La mayoría de los medios ya ha asumido que necesita reglas para ordenar el uso de la inteligencia artificial en las redacciones. El problema es que aprobar una política no garantiza que los periodistas la conozcan, la entiendan o la apliquen cuando trabajan con herramientas que cambian casi cada semana.
El verdadero desafío consiste en convertir esas normas en una práctica cotidiana. Para ello, los medios necesitan acompañarlas de formación, espacios de debate, mecanismos de supervisión y revisiones periódicas que permitan corregir errores y adaptar los criterios a nuevos usos.
De hecho, un reciente reportaje publicado por Columbia Journalism Review, elaborado a partir de entrevistas con responsables de Reuters, Bloomberg, The Wall Street Journal, Axios, la Australian Broadcasting Corporation, Zetland, Aftonbladet y otras organizaciones, concluye que una política de inteligencia artificial solo resulta útil cuando forma parte del funcionamiento diario de la redacción.
La primera recomendación es definir qué valores deben mantenerse con independencia de la tecnología utilizada. Las herramientas, los modelos y sus capacidades cambian con rapidez, mientras que principios como la responsabilidad editorial, la supervisión humana, la transparencia o la protección de las fuentes deberían conservarse.
Bloomberg, por ejemplo, sitúa entre sus criterios centrales que la inteligencia artificial no sustituye a la información original y que ningún contenido debe publicarse sin intervención humana. La compañía admite su uso para analizar grandes conjuntos de datos, acelerar búsquedas o automatizar tareas repetitivas, pero mantiene que cada periodista responde de todo lo que publica.
Zetland ha optado por una aproximación similar. Su dirección considera que las reglas demasiado concretas quedan obsoletas con rapidez y prefiere trabajar con principios generales capaces de mantenerse aunque cambien las herramientas.
Esta orientación evita que las políticas se conviertan en catálogos de aplicaciones permitidas y prohibidas que deben rehacerse cada vez que aparece un nuevo producto.
Definir para qué se quiere utilizar la inteligencia artificial
Antes de redactar una política, las organizaciones deben identificar qué problemas pretenden resolver. La inteligencia artificial puede intervenir en procesos muy distintos, desde la transcripción y la revisión documental hasta la generación de textos o imágenes, y no todos ellos presentan los mismos riesgos.
La mayoría de los usos habituales en las redacciones no consiste en publicar contenidos generados automáticamente. Son más frecuentes la transcripción de entrevistas, el análisis de datos, la revisión gramatical, la clasificación de documentos o la elaboración de resúmenes internos.
Axios, por ejemplo, no permite utilizar inteligencia artificial generativa para redactar informaciones, aunque sí admite que sugiera titulares, textos alternativos para imágenes o posibles mejoras de estilo. Todas esas propuestas deben ser revisadas y modificadas por los periodistas.
La compañía también estudia aplicaciones para procesar reuniones municipales o consejos escolares que apenas reciben cobertura. La herramienta podría transcribir y resumir esas sesiones para que los periodistas detecten asuntos relevantes, pero la comprobación, las llamadas y la elaboración de la noticia seguirían siendo tareas humanas.
Una política que no se explica termina sin utilizarse
Uno de los principales errores consiste en aprobar un documento, distribuirlo entre la plantilla y dar por concluido el proceso. Sin formación ni seguimiento, las normas corren el riesgo de convertirse en un archivo que pocos profesionales consultan.
Reuters obliga a todos sus empleados a realizar cada año una formación actualizada sobre inteligencia artificial. La agencia también organiza encuentros mensuales, demostraciones y sesiones de debate para explicar cambios en las herramientas, nuevos riesgos y usos desarrollados por otros periodistas.
The Wall Street Journal ha comprobado que las sesiones prácticas son más eficaces que la mera distribución de instrucciones. El medio organiza encuentros en los que los propios profesionales muestran cómo utilizan la inteligencia artificial para documentarse, verificar datos, editar contenidos o desarrollar pequeñas aplicaciones.
La formación no debe limitarse a enumerar prohibiciones. También tiene que explicar por qué existen determinadas restricciones, cómo se protege la propiedad intelectual del medio y qué tipo de información nunca debe introducirse en herramientas externas.
Las principales barreras no son tecnológicas
La implantación de la inteligencia artificial en las redacciones depende menos de la capacidad técnica de las herramientas que de la preparación de las personas y de la claridad organizativa.
Un informe de FT Strategies citado en el reportaje señala que los principales obstáculos son la falta de capacidades, la resistencia cultural y la ausencia de casos de uso claros. Son problemas relacionados con la organización y la cultura profesional, no con la tecnología.
Por eso, algunas compañías han creado grupos internos de profesionales que prueban herramientas, comparten aprendizajes y ayudan a otros equipos. Este sistema permite detectar usos útiles y reducir la sensación de que la inteligencia artificial es una decisión impuesta desde la dirección.
Zetland, por ejemplo, formó un grupo de profesionales que actuaban como referentes internos y organizaban sesiones informales. Su experiencia muestra que una cultura editorial sólida puede resultar más efectiva que un documento extenso de procedimientos.
La supervisión debe incluir perfiles distintos
La política también necesita un órgano responsable de revisarla, resolver dudas y decidir qué herramientas pueden utilizarse. Estos grupos no deberían estar formados únicamente por directivos o especialistas técnicos.
The Wall Street Journal ha creado un grupo de trabajo con representantes de fotografía, sonido, gráficos, audiencias, datos, edición y estándares. También ha incorporado tanto a profesionales favorables a la inteligencia artificial como a otros más escépticos.
La presencia de posiciones críticas permite identificar riesgos que podrían pasar inadvertidos en un grupo compuesto solo por defensores de la tecnología. Además, evita que las decisiones se perciban como una apuesta cerrada de la dirección.
Bloomberg dispone de un consejo asesor con representantes de áreas editoriales, investigación y producto, mientras que Reuters mantiene un comité de gobernanza presidido por su máxima responsable editorial. Este órgano se reúne mensualmente para evaluar herramientas, revisar proyectos y decidir si cumplen los estándares de la agencia.
Revisar las normas antes de que se produzca un error
Las organizaciones entrevistadas insisten en que las políticas deben tratarse como documentos vivos. La inteligencia artificial evoluciona demasiado rápido como para mantener durante años unas reglas sin modificaciones.
The Wall Street Journal intenta revisar sus criterios cada seis meses o cuando se produce un cambio tecnológico relevante. Cada versión incluye la fecha de la última actualización para dejar claro que las normas pueden modificarse.
Reuters también mantiene una revisión continua y conserva la posibilidad de detener de inmediato una herramienta si detecta un problema grave. Esta capacidad de interrupción resulta especialmente importante cuando una aplicación ya está integrada en procesos de producción.
La revisión no debe comenzar solo después de un fallo. Los medios necesitan analizar de forma periódica qué usos han aparecido, qué dudas han planteado los periodistas y qué riesgos no estaban contemplados en la versión anterior.
Asumir que las herramientas se equivocarán
Las políticas eficaces parten de una premisa: los sistemas de inteligencia artificial generativa producirán errores. Las alucinaciones, las atribuciones falsas y las respuestas imprecisas no son anomalías excepcionales, sino limitaciones conocidas de estas tecnologías.
Un caso ocurrido en un periódico de Wisconsin, donde una información incluyó una empresa, un propietario y una cita inexistentes, aceleró la creación de un comité sobre inteligencia artificial en Wisconsin Watch.
La organización decidió incorporar a periodistas, editores, responsables comerciales y representantes de la plantilla para definir sus normas. El caso sirvió como advertencia sobre las consecuencias de introducir herramientas generativas en el proceso editorial sin controles suficientes.
Axios también mantiene en pruebas una aplicación interna que ayuda a mejorar la redacción y detectar posibles errores. Sus responsables reconocen, sin embargo, que todavía no puede utilizarse como sistema fiable de verificación: a veces no detecta datos falsos y en otras ocasiones marca como incorrecta información que sí es cierta.
No todos los usos pueden resolverse con una lista
Algunas decisiones requieren un análisis ético específico. La Australian Broadcasting Corporation estudió la posibilidad de recrear mediante inteligencia artificial la voz de un personaje fallecido para leer algunas cartas en una serie documental.
El equipo analizó si el recurso podía confundir al público, cómo debía explicarse y qué efecto tendría sobre la confianza en el programa. Finalmente, descartó la voz sintética y recurrió a grabaciones reales.
Este tipo de casos muestra que una política no puede anticipar todas las situaciones. Los profesionales necesitan un marco que les permita evaluar la necesidad del recurso, su proporcionalidad, el riesgo de engaño y la existencia de alternativas más auténticas.
La transparencia debe explicar el proceso
Informar de que se ha utilizado inteligencia artificial no siempre es suficiente. Las audiencias quieren saber qué parte del proceso se ha automatizado, por qué se ha hecho y quién ha asumido la responsabilidad final.
Sahan Journal ha comprobado que los lectores reaccionan mejor cuando el medio explica de forma concreta cómo ha utilizado una herramienta, qué problema pretendía resolver y qué controles aplicó antes de publicar.
Por el contrario, las referencias genéricas a la inteligencia artificial, sin describir su función, tienden a generar más desconfianza. La transparencia funciona mejor cuando permite entender el proceso y no se limita a añadir una etiqueta.
Aftonbladet ha llegado a una conclusión similar tras gestionar millones de preguntas mediante un asistente conversacional. Para sus responsables, la principal preocupación del público no es saber qué modelo se ha utilizado, sino conocer si un periodista sigue tomando las decisiones relevantes y quién responde por el resultado.
Compartir errores y aprendizajes con otros medios
La velocidad de la tecnología dificulta que una sola organización pueda identificar todos los riesgos y oportunidades. Por eso, los responsables consultados defienden el intercambio de políticas, casos prácticos y errores entre medios.
Las conversaciones entre responsables de estándares, equipos de producto y periodistas permiten comparar decisiones y evitar que cada redacción repita los mismos fallos. También ayudan a detectar situaciones que todavía no se han producido dentro de la propia organización.
La principal enseñanza es que una política de inteligencia artificial no termina cuando se publica. Para que no se convierta en un documento olvidado, debe formar parte de la formación, las conversaciones, las pruebas y los mecanismos de responsabilidad de la redacción.
Las normas más eficaces no son necesariamente las más extensas. Son aquellas que los periodistas conocen, entienden y aplican antes de que un error generado por inteligencia artificial llegue a la audiencia.
