Inteligencia artificial en Reuters
La implementación de la inteligencia artificial (IA) en las redacciones de medios de comunicación está siendo un tema de discusión candente. A medida que los algoritmos se vuelven más sofisticados, los editores y periodistas se enfrentan a desafíos éticos y operativos sin precedentes. Reuters, una de las agencias de noticias más grandes del mundo, está tomando medidas para asegurar que la IA se utilice de una manera que mantenga la integridad editorial y mejore el flujo de trabajo, sin socavar la confianza del público en el periodismo.
Tres de sus directivos, Jane Barrett, editora global de Estrategia de Noticias en Medios; Nick Cohen, director senior de Producto y Yulia Pavlova, directora de Innovación Tecnológica, han compartido en un informe cómo están trabajando internamente para encontrar ese equilibrio entre tecnología y ética periodística.
Yulia Paulova, la experta en tecnología en Reuters, explica que el sistema de IA está diseñado para aumentar la confianza en el contenido generado. Se han implementado métricas rigurosas para asegurar que la IA ofrezca información precisa y relevante. Esto es especialmente crítico en un mundo donde la desinformación está al acecho en cada esquina digital, apunta. No obstante, la IA no es infalible; se reconoce que todo sistema de IA está sujeto a errores. Para mitigar este riesgo, se mantiene una “revisión humana” en el ciclo de producción de contenido, permitiendo que los periodistas y editores verifiquen y corrijan la información antes de que se publique.
Pavlova desvela en este informe que Reuters está investigando el uso de redes generativas antagónicas (GAN) y otros algoritmos para detectar noticias falsas y contenido manipulado. Este enfoque bifurcado incluye no solo la detección sino también la validación del contenido generado por IA para garantizar su precisión y ética.
Las redes generativas antagónicas (GAN, por sus siglas en inglés de Generative Adversarial Networks) son una clase de algoritmos de aprendizaje automático dentro del campo de la inteligencia artificial. Constan de dos redes neuronales, denominadas generador y discriminador, que se entrenan simultáneamente a través de un proceso antagónico, de ahí su nombre.
El generador tiene como objetivo generar datos que parezcan provenir de alguna distribución de datos verdadera. Por ejemplo, si estamos tratando con imágenes, el generador intentará crear una imagen que se asemeje a una colección de imágenes reales.
El discriminador, por otro lado, tiene como objetivo distinguir entre los datos verdaderos y los generados por el generador. Durante el entrenamiento, el discriminador evalúa tanto las muestras del conjunto de datos real como las muestras generadas por el generador, intentando clasificarlas correctamente como “reales” o “falsas”.
Jane Barret, del equipo editorial, refuerza la importancia de mantener el control editorial incluso en una era impulsada por la tecnología. Subraya que no se pueden entregar “las llaves del castillo” a una máquina y que la editorial sigue estando gobernada por los Principios de Confianza de Reuters, que enfatizan la integridad, la independencia y la libertad de sesgo en el periodismo.
Innovación responsable y adaptabilidad al cambio
Nick Cohen, por su parte, aborda el impacto futuro de la IA en la generación de contenido. Aunque prevé un aumento en la generación de contenido automatizado, enfatiza que la verdadera innovación vendrá de equilibrar esta automatización con la confianza del público. Específicamente, menciona que la literacy en IA entre los consumidores está aumentando, lo que a su vez aumenta la necesidad de un periodismo de alta calidad que pueda “cortar a través del ruido”.
Por otro lado, Barret también destaca la necesidad de adaptarse a las cambiantes expectativas del consumidor, particularmente en lo que se refiere al ritmo acelerado de la entrega de noticias y la facilidad de acceso a la información. Sin embargo, reafirma que los desafíos tecnológicos no deben eclipsar los principios fundamentales del periodismo ético.
Para Reuters, en definitiva, el objetivo es utilizar la IA para mejorar la eficiencia y la precisión, al tiempo que se mantienen altos estándares éticos y se preserva la confianza del público en el periodismo.
Punto de inflexión en el periodismo y los medios
Estamos ante un momento decisivo en la historia del periodismo y los medios de comunicación, según indica Barret. Este crucial instante no solo afecta al sector mediático, sino que también tiene implicaciones en una amplia gama de industrias. Barret subraya la importancia de hacer un balance en este momento: es necesario analizar procesos y herramientas para entender cómo están integrados y cómo podrían mejorarse si ya están en marcha.
Mirando al futuro, Pavlova apunta hacia la automatización como un recurso que promete aliviar algunas de las tareas más tediosas en el ámbito del periodismo. Como ejemplo menciona la traducción y la transcripción, aunque afirma que hay muchas más actividades que podrían beneficiarse de la automatización. Esto, según Pavlova, liberará tiempo para que los periodistas se centren en lo que el director senior de Producto, considera más importante que nunca: reportajes basados en hechos, imparciales y provenientes de una marca de confianza.