmos, la protección de datos personales, los derechos de autor y la mitigación de sesgos.

Finalmente, OCUL hace un llamamiento para que las bibliotecas participen activamente en la planificación institucional de la IA, colaborando con equipos de tecnologías de la información, investigadores, responsables académicos y órganos de gobierno universitario. La organización considera que aprovechar plenamente el potencial de la inteligencia artificial requiere combinar innovación tecnológica con experiencia en gestión de la información y formación de usuarios. En consecuencia, las bibliotecas universitarias no solo deben adaptarse a la era de la IA, sino contribuir de manera decisiva a definir cómo se integra esta tecnología en la enseñanza superior de forma ética, inclusiva y sostenible.

¿Quién es el propietario de una respuesta generada por IA? Un fallo judicial alemán redefine la autoría, la responsabilidad y la confianza en la inteligencia artificial

Courtroom with judges and lawyers examining a digital display of a traffic accident reconstruction
Judges and lawyers review a digital reconstruction of a traffic accident in a modern courtroom.

Malespina, E. (2026, 18 de junio). Who Owns an AI Answer? The AI School Librarian (Substack) https://aischoollibrarian.substack.com/p/who-owns-an-ai-answer

El artículo analiza las implicaciones de una reciente sentencia dictada por un tribunal alemán que aborda una cuestión cada vez más relevante: ¿quién es responsable cuando una inteligencia artificial genera una respuesta incorrecta o perjudicial? A partir de este caso, la autora examina cómo las respuestas producidas por sistemas de IA no pueden considerarse simples fragmentos de información sin autor ni responsabilidad. Aunque los modelos generativos producen textos originales en apariencia, su funcionamiento depende de datos de entrenamiento, algoritmos y decisiones de diseño tomadas por empresas y desarrolladores. La resolución judicial pone de manifiesto que, a medida que estas herramientas se integran en la vida cotidiana, resulta imprescindible definir responsabilidades legales y éticas sobre el contenido que generan.

Uno de los argumentos centrales del artículo es que las respuestas de la IA no pertenecen realmente a la máquina. Detrás de cada resultado intervienen múltiples actores: quienes desarrollan el modelo, quienes proporcionan los datos con los que se entrena, las organizaciones que lo implementan y los usuarios que formulan las preguntas. Esta compleja cadena de participación dificulta aplicar los conceptos tradicionales de autoría y propiedad intelectual. Más que preguntarse quién «posee» una respuesta de IA, la autora propone reflexionar sobre quién debe asumir la responsabilidad por su precisión, sus sesgos y sus posibles consecuencias.

El texto destaca que esta cuestión tiene una especial importancia en el ámbito educativo y bibliotecario. Profesores, bibliotecarios y estudiantes recurren cada vez con más frecuencia a herramientas de IA para obtener información, redactar textos o resolver dudas. Sin embargo, cuando una respuesta contiene errores, omite contexto o reproduce información falsa, surge el problema de determinar quién responde por esos fallos. La autora sostiene que la confianza en la IA no puede basarse únicamente en la sofisticación tecnológica, sino que debe apoyarse en mecanismos de transparencia, trazabilidad y verificación de las fuentes.

Asimismo, el artículo subraya que las bibliotecas y los profesionales de la información tienen un papel esencial en este nuevo escenario. Más allá de enseñar a utilizar herramientas de IA, deben fomentar competencias de alfabetización informacional e inteligencia artificial, ayudando a los usuarios a comprender que las respuestas generadas por estos sistemas no constituyen verdades definitivas, sino resultados probabilísticos que requieren contraste con fuentes fiables. La capacidad de evaluar críticamente la información adquiere así una importancia aún mayor que en la era de los motores de búsqueda tradicionales.

Como conclusión, la autora sostiene que el verdadero debate no gira únicamente en torno a la propiedad de las respuestas generadas por IA, sino sobre la responsabilidad y la confianza. La sentencia alemana representa un paso significativo hacia la construcción de un marco jurídico y ético que reconozca que las respuestas de la inteligencia artificial tienen consecuencias reales para las personas. En este contexto, la educación, las bibliotecas y las instituciones públicas desempeñan un papel decisivo para promover un uso informado, crítico y responsable de estas tecnologías.