Kiko Llaneras, periodista de datos (El País): “La atención a los peligros de la IA no debe opacar el potencial para el descubrimiento de nuevos usos y beneficios”

Kiko Llaneras se define como un doctor en ingeniería que escribe en El País. Si precisamos, diríamos que es jefe de sección en el equipo de datos y que tiene una newsletter semanal, en la que 35.000 suscriptores (un 10% de los que pagan por leer El País) reciben explicaciones, gráficos y predicciones sobre los temas más variados. Y si interpretamos un poco, añadiríamos que se trata de una de las mentes más analíticas de esa cabecera. Muchas de sus premisas las plasmó  en su libro “Piensa claro: Ocho reglas para descifrar el mundo”, del que habló con los estudiantes del Doble Grado en Comunicación Audiovisual y Periodismo en la Universidad Miguel Hernández. 

Llaneras participó en la fundación del medio de análisis político Politikón, en la puesta en marcha de El Español y, durante años, se explayó en la revista cultural JotDown. Y antes, dedicó una década  a investigar sobre los  modelos matemáticos de las bacterias. Después de acabar la carrera de Ingeniería en Automática y Electrónica Industrial, se doctoró en la Universidad Politécnica de Valencia y luego fue profesor en la de Girona. Incluso conserva su perfil en Google Scholar.

Es difícil encontrar alguien que refleje con más claridad la confluencia entre la academia y la profesión periodística. Y desde luego, pocos como él han expresado la necesidad de que desarrollemos una mirada híbrida entre las letras y las ciencias. Esa perspectiva se traslada a esta conversación sobre el análisis de datos, la formulación de predicciones y la inteligencia artificial.

El análisis

Pregunta. Cuando pensamos en periodismo de datos, nuestra mente suele dibujar gráficos y mapas. A veces, también grandes equipos de investigación o proyectos de transparencia. Y con frecuencia, nos olvidamos de la parte central, la del análisis de información.

Respuesta. Existe una cierta tendencia a confundir el trabajo realizado con el producto final, especialmente en cuanto a la visualización de datos. La gente suele preguntar de dónde provienen los datos o cómo se hicieron los gráficos. Sin embargo, el núcleo de una información periodística basada en datos siempre radica en el análisis. Aunque pueda sonar abstracto, es esencial: se trata de responder preguntas específicas con datos, determinar qué pueden decirnos y qué no. El centro del trabajo es la parte más difícil, ya que implica un reto y un aprendizaje continuo en cómo tratar la información para revelar sus mensajes. 

Hay muchas prácticas a considerar, pero destacaría dos ideas clave: primero, reconocer que la realidad es compleja y que los fenómenos ocurren por múltiples razones; segundo, enfrentar esa complejidad con datos para desentrañarla. Estas dos nociones son esenciales para domesticar la complejidad a través de los datos.

P. ¿Cómo aplicáis esas premisas, las  ocho reglas de las que hablas en tu libro, en el equipo de datos de El País?

R. Partimos de un cierto escepticismo hacia las respuestas fáciles y las explicaciones evidentes. Esto nos lleva a buscar datos. Luego, el gran manual que seguimos es el método científico. Vengo del mundo académico, donde fui investigador antes que periodista. Aunque hay diferencias entre ambas labores, las dos se basan en el método científico como el instrumento para conocer la verdad. La principal diferencia entre la investigación académica y el periodismo es el tiempo disponible. En periodismo, debemos adaptarnos a la urgencia y la prisa, lo que introduce precauciones especiales. Una de las principales adaptaciones es la cautela o el respeto por la incertidumbre. Asumimos que nuestras respuestas son parciales, incompletas y provisionales. 

Esto nos lleva a ser más cautos y transparentes con nuestro público acerca de lo que hemos investigado y lo que no, y a explicar nuestras fuentes y métodos de forma que, aunque nuestro trabajo no siempre pueda ser reproducible debido al tiempo, sea al menos verificable y abierto a escrutinio. Esta transparencia no solo fomenta la confianza, sino que también gestiona la incompletitud y la incertidumbre inherentes a nuestro trabajo. Usamos un lenguaje que refleja esta incertidumbre, empleando términos como “podría” o “quizás”, y transmitimos esta incertidumbre a los lectores. Además, hay que entender que los lectores toleran bien la incertidumbre y es importante no subestimar su capacidad para manejarla. La transparencia sobre los límites de nuestra información no sólo es ética, sino también práctica, ya que prepara a los lectores para recibir nuestra información con un ojo crítico, conscientes de que no poseemos la verdad absoluta.

“El gran manual que seguimos es el método científico. La principal diferencia entre la investigación académica y el periodismo es el tiempo disponible”

P. Tratar como una persona inteligente a quien te está leyendo es fundamental.

R. Nadie quiere ser tratado de manera condescendiente. Utilizo el enfoque de escribir para quien sería yo mismo hace dos semanas, lo que me permite abordar los temas con la frescura de quien acaba de sumergirse en ellos. Al investigar, leer, y dialogar con expertos, acumulo conocimientos que mi “yo” anterior desconocía. Se establece así una relación horizontal con el lector, lo que disminuye la autoridad de mi voz, algo que considero positivo dado que solo llevo dos semanas investigando el tema y ello no me convierte en un experto.

Este enfoque horizontal facilita pensar en qué es necesario comunicar y qué descubrimientos resultan más sorprendentes. Al compartir estas sorpresas, se transmite el asombro y se construye una narrativa que hace más accesible la comprensión de conceptos complejos. De esta manera, se establece una conexión más íntima y efectiva con el lector, al compartir un viaje de descubrimiento mutuo, en lugar de dictar desde una posición de autoridad distante.

P. El análisis es también una especie de género periodístico, aunque poco común al menos en España. ¿Puede este tipo de periodismo marcar la diferencia en esa especie de punto intermedio entre la opinión y la información, en el que se emiten inferencias a partir de datos?

R. Intentamos apostar por un formato que, potenciado en el mundo de internet, ha demostrado tener audiencia. Este formato permite que la voz del periodista esté presente para emitir juicios, lo cual genera confianza y conecta con el personalismo de la comunicación en el siglo XXI, pero siempre unido al rigor y a la precisión. Esto enlaza con el periodismo de precisión y otras corrientes más antiguas, revitalizadas por internet debido a su audiencia y diferencia con los formatos tradicionales. Antes, el análisis en el periódico solía relegarse sólo a expertos o fuentes, dando la impresión de que el periodista estaba ausente, aunque en realidad siempre ha estado ahí, seleccionando a quién dar voz. Creo que hacer visible este juicio periodístico, sustentado en datos, firmado y transparente añade valor.

Este enfoque además amplía las posibilidades del periódico hacia temas más complejos, aunque esto pueda generar opiniones divididas. Lo importante es que hay un interés demostrado por parte de los lectores hacia estos formatos que, aunque no son fáciles de elaborar, representan una de las tendencias más interesantes y en crecimiento en el periodismo.

^{Kiko Llaneras durante su clase en el Doble Grado de Comunicación Audiovisual y Periodismo}

La predicción

P. Entre estos análisis, hay un tipo de periodismo (de datos) muy particular: el de las predicciones. 

R. Hacer predicciones no es algo nuevo, pero actualmente hay un salto de calidad en las predicciones que son más medibles o contrastables. Podemos hablar de modelos predictivos y plataformas especializadas, las cuales pueden ayudar a diferenciarnos como periodistas. El interés por el futuro es claro, y aunque predecir es difícil, no es imposible. Hemos trabajado en predicciones electorales desde 2012, avanzando desde las encuestas tradicionales a modelos que interpretan estos datos en términos de probabilidades. Por ejemplo, en lugar de afirmar que un partido tendrá un número exacto de escaños, hablamos de probabilidades de que alcance la mayoría. 

Este enfoque transforma la falsa certeza de las encuestas en un discurso de probabilidades, lo cual es innovador aunque a veces pueda parecer que no se afirma nada concreto. Hemos tenido éxito en predicciones electorales y deportivas, que son más un ejercicio de divulgación científica. Recientemente, también hemos explorado predicciones subjetivas traducidas a números, abriendo un espacio para la innovación.

P. De nuevo, hablamos del acercamiento del periodismo al método científico, donde se enfatiza la transparencia en el proceso y la rendición de cuentas sobre el grado de precisión de unas predicciones concretas y medibles.

R. Es fácil hacer afirmaciones amplias e infalsables sobre eventos futuros, como las elecciones presidenciales, alternando posiciones para asegurar el acierto. Es una estrategia evasiva, ya que no compromete al autor con una probabilidad específica, dejando un margen amplio para reclamar precisión post-facto.

La propuesta de asignar probabilidades numéricas a predicciones anuales es un intento de superar esta ambigüedad, ofreciendo a los lectores una medida cuantitativa de la confianza del autor en sus pronósticos. Este enfoque no solo fomenta una mayor claridad y rendición de cuentas, sino que también invita a la participación del lector en el proceso predictivo, permitiéndoles evaluar y comparar sus propias expectativas contra las del autor.

Al final del periodo, el autor revisa sus predicciones, reconoce los aciertos y errores, en un ejercicio de humildad y transparencia. Esta práctica, además de ser un ejercicio interesante y entretenido sobre la reflexión futura, es apreciada por los lectores y fomenta un diálogo más abierto y honesto sobre la incertidumbre y la complejidad de predecir el futuro. En última instancia, se alinea con un compromiso más amplio con la transparencia, la evaluación crítica y la responsabilidad en el periodismo y la comunicación pública.

“La propuesta de asignar probabilidades numéricas a predicciones es un intento de superar la ambigüedad, ofreciendo a los lectores una medida cuantitativa. Este enfoque no solo fomenta una mayor claridad y rendición de cuentas, sino que también invita a la participación del lector en el proceso”

P. Existen además plataformas especializadas que permiten a los usuarios hacer pronósticos, mantienen un registro del historial de cada usuario, evaluando su precisión y el nivel de riesgo asumido en sus predicciones.

R. Las plataformas de predicción funcionan como una especie de Wikipedia para pronósticos, donde los usuarios pueden discutir y compartir información sobre preguntas complejas, como la posibilidad de un acuerdo de paz en Ucrania antes de 2026. Esta comunidad de usuarios aporta sus conocimientos y perspectivas, moviendo la aguja en las predicciones basadas en nuevos datos o análisis.

Lo interesante de estas plataformas es la diversidad de los participantes, que pueden incluir desde aficionados hasta expertos con acceso a información privilegiada. Esta amalgama de conocimientos y puntos de vista ofrece una riqueza de perspectivas que puede ser difícil de replicar en otros contextos. Además, el sistema de valoración basado en la precisión y el riesgo de las predicciones fomenta un enfoque serio y considerado.

Durante eventos complejos como la guerra en Ucrania, estas plataformas han demostrado ser valiosas para anticipar desarrollos, no necesariamente porque sus usuarios sepan más que los profesionales de la información, sino porque la agregación de sus conocimientos y la rapidez con la que pueden actualizar las predicciones ofrecen una herramienta complementaria para el análisis.

Este enfoque colectivo y descentralizado para predecir y analizar eventos complejos subraya el potencial de estas plataformas como herramientas periodísticas. Permiten acceder a una amplia gama de opiniones y análisis en tiempo real, lo que puede ser particularmente útil en situaciones dinámicas o en crisis, donde la velocidad y la diversidad de fuentes pueden enriquecer la cobertura y comprensión de los eventos.

Y la inteligencia artificial

P. Y a todo esto hay que sumar la forma de aprovechar la inteligencia artificial (IA) para hacer mejor periodismo (de datos).

R. El desafío actual es identificar los usos positivos y virtuosos de la tecnología, especialmente en un contexto en el que los avances ocurren a un ritmo acelerado. Muchas de estas aplicaciones beneficiosas pueden ser difíciles de imaginar hoy, pero sin duda surgirán oportunidades innovadoras.

Un ejemplo claro es la capacidad de la IA para procesar y analizar grandes volúmenes de datos, como un corpus extenso de imágenes, que sería impracticable revisar manualmente. La IA puede identificar patrones o tendencias en datos visuales, como en el caso hipotético de analizar imágenes de Google Street View para detectar sesgos de género en el uso del espacio público, basándose en la presencia visible de hombres y mujeres en diferentes calles y horarios. Este tipo de análisis podría revelar áreas de la ciudad donde ciertos grupos demográficos están subrepresentados o ausentes, indicando potencialmente problemas de seguridad o accesibilidad. Esto puede extenderse a campos como el análisis ambiental, con la identificación de áreas con más árboles, o el político, mediante el examen de patrones en grandes conjuntos de textos como discursos legislativos o interacciones en redes sociales. El análisis de datos a gran escala puede detectar tendencias sociales y descubrir fenómenos ocultos o subestimados.

P. Una de las ventajas de la explosión de la IA generativa es que proyectos que antes requerían un gran equipo de desarrollo de software ahora están al alcance de casi cualquier persona.

R. Al reducir las barreras de entrada, la IA generativa permite abordar tareas más sofisticadas, como convertir grandes volúmenes de texto en información estructurada de manera eficiente. Esto facilita la realización de pruebas y experimentos. Además, se abre la posibilidad de crear contenidos personalizados de manera sencilla. Los usuarios pueden proporcionar información básica sobre sí mismos, como la edad y el lugar de residencia, para recibir historias ajustadas a sus características personales, sus experiencias o intereses, minimizando el esfuerzo requerido por parte de los usuarios para obtener información relevante y personalizada.

Estamos apenas explorando las posibilidades que estas tecnologías ofrecen. A pesar del debate sobre los riesgos asociados, es innegable que existen numerosas oportunidades para aplicaciones positivas. La atención a los peligros no debe opacar el potencial para el descubrimiento de nuevos usos y beneficios.

P. Esta democratización se extiende también al contenido visual.

R. Aunque la IA generativa aún no alcanza el nivel de control y precisión necesarios para ciertas aplicaciones creativas, como la producción de textos completamente funcionales o imágenes con la exactitud requerida para infografías detalladas, está claro que avanzamos hacia una mayor capacidad y utilidad. Hay herramientas de IA que facilitan la conversión de imágenes en modelos 3D o que asisten en la creación de animaciones para visualizar eventos específicos, como la trayectoria del agua en un maremoto.

La IA tiene el potencial de simplificar y automatizar procesos que actualmente son tediosos o requieren mucho tiempo, como la conversión automática de gráficos para diferentes soportes o la traducción de textos dentro de gráficos. Aunque aún no estamos en el punto de delegar completamente estos procesos a la IA sin supervisión humana, estas herramientas ya están contribuyendo significativamente a la eficiencia y creatividad.

P. Otro de los horizontes de esta tecnología se encuentra en el código de programación. Podría agilizar el aprendizaje a los que están empezando o dar un salto importante a quienes ya tienen conocimientos.

R. 100%. Todo el mundo que está programando está utilizando ya la IA, y esto está cambiando el aprendizaje y la práctica del desarrollo de software. Con herramientas como ChatGPT, que proporcionan ejemplos de código personalizados, los programadores ya no dependen exclusivamente de buscar soluciones en línea, sino que interactúan directamente con la IA para resolver problemas específicos. Esto facilita el aprendizaje de nuevos lenguajes de programación y la solución de desafíos cotidianos de manera más eficiente.

La incógnita es cuánto conocimiento de programación será necesario en el futuro. A pesar de que la IA generará cada vez más código, la capacidad de comprender y evaluar este código sigue siendo crucial. Los programadores se convertirán más en editores que en escritores de código, pero aún necesitarán saber cómo leer y ajustar el código para asegurar su funcionalidad y seguridad.