Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
Un periódico puede perder su voz sin cerrar la redacción.
Eso es lo que sobrevoló el 3 de noviembre, cuando la Fundación Luca de Tena presentó las conclusiones de la segunda mesa de expertos del Observatorio de Periodismo, Inteligencia Artificial y Democracia. La advertencia no gira solo alrededor de la automatización, sino de algo más sutil, que el uso generalizado de la IA empuje a los medios hacia un lenguaje cada vez más parecido.
La IA tiende a escribir distinto, pero acaba sonando igual
Rafael Rodríguez Ponga, ex secretario general del Instituto Cervantes, Jesús Cardeñosa, director de la cátedra Unesco de Tecnologías del Lenguaje, Pilar Llácer, especialista en ética e inteligencia artificial, y la periodista Pilar Bernat participaron en una mesa que situó el problema en el corazón mismo del oficio. Junto a ellos intervinieron María Victoria Barandiarán, directora de la Fundación Luca de Tena, y Jessica Zorogastúa, directora de Investigación de la Fundación, con José Suárez de Lezo, director del Laboratorio de Periodismo, como moderador.
Cuando los sistemas generativos redactan con estructuras repetitivas, soluciones previsibles y una sintaxis menos compleja, no solo cambian el tono. También borran matices personales y particularidades regionales que daban identidad a cada cabecera.
Esa homogeneización no resulta abstracta. Ya asoma en debates recientes sobre supervisión humana en redacciones, donde la cuestión no era cuánto acelera una herramienta, sino cuánto decide por quien firma.
Los resúmenes automáticos recortan antes de que empiece la discusión
Los expertos señalaron otro punto delicado, los resúmenes automáticos de IA no solo condensan textos, también seleccionan qué entra y qué desaparece. Si varios periodistas parten de una misma síntesis, la diversidad de enfoques se encoge antes incluso de la primera llamada o de la primera comprobación.
Ahí aparece una paradoja poco vistosa y muy seria. Cuanta más rapidez gana una redacción, más fácil resulta que varias piezas distintas nazcan del mismo molde.
La consecuencia no afecta únicamente al estilo. Trabajar desde una sola síntesis reduce la variedad de ángulos y empobrece la conversación pública.
Una falsedad puede volver disfrazada de confirmación
Los participantes describieron además bucles de contaminación informativa en los que una afirmación falsa entra en circulación, la IA la recoge, la reformula y después la devuelve con apariencia de confirmación independiente. El error deja entonces de parecer un error aislado y empieza a funcionar como una falsedad persistente.
No hace falta imaginar demasiado para ver el riesgo. Si una redacción encuentra esa misma idea repetida en varios resultados generados, podría confundir reiteración con verificación.
Ese problema conecta con un terreno donde la tecnología ya ha mostrado grietas, como ocurrió en análisis recientes sobre errores de sistemas generativos que responden con seguridad incluso cuando fallan.
La debilidad de las redacciones también deja huella en el idioma
La mesa vinculó ese escenario con cambios más antiguos y muy terrenales dentro de los medios. La desaparición de correctores profesionales, la reducción de plantillas y la presión por publicar rápido debilitan a los periódicos como referentes del idioma justo cuando más circula texto producido o rehecho por máquinas.
No es solo una discusión sobre herramientas. Sin edición lingüística, los criterios editoriales pierden peso frente a la velocidad de publicación.
Por eso las propuestas acordadas apuntan menos al deslumbramiento técnico que a la cocina del periodismo. Los participantes reclamaron recuperar espacios de edición lingüística, reforzar los libros de estilo y fijar políticas internas que impidan delegar decisiones editoriales en sistemas automáticos.
También pidieron auditorías independientes sobre el tratamiento de las variedades del español en los modelos de IA y una transparencia mayor sobre los datos de entrenamiento. La pregunta de fondo resulta incómoda y concreta a la vez, quién corrige a la máquina cuando la máquina aprende de textos ya contaminados.
La exigencia final fue igual de precisa, crear mecanismos que impidan que los errores publicados regresen a los sistemas de IA convertidos en fuentes fiables, porque una redacción pierde mucho antes su identidad cuando empieza a leer como verdad aquello que ya había difundido como fallo.