Una oportunidad para liderar
La industria de los medios está invirtiendo de manera concertada en la exploración de la inteligencia artificial generativa y su impacto en el periodismo. Grandes medios como The New York Times, The Washington Post, organizaciones sin fines de lucro, cadenas como Hearst y McClatchy, e incluso medios regionales independientes han lanzado equipos pequeños dedicados a experimentar con estas tecnologías.
Nuestra industria tiene una desafortunada historia de adaptarse a tecnologías disruptivas impuestas sobre ella. Esta vez parece que estamos tomando la iniciativa.
Esto marca una diferencia respecto al pasado, cuando la industria se vio forzada a adaptarse de forma reactiva. Ahora, los medios están tomando la delantera y demostrando iniciativa.
📌 Lee también:Las empresas de medios amarán menos sus sitios web
Logros inmediatos: el primer paso
Muchos de estos equipos se centrarán en problemas inmediatos y soluciones rápidas, impulsados por la presión de resultados visibles, necesaria para justificar las inversiones y cumplir con los objetivos de financiamiento. Además, la abundancia de oportunidades básicas, desde la automatización de tareas hasta la optimización de procesos internos, ofrece un terreno fértil para iniciativas iniciales.
Romper nuevos terrenos en IA
Sin embargo, detenernos en soluciones básicas sería un error. El mundo de la IA es vasto y ofrece oportunidades más allá de los modelos generativos. A continuación, algunas áreas prometedoras para la investigación y el desarrollo que podrían transformar el periodismo:
1. Evaluación y benchmarking: Los modelos actuales se evalúan con métricas que no necesariamente reflejan las necesidades del periodismo. Investigadores como Sachita Nishal y Nick Diakopoulos han llamado a colaborar en nuevas métricas específicas para la industria. Herramientas como Braintrust pueden ser útiles a nivel de proyecto.
2. Modelos pequeños y específicos: Aunque los archivos de una redacción son pequeños en comparación con los datos masivos que entrenan modelos generales, se pueden crear modelos especializados. En sectores como la medicina y las finanzas, estos modelos pequeños ya han demostrado superar a los modelos generales en tareas específicas. Esto plantea la pregunta: ¿qué podría lograrse con modelos entrenados exclusivamente en los archivos de un medio?
3. Explicabilidad e interpretabilidad: La falta de transparencia en los modelos actuales dificulta confiar en sus resultados. Investigar cómo los modelos toman decisiones puede ayudar tanto a los periodistas como al público a entender y confiar en la IA. Ejemplos como el trabajo de Andrej Karpathy para The New York Times han demostrado el valor de hacer comprensibles estas tecnologías.
4. Generación de metadatos: Los modelos de lenguaje ya están demostrando capacidades para clasificar información y generar metadatos complejos, como temas o atributos estructurales. Esto podría facilitar el análisis y la mejora de los productos editoriales. Por ejemplo, permitiría identificar historias atemporales en un archivo o medir el desempeño de formatos explicativos frente a notas tradicionales.
El futuro: colaboración y audacia
Este año debe ser un año para que los medios vayan más allá de soluciones inmediatas y colaboren en proyectos ambiciosos que aprovechen la IA para resolver problemas profundos del periodismo. Áreas como las mencionadas ofrecen no solo la oportunidad de innovar, sino también de fortalecer el vínculo con las audiencias mediante un periodismo más preciso, confiable y accesible. El camino está trazado, y el momento para liderar es ahora.