Decir simplemente que una noticia ha sido «generada con IA» puede ser insuficiente para que los lectores entiendan qué papel ha desempeñado realmente la tecnología y, en determinados casos, puede incluso aumentar su desconfianza. Una nueva investigación plantea que la transparencia sobre inteligencia artificial en los medios debería informar no solo de que se ha utilizado IA, sino también de cómo se ha empleado, en qué parte del proceso, con qué grado de intervención y bajo qué supervisión editorial.
Los lectores parecen querer distinguir entre una IA que corrige un texto, otra que ayuda a resumir información y otra que genera directamente una noticia, una imagen o una parte sustancial del contenido. Esa diferencia resulta central en “Transparency is More Than a Label”: Audiences’ Information Needs for AI Use Disclosures in News, una investigación publicada en Digital Journalism por Hannes Cools, Sophie Morosoli, Laurens Naudts, Karthikeya Venkatraj, Claes de Vreese y Natali Helberger.
El estudio aborda un problema cada vez más relevante para los medios: mientras muchas organizaciones están incorporando herramientas generativas en diferentes fases de la producción periodística, las políticas de transparencia suelen limitarse a establecer que el uso de IA debe comunicarse, sin determinar con suficiente precisión qué información debería recibir el público, dónde debería aparecer o qué nivel de detalle resulta útil. Los autores recuerdan que investigaciones anteriores han encontrado incluso un posible «dilema de la transparencia»: revelar el uso de IA puede incrementar la percepción de transparencia y, al mismo tiempo, reducir la confianza en el contenido.
La investigación intenta acercarse al problema desde la perspectiva de las audiencias. Los autores realizaron tres grupos de discusión con 21 ciudadanos neerlandeses, de entre 24 y 63 años, con distintos niveles educativos y situaciones profesionales. Las sesiones se celebraron presencialmente durante el verano de 2024 y combinaron discusión abierta con la exposición a ejemplos concretos de contenidos generados mediante inteligencia artificial.
Los investigadores utilizaron, entre otros materiales, ejemplos de noticias identificadas por NewsGuard como generadas por IA: una relacionada con una falsa información sobre Volodímir Zelenski y otra sobre voleibol. El objetivo no era medir experimentalmente la eficacia de una etiqueta concreta, sino observar qué información reclamaban los participantes y cómo razonaban sobre credibilidad y confianza cuando sabían que estaban ante contenido generado mediante IA.
La etiqueta debería verse y aparecer desde el principio
Una de las conclusiones más claras es que los participantes esperaban que el uso relevante de IA fuera comunicado de manera explícita. Una posibilidad planteada consistiría en incorporar esa información junto a elementos tradicionales como la autoría o la fecha de publicación, indicando de forma sencilla que la inteligencia artificial ha participado en la elaboración del contenido.
Pero la existencia de la advertencia no basta. Los participantes reclamaron que fuera fácilmente identificable y no quedara escondida al final del texto, en una nota secundaria o entre otros elementos gráficos. Algunos propusieron iconos, marcas de agua, certificaciones o sellos reconocibles; otros pidieron colores o tamaños suficientemente diferenciados. También apareció de manera recurrente la idea de situar la advertencia al comienzo del artículo.
La investigación apunta así a una diferencia importante entre cumplir formalmente con la transparencia y conseguir que esa transparencia sea realmente comprensible y útil para el lector.
El problema se complica porque un único distintivo de «contenido generado por IA» puede describir procesos editoriales completamente diferentes. En una redacción, la inteligencia artificial puede utilizarse para corregir gramática, traducir, resumir documentos, comprobar determinadas informaciones, generar una ilustración o redactar de forma autónoma una pieza completa.
Por eso, durante los grupos de discusión surgió la propuesta de una transparencia proporcional, capaz de distinguir entre contenido completamente generado por IA, trabajo realizado parcialmente con asistencia de IA y utilización de la tecnología con una intervención menor. La finalidad sería que el lector pudiera conocer con más precisión qué parte del trabajo corresponde a la máquina y cuál al periodista.
No todas las aplicaciones de IA generan la misma preocupación
Las diferencias no se limitan a la cantidad de contenido producido artificialmente. Los participantes distinguieron también entre tipos de utilización. El apoyo a tareas como mejorar un texto o comprobar información generaba menos preocupación que entregar directamente a un sistema la elaboración de una noticia.
La generación artificial de imágenes apareció como uno de los usos especialmente sensibles, por la posibilidad de representar acontecimientos o personas de una forma que nunca existió. Algunos participantes consideraban que este tipo de utilización requeriría una advertencia mucho más clara que otras intervenciones menores en el proceso editorial.
La consecuencia para los medios es que una política uniforme de etiquetado puede resultar demasiado rudimentaria para explicar usos de IA con riesgos editoriales muy distintos.
También influye el tema tratado. Los participantes exigían mayores niveles de transparencia cuando la IA se utilizaba en información política o en asuntos de especial relevancia pública. Una pieza deportiva o de estilo de vida podía admitir, a su juicio, explicaciones menos extensas, mientras que una información relacionada con dirigentes políticos requería saber con mayor precisión cómo había intervenido la tecnología. Los investigadores describen esta reacción como una posible «jerarquía de importancia»: cuanto mayores son las consecuencias de una información, mayor es la demanda de transparencia.
La marca del medio modifica asimismo la interpretación. Los participantes mostraron mayor predisposición a confiar en contenidos procedentes de organizaciones periodísticas consolidadas porque presuponían la existencia de controles y normas profesionales. Pero el estudio detecta también una tensión: la reputación institucional puede compensar parcialmente la falta de una autoría humana visible, aunque no elimina las preguntas acerca de quién ha realizado realmente el trabajo.
Más transparencia no significa automáticamente más confianza
Una de las aportaciones más interesantes del estudio es precisamente que transparencia y confianza no evolucionan necesariamente en paralelo.
Una etiqueta puede informar al lector y, simultáneamente, hacerle más escéptico. Algunos participantes afirmaron que saber que una información había sido generada mediante IA les llevaría a leerla con mayor cautela. Otros relacionaban de entrada el contenido artificial con noticias falsas, clickbait o materiales de baja calidad que habían visto anteriormente en redes sociales.
Ese fenómeno puede producir lo que los autores describen, apoyándose en investigaciones anteriores, como un efecto de transferencia negativa: las experiencias con usos deficientes o engañosos de la IA fuera del periodismo condicionan posteriormente la valoración de aplicaciones legítimas dentro de una redacción.
Para un medio con una marca consolidada, una mala utilización de la IA puede tener por tanto consecuencias que trasciendan la pieza concreta y afecten a la confianza acumulada en la cabecera.
Uno de los participantes llegó a explicar que encontrar un contenido de este tipo en una fuente en la que confiaba podría hacerle perder la confianza también en sus demás artículos. Los investigadores plantean así la posibilidad de un efecto contraproducente para la credibilidad del conjunto del medio cuando la utilización de IA no está adecuadamente gestionada.
También aparece otro problema más práctico: la denominada «ceguera ante los banners». Si las advertencias se convierten en pequeños elementos estandarizados que los usuarios ven repetidamente, pueden terminar siendo ignoradas del mismo modo que otros avisos de una interfaz. Pero aumentar demasiado su tamaño o hacerlas excesivamente llamativas tampoco garantiza un resultado positivo: algunos participantes señalaron que una advertencia muy prominente podría hacerles abandonar directamente la lectura.
Explicar qué ha hecho la IA y qué ha hecho el periodista
Los autores extraen tres grandes implicaciones para los medios.
La primera es que ser transparente no basta. La información debe ser visible, estar situada de forma intuitiva y utilizar mecanismos reconocibles para que el público pueda detectar rápidamente que la IA ha participado en la creación del contenido.
La segunda afecta al contenido de la propia explicación. El estudio sostiene que debería ir más allá de una declaración binaria —IA sí o IA no— e incorporar suficiente contexto para que las personas puedan valorar la fiabilidad de la información, su precisión y la existencia de supervisión editorial humana. Los autores consideran que este tipo de transparencia podría desempeñar también una función de alfabetización mediática, ayudando a explicar que la utilización de IA no convierte automáticamente un contenido en menos fiable.
Para una redacción, la información más relevante podría no ser simplemente «hemos utilizado IA», sino «para qué la hemos utilizado, hasta dónde ha intervenido y qué controles humanos se han aplicado».
La tercera conclusión es que no existe un nivel de transparencia válido para cualquier contenido. El formato, el tema, la función desempeñada por la IA, el riesgo asociado a la información y la relación previa del público con el medio modifican las necesidades del lector. Los autores plantean por ello una transparencia contextual y, en cierto modo, diseñada con participación de las propias audiencias.
El trabajo también señala una diferencia potencial entre las expectativas de los lectores y los mínimos jurídicos. Al analizar el Reglamento Europeo de Inteligencia Artificial, los investigadores recuerdan que su artículo 50 contempla una excepción a la obligación de revelar determinados contenidos textuales generados o manipulados mediante IA cuando existe revisión humana o control editorial sobre su publicación. Eso deja un margen considerable a los medios para definir sus propias políticas de transparencia.
