EL PAÍS DE NOX

Etiqueta: ia

  • Estudiantes, escritura e Inteligencia Artificial

    Estudiantes, escritura e Inteligencia Artificial

    Si bien este artículo y el estudio referenciado se contextualiza en la masa estudiantil norteamericana (o estadounidense; como prefieras), no veo diferencias remarcables con la nuestra que puede tener las mismas afectaciones, tanto en positivo como en negativo.

    Un nuevo estudio desmiente la idea de que la IA simplifica la escritura,

    …demostrando, en cambio, que aumenta el nivel de exigencia cognitiva para los estudiantes.

    Escribir con IA puede parecer engañosamente sencillo. Incluso sin esfuerzo. Escribe una frase y en segundos aparecerá un párrafo impecable. Ordenado, seguro y claro. Pero esa aparente facilidad también es engañosa, afirma Abram Anders, profesor asociado de inglés y profesor de innovación en la Universidad Estatal de Iowa. “Escribir con IA no elimina el trabajo de escribir”, afirma. “Lo transforma”.

    En un nuevo estudio publicado en Computers and Composition , Anders y su coautora Emily Dux Speltz, exalumna de la Universidad Estatal de Iowa y profesora adjunta del departamento de humanidades y comunicación de la Universidad Aeronáutica Embry-Riddle, sugieren que el mayor obstáculo para enseñar a los estudiantes a escribir con IA no es la tecnología, sino las ideas preconcebidas de los estudiantes sobre lo que es escribir. “Los estudiantes suelen esperar que la IA funcione como un atajo, pero la verdad es que la escritura asistida por IA exige más reflexión por parte de los estudiantes, no menos”, afirma Anders, quien también se desempeña como director asociado del Centro de Innovación Estudiantil en la Universidad Estatal de Iowa.

    “Como herramienta, la IA solo se encarga de la escritura superficial, y el trabajo realmente arduo —la generación de ideas, el juicio, la estrategia de revisión y el control de calidad— recae en el estudiante que escribe.”

    Para llevar a cabo el estudio, Anders y Dux Speltz diseñaron un curso experimental de «Inteligencia Artificial y Escritura» que siguió a 38 estudiantes de pregrado de 22 especialidades diferentes mientras aprendían a colaborar con herramientas de IA generativa a lo largo de dos semestres. Los estudiantes completaron tareas estructuradas, reflexionaron sobre su proceso y documentaron cómo cambió su forma de pensar a medida que experimentaban con las herramientas de IA. Al inicio del curso, Anders comenta que los estudiantes partían de diversas ideas preconcebidas, como que «mejores herramientas deberían requerir menos esfuerzo» y que «la IA hará el trabajo por mí». Sin embargo, la realidad pronto puso a prueba esas creencias, añade, y un estudiante reflexionó: «Tuve que aprender a reflexionar sobre mi propio pensamiento». Los investigadores también descubrieron que surgieron tres «conceptos clave» —o ideas fundamentales— que los estudiantes necesitan comprender antes de poder escribir de forma eficaz con inteligencia artificial.

    La primera: escribir con IA es experimental, y los estudiantes deben aprender a intentar, probar y experimentar.

    “La IA no va a proporcionar una respuesta ‘perfecta’ ni a darte automáticamente lo que necesitas”, dice Anders. “Requiere ensayo y error: intentar, probar, revisar y volver a intentarlo”.
    Los investigadores afirman que algunos estudiantes comentaron que inicialmente trataban la IA como un motor de búsqueda: introducían una pregunta vaga y aceptaban el resultado. Pero a medida que avanzaba el curso, aprendieron que formular preguntas de manera eficaz requería planificación, claridad y conciencia retórica, las mismas habilidades que utilizan los buenos escritores sin la ayuda de la IA.

    Lo que nos lleva al segundo concepto clave: escribir con IA todavía requiere la experiencia humana.

    «La IA escribe con seguridad, usa el tono adecuado y suena inteligente», dice Anders. «Pero esa perfección puede engañar a los estudiantes y hacerles confiar, incluso cuando está equivocada, es superficial o no da en el clavo».
    Según Anders, este posible escollo a veces se denomina la «trampa de la fluidez».
    Sin embargo, una vez que los estudiantes aprenden a leer el contenido de IA de forma crítica y a cuestionarlo, empiezan a darse cuenta de que la fluidez no es lo mismo que la comprensión.
    «Es fundamental que los estudiantes aprendan a analizar críticamente lo que produce la IA, y no solo a editarlo», afirma Anders. «Esto implica verificar las afirmaciones, refinar la lógica y asegurar que el texto se ajuste a las diferentes expectativas de las distintas disciplinas; todo ello requiere criterio humano».

    Esto también nos lleva a la idea de propiedad, que Anders y Dux Speltz abordan con un tercer concepto fundamental: escribir con IA debería, en última instancia, complementar la capacidad de acción humana, no reemplazarla.

    “Los estudiantes deben comprender que, si bien la IA puede generar texto, no puede generar un propósito; solo el escritor puede hacerlo”, afirma Anders.
    “La IA generativa no puede decidir qué argumenta, qué importa ni por qué existe el texto. Es una herramienta que requiere dirección, criterio y límites humanos.”
    Los investigadores describen esto como un cambio de “subcontratar el trabajo a orquestarlo”.
    “Tras superar el tercer umbral conceptual, los estudiantes utilizan la IA para explorar posibilidades, probar ideas y refinar su pensamiento, en lugar de para evitar la carga cognitiva de la escritura”, afirma Anders.
    A medida que las herramientas de IA se vuelven más comunes en la escritura académica, profesional y cotidiana, Anders y Dux Speltz afirman que los estudiantes no solo necesitarán dominio técnico, sino también una comprensión más profunda de cómo funciona la escritura.

    “La IA cambia el flujo de trabajo, pero no cambia el hecho de que escribir es pensar”, dice Anders. “Los estudiantes aún tienen que tomar decisiones, marcar el rumbo y dar forma al significado”.

    Según los investigadores, los estudiantes que superaron las diferentes etapas del curso «Inteligencia Artificial y Escritura» informaron haberse vuelto más reflexivos, más críticos y más conscientes de sus decisiones, y en lugar de tratar la IA como un atajo, comenzaron a usarla para evaluar ideas, explorar alternativas y fortalecer sus argumentos; un cambio que refleja las exigencias de la escritura en el mundo real.

    “Cuando los estudiantes aprenden a dirigir la IA en lugar de depender de ella, se convierten en mejores escritores, y esa es la habilidad que importará mucho después de que cambien las herramientas”, dice Anders.

    Fuente: Universidad Estatal de Iowa

  • La IA y nuestra forma de trabajar

    La IA y nuestra forma de trabajar

    Es un argumento recurrente que la IA está cambiando nuestra forma de trabajar, pero nuevas investigaciones demuestran que, en realidad, la IA está creando nuevas formas de trabajo y reconfigurando la experiencia laboral de los empleados.

    En julio de 2026, el Laboratorio de Ética Tecnológica Notre Dame-IBM, ubicado en el Instituto de Ética y Bien Común, organizó dos talleres en colaboración con All Tech is Human, una organización sin fines de lucro dedicada a reunir a personas para abordar cuestiones tecnológicas complejas e impulsar un futuro tecnológico alineado con el interés público general. Un taller reunió a profesionales de nivel medio encargados de implementar la IA en sus equipos, mientras que el segundo contó con la participación de altos directivos y ejecutivos que toman decisiones sobre la adopción de la IA en toda la organización. A ambos grupos se les formuló un conjunto similar de preguntas para evaluar su comprensión de cómo la IA está transformando su trabajo o entorno laboral.

    Los resultados revelaron disparidades en las opiniones y experiencias generales sobre la adopción de la IA, basadas tanto en la posición de los individuos dentro de las organizaciones como en su identidad y roles fuera del ámbito laboral. Estos hallazgos, junto con recomendaciones clave para las organizaciones que buscan apoyar a sus empleados en estas transiciones, se publican en un nuevo informe técnico difundido esta semana.

    “Si bien continuamos financiando investigaciones a largo plazo sobre el impacto de la IA en los trabajadores y la dinámica del lugar de trabajo, Sara Berger [directora del Laboratorio de IBM] y yo sentimos la urgencia de comprender cómo las personas están experimentando estas transiciones en este momento”, dice Megan McDermott, directora del Laboratorio de Ética Tecnológica ND-IBM de Notre Dame.

    “Lo que hemos aprendido sobre temas como el duelo, el trabajo invisible y esta brecha fundamental entre cómo los líderes y los trabajadores describen lo que sucede en sus organizaciones son ideas importantes que conviene destacar en el presente.”

    Con la llegada de la IA generativa y la IA con agentes, ambos grupos informaron que la velocidad y la productividad se convirtieron cada vez más en los valores más importantes en el trabajo, mientras que los estándares generales disminuyeron y la actitud de conformarse con un trabajo «suficientemente bueno» se convirtió en la norma en toda la organización. Al mismo tiempo, los asistentes al taller informaron que la implementación de la IA en toda la organización creó un nuevo subconjunto de tareas esenciales para la transformación digital, que a menudo no se registraban en las descripciones formales de puestos, las evaluaciones de desempeño ni las métricas clave de rendimiento organizacional.

    Algunos ejemplos de estas tareas ocultas incluyen la validación y revisión de los resultados de la IA, la traducción de estrategias de alto nivel a la práctica, la coordinación interfuncional y la capacitación de los empleados. En conjunto, los investigadores se refirieron a esto como «trabajo de enlace».

    Los mandos intermedios informaron con frecuencia que asumían este trabajo adicional, y algunos participantes describieron que la nueva carga laboral recaía de manera desproporcionada sobre las mujeres en toda la organización.

    Simultáneamente, los líderes ejecutivos cuestionaron si las organizaciones con IA necesitarían la gerencia intermedia en el futuro, al tiempo que les preocupaba la «deshabilitación distribuida», es decir, la pérdida de vías formales e informales para el desarrollo de la experiencia laboral, como la mentoría, la transferencia de conocimientos y la capacitación. Los talleres revelaron una creciente tensión entre ambos puntos de vista: las habilidades que los ejecutivos temían perder ya las desempeñaba, a menudo de forma invisible, la gerencia intermedia, cuya utilidad se estaba poniendo en duda.

    “La existencia o las capacidades de una tecnología no determinan automáticamente cómo será nuestro futuro en la IA; esa es una narrativa conveniente, pero poderosa, creada para eludir responsabilidades”, afirma Berger.

    “Nada está decidido por nosotros. Como colectivo, tenemos ante nosotros muchos futuros posibles. Sin embargo, los líderes sí dan forma a estos futuros, lo reconozcan o no. Las verdaderas preguntas son qué voces se incorporan a estas visiones y qué (o para quién) estamos optimizando realmente cuando se toman decisiones sobre qué trabajo importa y por qué.”

    No todos los participantes en los talleres se mostraron pesimistas; algunos ofrecieron una visión de cómo podría ser una mejor adopción de la IA, idealmente centrada en una mayor coherencia organizacional y políticas que apoyen la autonomía humana. Los participantes sugirieron que una mayor reflexión previa a la adopción era fundamental, incluyendo un debate sobre qué aspectos del trabajo deberían seguir siendo humanos, la protección de las oportunidades para fracasar y aprender de los errores, la devolución de las ganancias de eficiencia a los trabajadores en forma de tiempo para tareas de mayor nivel y un mejor equilibrio entre la vida laboral y personal, y estándares de calidad que se mantengan altos independientemente del uso de la IA.

    La lista final de recomendaciones para líderes empresariales se centró en dos temas principales: los líderes deben ser más deliberados y transparentes sobre lo que miden y reconocen, y deben reflexionar con mayor detenimiento sobre quién participa en el proceso de toma de decisiones sobre IA. Según los hallazgos, la forma en que los líderes actúen en función de estos temas podría influir significativamente en la adopción de la IA en el ámbito laboral y en cómo la experimentan las personas más afectadas.

    Para obtener más información sobre los hallazgos, las recomendaciones para los líderes que gestionan las transiciones hacia la IA y las ideas para futuras investigaciones, lea el informe completo .

    Fuentes: Universidad de Notre Dame, Futurity

  • La tribu tiene miedo

    La tribu tiene miedo

    El temor de Estados Unidos (un de ellos; uno de tantos) ante el avance de la inteligencia artificial en China abarca dimensiones económicas, militares, ideológicas y de seguridad global. En Washington predomina la visión de que «quien lidere en IA, liderará la hegemonía global».
    Las razones fundamentales que explican este recelo se dividen en varios aspectos estratégicos:

    1. Dominio Militar y Guerra Autónoma

    La IA no solo optimiza procesos civiles; es la piedra angular de la defensa del futuro. Y ya sabes, lamentablemente sigue predominando la idea de que la mejor defensa es un buen ataque:
    • Sistemas de armas autónomos: Drones en enjambre, robótica militar y análisis de objetivos en tiempo real impulsados por IA.
    • Ciberguerra de precisión: Herramientas capaces de automatizar ciberataques contra infraestructuras críticas (redes eléctricas, sistemas financieros, satélites). Aunque como hemos visto en Gaza, a veces es la IA la que dice que un hospital o un colegio es una de esas infraestructuras críticas.
    • Toma de decisiones tácticas: Algoritmos que simulan escenarios de batalla e interpretan datos de radar e inteligencia mucho más rápido que los analistas humanos.
    Si China logra superioridad tecnológica en estos campos, el equilibrio militar del Indo-Pacífico (y del mundo) cambiaría radicalmente.

    2. Guerra Económica y Liderazgo Industrial

    A nivel industrial, la IA se considera el motor de la próxima revolución productiva:
    • Soberanía tecnológica: EE. UU. teme perder el control sobre las normas, estándares y ecosistemas que rigen la economía digital global.
    • Eficiencia y escalabilidad china: Aunque EE. UU. lideró inicialmente en inversión de capital y potencia de cómputo bruta, gigantes chinos como DeepSeek, Alibaba, Tencent o Baidu demostraron capacidad para crear modelos altamente eficientes y abiertos a un coste significativamente menor.

    3. Competencia Ideológica y Exportación del Modelo Autoritario

    Existe un trasfondo geopolítico e ideológico profundo:
    • Uso interno del control: China utiliza IA para vigilancia masiva, reconocimiento facial, crédito social y censura automatizada. ¿EEUU, no. O lo disimula muy bien?
    • Exportación del modelo: EE. UU. teme que Pekín exporte estas tecnologías de control social a otros países autoritarios o en desarrollo, consolidando una red global de gobernanza digital opuesta a los valores de las democracias occidentales.

    4. La «Barrera» de la Cadena de Suministro de Semiconductores

    Para frenar este avance, EE. UU. ha impuesto estrictos controles de exportación a los chips de IA avanzados (como los GPUs de NVIDIA) y a la maquinaria de litografía avanzada. El temor estadounidense es doble:
    1. Que las sanciones no sean suficientes para evitar que China alcance la autosuficiencia en el diseño y fabricación de semiconductores.
    2. Que una eventual crisis o conflicto en torno a Taiwán (donde la empresa TSMC fabrica la inmensa mayoría de los microchips más avanzados del mundo) paralice la economía de EE. UU. mientras China logra avanzar con sus alternativas locales.

    5. Paradoja Regulatoria y Ritmo de Desarrollo

    En Occidente existe una presión constante por parte del público y los reguladores para exigir ética, mitigación de riesgos y salvaguardas ante la IA. Muchos analistas y líderes tecnológicos en EE. UU.  y Trump a la cabeza de ellos, sostienen que si el ecosistema occidental frena o frena su desarrollo para regular la tecnología, China continuará avanzando sin esas restricciones internas, tomando una ventaja irreparable.
    En resumen, no se trata únicamente de qué país tiene el mejor chatbot, sino de quién controlará las infraestructuras estratégicas, el desarrollo industrial, el poder militar y los estándares globales de las próximas décadas.
  • Mañana

    Mañana

    Mañana amanece distinto, dice al final del video (espoiler), pero es preciso preguntarse si mañana habrá un amanecer o bien si alguien solo verá salir el sol por la pantalla:

    Video: 2 min 50 seg.

    A pesar de todo. Sin que uno pueda contradecir esta triste realidad, hay un rayo de luz de esperanza y aún se pueden ver bastantes seres humanos equipados con las tecnologías, administrando correctamente su uso.
    Sufro pensando que lo que ocurre con los móviles, se extienda al uso de la llamada «Inteligencia Artificial» y acabemos totalmente dependientes incluso para tomar la más simple de las decisiones.

  • Autoría artificial

    Autoría artificial

    Esto, ¿lo ha hecho una IA?

    Que un contenido no lleve marca de haber sido por IA, no garantiza que sea un producto humano.
    Walls.io / Unsplash. , CC BY

    Autora del artículo: Paula Lamo, Universidad de Cantabria

    Desde el 2 de agosto de 2026, se aplican en la Unión Europea nuevas obligaciones de transparencia para determinados sistemas de inteligencia artificial (IA). Si los usuarios han visto un aviso en la página principal de herramientas como ChatGPT, Gemini, Claude o Deepseek, no se trata de una campaña de imagen de las empresas tecnológicas. Es una consecuencia del artículo 50 del Reglamento europeo de inteligencia artificial.

    Entre otras obligaciones, los proveedores de sistemas generativos deben incorporar marcas que permitan detectar contenidos generados o manipulados artificialmente. Mientras, quienes utilizan estos sistemas tienen obligaciones específicas de información cuando producen deepfakes y determinados textos sobre asuntos de interés público.

    El objetivo parece claro: reducir los riesgos de engaño, manipulación, fraude o desinformación. Sin embargo, ¿qué demuestra realmente encontrar una de esas marcas? ¿Y qué significa no encontrarla?

    Qué se está incrustando exactamente en los archivos

    El Código de Buenas Prácticas europeo diseñado para facilitar el cumplimiento del artículo 50 contempla diferentes mecanismos de marcado y detección. El objetivo es que las señales sean legibles por máquina, interoperables, robustas y fiables hasta donde resulte técnicamente posible.

    Una de las tecnologías que puede utilizarse para acreditar la procedencia son los metadatos, es decir, etiquetas con información detallada sobre un archivo, criptográficamente verificables. Así, el estándar C2PA permite asociar a un archivo un historial de procedencia mediante credenciales firmadas digitalmente, de manera que las modificaciones posteriores puedan quedar registradas o ser detectables. Otra posibilidad son las marcas de agua imperceptibles incorporadas al propio contenido. Un ejemplo es el sistema SynthID, que introduce señales en imágenes, audio, vídeo o texto, destinadas a sobrevivir a determinadas transformaciones del archivo.

    Los dos mecanismos persiguen lo mismo, pero funcionan de manera distinta. Los metadatos se parecen a la etiqueta de una chaqueta: viajan con el archivo, aunque pueden desaparecer cuando este se copia, transforma o procesa. La marca de agua se parece más a la filigrana de un billete: está incrustada en el propio contenido y, en principio, resulta más difícil de eliminar.

    No obstante, ambas técnicas identifican la procedencia, no la autoría. Se trata de una limitación importante que hace que, aunque estamos empezando a disponer del «número de serie» que permite rastrear de dónde viene un contenido, sigamos sin tener una prueba capaz de determinar de forma fiable si lo creó una persona o una máquina.

    Todos los usos de la IA en el mismo saco

    Una señal de procedencia puede acreditar que un determinado sistema intervino en la generación o manipulación del contenido. No explica necesariamente cuánto intervino, ni cuál fue la contribución intelectual de la persona.

    No es lo mismo pedir a un modelo que genere un trabajo completo desde cero que utilizarlo para traducir un párrafo, mejorar una frase, depurar un fragmento de código, ordenar datos de laboratorio o retocar una imagen.

    Desde el punto de vista de la autoría, el esfuerzo y la responsabilidad intelectual pueden conformar situaciones muy distintas. Y una señal técnica de procedencia no nos saca de dudas.

    Entonces, ¿interpretaremos socialmente que un trabajo vale menos simplemente porque aparece el aviso de que intervino una IA? Si ocurre, habremos convertido una infraestructura diseñada para informar sobre la procedencia en algo parecido a un detector de fraude. Y no lo es.

    La paradoja del que no tiene nada que ocultar

    Existe, además, un problema de incentivos. Quien utiliza una herramienta de IA legítimamente puede no tener ningún interés en eliminar su procedencia. Pero ocurre lo contrario con quien pretende hacer pasar un contenido sintético por auténtico.

    Y resulta que, en algunos casos, estas marcas pueden eliminarse. Los metadatos son frágiles porque pueden desaparecer cuando el archivo se transforma, se vuelve a guardar o pasa por determinados servicios. Una captura de pantalla, por ejemplo, crea un archivo nuevo que ya no conserva necesariamente la cadena de procedencia original. Por su parte, las marcas de agua incorporadas al propio contenido intentan resolver ese problema: pueden diseñarse para resistir operaciones como compresión, recorte o reescalado.

    Pero robusto no significa indestructible. Está demostrado que determinadas marcas invisibles en imágenes pueden eliminarse mediante ataques de regeneración, en los que se añade ruido –errores, imágenes borrosas– para que un modelo generativo reconstruya posteriormente la imagen, debilitando o eliminando la señal original.

    Otros trabajos han estudiado un reto todavía más delicado: el compromiso entre hacer una marca suficientemente robusta para sobrevivir a manipulaciones y evitar que el sistema termine detectando como marcados contenidos que no deberían estarlo.

    En este contexto, las marcas pueden ser muy útiles para mantener una cadena de procedencia cuando los participantes quieren conservarla. El problema aparece cuando alguien intenta deliberadamente romperla.

    Intentos de regulación en una red global

    Europa no es la única que intenta afrontar el desafío. China introdujo en 2025 medidas específicas para identificar contenidos generados mediante IA. Corea del Sur también ha incorporado la obligación de etiquetar esta clase de contenidos.

    En Estados Unidos, California ha aprobado la ley AI Transparency Act, activa también desde el 2 de agosto de 2026, que obliga a grandes proveedores de IA generativa a incorporar señales latentes en imágenes, vídeo y audio generados por sus sistemas y a proporcionar herramientas que permitan a los usuarios comprobar si un contenido incluye esas señales.

    El resultado es un mosaico de obligaciones, tecnologías, excepciones y umbrales desplegado sobre una red que nunca fue diseñada para preguntar por el pasaporte de cada archivo.

    Presencia y ausencia no significan lo mismo.

    Disponer de mecanismos capaces de demostrar de dónde procede un contenido puede convertirse en una pieza importante de la infraestructura digital. El valor no está solo en señalar contenido generado mediante IA: también puede estar en acreditar que una fotografía procede realmente de la cámara o de la organización que afirma haberla producido.

    El problema aparece cuando convertimos una señal de procedencia en un veredicto sobre la autoría. Si encontramos una marca fiable, podemos obtener información relevante sobre la intervención de un determinado sistema o sobre el historial del archivo. Pero si no encontramos ninguna, la conclusión no es tan clara. Puede ser un contenido humano. Puede proceder de un sistema que no estaba obligado a incorporar esa señal. Puede haber sufrido transformaciones que rompieron su cadena de procedencia. Puede haberse realizado una captura de pantalla. O alguien puede haber intentado deliberadamente eliminar la marca.

    Presencia y ausencia, por tanto, no tienen el mismo valor probatorio. Y entender esa asimetría será imprescindible si estas tecnologías empiezan a utilizarse en educación, periodismo, justicia, redes sociales o propiedad intelectual.

    Al mismo tiempo, una marca de procedencia puede ayudarnos a responder a la pregunta: ¿de dónde viene esto? Pero no responde a otra mucho más difícil: ¿quién lo pensó? Para esa segunda pregunta seguimos sin tener un detector automático.The Conversation

    Paula Lamo, es Profesora e investigadora, Universidad de Cantabria Este artículo fue publicado originalmente en The Conversation. 

  • La IA y la crísis editorial que provoca

    La IA y la crísis editorial que provoca

    La llegada de la inteligencia artificial generativa ha desencadenado una crisis en el sector editorial debido a la creciente dificultad para verificar si un libro ha sido escrito por un ser humano. No me gustaría estar en esa situación y tener que andar demostrando constantemente que mis letras, son fruto de mi imaginación y mi esfuerzo.

    Casos recientes y sospechas: Ejemplos como la cancelación de contratos millonarios (Jerry Falade, Mia Ballard) o la controversia sobre ventas masivas (Daggermouth) muestran cómo la sola sospecha de usar IA ya tiene serias consecuencias económicas y reputacionales para los autores.

    El dilema de la autoría y la zona gris: Aunque el sistema editorial siempre ha funcionado basándose en la confianza, la IA genera incertidumbre sobre dónde acaba la ayuda tecnológica y empieza la autoría real (usos para corregir, estructurar, investigar o escribir párrafos).

    Posición de las editoriales: Grandes grupos (Simon & Schuster, Penguin Random House) defienden la creatividad humana frente al uso no autorizado de sus obras para entrenar IA, pero reconocen el valor de la tecnología para optimizar ciertos procesos. Además, enfrentan la amenaza de la «AI slop» (producción masiva y barata de libros de baja calidad que saturan plataformas como Amazon).

    Detectores poco fiables y vacuidad legal: Los detectores de IA actuales generan falsos positivos y no ofrecen pruebas definitivas. A nivel legal, en EE. UU. el contenido creado 100 % por IA no tiene derecho de autor (copyright), pero no hay normas claras sobre el trabajo híbrido o asistido.

    Inseguridad y rol de los agentes: Los agentes literarios se han visto forzados a actuar como «policías de la IA», implantando políticas muy dispares que van desde la prohibición absoluta hasta la tolerancia de usos auxiliares, lo que crea inseguridad en los escritores

    La verdadera crisis del sector no es solo que la tecnología pueda escribir libros, sino la pérdida de certidumbre sobre la autoría y la falta de un marco consensuado que proteja la creatividad humana sin penalizar injustamente el uso legítimo de las herramientas tecnológicas. Podríamos resumirlo en aquello tan repetido de que las herramientas son para ayudar al ser humano y no para sustituirlo, pero… ¿Estamos seguros de esto? No parece ser lo que piensa la robótica.
    Tampoco puedo dejar de pensar en el fenómeno Amazon: Decenas de miles de libros autopublicados sin la supervisión imprescindible que vele por unos estándares de calidad exigibles y que a la postre resulta, todo ello, en un inmenso estercolero literario.