Archivo de la etiqueta: Inteligencia artificial

RELX afirma que las herramientas de IA generativa seguirán impulsando el crecimiento.

Young, Sarah. 2025. « RELX del Reino Unido afirma que las herramientas de IA generativa seguirán impulsando el crecimiento ». Reuters , 24 de julio de 2025. https://www.reuters.com/world/uk/uks-relx-says-generative-ai-tools-will-keep-driving-growth-2025-07-24/

Informe

RELX confirma su posición como una de las empresas líderes en la integración de inteligencia artificial generativa en servicios profesionales. La compañía no solo ve la IA como un motor de eficiencia, sino como un transformador fundamental de las industrias de la información, el derecho y la investigación. Su apuesta por seguir lanzando productos basados en IA, junto con la recuperación de otras áreas estratégicas, refuerza su previsión de crecimiento continuo para el resto de 2025

En su informe semestral, la multinacional británica RELX —con sede en Londres y especializada en información analítica, publicaciones científicas, y soluciones jurídicas— anunció un crecimiento robusto impulsado en gran medida por la adopción creciente de herramientas de inteligencia artificial generativa. Durante la primera mitad de 2025, RELX registró un aumento del 9 % en su beneficio operativo ajustado, alcanzando los £1.44 mil millones, y un crecimiento del 7 % en sus ingresos totales, que llegaron a £4.74 mil millones. Este rendimiento se atribuye en buena medida al éxito de sus nuevos productos basados en IA que han transformado la forma en que profesionales del derecho, la ciencia y la investigación acceden, procesan y producen información.

RELX ha apostado fuerte por integrar la IA generativa en sus productos para profesionales. Uno de sus desarrollos más destacados es Lexis+ AI Protégé, una herramienta para abogados que combina grandes modelos de lenguaje con bases de datos internas y públicas, permitiendo redactar textos jurídicos y analizar documentos con precisión y estilo personalizado. Otra innovación clave ha sido ScienceDirect AI, pensada para el ámbito académico y científico, que ayuda a los investigadores a explorar literatura científica de forma más rápida y significativa, mediante resúmenes automáticos, descubrimiento temático y sugerencias contextuales.

Nick Luff, director financiero de RELX, subrayó que el éxito de estas herramientas radica en su capacidad de “aumentar” el trabajo humano en lugar de sustituirlo. Para Luff, la combinación de nuevas fuentes de datos, infraestructura de procesamiento y avances en algoritmos permite ofrecer productos cada vez más sofisticados que aportan valor tangible a los profesionales. RELX considera que estas innovaciones son parte de una estrategia sostenible que continuará generando oportunidades de crecimiento a largo plazo.

Además del impacto de la IA generativa, RELX reportó señales positivas en otras áreas de su negocio, como el de organización de conferencias y eventos, que sigue recuperándose tras la pandemia. Este componente es especialmente relevante en el área de exposiciones, donde RELX también ha comenzado a experimentar con herramientas de IA para mejorar la planificación, personalización y análisis de sus ferias y encuentros profesionales.

A nivel financiero, RELX se mantiene sólida y continúa entre las diez empresas más grandes del índice bursátil FTSE 100. Aunque sus acciones bajaron ligeramente un 0.5 % el día del informe, la compañía ha visto una apreciación sostenida en el mercado, con un aumento del 10 % en el último año y un asombroso 250 % en la última década. Esta trayectoria refleja la confianza de los inversores en su modelo de negocio basado en el conocimiento y la innovación tecnológica.

Empoderando a los estudiantes para la era de la IA: un marco de alfabetización en IA para la educación primaria y secundaria

OCDE y Comisión Europea. 2025. Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education. Borrador, mayo de 2025. https://ailiteracyframework.org/wp-content/uploads/2025/05/AILitFramework_ReviewDraft.pdf

Texto completo

Informe publicado en mayo de 2025 como borrador conjunto de la Comisión Europea y la OCDE, con la colaboración de organizaciones como Code.org y una red internacional de expertos. Su objetivo es ofrecer un marco estructurado para la enseñanza de la alfabetización en inteligencia artificial (IA) en la educación primaria y secundaria.

Esta iniciativa responde a la necesidad urgente de preparar a los estudiantes para convivir con tecnologías basadas en IA, no solo como usuarios, sino como ciudadanos críticos y responsables en un mundo digital en constante transformación.

El marco parte del hecho de que los jóvenes ya están expuestos a la IA en su vida diaria, aunque en la mayoría de los casos no aprenden sobre ella de manera formal en la escuela. Se propone, por tanto, una definición amplia de alfabetización en IA que incluye conocimientos técnicos, habilidades transferibles y actitudes fundamentales. Esta alfabetización permite al alumnado comprender cómo funciona la IA, utilizarla de manera crítica y creativa, tomar decisiones informadas sobre su uso, y reflexionar sobre sus implicaciones éticas, sociales y culturales.

La estructura del marco se articula en torno a cuatro dominios clave. El primero, «Engaging with AI», se centra en el reconocimiento de la presencia de la IA, su funcionamiento y la evaluación de sus resultados. El segundo, «Creating with AI», se orienta al uso creativo y ético de la IA en tareas de comunicación, arte, resolución de problemas y producción de contenidos. El tercero, «Managing AI», invita a reflexionar sobre el papel humano en la toma de decisiones apoyadas por IA, promoviendo un uso consciente y deliberado. El cuarto y más avanzado, «Designing AI», fomenta la exploración de cómo se diseñan los sistemas de IA, la importancia de los datos y el impacto social de esas decisiones.

Cada dominio se desglosa en competencias específicas, un total de 22, que integran conocimientos, habilidades y actitudes, y se acompañan de ejemplos prácticos adaptados tanto a educación primaria como secundaria. Estos escenarios muestran cómo abordar la IA en distintas asignaturas sin necesidad de recursos tecnológicos complejos, apostando por una enseñanza transversal y contextualizada.

Además, el marco destaca contenidos transversales como el pensamiento crítico, la creatividad, la colaboración, la empatía o la responsabilidad social, los cuales son considerados esenciales para una ciudadanía activa en la era digital. El documento también resalta la importancia de formar al profesorado y dotarlo de materiales y guías que faciliten la implementación del marco en contextos educativos diversos.

El borrador fue presentado el 22 de mayo de 2025 y ha sido abierto a consulta pública hasta el 31 de agosto del mismo año. Se espera que la versión final se publique en 2026, acompañada de recursos pedagógicos complementarios. Esta propuesta no solo busca transformar el currículo, sino también ofrecer una herramienta de política educativa capaz de guiar decisiones a nivel nacional e internacional sobre la inclusión de la IA en la educación formal.

Una filtración revela los sitios web usados para entrenar modelos de Anthropic sin supervisión directa

Rollet, C. (2025, 23 de julio). Here’s the list of websites gig workers used to fine‑tune Anthropic’s AI models. Its contractor left it wide open. Business Insider. Recuperado de Business Insider: https://www.businessinsider.com/anthropic-surge-ai-leaked-list-sites-2025-7

Se ha publicado un documento interno, filtrado de Surge AI (contratista de Anthropic), que detallaba qué sitios web estaban permitidos y cuáles estaban prohibidos para el entrenamiento mediante fine‑tuning de modelos de IA. Esta hoja de cálculo estaba expuesta de forma pública en Google Drive hasta que fue eliminada tras la consulta de Business Insider

La hoja incluía más de 120 sitios autorizados, entre ellos fuentes de prestigio como Harvard, Mayo Clinic, Bloomberg, Cornell University o el New England Journal of Medicine. En cambio, se bloqueaban más de 50 fuentes comunes como The New York Times, The Wall Street Journal, Reddit, Wiley, Stanford University y Harvard Business Review.

Los trabajadores de Surge utilizaban estos sitios aprobados para realizar tareas de RLHF (Reinforcement Learning from Human Feedback): copiaban fragmentos de texto, pedían al modelo que los resumiera y seleccionaban las mejores respuestas. La hoja de cálculo se empleaba como guía tanto para contenidos permitidos como para evitar aquellos no autorizados.

Anthropic aseguró que no estaba al tanto del documento, afirmando que había sido creado de forma independiente por Surge. Surge, por su parte, declaró que la filtración fue un error y que ya tomó medidas para restringir el acceso a esos materiales.

Varias de las fuentes bloqueadas, como Reddit, han presentado acciones legales contra Anthropic o competidores, acusando uso de datos sin permiso. Aunque algunos argumentan que la RLHF podría entrar en uso justo, expertos legales advierten que esa distinción entre pre-entrenamiento y RLHF puede no ser significativa en tribunales. Además, este incidente se suma a ejemplos precedentes, como en Scale AI, donde se filtraron documentos internos similares al caer expuestos en Google Drive

Esta filtración revela cómo una empresa externa pudo influir directamente en qué fuentes alimentaron el entrenamiento de un modelo sofisticado, poniendo en evidencia vulnerabilidades en la seguridad de datos y decisiones de proveedores. El incidente refuerza el debate sobre la transparencia en las prácticas de entrenamiento de IA, el uso justo de datos web y el manejo responsable de información sensible por parte de terceros.

Alfabetización en Inteligencia Artificial con Alejandro Uribe. Planeta Biblioteca 2025/07/23

Alfabetización en Inteligencia Artificial con Alejandro Uribe.

Planeta Biblioteca 2025/07/23

ESCUCHAR

Descargar

En una entrevista para Radio Universidad de Salamanca, Alejandro Uribe Tirado habló sobre los retos y logros que enfrenta América Latina en temas de alfabetización informacional y el uso de la inteligencia artificial. Comentó cómo muchas personas aún no tienen acceso ni formación suficiente para manejar la información de forma crítica. También destacó que, a pesar de las dificultades, cada vez hay más proyectos e iniciativas que buscan cerrar esa brecha. Alejandro nos ha hablado de su proyecto de alfabetización en inteligencia artificial, en el que subraya la necesidad de formar no solo en el uso de herramientas, sino también en sus implicaciones éticas, sociales y culturales. Insistió en que es clave educar a las nuevas generaciones para que comprendan cómo funciona la tecnología y cómo puede influir en sus vidas. Además, remarcó el papel fundamental de las bibliotecas y los docentes en este proceso. La entrevista deja claro que hay mucho por hacer, pero también muchas ganas de avanzar.

Ingeniería de Prompts: recomendaciones personalizadas para la consulta de modelos de Inteligencia Artificial

Kusano, Genki, Kosuke Akimoto, y Kunihiro Takeoka. “Revisiting Prompt Engineering: A Comprehensive Evaluation for LLM‑based Personalized Recommendation.” ArXiv, julio 17 de 2025. https://arxiv.org/abs/2507.13525v1.

Los investigadores se adentran en el diseño de ingeniería de prompts, variando aspectos como la estructura (instrucciones explícitas, estilo conversacional), la extensión y formalidad del texto, y la inclusión de ejemplos contextuales. Su objetivo es entender cómo estas variantes afectan tres métricas clave: precisión de la recomendación, relevancia semántica del contenido generado y calidad de las explicaciones aportadas. Mediante el análisis de diferentes LLMs –sin nombrarlos específicamente en el artículo–, se observan diferencias marcadas según el tipo de prompt utilizado.

Los resultados muestran que un prompt cuidadosamente estructurado puede igualar o incluso superar los métodos tradicionales, especialmente en entornos con escasos datos de usuario. Destaca la importancia de utilizar ejemplos contextuales y formatos de diálogo que guían al modelo, lo que mejora tanto la exactitud de las recomendaciones como su explicabilidad. Sin embargo, los LLM se revelan sensibles a cambios mínimos en los prompts, lo que plantea desafíos de robustez y reproducibilidad si se pretende aplicarlos a gran escala.

Los autores concluyen que la ingeniería de prompts podría ofrecer una alternativa eficiente a los enfoques convencionales, evitando la necesidad de grandes volúmenes de datos, infraestructuras de entrenamiento o información demográfica. Apuntan, no obstante, a la urgencia de desarrollar métodos para automatizar el diseño de prompts y reforzar la consistencia de los modelos. Proponen futuras líneas de investigación que aborden estos retos, contribuyendo a consolidar a los LLM como herramientas fiables en entornos reales de recomendación personalizada.

Los resúmenes de IA en Google reducen drásticamente los clics a enlaces y transforman el comportamiento de búsqueda

Athena Chapekis & Anna Lieb, Google users are less likely to click on links when an AI summary appears in the results, Pew Research Center, 22 de julio de 2025. Disponible en: https://pewrsr.ch/4lIqbsM

El comportamiento de los usuarios de Google cambia cuando se presentan resúmenes generados por inteligencia artificial (IA) en los resultados de búsqueda. Estos “AI Overviews” fueron introducidos por Google en 2024 y actualmente están disponibles para millones de usuarios en EE. UU. La función consiste en un resumen generado por IA que aparece en la parte superior de muchas páginas de resultados, sintetizando la información de diversas fuentes, y ha sido motivo de preocupación entre editores y creadores de contenido digital, quienes han notado una caída significativa en el tráfico hacia sus sitios web.

El estudio analizó el comportamiento de 900 adultos estadounidenses durante marzo de 2025, quienes consintieron en compartir sus datos de navegación. Una de las principales conclusiones fue que los usuarios interactúan menos con los enlaces cuando aparece un resumen de IA. En concreto, solo el 8 % de los usuarios hizo clic en algún enlace tradicional en búsquedas con resumen de IA, frente al 15 % de clics en búsquedas sin resumen. Aún más llamativo es que solo el 1 % de los usuarios hizo clic en los enlaces incluidos dentro del propio resumen generado por IA.

Además, estas búsquedas con resumen de IA también tienden a ser más “finales”: en el 26 % de los casos, los usuarios finalizaron su sesión después de leer el resumen, sin navegar más allá de la página de resultados. En contraste, solo el 16 % de los usuarios abandonó la búsqueda tras consultar una página con resultados tradicionales. Esto sugiere que los resúmenes de IA están cumpliendo su función de ofrecer respuestas rápidas y satisfactorias, aunque esto esté teniendo un costo directo sobre el tráfico hacia otros sitios web.

El estudio también exploró qué tipo de consultas tienden a activar la generación de estos resúmenes por parte de Google. En total, el 18 % de todas las búsquedas realizadas en marzo de 2025 generaron un resumen de IA. No obstante, esta cifra varía ampliamente en función de la longitud y la forma de la consulta. Las búsquedas más extensas (de 10 palabras o más) generaron resúmenes en un 53 % de los casos, mientras que las consultas de una o dos palabras solo lo hicieron en un 8 %.

Asimismo, las búsquedas que incluían preguntas explícitas (“quién”, “qué”, “cuándo”, “por qué”) generaron resúmenes en el 60 % de los casos, y aquellas formuladas como oraciones completas (que contienen al menos un sustantivo y un verbo) lo hicieron en un 36 % de las ocasiones. Esto indica que los algoritmos de IA de Google están más activos cuando la intención de búsqueda es clara, informativa y bien definida.

En cuanto a las fuentes utilizadas para componer los resúmenes, el informe señala que las más citadas son Wikipedia, YouTube y Reddit, que representan el 15 % de las fuentes referenciadas en los resúmenes y un 17 % en los resultados tradicionales. Sin embargo, en los resúmenes de IA es más frecuente encontrar vínculos a sitios gubernamentales (.gov), representando un 6 % de los enlaces, frente al 2 % en los resultados convencionales. En ambos tipos de resultados, las páginas de noticias ocupan un 5 %.

En promedio, los resúmenes de IA tienen una longitud media de 67 palabras, aunque varían enormemente: el más corto encontrado tenía solo 7 palabras y el más largo llegaba a 369. Un 88 % de estos resúmenes incluía al menos tres fuentes citadas, mientras que solo un 1 % se apoyaba en una sola fuente.

El informe pone en evidencia una transformación significativa en la forma en que los usuarios interactúan con Google. Aunque los resúmenes de IA pueden ofrecer comodidad y rapidez, reducen de forma notable la visibilidad y el acceso a las fuentes originales de información, lo que afecta especialmente a medios de comunicación, páginas educativas, blogs y todo tipo de creadores de contenido que dependen del tráfico web para sostenerse económicamente.

Este fenómeno plantea preguntas importantes sobre el futuro de la web abierta, la transparencia de los sistemas de IA y el equilibrio entre ofrecer respuestas eficientes y mantener un ecosistema digital sostenible y diverso.

Base de datos de normas sobre Inteligencia Artificial

AI Standards Database

Acceder

AI Standards Database es una plataforma integral que permite acceder y buscar entre un amplio espectro de normas relacionados con la inteligencia artificial.

El recurso reúne normas publicadas o en desarrollo por importantes organismos internacionales de normalización, como World Standards Cooperation, que incluye entidades reconocidas como:

  • IEC (Comisión Electrotécnica Internacional)
  • ISO (Organización Internacional de Normalización)
  • ITU (Unión Internacional de Telecomunicaciones)
  • Y otros organismos globales dedicados al desarrollo de estándares técnicos.

Ofrece acceso a más de 700 normas y publicaciones técnicas vinculadas a la IA, lo que la convierte en una herramienta clave para profesionales, investigadores y empresas que trabajan en el ámbito de la inteligencia artificial. Estos estándares no solo están listados por organismo desarrollador, sino que también se clasifican por sectores industriales y áreas de aplicación específicas, facilitando su búsqueda y comprensión.

Una característica importante de esta base de datos es su enfoque en la relación entre las normas y las actividades humanas automatizadas por sistemas de IA. Esto significa que cada estándar está asociado a una actividad o función humana específica que la inteligencia artificial puede desempeñar o apoyar, facilitando así su aplicación en contextos reales. Por ejemplo, se pueden identificar normas orientadas a la salud, la manufactura, la educación, la movilidad, entre otros sectores.

Programa de alfabetización en IA de la Biblioteca Universitaria de Carolina del Norte

Mitchell, C. (2025, junio 9). Building student AI literacy. UNC University Libraries. https://library.unc.edu/news/building-student-ai-literacy/

La iniciativa Carolina AI Literacy Initiative ofrece recursos educativos, como videos y módulos, para enseñar a los estudiantes a utilizar herramientas de inteligencia artificial (IA) de manera ética y efectiva. Los temas incluyen la redacción de indicaciones (prompts), detección de sesgos, verificación de hechos y prevención del plagio. Además, proporciona apoyo curricular para instructores y oportunidades para que los estudiantes experimenten y aprendan más sobre el uso responsable de la IA en entornos académicos

La bibliotecaria Dayna Durbin, especializada en enseñanza y aprendizaje para estudiantes de primer año, ha recibido numerosas consultas sobre si el uso de estas herramientas constituye una forma de hacer trampa o plagio. Para abordar estas inquietudes, Durbin colaboró con Dan Anderson, director de la Iniciativa de Humanidades Digitales de Carolina y del programa de escritura en el Departamento de Inglés y Literatura Comparada, para crear Carolina AI Literacy Initiative

«Cuando apareció ChatGPT, empezamos a recibir preguntas de estudiantes preocupados por el plagio, por asegurarse de que no estaban infringiendo el Código de Honor o haciendo trampas al utilizar herramientas de IA generativa. Se convirtió en una especie de asesoramiento para las bibliotecas»

Dayna Durbin

Esta iniciativa tiene como objetivo proporcionar materiales educativos que ayuden a los estudiantes a utilizar la inteligencia artificial de manera efectiva y responsable. A través de lecturas, talleres, módulos y videos, los estudiantes aprenden habilidades como la redacción de indicaciones (prompts), la detección de sesgos, la verificación de hechos y la prevención del plagio. El programa se basa en la tradición de las bibliotecas de promover la alfabetización informacional y equipa a los estudiantes con el conocimiento necesario para usar las herramientas de IA de manera reflexiva y segura en entornos académicos.

«Las bibliotecas son excelentes para muchos de estos retos asociados a la IA, porque llevan décadas prestando atención a la alfabetización informacional»

Dan Anderson

La producción de GenAI es plana, y es fácil de identificar para los profesores. Pero es una herramienta útil para hacer una lluvia de ideas de palabras clave y términos de búsqueda si estás atascado o para resumir una investigación que puede dar a los estudiantes familiaridad con un tema.

Los módulos ofrecidos tienen como objetivo guiar a los estudiantes en el aprendizaje de aspectos fundamentales sobre la inteligencia artificial, especialmente en su aplicación responsable y efectiva en contextos académicos.

Creación de preguntas para IA (pompts) 


Este módulo se centra en la relación entre la elaboración de preguntas (prompts) para IA y el proceso de pensamiento humano. Se destaca la importancia de crear prompts que no solo dependan de la IA, sino que también potencien y reflejen el razonamiento propio del usuario. Los estudiantes tienen la oportunidad de practicar y desarrollar sus propias estrategias para interactuar con las herramientas de IA, fomentando un enfoque crítico y activo en el uso de estas tecnologías.

Comprobación de hechos y sesgos


Este módulo aborda los riesgos asociados con el uso de herramientas generativas de IA, tales como la difusión de información incorrecta, la creación de citas y enlaces falsos, y la generación de resultados sesgados. Se ofrecen estrategias prácticas para que los estudiantes puedan verificar la veracidad y la imparcialidad de los contenidos producidos por la IA. Está dirigido a todos los estudiantes, tanto a quienes son nuevos en estas tecnologías como a aquellos que las usan con frecuencia, promoviendo así una alfabetización digital crítica y responsable.

Evitar el plagio y documentar las fuentes


Este módulo introduce los estándares de investigación relacionados con la IA generativa, enfocándose en la integridad académica. Invita a los estudiantes a reflexionar sobre los valores éticos y las expectativas que implica utilizar la inteligencia artificial con honestidad, evitando el plagio y aprendiendo a documentar adecuadamente las fuentes cuando se emplean herramientas de IA en sus trabajos.

El uso intensivo de modelos de inteligencia artificial para redactar textos podría estar debilitando nuestras habilidades cognitivas.

Kosmyna, Nataliya, Pattie Maes, and Deb Roy. “Your Brain on ChatGPT: Effects of AI Assistance on Cognitive Demand and Product Quality.” MIT Media Lab, 2024. Accedido el 22 de julio de 2025. https://www.404media.co/is-chatgpt-rotting-our-brains-new-study-suggests-it-does/

Un estudio del MIT sugiere que el uso intensivo de ChatGPT para escribir reduce la actividad cerebral, la creatividad y la conexión con el propio texto. Los ensayos generados con IA fueron considerados de menor calidad y los usuarios mostraron menor retención. Se recomienda usar la IA como complemento, no como sustituto del pensamiento crítico.

En el experimento participaron 54 estudiantes, divididos en tres grupos: uno escribía ensayos con la ayuda de ChatGPT, otro utilizaba un buscador como Google, y el tercero escribía sin ninguna asistencia tecnológica. A todos se les monitorizó la actividad cerebral mediante EEG durante el proceso de escritura.

Los resultados revelaron que el grupo que utilizó ChatGPT mostró la menor actividad cerebral y la red neuronal menos conectada, en comparación con los otros dos grupos. Además, los ensayos generados con la ayuda de la IA fueron considerados de menor calidad por los evaluadores: eran más homogéneos, menos creativos y carecían de un estilo personal, lo que llevó a algunos docentes a calificarlos como “sin alma”. También se observó que quienes usaron ChatGPT tenían más dificultades para recordar lo que habían escrito y reportaron una menor conexión con sus textos, lo que plantea dudas sobre la apropiación del conocimiento.

Un hallazgo especialmente preocupante fue la aparición de lo que los investigadores llaman “deuda cognitiva”: cuanto más tiempo usaban ChatGPT, menos esfuerzo mental ponían en las tareas, recurriendo con mayor frecuencia a copiar y pegar respuestas con apenas ediciones. En contraste, quienes trabajaron sin IA desde el principio mantuvieron niveles altos de compromiso mental y obtuvieron mejores resultados en creatividad y calidad lingüística. Los usuarios que usaron Google obtuvieron un rendimiento intermedio, mostrando un equilibrio entre búsqueda activa y procesamiento propio de la información.

Cuando se intercambiaron las condiciones entre los grupos, se evidenció que quienes habían empezado con ChatGPT seguían mostrando bajo rendimiento al pasar a tareas sin tecnología. Por el contrario, quienes habían trabajado sin IA al principio mejoraron su rendimiento incluso al usar ChatGPT después, lo que sugiere que el uso consciente y posterior de estas herramientas puede tener efectos menos perjudiciales.

Aunque el estudio aún no ha sido revisado por pares y tiene limitaciones debido al tamaño de la muestra, sus conclusiones invitan a la reflexión. Se plantea que depender excesivamente de la IA para tareas complejas como la escritura puede afectar negativamente a la memoria, el pensamiento crítico y la creatividad. Por ello, se recomienda un uso equilibrado de estas tecnologías: primero desarrollar el pensamiento propio, y luego recurrir a la IA como complemento, no como sustituto.

¿Qué está pasando con la lectura? para muchos, la inteligencia artificial puede estar poniendo fin a la era del texto tradicional.

Rothman, Joshua. 2024. What’s Happening to Reading? For many people, A.I. may be bringing the age of traditional text to an end. The New Yorker, April 29, 2024. https://www.newyorker.com/culture/open-questions/whats-happening-to-reading

Joshua Rothman reflexiona sobre cómo la llegada de la inteligencia artificial y las pantallas está transformando radicalmente la experiencia de lectura. El autor sugiere que la lectura profunda y contemplativa, asociada al texto impreso, está siendo reemplazada por interacciones fragmentadas con la lectura digital, dominada por aplicaciones, redes sociales y modelos de lenguaje que condensan y simplifican la experiencia. Rothman cuestiona si estamos entrando en el final de la era dominada por el texto tradicional

En décadas pasadas, preguntas como “¿qué lees y por qué?” no solían ser tan urgentes. La lectura era una actividad común y establecida, sin mayores cambios desde la aparición de la industria editorial moderna en el siglo XIX. Antes de la era digital, leer un libro en un banco del parque era algo discreto y personal; nadie necesitaba saberlo si uno no lo contaba. La experiencia de leer se limitaba a deslizar la vista sobre las páginas en silencio, a un ritmo propio y sin interrupciones externas.

Sin embargo, en la actualidad la naturaleza de la lectura ha cambiado profundamente. Aunque muchas personas siguen disfrutando de los libros y publicaciones tradicionales, para otras el modelo clásico de lectura —profunda, continua y desde el inicio hasta el final— se ha vuelto casi obsoleto. Hoy en día, algunos comienzan un libro en un lector digital, lo continúan escuchando en formato audio, o directamente evitan los libros para pasar las horas navegando en noticias, blogs o redes sociales. La lectura actual es a la vez dispersa y concentrada, con palabras que fluyen aleatoriamente en una pantalla mientras otras plataformas, como YouTube, videojuegos o Netflix, compiten por nuestra atención constante.

Este cambio no ocurrió de la noche a la mañana, sino que ha sido un proceso gradual influenciado por tecnologías adoptadas mayormente por los jóvenes. Estadísticas recientes muestran una caída significativa en la lectura tradicional: por ejemplo, en Estados Unidos el porcentaje de adultos que leen al menos un libro al año bajó del 55% al 48% en una década, mientras que en adolescentes la caída fue aún más marcada. Esta disminución ha generado preocupación en profesores universitarios, que observan que muchos estudiantes tienen dificultades para leer textos complejos y extensos debido a la influencia de los dispositivos móviles.

El auge de la información en la era digital ofrece muchas nuevas formas de aprender, leer y entretenerse. ¿Realmente queremos volver a un tiempo con menos acceso a contenidos variados? Algunos académicos han interpretado la caída de la lectura tradicional como el fin del “paréntesis de Gutenberg,” un periodo histórico dominado por el texto impreso estructurado, que la llegada de internet habría cerrado, devolviéndonos a una comunicación más libre, descentralizada y conversacional, más cercana a una cultura oral moderna. Este fenómeno se ve reflejado en el auge de los podcasts, boletines y memes, que recuerdan las antiguas tradiciones de compartir conocimientos a través del diálogo.

Sin embargo, esta idea de una “segunda oralidad” puede resultar un poco anticuada. Vivimos en la era posterior a la dominación de redes sociales como Facebook, y ahora enfrentamos una nueva realidad: la inteligencia artificial (IA). En internet, no siempre interactuamos con personas reales, sino con entidades generadas por IA que han sido entrenadas con enormes cantidades de texto. Es como si los libros se hubieran “animado” para crear una nueva forma de comunicación que mezcla texto, pensamiento y conversación, transformando el valor y la utilidad de la palabra escrita.

La lectura digital favorece el escaneo rápido, saltos entre fragmentos y multitarea. Esto se relaciona con lo que expertos llaman el “screen inferiority effect”, donde la comprensión disminuye significativamente en lectura digital, en especial en lectores jóvenes. Una extensa meta‑revisión realizada en la Universidad de Valencia (con más de 450 000 participantes) reveló que la lectura impresa mejora la comprensión entre seis y ocho veces más que la digital. La explicación: la lectura en pantalla tiende a promover enfoques cognitivos superficiales, menor atención sostenida y mayor carga mental

Los estudiantes de primaria y secundaria experimentan mayor impacto negativo por la lectura digital, mientras que los niveles de comprensión mejoran ligeramente en lectores adolescentes y universitarios. Estudios como el de Altamura et al. (2023) muestran efectos negativos significativos para estudiantes más jóvenes, aunque menores a medida que se avanza en edad y habilidad lectora. Los resultados del programa PISA 2022 también revelan un descenso en el rendimiento de comprensión lectora en países de la OCDE, asociado en parte al uso excesivo de dispositivos digitales en el aula.

Rothman plantea que herramientas de IA como chatbots y modelos de lenguaje están redefiniendo la lectura: permiten resumen, explicación y edición inmediata, pero también podrían transformar la lectura en una actividad más utilitaria y menos reflexiva. Estudios recientes en entornos educativos advierten que el uso prolongado de IA puede debilitar significativamente el pensamiento crítico, debido al fenómeno de descarga cognitiva: los usuarios delegan el esfuerzo mental y pierden capacidad analítica.

Aunque la lectura impresa sigue ofreciendo ventajas claras en comprensión y concentración, el entorno digital no es inherente al fracaso lectivo. Algunos estudios señalan que los lectores que prefieren textos impresos obtienen mejores resultados, independientemente de su edad. La clave está en entrenar estrategias específicas para lectura digital, fomentar entornos sin distracciones y combinar formatos con intencionalidad pedagógica.

Si bien, la IA no puede reemplazar a lectores humanos que aportan originalidad y visión personal, sí tiene fortalezas únicas, como responder preguntas sin cansancio y simplificar textos complejos para hacerlos más accesibles. Así, la IA puede transformar cualquier texto en un punto de partida para aprender más o en una herramienta que acerca contenidos difíciles a un público más amplio.

Esta dinámica abre la puerta a difuminar la distinción entre fuentes originales y secundarias, especialmente para aquellos que buscan separar forma y contenido. Desde hace años, servicios como Blinkist ofrecen resúmenes condensados de libros de no ficción, y las ediciones abreviadas de novelas también son populares, lo que indica que muchos lectores prefieren captar la esencia de una obra sin dedicarle tanto tiempo.

Es posible que, en el futuro, empecemos a consumir textos en versiones resumidas o alteradas, y solo luego decidamos si queremos la obra completa, de forma similar a cómo hoy escuchamos podcasts acelerados o consultamos Wikipedia para entender mejor una serie. La IA facilitará esta transformación, generando versiones adaptadas al instante y dando más control a los lectores sobre cómo interactúan con los textos.

Rothman argumenta que la lectura profunda está bajo amenaza en un contexto dominado por pantallas e inteligencia artificial. La transformación va más allá de la forma: implica una redefinición cultural de lo que significa leer. Sin embargo, mediante el uso consciente de herramientas digitales, la educación adecuada y el fomento de la lectura impresa, es posible preservar y revitalizar la lectura reflexiva y crítica en un mundo cada vez más líquido textual.