La supervisión humana continúa siendo el principal recurso utilizado por los medios para controlar los riesgos de la inteligencia artificial, pero algunas redacciones empiezan a comprobar que confiar únicamente en periodistas y editores para detectar errores puede resultar insuficiente a medida que aumenta el volumen de contenidos generados o procesados mediante estas herramientas. Un análisis publicado por el Reuters Institute for the Study of Journalism, elaborado por Ramaa Sharma a partir de entrevistas con 20 responsables de medios, especialistas y académicos de 13 países, muestra que varias organizaciones están trasladando progresivamente la gobernanza de la IA desde las guías de uso hacia el propio diseño de sus sistemas y flujos de trabajo.
Los medios se encuentran todavía en fases muy diferentes de adopción. Algunos permiten que los periodistas utilicen herramientas como ChatGPT sin políticas específicas, mientras otros han creado principios internos, comités interdepartamentales y sistemas de supervisión humana. Organizaciones de mayor tamaño, como la BBC, YLE o Czech Television, han creado además puestos y equipos específicamente dedicados a la denominada inteligencia artificial responsable. La tendencia más avanzada consiste en incorporar los controles directamente dentro de la infraestructura tecnológica y editorial.
Los datos recopilados en un estudio previo de FT Strategies y WAN-IFRA, basado en respuestas de 448 redacciones, reflejan hasta qué punto esa transformación sigue siendo desigual. El 57% de las organizaciones consultadas no contaba con representación específica de la IA dentro de su estructura y el 64% continuaba produciendo información principalmente para un único canal tradicional. El indicador utilizado con mayor frecuencia para medir el éxito de la IA era además la eficiencia: el 42% de los medios señalaba como principal beneficio el ahorro de tiempo.
De las guías internas a sistemas de gobernanza
El Reuters Institute identifica tres grandes aproximaciones. La primera corresponde a redacciones en las que el uso de inteligencia artificial ha aparecido de manera espontánea, sin normas formales ni mecanismos claros de supervisión. Una segunda fórmula parte de principios editoriales o guías de utilización, apoyadas normalmente por comités y procedimientos de revisión humana. La tercera, presente sobre todo en organizaciones de mayor tamaño, incorpora estructuras especializadas de gestión del riesgo, evaluación y control.
La BBC, por ejemplo, cuenta con un equipo de inteligencia artificial responsable dirigido por James Fletcher y estructurado alrededor de tres áreas: gobernanza y riesgos, principios y políticas, y evaluación y ciencia de datos. La política editorial continúa dependiendo de las estructuras tradicionales de la corporación, mientras que el equipo especializado debe comprobar que la incorporación de inteligencia artificial no debilite esos principios.
Otros grupos han situado los valores editoriales incluso antes que las decisiones tecnológicas. JP/Politikens inició en Dinamarca en 2019 un proyecto junto con cuatro universidades para desarrollar sistemas de inteligencia artificial responsables y reducir su dependencia de las grandes plataformas tecnológicas. De ese trabajo surgió un marco denominado Values Compass, destinado a establecer primero qué función quiere desempeñar el medio en la sociedad y qué valores pretende proteger antes de decidir qué tecnología desarrollar o contratar.
Kasper Lindskow, responsable de inteligencia artificial de JP/Politikens Group, explica que cualquier herramienta debería partir de esa definición previa de la función social del editor. Franco Piccato, director ejecutivo de la organización argentina de verificación Chequeado, plantea una idea similar: las redacciones deberían identificar primero las necesidades de sus audiencias y relacionarlas con su misión antes de incorporar una tecnología simplemente porque se haya convertido en una tendencia.
Factchequeado, proyecto impulsado en 2022 por la exdirectora de Chequeado Laura Zommer junto con Maldita, ha extendido estos criterios también a la selección de proveedores tecnológicos. Su herramienta Chat Migrante utiliza un chatbot cerrado alimentado con fuentes oficiales seleccionadas y contenidos periodísticos propios. El sistema fue desarrollado por Botalite, la división tecnológica de Maldita, y está sometido tanto a pruebas automatizadas periódicas como a evaluaciones internas cada dos semanas.
La gobernanza empieza así a incluir decisiones sobre proveedores, datos, evaluación, almacenamiento y trazabilidad de los contenidos.
El límite de la supervisión humana
La mayoría de los responsables entrevistados continúa considerando imprescindible que una persona revise los contenidos generados o asistidos por inteligencia artificial. El problema es que ese mecanismo comienza a trasladar una carga creciente sobre editores y responsables intermedios que ya supervisan producción, calidad periodística y cumplimiento de las normas editoriales.
Annika Ruoranen, antigua responsable de inteligencia artificial responsable de la radiotelevisión pública finlandesa YLE, advierte de que buena parte de esta responsabilidad termina concentrándose precisamente en los mandos intermedios. Sannuta Raghu, responsable de producto de inteligencia artificial del medio indio Scroll, describe también una revisión cada vez más minuciosa de materiales que anteriormente podían publicarse con procesos editoriales más rutinarios. Scroll ha terminado estableciendo límites al volumen de producción asistida por IA que su personal debe revisar.
La cuestión ha adquirido además una dimensión regulatoria en Europa. Desde el 2 de agosto de 2026, el artículo 50 del Reglamento europeo de inteligencia artificial establece obligaciones de transparencia para determinados textos generados mediante IA y publicados para informar al público sobre asuntos de interés general, aunque contempla excepciones cuando existe revisión humana o control editorial y una persona física o jurídica asume la responsabilidad del contenido.
Veronika Macurova Krizova, responsable de inteligencia artificial y estrategia de Czech Television y participante en los trabajos relacionados con el Código de Buenas Prácticas europeo sobre transparencia de contenidos generados mediante IA, plantea que la cuestión fundamental será determinar qué puede considerarse una revisión humana efectiva. La capacidad de los sistemas para producir textos prácticamente terminados aumenta el riesgo de que la comprobación se convierta en una formalidad.
A esta carga se añade un segundo problema: la posibilidad de que los profesionales deleguen progresivamente su propio criterio en las máquinas. Un trabajo de 2026 de los investigadores Steven Shaw y Gideon Nave, de la Universidad de Pensilvania, denomina este comportamiento “rendición cognitiva” y lo define como la tendencia a delegar juicio, esfuerzo y responsabilidad en las respuestas de una inteligencia artificial, especialmente cuando se presentan con fluidez y seguridad.
Los investigadores analizaron a 1.372 participantes en tres estudios y observaron que las personas podían aceptar respuestas de la IA incluso cuando habían sido diseñadas deliberadamente para ser incorrectas. Algunos responsables de redacciones describen comportamientos parecidos. Ibrahim Shehu, director editorial y redactor jefe de Media Trust Group en Nigeria, considera que parte de los periodistas más jóvenes recurren rápidamente a estas herramientas en lugar de desarrollar por sí mismos determinados procesos creativos y de razonamiento.
La automatización puede reducir ciertas tareas mientras aumenta simultáneamente la necesidad de revisión, comprobación y vigilancia editorial.
El análisis señala, sin embargo, que las mismas herramientas también pueden utilizarse para detectar problemas difíciles de identificar mediante revisiones individuales. Algunas redacciones están aplicando inteligencia artificial para estudiar a gran escala cuestiones como la representación de hombres y mujeres, los sesgos en determinadas coberturas o los patrones que aparecen en miles de traducciones y textos.
James Fletcher explica que algunos desequilibrios solo aparecen cuando se analizan grandes conjuntos de contenidos. Una pieza aislada puede no revelar un sesgo sistemático en el uso de pronombres masculinos o femeninos, mientras que el análisis de 10.000 textos puede hacerlo visible. Martin Schori, antiguo director de inteligencia artificial editorial de Aftonbladet, ha participado igualmente en experimentos destinados a estudiar quién aparece representado en las coberturas y cómo esa representación puede relacionarse con los hábitos de lectura de diferentes grupos de audiencia.
La siguiente fase de la gobernanza empieza precisamente a desplazarse hacia esas estructuras. Sannuta Raghu ha desarrollado el denominado News Atom, un sistema que etiqueta los componentes de una pieza periodística a nivel de frase mediante metadatos capaces de conservar información sobre procedencia, atribución y decisiones editoriales. El International Press Telecommunications Council (IPTC) trabaja actualmente con Raghu para estudiar si este modelo, o una evolución del mismo, podría convertirse en un estándar de datos.
El cambio implica considerar la forma en que se almacena y estructura la información como parte de la propia política editorial. Mantener la procedencia, la atribución y las decisiones humanas dentro de los datos permite trasladar parte de la gobernanza al diseño técnico del sistema.
Otros medios buscan intervenir también en la forma en que las plataformas de inteligencia artificial utilizan y presentan su periodismo. Der Spiegel está trabajando con compañías como Google para analizar cómo aparecen sus contenidos, cómo se atribuyen y cómo son representados dentro de productos basados en IA. The Economist, por su parte, experimenta con versiones de sus contenidos específicamente preparadas para ser interpretadas por agentes de inteligencia artificial.
