Aplicaciones de la inteligencia artificial en las fases menos visibles de la producción de contenidos periodísticos

El panorama es muy complejo. Las preocupaciones que despierta el impacto de la inteligencia artificial (IA) en el consumo informativo son evidentes. Si los usuarios cada vez consultan más información de actualidad en plataformas como ChatGPT o en las “overviews” de Google, resulta lógico pensar que las visitas a las páginas de los medios se van a volver a resentir. Las consecuencias podrían variar desde la transformación del artículo tal y como lo conocemos hasta el resurgimiento de las grandes cabeceras. De eso, y de aspectos clave para la profesión como las encrucijadas ante los acuerdos de las cabeceras y los gigantes tecnológicos, espero hablar en algún momento con la profundidad que requiere. También seguiremos aportando claves sobre el uso de estas herramientas en la parte más visible del trabajo periodístico, como las imágenes o el vídeo.

^{Imagen generada con ChatGPT}

Pero ahora vamos a centrarnos en cómo se puede explotar la IA en las fases intermedias, a menudo las más relevantes, de la producción de contenidos periodísticos. Porque, al menos desde mi punto de vista, estaríamos ante los aspectos en los que más margen de maniobra ofrece la interconexión entre esta tecnología y el periodismo. Dejamos a un lado, por lo tanto, las tareas iniciales de búsqueda de información, de inspiración e incluso de fuentes. También nos olvidamos de fases finales como la distribución o incluso la monitorización de los contenidos. Porque entre esos extremos, en el corazón del periodismo, es donde más podemos aprovechar la IA sin pisar terrenos pantanosos (aunque haya que tomar siempre muchas precauciones, por supuesto).

Antes de profundizar en algunas de las aplicaciones concretas, un spoiler: muchos de estos casos, sobre todo los más avanzados, no se basan en los grandes modelos de lenguaje (LLM, por sus siglas en inglés) que desplegamos con herramientas de IA generativa como ChatGPT. Sobre todo, si hablamos de grandes trabajos como los premiados en los Pulitzer. Pero no te preocupes si tienes pocos recursos, sobre todo tiempo, para adentrarte en estos desarrollos más complejos. Porque hay también mucho jugo que extraer de las plataformas más extendidas, también con las versiones gratuitas, al menos para empezar.

^{Captura de uno de los trabajos de The Wall Street Journal en los que utilizaron IA para el procesamiento de información}

Procesando información

Junto a las fuentes personales, el trabajo con documentos es probablemente el más habitual entre los periodistas. La complejidad aquí es muy diversa: desde notas de prensa que pulir hasta grandes bases de datos, pasando por informes, normativa o publicaciones de la competencia. La IA es una gran aliada para conseguir agilizar el procesamiento de esto y, sobre todo, un resorte capaz de abrir escenarios que no estaban a nuestro alcance hasta hace poco.

Estos avances se están aplicando en contextos como el del periodismo local. El proyecto Big Local News, en el marco del Stanford Computational Journalism Lab, destaca el uso de herramientas como Data Talk. Este recurso está transformando la forma en que los periodistas interactúan con la información sobre financiación de campañas. Utilizando procesamiento de lenguaje natural, permite a los reporteros hacer preguntas directas como “¿Cuánto han recaudado y gastado Kamala Harris y Donald Trump?” sin necesidad de comprender la compleja estructura subyacente de la base de datos.

iTromsø, un periódico local noruego, ha desarrollado una herramienta de inteligencia artificial llamada DJINN (Data Journalism Interface for News Gathering and Notification) para mejorar la investigación periodística y la recopilación de noticias. A partir de archivos municipales, utiliza rastreadores personalizados y APIs para recolectar más de 12.000 documentos PDF mensuales, los cuales son evaluados y clasificados según su relevancia. La herramienta genera resúmenes automáticos y extrae información clave, permitiendo a los periodistas identificar rápidamente temas potencialmente noticiosos.

^{Uno de los talleres del medio noruego iTromsø}

Estos desarrollos tienen un impacto especialmente significativo en el periodismo de investigación. La Global Investigative Journalism Network (GIJN) destaca diversas aplicaciones de la inteligencia artificial para el procesamiento de datos en este ámbito, como el análisis de grandes volúmenes de información, la detección de patrones complejos, la automatización de tareas repetitivas, la integración de múltiples bases de datos y la visualización y extracción de información en varios idiomas. También se emplea en la curación de contenidos y en el análisis de sesgos o temas subrepresentados.

Estos desarrollos de IA especializados, basados sobre todo en el llamado machine learning o sustentados en los denominados RAG (Retrieval-Augmented Generation), son más precisas porque se centran en una base de datos o corpus cerrado. En los grandes modelos de lenguaje, las posibilidades de errores (o alucinaciones) son mayores. No obstante, hay dos recursos al alcance de cualquiera para realizar al menos un primer acercamiento para procesar grandes cantidades de información:

• Los GPT personalizados de ChatGPT. Para crearlos, hace falta una versión plus de la herramienta de OpenAI. Pero cuando están ya listos, los puede usar cualquiera. Estos sistemas pueden ser entrenados o configurados con bases de datos propias, terminología especializada o líneas editoriales concretas, lo que mejora su precisión en tareas como el análisis de grandes volúmenes de texto, la extracción de información relevante, la identificación de patrones o irregularidades en documentos complejos, y la generación de resúmenes o borradores de artículos. Además, permiten automatizar procesos de verificación, clasificación temática y detección de sesgos, lo que los convierte en herramientas útiles para aumentar la eficiencia y la profundidad del trabajo periodístico.

• NotebookLM, la aplicación de IA especializada de Google para documentos. Y aquí se puede hacer casi todo en la versión gratuita. Permite cargar informes, bases de datos, transcripciones, artículos, webs e incluso vídeos de Youtube. A partir de ellos genera resúmenes, responde preguntas específicas, identifica conexiones entre documentos y ayuda a organizar la información de forma estructurada. Esto se traduce en una mayor agilidad en el análisis de fuentes primarias, la detección de temas clave y la elaboración de contenidos basados en evidencias, todo ello sin necesidad de programar ni entrenar modelos personalizados.

Asistente de programación… y de organización

Si hablamos de código, tenemos que nombrar una de las últimas tendencias en todo este panorama: el denominado “vibe coding”. Básicamente, consiste en un enfoque de desarrollo asistido por IA en el que el usuario formula en lenguaje natural lo que necesita y un modelo generativo (p. ej., GPT-4o) produce y ajusta el código, de modo que el rol humano se centra en guiar, probar y refinar el resultado en lugar de escribirlo desde cero. Este fenómeno, sin duda, va a recibir un impulso con el reciente lanzamiento de Codex para ChatGPT, además de la consolidación de otros recursos especializados como Windsurf.

Como ya vimos, lenguajes como R o Python son recursos habituales entre los periodistas de datos para automatizar tareas, limpiar y analizar datos, y crear visualizaciones personalizadas. Hace unos años, estos profesionales recurrían a la programación cuando tenían delante de ellos una gran cantidad de datos y los programas como Excel no permitían manejarlos. Sin embargo, en la actualidad, la mayoría de los profesionales utilizan lenguajes de programación para todo tipo de piezas, siendo la creación de visualizaciones especiales y la identificación de tendencias las motivaciones clave para ponerlos en práctica. Si ahora sumamos a esto la facilidad para introducirse en el mundo de la programación asistida por IA, no es difícil intuir que profesionales de más allá de esta especialidad se asomen a su potencialidad.

Los casos de uso no paran de crecer. De nuevo Big Local News está desarrollando herramientas que examinan los registros públicos en busca de información relevante. Un ejemplo es su herramienta Agenda Watch, que señala auditorías financieras problemáticas de organismos gubernamentales y contratistas, alertando así a los periodistas sobre posibles irregularidades financieras que de otro modo podrían pasar desapercibidas.

^{Captura del proyecto Agenda Whatch de Big Local News}

En The New York Times, el nuevo manual interno, de febrero de este año, autoriza a los equipos de producto y a la redacción a usar herramientas como GitHub Copilot para generar fragmentos de código, crear tests y realizar extracciones automatizadas de datos, y sobre todo para prototipar rápidamente visualizaciones y bots internos. Internamente resaltaron que esta aplicación acelera el trabajo sin sustituir al periodista ni al desarrollador, pues todo el código sugerido debe revisarse antes de entrar en producción. En The Washington Post, donde utilizan sobre todo Llama, el modelo de lenguaje de Meta, las consultas con IA de sus profesionales sobre programación recorta el tiempo de prototipado y permite introducir ajustes con mayor rapidez.

Pero estos avances no se producen sólo en grandes redacciones, sino también por apuestas individuales. Kiko Llaneras, jefe de datos de El País, reconocía utilizar también Github Copilot para tareas como escribir y depurar scripts en R y Python, convertir tablas PDF a CSV y generar gráficos rápidos, así como traducir código entre lenguajes.

Y la IA también puede servir para mejorar la organización interna en las redacciones o incluso la colaboración entre medios. La Matriz DART —acrónimo de datos, algoritmos, recetas y formación—, otra vez de Big Local News, sirve para conectar a las redacciones con los recursos más adecuados según sus capacidades existentes.

^{Imagen generada con ChatGPT}

En todos estos casos, la clave seguirá siendo la transparencia. Los periodistas, en otro ejemplo de la confluencia con la investigación académica, deben reflejar con claridad cómo se han apoyado en la IA para llevar a cabo su trabajo. Así lo volvió a reflejar, por segundo año consecutivo, en la convocatoria de los Premios Pulitzer. La decisión de la la comitiva de este galardón, el más prestigioso en la profesión, de exigir la divulgación del uso de inteligencia artificial no tenía como objetivo descalificar su uso en el periodismo, sino garantizar la transparencia. Según señalaban, el periodismo depende de la confianza del público, y declarar claramente el uso de IA ayuda a la audiencia a comprender cómo se producen las historias. Al ser transparentes sobre el papel de la IA, las redacciones pueden reforzar su credibilidad en lugar de socavarla. Y es que el uso responsable y ético de la IA sigue siendo clave para el futuro del periodismo.

La profesión se encarama hacia una de las encrucijadas más determinantes (y ya son unas cuantas) ante el impacto de la IA en aspectos clave para su supervivencia como el consumo informativo. Habrá que seguir de cerca cómo evolucionan las relaciones de los gigantes tecnológicos con los medios, y sobre todo cómo se moldea la búsqueda de información de actualidad entre los usuarios. Sin embargo, mientras tanto, los periodistas pueden usar esta tecnología para hacer mejor su trabajo. Existen numerosas amenazas en esta disrupción tecnológica, pero no podemos escondernos ni pensar que el problema va a desaparecer por ignorarlo. Una de las claves para el futuro de la profesión seguirá siendo la creación de buenos contenidos. Y ahí la IA, sobre todo en fases menos visibles como el procesamiento de información o la asistencia para la programación, puede ser una excelente aliada.