Acelerar la producción o reinventar la función pública: el dilema de la IA en el periodismo
Un nuevo libro de Seth C. Lewis, Rodrigo Zamith y Tomás Dodds analiza cómo la inteligencia artificial generativa puede agravar la presión por producir más y más rápido, o bien servir para reimaginar el rol de los periodistas priorizando el valor humano y las necesidades de las audiencias.
La inteligencia artificial generativa llegó al periodismo como un «momento constitutivo», según definen Seth C. Lewis, Rodrigo Zamith y Tomás Dodds en su libro Journalism in the Age of AI. From Acceleration to Reimagination, publicado este año por Polity. Más que una herramienta de productividad, la IA obliga a las redacciones a elegir entre acelerar la rueda de producción que ya agobia al oficio desde hace dos décadas o aprovecharla para repensar qué trabajo realmente merece la intervención humana.
El texto, que acaba de llegar a las librerías, advierte que las olas tecnológicas anteriores (webs, redes sociales, móviles) solo añadieron tareas a los periodistas. La diferencia con la IA es que puede reemplazar directamente parte de esas tareas. Por eso, el debate no puede reducirse a cuántos puestos se pierden. La pregunta central que proponen los autores es qué tipo de periodismo se vuelve posible ahora que ciertas rutinas pueden automatizarse.
Si redactar un texto básico ocupa menos tiempo, el profesional podría destinar más horas a buscar fuentes primarias, verificar datos complejos, salir a la calle o tomar decisiones editoriales y éticas. Automatizar solo tendría sentido si ese tiempo liberado se usa para mejorar la calidad y la relevancia de la información. De lo contrario, se corre el riesgo de usar la tecnología para producir más contenido con menos gente, profundizando la dinámica de “rueda de hámster” que ya conocen muchas redacciones.
Los autores plantean cuatro objetivos concretos para esa reinvención. El primero es hacer el periodismo más accesible: adaptar contenidos a diferentes idiomas, formatos y modos de consumo según las necesidades reales de cada comunidad. Ejemplos citados son el uso de traducción automática en Le Monde y el proyecto Factivo de Scroll, que convierte artículos en videos en lenguas locales de India. Se trata de dejar de pedirle al público que se adapte al formato tradicional y empezar a ofrecer información útil para cada audiencia.
El segundo objetivo apunta a construir un periodismo más resistente a la desinformación. Eso implica tratar la verificación como una capacidad estructural, combinando el criterio humano con sistemas automáticos de detección de afirmaciones y rastreo de contenidos. El tercero es la “micro-relevancia”: conectar temas generales con las necesidades concretas de cada persona. Una nota sobre contaminación del agua podría convertirse, por ejemplo, en una respuesta personalizada sobre la calidad del agua en el domicilio del lector y a qué autoridad dirigirse.
El cuarto camino es avanzar hacia un periodismo más conversacional. Las convenciones actuales de la noticia muchas veces responponden a rutinas históricas más que a cómo la gente busca información hoy. Los sistemas generativos permiten imaginar productos donde la audiencia pueda preguntar, pedir explicaciones adicionales o ajustar el nivel de complejidad según sus conocimientos previos. La relación pasaría de consumir un artículo cerrado a consultar un conocimiento periodístico vivo.
Sin embargo, el libro alerta sobre el riesgo de “epistemic thinness”: sentirse informado sin estarlo realmente. Los resúmenes automáticos pueden borrar matices, fuentes y contextos. Ese mismo problema afecta a periodistas que delegan la lectura profunda en síntesis generadas por IA, y a estudiantes que evitan el esfuerzo intelectual necesario para desarrollar criterio. Los autores vinculan este peligro con cuatro procesos: desprofesionalización, dependencia de infraestructuras tecnológicas externas, deterioro de la deliberación democrática y atrofia cognitiva.
En la formación, por tanto, no basta con enseñar a usar herramientas. Hace falta desarrollar una alfabetización crítica sobre las limitaciones de la IA, saber cuándo mejora el trabajo y cuándo introduce errores o elimina precisamente el esfuerzo que forma al profesional.
Otra cuestión clave es la autonomía. El libro habla de “infrastructural capture”: la dependencia creciente de un puñado de empresas que controlan computación en la nube, modelos fundacionales y sistemas de distribución. El poder sobre el periodismo ya no pasa solo por quién es dueño de un medio, sino por quién controla la infraestructura técnica. Por eso la reinvención no puede quedar solo en manos de periodistas y directivos. Lewis, Zamith y Dodds llaman a involucrar a ciudadanos, reguladores, educadores y otras organizaciones, y a considerar políticas públicas que traten al periodismo como un bien público.
La propuesta final recupera el enfoque “jobs to be done” del American Press Institute: las personas no buscan necesariamente artículos o informativos, sino comprender lo que pasa en su comunidad, interpretar problemas complejos o tomar decisiones informadas. La IA puede ampliar las posibilidades de responder a esas necesidades siempre que la tecnología quede subordinada a ese propósito humano.
El dilema que atraviesa el libro es claro. Un camino usa la IA para seguir produciendo lo mismo, solo que más rápido y más barato. El otro aprovecha la automatización para cuestionar qué debe hacer una redacción, dónde reside el valor específicamente humano y qué nuevas formas de informar se pueden construir alrededor de las necesidades reales de las audiencias. La decisión entre complementar o sustituir, trabajar junto a las máquinas o bajo sus procesos, y conservar autonomía o aumentar la dependencia tecnológica, definirá el futuro del oficio.
Fuente: Laboratorio de Periodismo