IA en periodismo: del texto automático a una cadena verificable

A 30 de julio de 2026, la pregunta útil para una redacción no es si un modelo de lenguaje «sabe escribir». Es si el medio puede demostrar de dónde salió cada afirmación, quién la comprobó y quién responde por ella. Un párrafo fluido puede ahorrar minutos, pero no ha hecho periodismo mientras no pase por una cadena editorial verificable. Aprender a reconocer esa cadena permite juzgar cualquier promesa de «periodismo con IA» sin dejarse impresionar por la velocidad o el tono.

Automatizar no siempre significa generar

Antes de los modelos generativos ya existía la producción automática de noticias. La diferencia técnica importa. Un sistema basado en plantillas recibe datos estructurados, aplica reglas previstas por periodistas y rellena huecos: municipio, porcentaje, comparación o tendencia. Su espacio de salida está acotado. Un modelo generativo, en cambio, predice una secuencia de palabras a partir del contexto y puede formular una respuesta que nadie escribió de antemano. La arquitectura Transformer, descrita en el paper original de 2017, hizo posible procesar relaciones entre palabras mediante atención y entrenar en paralelo a gran escala; no incorporó, por ello, un verificador de hechos.

El proyecto británico RADAR conserva un buen ejemplo de la primera familia. Según la descripción de PA Media de diciembre de 2017, periodistas encontraban historias en datos abiertos, redactaban las plantillas y el software de generación de lenguaje las localizaba para muchos mercados. Una explicación posterior de su editor insiste en que los reporteros identificaban ángulos y escribían el texto, mientras la automatización adaptaba las piezas a cada localidad. No era un robot descubriendo hechos por su cuenta, sino una forma de multiplicar una decisión editorial humana sobre datos delimitados.

La escala cambia el fallo, no la responsabilidad

Una plantilla puede equivocarse si el conjunto de datos llega corrupto, una columna cambia de significado o una regla interpreta mal un valor ausente. El mismo fallo puede propagarse a cientos de versiones locales. Un modelo generativo añade otra clase de incertidumbre: puede inventar una transición, fusionar dos entidades o producir una cita plausible que no existe. El perfil de riesgo para IA generativa de NIST denomina «confabulación» a la presentación segura de contenido falso o erróneo y advierte que también puede fabricar referencias y razonamientos.

Por eso «con humano en el circuito» es una frase insuficiente. Puede significar una lectura superficial después de pulsar publicar. Lo que importa es qué ve esa persona, qué tiene que contrastar, qué autoridad conserva para detener el flujo y qué rastro queda. La responsabilidad no se transfiere al modelo ni al proveedor: sigue en la redacción que firma y distribuye el contenido.

La unidad de control es la afirmación

Un borrador no se verifica comparándolo con lo que «suena razonable». Se descompone en afirmaciones comprobables. Nombres, cargos y fechas se cotejan con registros o comunicados originales. Las cifras se recalculan desde la tabla fuente, con unidad, periodo, denominador y tratamiento de valores ausentes. Las citas se comparan palabra por palabra con audio, transcripción o documento. Las explicaciones causales requieren evidencia distinta de una mera correlación. Y cada enlace debe conducir al material que sostiene exactamente la frase, no a una portada institucional.

Este método produce un registro mínimo por afirmación: texto propuesto, fuente primaria, ubicación concreta, transformación aplicada, comprobador y resultado. Si un dato procede de una hoja de cálculo, conviene guardar versión y fecha de descarga; si se calculó un porcentaje, también la fórmula. Si el modelo resume documentos, el editor necesita esos documentos, no solo la conversación con la herramienta. Una salida sin paquete de fuentes obliga a rehacer la investigación y debe tratarse como una pista, nunca como copia publicable.

Una cadena editorial de siete pasos

1. Encargo. Definir audiencia, pregunta, fecha de corte y usos prohibidos. 2. Paquete de fuentes. Reunir originales autorizados y registrar su procedencia. 3. Transformación. Documentar si hubo plantilla, consulta, recuperación, traducción o resumen. 4. Verificación. Contrastar cada afirmación material y reproducir cálculos. 5. Edición. Revisar contexto, jerarquía, lenguaje, posibles daños y omisiones. 6. Aprobación. Una persona identificable asume la decisión de publicar. 7. Corrección. Conservar versiones y poder retirar o rectificar todas las salidas afectadas por un error común.

La secuencia separa tareas que suelen mezclarse. El modelo puede ayudar a clasificar documentos o sugerir una estructura sin decidir qué es verdad. Puede proponer un titular sin tener la última palabra sobre proporcionalidad. Puede traducir un texto ya verificado, pero la traducción requiere otra revisión porque nombres, cifras o matices pueden alterarse. La velocidad se gana en transformaciones; la autoridad editorial permanece fuera del modelo.

Las políticas serias describen usos, no magia

Las normas actualizadas de Associated Press permiten asistencia en investigación inicial, resúmenes, transcripción, traducción o propuestas de titulares, pero mantienen en periodistas la verificación, el juicio y la responsabilidad. También exigen revisión y edición de las salidas antes de publicar y restringen la creación o alteración generativa de fotografía informativa. Los estándares periodísticos de Reuters formulan el mismo principio desde sus obligaciones de exactitud, imparcialidad y realidad visual.

Estas reglas revelan una prueba sencilla para evaluar una herramienta: pedir el uso exacto, el riesgo específico y el control correspondiente. «Usamos IA» no informa. «La usamos para transcribir; el reportero escucha los pasajes citados y conserva el audio» sí. La transparencia útil describe la función y el control, no convierte cada tecla asistida en espectáculo.

Procedencia no equivale a verdad

La procedencia ayuda a responder quién creó o modificó un archivo. El estándar C2PA permite asociar a un activo credenciales firmadas con datos sobre origen y ediciones. Pero su propio documento explicativo aclara un límite crucial: validar la credencial no decide si el contenido es verdadero; acredita que ciertas declaraciones de procedencia están vinculadas al archivo y no fueron alteradas.

Una fotografía con historial verificable todavía puede estar mal fechada o interpretada fuera de contexto. Un texto sin credencial todavía puede ser auténtico. Por eso una redacción necesita ambas capas: procedencia técnica para seguir la historia del objeto y verificación periodística para establecer el sentido de sus afirmaciones.

Cómo evaluar antes de ampliar

La evaluación debe imitar el daño posible. Para resultados deportivos estructurados se pueden probar límites, empates, valores nulos y cambios de esquema. Para resúmenes, se mide si cada afirmación está respaldada y si se omiten salvedades decisivas. Para traducciones, se muestrean nombres, cifras, negaciones y lenguaje atribuido. Para titulares, se comprueba que no introduzcan una causalidad ausente del cuerpo. Una tasa media de acierto oculta fallos raros pero graves; conviene registrar errores por tipo y severidad.

La automatización solo se amplía cuando la redacción conoce su tasa de excepción, puede detenerla y tiene un plan de corrección. Si una plantilla bien probada resuelve un boletín repetitivo, puede ser superior a un modelo abierto: es más limitada, pero también más observable. La herramienta más flexible no siempre es la más adecuada.

La prueba que sobrevive al próximo modelo

Cuando aparezca otra promesa de producción instantánea, no preguntes primero cuántos artículos genera. Busca la cadena: qué fuentes entran, qué transformación ocurre, qué afirmaciones se comprueban, qué persona aprueba, qué se declara al lector y cómo se corrige el error. Si falta uno de esos eslabones, hay generación de texto; todavía no hay un sistema periodístico defendible.