Archivo de la etiqueta: Inteligencia artificial

Cómo la Inteligencia Artificial Generativa (Gen AI) ya está impactando el mercado laboral

Ozge Demirci, Jonas Hannane and Xinrong Zhu Research: How Gen AI Is Already Impacting the Labor Market. Harvard Business Publishing:, 2024

Texto original

El artículo aborda cómo las herramientas de inteligencia artificial generativa (Gen AI), como ChatGPT y las herramientas de generación de imágenes como DALL-E 2, Midjourney y Stable Diffusion, están transformando el mercado laboral, especialmente en plataformas de freelancing. Los investigadores analizan cómo estas tecnologías afectan la demanda de trabajo, la competencia entre trabajadores humanos y máquinas, y la evolución de las habilidades requeridas en diversos sectores laborales.

El estudio se centra en el impacto de estas tecnologías en el mercado de freelancing, utilizando datos de 1.388.711 publicaciones de trabajo en plataformas como Upwork y Fiverr entre julio de 2021 y julio de 2023. Se clasificaron las publicaciones en tres tipos de trabajos: aquellos manuales, los propensos a la automatización y los relacionados con la creación de imágenes. El análisis se enfoca en cómo la introducción de herramientas de IA generativa ha afectado la demanda de estos tipos de trabajos.

Los hallazgos del estudio revelan que la adopción de ChatGPT y las herramientas de generación de imágenes ha causado una disminución significativa en la demanda de trabajos propensos a la automatización. En particular, los trabajos relacionados con la escritura y el desarrollo de software fueron los más afectados, con una disminución del 30.37% en la cantidad de publicaciones. Asimismo, las tareas de diseño gráfico y modelado 3D experimentaron una reducción en la demanda de 17.01% durante el primer año tras la introducción de herramientas como DALL-E 2.

Además de la disminución de la demanda, se observó un aumento en la competencia entre los trabajadores humanos. Para los trabajos automatizables, el número de propuestas enviadas por freelancer por cada trabajo publicado aumentó un 8.57%, lo que indica una intensificación de la competencia en un mercado que se ve inundado tanto por freelancers como por IA. Esto ha generado un entorno donde los empleadores tienen más opciones, lo que pone a los trabajadores humanos en competencia directa con las máquinas.

Otro hallazgo importante fue el aumento de la complejidad de los trabajos. Los trabajos que sobrevivieron a la automatización ahora requieren habilidades más especializadas. Por ejemplo, los trabajos relacionados con la escritura y el desarrollo de software que sobrevivieron a la automatización tuvieron un aumento del 2.18% en su complejidad. Además, los salarios para estos trabajos aumentaron en un 5.71%, lo que refleja un cambio hacia trabajos más complejos que requieren un mayor nivel de habilidad y conocimiento en la integración de la IA.

El estudio también destaca el aumento de la demanda de habilidades relacionadas con la IA. Se observó un incremento significativo en las publicaciones que mencionaban explícitamente herramientas como ChatGPT, reflejando el creciente interés de las empresas por contratar trabajadores que puedan integrar la IA en sus procesos. Esto sugiere que, si bien algunas tareas son reemplazadas por la IA, otras requieren una integración más avanzada de estas tecnologías, lo que abre nuevas oportunidades para los trabajadores que se especialicen en estas áreas.

Finalmente, el artículo señala una brecha de género en el uso de tecnologías como ChatGPT. Las mujeres, en particular, eran menos propensas a utilizar ChatGPT en comparación con los hombres, lo que resalta una disparidad en la adopción de la IA en los mismos roles. Este hallazgo subraya la necesidad de implementar programas de capacitación inclusiva para abordar esta desigualdad y asegurar que todos los trabajadores tengan las mismas oportunidades para adaptarse a los cambios tecnológicos.

En conclusión, la inteligencia artificial generativa está transformando el mercado laboral al automatizar ciertas tareas, pero también al crear nuevos roles que requieren habilidades especializadas. Las empresas que adopten estrategias de capacitación en IA y fomenten una cultura de adaptabilidad tendrán mayores oportunidades de prosperar en este nuevo entorno. La clave será complementar las capacidades humanas con la IA, en lugar de reemplazarlas por completo, para maximizar la eficiencia sin perder creatividad ni supervisión humana.

ChatGPT ya es capaz de catalogar libros en formato Marc 21

ChatGPT puede ayudarte a crear un registro MARC 21 de manera manual, proporcionando el formato correcto y ayudándote a organizar los campos de manera adecuada.

A continuación os proporciono un ejemplo de cómo sería el registro en formato MARC 21 para el libro Luisa Mora Villarejo, Un legado común: las donaciones recibidas en el siglo XXI en la Biblioteca Islámica «Félix María Pareja» (Agencia Española de Cooperación Internacional para el Desarrollo, 2023), Para ello he copiado la información textual del catálogo y lo he pegado en ChatGPT, pidiendo que me elabore un registro MARC 21 de este libro. El resultado es este:

=LDR  01716cam a2200361 i 4500
=001  0000000001
=005  20231211
=008  231211s2023    sp            000 0 spa  
=020  ##  $a 9788483471937
=020  ##  $a 109-23-042-X
=035  ##  $a (NIPO) 0000000001
=035  ##  $a (DL) M 33141-2023
=041  0#  $a spa
=100  1#  $a Mora Villarejo, Luisa, $e autor.
=245  10  $a Un legado común : $b las donaciones recibidas en el siglo XXI en la Biblioteca Islámica 'Félix María Pareja' / $c Luisa Mora Villarejo.
=260  ##  $a Madrid : $b Agencia Española de Cooperación Internacional para el Desarrollo, Ministerio de Asuntos Exteriores, Unión Europea y Cooperación, $c 2023.
=300  ##  $a 184 p. : $b il. col. ; $c 24 cm.
=490  1#  $a Ciencias y humanismo (Agencia Española de Cooperación Internacional)
=504  ##  $a Bibliografía: p. 155-159.
=520  ##  $a El libro aborda las donaciones recibidas en el siglo XXI por la Biblioteca Islámica 'Félix María Pareja', destacando las bibliotecas personales donadas por figuras del arabismo y la cooperación cultural entre España y los países árabes.
=650  0#  $a Agencia Española de Cooperación Internacional para el Desarrollo. $v Biblioteca.
=650  0#  $a Bibliotecas $x Historia.
=650  0#  $a Cooperación cultural de España.
=650  0#  $a Arabistas españoles.
=650  0#  $a Relaciones España-Países árabes.
=650  0#  $a Colecciones especiales.
=710  2#  $a Agencia Española de Cooperación Internacional para el Desarrollo, $e emisor.
=830  0#  $a Ciencias y humanismo (Agencia Española de Cooperación Internacional)
=856  41  $u http://creativecommons.org/licenses/by-nc-sa/4.0/ $z Licencia Creative Commons - Attribution, Non-Commercial, ShareAlike (BY-NC-SA)

La herramienta también nos explica que es cada uno de los campos.

Explicación de los campos principales:

  • =245: Título completo, en este caso incluye el título y subtítulo del libro.
  • =260: Información de publicación, que incluye el lugar de publicación, el editor y la fecha de publicación.
  • =300: Descripción física del libro, que indica el número de páginas y el tamaño.
  • =504: Nota bibliográfica que incluye la bibliografía.
  • =520: Resumen o sinopsis del contenido del libro.
  • =650: Descriptores de temas que ayudan a clasificar el libro, en este caso relacionados con bibliotecas, makerspaces e innovación.
  • =852: Información sobre la ubicación del libro, en este caso, una biblioteca central.

Este es un ejemplo de cómo se podría estructurar el registro de este libro en un sistema de catalogación MARC 21 para una biblioteca.

¿Puede la inteligencia artificial revisar la literatura científica y descifrar su significado?

Pearson, Helen. «Can AI Review the Scientific Literature — and Figure out What It All Means?» Nature 635, n.o 8038 (13 de noviembre de 2024): 276-78. https://doi.org/10.1038/d41586-024-03676-9.


La inteligencia artificial (IA) está revolucionando la revisión de la literatura científica al ofrecer herramientas que pueden resumir grandes volúmenes de información de manera rápida. Sin embargo, esta innovación plantea tanto beneficios como riesgos.

La IA en la ciencia no es un tema nuevo. Los investigadores han utilizado herramientas de software durante décadas para buscar y analizar la literatura científica. Sin embargo, los recientes modelos de lenguaje de gran escala (LLM), como ChatGPT, han generado entusiasmo por la automatización de la síntesis de información. Estos modelos no solo encuentran y resumen artículos, sino que ahora pueden, en teoría, generar revisiones narrativas de literatura científica, aunque todavía no alcanzan el nivel de rigor de las revisiones sistemáticas.

Este campo está en auge debido a la dificultad de los investigadores para mantenerse al día con la creciente cantidad de publicaciones científicas. Tal es el caso de Sam Rodriques, quien, junto a su equipo de la startup FutureHouse, ha creado un sistema de IA llamado PaperQA2, diseñado para sintetizar información científica. Con él, lograron producir artículos sobre 17.000 genes humanos, muchos de los cuales carecían de una página en Wikipedia.

Los motores de búsqueda de IA en ciencia

Algunos motores de búsqueda con IA, como Consensus y Elicit, se han diseñado específicamente para facilitar la revisión de literatura académica. Estos motores primero realizan una búsqueda en bases de datos científicas como Semantic Scholar y PubMed, y luego utilizan un LLM para resumir los estudios encontrados y generar respuestas sintetizadas. El usuario puede ver referencias y filtros para ajustar los resultados. Estas herramientas pueden hacer que el proceso de revisión y redacción sea más eficiente al encargarse de las tareas más laboriosas, aunque la calidad de sus resúmenes no es comparable aún a la de una revisión realizada por expertos.

Desafíos y limitaciones

Los expertos advierten que pedirle a una IA como ChatGPT que redacte revisiones completas desde cero sería poco fiable. Los LLM entrenan con grandes volúmenes de texto y generan respuestas basadas en probabilidad, sin evaluar la credibilidad de las fuentes. Esto significa que pueden combinar información académica válida con fuentes menos confiables, sin dar prioridad a la literatura de mayor calidad. Además, pueden generar errores o «alucinaciones», es decir, referencias o afirmaciones inexistentes.

Para evitar estos problemas, algunos investigadores emplean un método llamado “generación aumentada por recuperación”, que consiste en cargar en el modelo únicamente artículos seleccionados previamente. Esta técnica reduce los errores, pero no los elimina por completo.

Revisión sistemática y el papel de la IA

Mientras las revisiones narrativas son confiables, la revisión sistemática presenta mayores obstáculos. Este tipo de revisión requiere pasos estrictos, como búsqueda exhaustiva, evaluación de la calidad de los estudios, síntesis de datos y, a menudo, un meta-análisis. Cada paso es revisado por al menos dos investigadores para garantizar precisión y transparencia. En 2019, un equipo de investigadores, incluido Paul Glasziou, estableció un récord al completar una revisión sistemática en solo dos semanas, empleando herramientas como RobotSearch y RobotReviewer, que usan IA para identificar estudios y evaluar riesgos de sesgo. Sin embargo, aunque estas herramientas reducen el tiempo de revisión, la IA aún no puede completar una revisión sistemática de forma autónoma.

Elicit y otros sistemas afirman ayudar en la revisión sistemática, pero no la automatizan completamente. En su lugar, permiten a los investigadores acelerar pasos específicos, como la clasificación de artículos y la extracción de datos, mientras que otros procesos siguen dependiendo del juicio humano. La limitación de estos sistemas es que solo pueden buscar en artículos de acceso abierto y abstracts, dejando fuera gran parte de la literatura científica, que suele estar bajo pago.

Riesgos y futuro de la IA en revisiones científicas

Aunque la IA puede ayudar a mejorar la velocidad y eficiencia de las revisiones, también podría dar lugar a revisiones menos rigurosas y de menor calidad. La tentación de utilizar herramientas de IA para realizar revisiones rápidamente podría resultar en artículos poco precisos, contaminando la literatura científica. Sin embargo, hay quienes creen que la IA también podría elevar los estándares en la revisión de literatura al hacer que más científicos consulten la literatura existente antes de lanzar nuevos estudios.

Algunos expertos sugieren que el desarrollo de herramientas de IA para la ciencia debería estar en manos de organizaciones sin fines de lucro que promuevan la transparencia y la evaluación rigurosa. Recientemente, en el Reino Unido se ha anunciado una inversión significativa en herramientas de síntesis de evidencia, lo que refleja el creciente interés en abordar estos desafíos. La clave para el futuro parece estar en equilibrar la eficiencia que la IA puede aportar con la necesidad de mantener estándares rigurosos en la investigación científica.

El valor de la biblioteca se incrementa en la era de la IA

Tanzi, Nick. «The Library’s Value Is Increased in the Age of AI». The Digital Librarian, 7 de noviembre de 2024. https://the-digital-librarian.com/2024/11/07/the-librarys-value-is-increased-in-the-age-of-ai/.

El artículo de Nick Tanzi titulado The Library’s Value is Increased in the Age of AI discute cómo las bibliotecas, lejos de perder valor frente al auge de la inteligencia artificial (IA), ven ampliada su relevancia debido a tres pilares fundamentales: privacidad, exactitud e humanidad.

El valor de las bibliotecas en la era de la inteligencia artificial (IA) ha aumentado considerablemente debido a su capacidad para adaptarse a nuevas tecnologías, como ya lo ha demostrado en el pasado con la llegada de la web, Google, los eReaders y otras innovaciones. En este contexto, las bibliotecas siguen desempeñando un papel fundamental, especialmente en áreas donde la IA presenta nuevos desafíos. Temas como la privacidad, la precisión de la información, la humanidad en un mundo cada vez más tecnológico y la necesidad de encontrar un equilibrio entre la tecnología y las personas son ahora más relevantes que nunca.

En la era de la IA, la privacidad se convierte en un bien valioso. Las tecnologías emergentes tienden a recolectar datos personales de los usuarios para alimentar sus modelos, lo que ha suscitado preocupaciones sobre la explotación de la información personal. En contraste, las bibliotecas defienden firmemente la privacidad de sus usuarios, garantizando que no se compartan datos personales sin consentimiento explícito. La ALA (American Library Association) establece que las bibliotecas deben proteger la privacidad, un principio que resulta especialmente relevante dado el creciente uso de IA. Las bibliotecas, por lo tanto, deben adoptar políticas claras para el uso de herramientas de IA que no comprometan la privacidad de los usuarios, educar sobre cómo gestionar la huella digital y asegurarse de que los proveedores de servicios de IA respeten estos valores.

En un mundo saturado de contenido generado por IA, como imágenes manipuladas, deepfakes y «alucinaciones» de IA, la capacidad de discernir información precisa y objetiva es crucial. Las bibliotecas se posicionan como guardianes de la información confiable, ofreciendo acceso a colecciones de libros, bases de datos y otros recursos verificados. Sin embargo, como señala Luke Swarthout, optar por excluir la IA del internet es cada vez más inviable. Las bibliotecas deben enseñar a sus usuarios a identificar contenidos generados por IA, a evaluar la fiabilidad de estas fuentes y a utilizar la IA de manera crítica. En este sentido, las bibliotecas se convierten en centros esenciales para la alfabetización mediática y la alfabetización en IA.

La tecnología, y en especial la IA, puede deshumanizar las interacciones, como lo evidencian los sistemas automatizados de atención al cliente y los chatbots. Las bibliotecas, en cambio, se distinguen por su enfoque en la humanidad: son instituciones locales, profundamente conectadas con sus comunidades. Su personalización del servicio se basa en el contacto humano, y no en la recolección de grandes volúmenes de datos. Las bibliotecas ofrecen un espacio para la interacción social, lo que es cada vez más importante en una era de creciente aislamiento social.

En definitiva, las bibliotecas enfrentan el reto de integrar las tecnologías emergentes como la IA sin comprometer los principios fundamentales que las definen: privacidad, exactitud y humanidad. A medida que la IA se vuelve omnipresente, es crucial que las bibliotecas mantengan su identidad y su relevancia, ofreciendo servicios que respeten estos valores mientras navegan por los cambios tecnológicos.

Fundamentalmente se ubraya que las bibliotecas, lejos de ser obsoletas en la era digital, desempeñan un papel más relevante que nunca, actuando como baluartes de privacidad, fuentes de información precisa y centros de interacción humana en un mundo cada vez más automatizado.

Anthropic advierte de la catástrofe de la IA si los gobiernos no regulan en 18 meses

Anthropic. «The Case for Targeted Regulation.» Anthropic, 31 de octubre de 2024. https://www.anthropic.com/news/the-case-for-targeted-regulation.

La regulación de la IA es esencial para balancear los beneficios y los riesgos. Si bien es un desafío complejo, es crucial implementarla pronto para evitar consecuencias negativas y asegurar el progreso en áreas clave como la ciencia y la medicina.

Los sistemas de inteligencia artificial (IA) están avanzando rápidamente, ofreciendo enormes beneficios potenciales en áreas como la ciencia, la medicina y la economía. Sin embargo, también presentan riesgos significativos, como el uso indebido en ciberseguridad o biotecnología, y la posibilidad de comportamientos autónomos y destructivos de los propios sistemas. Ante estos riesgos, se urge a los gobiernos a implementar políticas de IA en los próximos 18 meses, ya que el margen para prevenir estos riesgos está cerrándose rápidamente.

Una regulación bien diseñada y específica puede permitir que se aprovechen los beneficios de la IA, mitigando al mismo tiempo sus peligros. Sin embargo, si se retrasan las acciones, el resultado podría ser una regulación ineficaz que limite el progreso sin evitar los riesgos. Se propone una regulación dirigida que se enfoque en tres principios clave:

  1. Urgencia: La IA ha avanzado significativamente en el último año, con mejoras notables en tareas de codificación, razonamiento y matemáticas, lo que aumenta tanto las aplicaciones positivas como las posibilidades de uso indebido, especialmente en áreas como la ciberseguridad y la biotecnología.
  2. Política de Escalamiento Responsable (RSP): En Anthropic, la empresa responsable del artículo, se ha implementado una política llamada «Escalamiento Responsable», que ajusta las medidas de seguridad y mitigación de riesgos en función de los niveles de capacidad de los modelos de IA. Esta política se adapta de forma continua según el desarrollo de los modelos y su potencial de generar riesgos catastróficos.
  3. Elementos clave para la regulación de la IA:
    • Transparencia: Las empresas deben ser obligadas a publicar sus políticas de seguridad y las evaluaciones de riesgo de cada nueva generación de modelos de IA.
    • Incentivos para mejores prácticas de seguridad: La regulación debe fomentar que las empresas desarrollen políticas efectivas que prevengan riesgos graves.
    • Simplicidad y enfoque: La regulación debe ser precisa y evitar cargas innecesarias o reglas complicadas que puedan obstaculizar el progreso.

Se destaca la necesidad urgente de que los gobiernos y la industria trabajen juntos para desarrollar un marco regulatorio efectivo, que no solo reduzca los riesgos catastróficos de la IA, sino que también permita a la industria seguir innovando. Esto debe lograrse de manera flexible, considerando el rápido avance de la tecnología y adaptando las políticas a las mejores prácticas emergentes.

Google ya incluye marcas de agua en sus textos generados por inteligencia artificial

«Google DeepMind Debuts Watermarks for AI-Generated Text – IEEE Spectrum». Accedido 13 de noviembre de 2024. https://spectrum.ieee.org/watermark.

Google DeepMind ha lanzado un innovador sistema de marca de agua para textos generados por IA llamado SynthID-Text, el cual tiene como objetivo facilitar la identificación de contenidos creados por modelos de lenguaje como su chatbot Gemini.

Esta tecnología añade una “firma estadística” o marca de agua en el texto generado, de manera que un detector especializado puede verificar si el contenido proviene de una IA, todo sin afectar la calidad, creatividad ni velocidad de la generación de respuestas. A diferencia de otros métodos que también intentan identificar texto de IA, SynthID-Text no altera visiblemente el texto para el lector humano, pero sí deja una señal detectable para su propio sistema.

Este sistema es la respuesta de Google al creciente problema de proliferación de contenido generado por IA, que ha inundado plataformas digitales como redes sociales y entornos académicos. Aunque existen herramientas para detectar textos de IA o incluso para hacerlos parecer escritos por humanos, su precisión ha sido limitada y, a medida que los chatbots mejoran, distinguir entre textos humanos e IA se vuelve más difícil. Con la implementación de SynthID-Text, Google espera dar un paso adelante en la solución de este problema.

SynthID-Text opera discretamente en el proceso de generación de texto: el sistema asigna puntuaciones a palabras candidatas en la respuesta generada por el chatbot, eligiendo aquellas que crean un patrón estadístico. Este patrón es imperceptible para los usuarios, pero detectable mediante el sistema SynthID. La marca de agua es esencialmente un “sello” que permite a los sistemas de Google o a desarrolladores que usen Gemini verificar si el texto proviene de un modelo de lenguaje de Google.

Sin embargo, los investigadores admiten que la marca de agua puede ser fácilmente eliminada o alterada si el texto se modifica de manera significativa. Por ejemplo, un usuario que edite el texto o que lo resuma con otro chatbot puede remover la firma, lo cual representa un desafío considerable para la tecnología. A pesar de estas limitaciones, Google ha asegurado que las respuestas marcadas con SynthID-Text son igual de satisfactorias que las respuestas no marcadas, basándose en pruebas realizadas con 20 millones de solicitudes a Gemini.

Undermind.ai: una nueva herramienta de búsqueda de información científica con IA que mejora la precisión

Undermind.ai

https://undermind.ai

Undermind.ai es una herramienta de búsqueda avanzada impulsada por IA, diseñada especialmente para investigadores académicos. A diferencia de otras herramientas de búsqueda como Elicit.com y SciSpace, Undermind combina búsquedas basadas en palabras clave y búsqueda semántica utilizando algoritmos que imitan el proceso de descubrimiento humano. Esto permite realizar búsquedas sucesivas de palabras clave, citas y semántica, mejorando la precisión y la exhaustividad de los resultados. Cada búsqueda toma entre 2 y 3 minutos debido a este proceso iterativo.

Una característica única de Undermind es su modelo estadístico, que estima la cantidad total de artículos relevantes sobre un tema, ayudando a los usuarios a saber si están agotando los contenidos relevantes. Además, clasifica los artículos encontrados en tres niveles de relevancia y genera resúmenes con IA de cada artículo, similar a herramientas como Scite.ai.

Aunque el interfaz web es intuitivo y permite compartir resultados fácilmente, la herramienta aún carece de funciones de ordenación y filtros adicionales en la sección de referencias. Además, algunos usuarios no encuentran útil la función de red de citas y cronograma, ya que los controles para ajustar la visualización son poco prácticos.

El servicio es gratuito con limitaciones, pero ofrece suscripciones mensuales y anuales para usuarios individuales y académicos. A pesar de ser prometedora, Undermind aún carece de pruebas de rendimiento oficiales frente a otras herramientas, lo que obliga a los usuarios potenciales a probar la herramienta según sus necesidades específicas. A pesar de esto, tiene el potencial de mejorar la calidad de las revisiones literarias, especialmente en temas complejos, mediante un proceso de búsqueda más preciso y eficiente.

El papel de los bibliotecarios universitarios en relación a la AI: el ser humano en el centro

Guzman, Dani. «Human at the Center, AI in the Loop: The Role of Librarians in Shaping Academic AI.» Katina Magazine, 2024. https://katinamagazine.org/content/article/sponsored/2024/human-at-the-center-ai-in-the-loop-clarivate.

A medida que la IA se ha ido desplegando en diversos sectores, las bibliotecas, en particular las universitarias, se encuentran en una posición clave para integrar estas tecnologías de manera que potencien su misión educativa, en lugar de reemplazar la labor humana. Según el artículo, la clave está en equilibrar la automatización con la experiencia humana, utilizando la IA como una herramienta de apoyo en lugar de como un sustituto de las habilidades de los bibliotecarios.

La rápida expansión de la inteligencia artificial (IA) ha generado una variedad de opiniones sobre su impacto en el trabajo, especialmente en campos del conocimiento que requieren habilidades especializadas, como las bibliotecas universitarias. Mientras que algunos temen que la IA pueda reemplazar a los humanos, otros la ven como una oportunidad para mejorar y transformar la manera en que se lleva a cabo el trabajo intelectual. Entre estas posturas, muchos, incluidos los bibliotecarios, consideran que la IA abre nuevas posibilidades para optimizar los servicios y mejorar la eficiencia.

Una de las primeras consideraciones que aborda es cómo las bibliotecas deben identificar los casos de uso adecuados de la IA, como la mejora en la productividad, la investigación y el apoyo a los estudiantes. Los bibliotecarios tienen un papel fundamental en priorizar estas aplicaciones, ayudando a asegurar que la implementación de la IA se alinee con los objetivos estratégicos y operativos de las bibliotecas. La IA ya está siendo utilizada para tareas como el descubrimiento de investigación, la mejora en la búsqueda de literatura y la gestión de metadatos, lo que permite a los bibliotecarios centrarse en tareas más estratégicas.

El primer paso en la implementación de IA es identificar áreas donde la tecnología pueda agregar valor sin afectar la misión principal de las bibliotecas, que incluye el descubrimiento de investigaciones, el apoyo a los estudiantes y la mejora de la productividad interna. Los bibliotecarios, con su experiencia en gestionar información y procesos, tienen un papel crucial en determinar los casos de uso más efectivos de la IA, ayudando a priorizar las herramientas que pueden tener el mayor impacto.

El artículo también aborda cómo la IA puede transformar los servicios bibliotecarios. Por ejemplo, la implementación de herramientas basadas en IA puede simplificar tareas complejas como las revisiones de literatura o el análisis de datos, mejorando la experiencia de los estudiantes y de los investigadores. Además, la IA tiene el potencial de crear nuevos servicios, como sistemas de análisis de datos que permiten descubrir patrones y tendencias en la información, lo que puede ser útil tanto para la investigación académica como para la enseñanza. Pero sobre todo se destaca la importancia de que los bibliotecarios mantengan un control humano en el uso de estas herramientas para asegurar la integridad académica.

Otro aspecto importante que se menciona es la relación entre la IA y los principios éticos y de transparencia. Las bibliotecas deben garantizar que las herramientas de IA que utilicen estén basadas en fuentes académicas confiables y que ofrezcan a los usuarios acceso a la información utilizada. Esto es esencial para mantener la confianza en los sistemas impulsados por IA. Además, la ética en la implementación de la IA es crucial para evitar problemas como la desinformación o los sesgos. En este sentido, la seguridad y la protección de los datos de los usuarios también deben ser una prioridad, especialmente dado el entorno regulatorio en constante cambio en torno a la privacidad de los datos.

A medida que la IA se integra más en los servicios bibliotecarios, es crucial establecer un equilibrio adecuado entre la autonomía de las máquinas y el juicio humano. La transparencia, la ética y la seguridad son tres áreas clave donde los bibliotecarios deben intervenir para garantizar que la IA se utilice de manera responsable.

  1. Transparencia: Los bibliotecarios deben asegurarse de que las herramientas de IA sean transparentes sobre las fuentes de información que utilizan. Esto es fundamental para mantener la confianza de los usuarios en los resultados generados por la IA. Asegurarse de que las fuentes sean académicamente válidas y accesibles es una prioridad para preservar la integridad de la información.
  2. Ética: Los sistemas de IA deben diseñarse para evitar la desinformación, los sesgos y otros problemas éticos, como las «alucinaciones» (información incorrecta generada por IA). Los bibliotecarios desempeñan un papel esencial en la evaluación de la ética de las herramientas de IA, asegurando que los usuarios reciban información precisa y confiable.
  3. Seguridad: La privacidad de los datos de los usuarios es una prioridad. Los bibliotecarios deben asegurarse de que las herramientas de IA cumplan con los estándares de seguridad y las regulaciones globales de privacidad, protegiendo los datos sensibles mientras se brindan servicios personalizados a los usuarios.

Por último, se resalta que el futuro de las bibliotecas universitarias dependerá de cómo logren integrar la IA de manera efectiva, preservando la experiencia humana y el juicio profesional. A través de la promoción de la alfabetización digital y la colaboración con otras instituciones académicas y proveedores de tecnología, los bibliotecarios podrán asegurar que la IA se utilice de manera ética y efectiva, contribuyendo al desarrollo de la investigación y la enseñanza sin perder de vista los valores fundamentales de las bibliotecas.

Google NotebookLM: una herramienta de inteligencia artificial para ayudar a los usuarios a organizar, resumir y escuchar la información contenida en documentos

Google NotebookLM

Google NotebookLM es una herramienta innovadora y potente para organizar y procesar grandes volúmenes de información, ofreciendo un apoyo significativo para el estudio y el trabajo en entornos académicos y profesionales. Su capacidad para transformar texto en audio, resumir contenido y responder preguntas personalizadas representa un paso hacia una mayor accesibilidad y personalización en el aprendizaje y el manejo de información, aunque también requiere un uso consciente y ético.

Google NotebookLM es una herramienta de inteligencia artificial lanzada para ayudar a los usuarios a organizar, resumir y explorar el contenido de sus documentos de manera eficiente. Su propósito es facilitar el estudio y la comprensión de grandes volúmenes de información, permitiendo a estudiantes, investigadores y profesionales manejar sus notas de forma interactiva. La herramienta se basa en la tecnología de procesamiento de lenguaje natural (NLP, por sus siglas en inglés), que le permite comprender y manipular texto de manera avanzada.

NotebookLM utiliza modelos avanzados de lenguaje, como los de la serie de Google, para analizar y sintetizar información de documentos. Los usuarios pueden cargar diferentes tipos de archivos, como documentos de texto, artículos académicos o apuntes de clases, y NotebookLM se encarga de extraer los puntos clave, resumiendo el contenido en un formato más accesible. También permite hacer preguntas directamente sobre el contenido del documento, proporcionando respuestas contextuales en tiempo real.

Además, NotebookLM va más allá del resumen tradicional. Su capacidad para transformar textos en audios con un formato de estilo conversacional hace que los estudiantes puedan, por ejemplo, escuchar sus notas como si fuera un podcast. Este tipo de innovación está orientada a diferentes estilos de aprendizaje y necesidades, especialmente útil para aquellos que prefieren métodos auditivos o buscan optimizar el tiempo de estudio mientras realizan otras actividades.

¿Cómo funciona?

Los usuarios pueden cargar documentos a NotebookLM desde su Google Drive, ya sea en formato PDF, Google Docs, o textos de otros tipos. Esto permite una integración sencilla con los archivos de estudio que los usuarios ya tienen almacenados. A continuación NotebookLM analiza automáticamente el contenido de los documentos y genera resúmenes detallados que capturan los puntos más relevantes. Este proceso ahorra tiempo, ya que evita la necesidad de leer el documento completo para entender su esencia.

Una función clave es la posibilidad de hacer preguntas sobre el contenido del documento. NotebookLM puede responder de manera precisa y contextual a estas preguntas, basándose en la información contenida en el archivo. Por ejemplo, un estudiante que esté revisando un artículo complejo puede preguntar por las conclusiones principales, y NotebookLM responderá en segundos con una respuesta relevante.

También da la posibilidad de permite modificar el tono del texto, adaptándolo para que suene más formal, académico o casual, según las necesidades del usuario. Esto es útil para adaptar documentos como informes o correos electrónicos, cambiando el tono para que sea adecuado según el contexto.

Otra característica de la herramienta es la transformación de las notas de contenido a audio. Lo que permite que los estudiantes escuchen el contenido de sus notas en formato de audio conversacional, que simula un podcast o diálogo. Es especialmente útil para quienes prefieren estudiar mediante la escucha o desean repasar información mientras realizan otras actividades.

Impacto de las nuevas herramientas de IA en la educación: ¿apoyo al estudio o riesgo para el aprendizaje?

Young, Jeffrey R. «New AI Tools Are Promoted as Study Aids for Students. Are They Doing More Harm Than Good?» EdSurge, November 8, 2024. https://www.edsurge.com/news/2024-11-08-new-ai-tools-are-promoted-as-study-aids-for-students-are-they-doing-more-harm-than-good.

Las herramientas de IA en educación generan un debate complejo. Si bien proporcionan accesibilidad y apoyo para algunos estudiantes, existe la preocupación de que estén promoviendo una forma de aprendizaje que omite el esfuerzo cognitivo necesario para una verdadera comprensión. Los educadores sugieren que las compañías de IA asuman la responsabilidad de desarrollar sus herramientas de manera que fomenten el aprendizaje en lugar de obstaculizarlo.

El artículo de Jeffrey R. Young examina el auge de herramientas de inteligencia artificial (IA) diseñadas para ayudar a estudiantes, como Google NotebookLM, que convierten notas de clase en podcasts interactivos, y cómo éstas plantean tanto beneficios como preocupaciones para la educación.

Estas herramientas permiten a los estudiantes transformar lecturas, notas o materiales en resúmenes instantáneos, y en muchos casos ayudan a alumnos neurodivergentes o con dificultades para procesar grandes volúmenes de información. No obstante, varios educadores temen que la facilidad y rapidez de estos resúmenes pueda incentivar a los estudiantes a evitar el trabajo de analizar y comprender profundamente los textos. Alexis Peirce Caudell, docente en la Universidad de Indiana, observa que, aunque los estudiantes usan estas herramientas de diferentes maneras según su área de estudio, algunos se sienten presionados a usarlas solo porque sus compañeros lo hacen, aún si esto compromete su aprendizaje real.

Marc Watkins, profesor de la Universidad de Mississippi, destaca que la fricción o dificultad en el proceso de aprendizaje es crucial, pues ayuda a internalizar el conocimiento. A su juicio, las herramientas de IA eliminan este esfuerzo valioso, permitiendo a los estudiantes «pasar de inmediato al borrador final» con poco trabajo real. Además, considera que las políticas académicas actuales sobre el uso de IA necesitan actualizarse continuamente debido a las rápidas innovaciones en IA.

Un desafío adicional es la precisión, ya que los modelos de IA a veces generan «alucinaciones» o información incorrecta que presentan como si fuera verdad. La experiencia de Bonni Stachowiak, decana en Vanguard University, ilustra esta problemática: al usar Google NotebookLM, observó que la IA fallaba en temas complejos que ella conocía bien, lo cual puede generar una comprensión superficial o errónea.

Algunos estudiantes también plantean inquietudes éticas, como el impacto ambiental del uso de IA y la privacidad de sus datos. Caudell subraya que estas son conversaciones que apenas se están explorando en la educación.

A pesar de las críticas, las herramientas de IA han demostrado tener efectos positivos, especialmente para estudiantes con necesidades específicas, como aquellos con TDAH o discapacidades intelectuales, quienes se benefician de la división de tareas en pasos manejables o de resúmenes que facilitan el acceso inicial a textos largos.