Título del Capítulo: «Redacciones inteligentes, un nuevo newsmaking informativo»
Autoría: Juan Manuel Prieto-Arosa; Carlos García-Verdugo-Peralta; Olga Blasco-Blasco
Cómo citar este Capítulo: Prieto-Arosa, J.M.; García-Verdugo-Peralta, C.; Blasco-Blasco, O. (2025): «Redacciones inteligentes, un nuevo newsmaking informativo». En Fieiras-Ceide, C.; Túñez-López, M.; Maroto-González, I. (eds.), Bots, Trols y PSM. Cómo la IA va a cambiar los medios públicos. Salamanca: Comunicación Social Ediciones y Publicaciones.
ISBN: 978-84-10176-14-0
d.o.i.: https://doi.org/10.52495/c9.emcs.40.p116
Capítulo 9. Redacciones inteligentes, un nuevo newsmaking informativo
Juan Manuel Prieto-Arosa
Universidade de Santiago de Compostela
Carlos García-Verdugo-Peralta
Universidade de Santiago de Compostela
Olga Blasco-Blasco
Universidad de Valencia
En un escenario mediático marcado por la automatización, la inteligencia artificial (IA en adelante) y la creciente necesidad de personalización del contenido, el concepto de redacciones inteligentes ha emergido como una evolución del tradicional proceso de newsmaking (Túñez-López et al., 2019). Matt Carlson (2015) señala que la producción de noticias no puede entenderse sin tener en cuenta las rutinas, normas y tecnologías que configuran su creación. Actualmente, esas tecnologías incluyen desde algoritmos que jerarquizan temas dentro del propio medio de comunicación hasta bots que redactan textos de forma autónoma.
La irrupción de la IA generativa en el ámbito periodístico está reconfigurando las lógicas de producción, distribución y consumo de información. Según el Digital News Report 2024 (Newman et al., 2024), más del 75% de los medios de comunicación a nivel mundial ya experimentan con herramientas de IA para tareas como la redacción automatizada, la moderación de comentarios o la personalización de contenidos. Estamos asistiendo a un cambio de paradigma en el periodismo, donde las máquinas no sustituyen al periodista, pero sí alteran profundamente su papel y su entorno de trabajo (Anderson et al., 2015).
Hablar de redacciones inteligentes implica comprender un nuevo modelo de producción informativa basado en la colaboración entre un hombre y una máquina, la analítica de datos en tiempo real y la adaptabilidad constante a las preferencias de las audiencias y a la alfabetización (formación) del periodista. No se trata solo de usar tecnología, sino de repensar el periodismo desde su misma raíz: cómo se decide qué es noticia, cómo se construye y cómo se distribuye, fomentando la aplicación de la IA en todo el proceso del newsmaking (Túñez-López et al., 2019).
No fue hasta finales de la segunda década del siglo XXI cuando surgió el debate en torno a una nueva forma de hacer periodismo. Túñez López et al. (2021) lo denominaron periodismo artificial, aunque también reconocieron otras denominaciones como periodismo automático, periodismo algorítmico, periodismo robot o periodismo de datos, en referencia a las transformaciones provocadas por la incorporación de la IA en las redacciones informativas.
Según Túñez López et al. (2019), para entender el nuevo modelo de funcionamiento de las redacciones es fundamental considerar tanto la reducción de costes como el impacto que la IA genera en las dinámicas de trabajo y en la actitud de los periodistas. La aparición de los llamados medios sintéticos —medios sin periodistas, como los define Crusafon (2022)— marca el inicio de la incorporación de la IA en la producción informativa. Sin embargo, Ufarte Ruiz et al. (2023) aclaran que estas iniciativas no han provocado la pérdida de empleos en el sector ni han dañado la percepción pública de la profesión periodística, pero que se ha convertido en una nueva tendencia de la rapidez e inmediatez informativa (Ufarte-Ruiz et al., 2023: 11).
La incorporación de nuevas tecnologías ha transformado la manera de producir noticias, dando lugar a un nuevo enfoque basado en el aprendizaje automático de las propias máquinas (Ruiz et al., 2019). Según estos autores, la implementación de la IA en las redacciones no solo implica la adopción de herramientas digitales, sino que requiere de tres elementos clave (Ruiz et al., 2019: 76):
Túñez López y Toural Bran (2018) ya advertían que la IA comenzaba a ocupar un espacio que tradicionalmente pertenecía al factor humano, especialmente en la gestión de las relaciones informativas entre organizaciones, medios y sociedad (p. 1888). Uno de los primeros ejemplos fue el del periódico Los Ángeles Times, que el 17 de marzo de 2014 publicó su primera noticia generada automáticamente apenas tres minutos después de un terremoto en la ciudad. Este hito marcó un punto de inflexión en el que, como señala Salazar García (2018), surgió la necesidad de redefinir el perfil del periodista, aunque no la esencia de la profesión, ya que la IA, por sí sola, no tiene capacidad real para sustituirla por completo.
Con el paso del tiempo, las redacciones han ido adaptándose e incorporando sistemas automatizados capaces de redactar noticias, alcanzando incluso la fase final del newsmaking (Túñez-López et al., 2019), donde los algoritmos asumen tareas antes reservadas al periodista. Sin embargo, esto no representa una amenaza directa para el futuro del periodismo. La capacidad de interpretación, el criterio profesional y la dimensión interactiva siguen siendo rasgos propios del periodista humano que no pueden ser replicados por completo por una máquina. A pesar de los avances tecnológicos, como el desarrollo de la IA emocional (Mamina; Piraynen, 2023) y la aparición de la IA cognitiva en pleno proceso de evolución (Zhao et al., 2022), el factor humano continúa siendo un elemento clave e insustituible para abordar de forma significativa tanto desafíos globales como personales.
La IA ha transformado de manera significativa los procesos de producción informativa, impulsando nuevas dinámicas en las redacciones, como la automatización de contenidos. Sin embargo, el papel del periodista sigue siendo esencial e insustituible. La interpretación crítica, la sensibilidad ética y la capacidad de generar interacciones significativas con la audiencia son elementos que por el momento la IA no puede replicar. Por los tanto, se puede decir que la IA debe entenderse como una herramienta complementaria que redefine el ejercicio del periodismo, de sus profesionales y de sus redacciones, pero sin sustituir su misión de informar, formar y entretener a la sociedad líquida y digital conocida hasta ahora.
El impacto de la IA ha ido más allá de lo que se puede imaginar. Desde su implantación en el mundo periodístico existe una posible mutación del modelo productivo y económico de las industrias creativas, debido a la transformación en la producción y distribución de los contenidos creados en las redacciones de los medios de comunicación.
Las redacciones automatizadas no solo facilitan el trabajo de los medios de comunicación, sino que les hacen llegar más lejos en el menor tiempo posible. Ejemplo claro es RTVE y su cobertura en las elecciones municipales con el objetivo de incrementar la difusión y el alcance de las noticias en regiones con escasa cobertura a través de la IA (Aramburú Moncada et al., 2023). Para estos autores
En España destacó Videre AI bajo un acuerdo de colaboración de la Agencia EFE y la European Pressphoto Agency (EPA) que fue capaz de entender los procesos de catalogación, identificación y distribución de contenidos audiovisuales en medios (Ufarte-Ruiz et al., 2023). Esto evidencia que la IA en las redacciones no se limita únicamente a generar el contenido final destinado al usuario, sino que interviene en todas las etapas del proceso de producción informativa. Su presencia no se restringe al momento de difusión, sino que participa activamente en fases anteriores del newsmaking, desempeñando un rol similar al de un periodista humano (Túñez-López et al., 2019).
Ufarte Ruiz Y Manfredi Sánchez (2019) hablan del caso de éxito de Narrativa IA que es utilizado por medios de comunicación españoles como El Confidencial, Sport, El Periódico, El Español, El Independiente, 20 Minutos, El Heraldo, La Información y MediaPro, así como la agencia internacional Associated Press (p. 226). Esta startup, creada junto con la Universidad de Alcalá de Henares, presentó a Gabrielle, un software capaz de redactar más de 20.000 piezas periodísticas semanales en tiempo real para el ámbito editorial (Ufarte Ruiz; Manfredi Sánchez, 29019: 218).
En el ámbito de los medios públicos europeos, Fieiras Ceide et al. (2022) señalan que todos los PSM (Public Service Media en inglés) están adoptando procesos de innovación basados en IA, aunque de forma desigual. Estas aplicaciones incluyen desde la generación automática de contenidos a partir de datos estructurados (data mining), gestión de contenidos, mejora de la interacción con las audiencias mediante chatbots, personalización de la oferta informativa, verificación de contenidos y ampliación de servicios como la traducción de contenidos automática o el subtitulado automático para la accesibilidad de personas con capacidad auditiva.
Fieiras Ceide et al. (2022) remarcan cómo diversos medios públicos europeos están explorando aplicaciones específicas de la IA en sus procesos de producción y distribución. Por ejemplo, la BBC (Reino Unido) ha comenzado a experimentar con los object-based media para personalizar los contenidos en función del contexto del usuario, la RAI (Italia) centra sus esfuerzos en la curación, recomendación y accesibilidad del contenido, la RTBF (Bélgica) trabaja en el etiquetado automático de metadatos, mientras que la DR (Dinamarca) se enfoca en su generación automatizada. Estas iniciativas son algunas de las destacadas por Fieiras Ceide et al. (2022) donde se refleja cómo la IA no solo transforma las rutinas productivas, sino que redefine el propio rol del medio público en su misión de servicio personalizado, accesible y tecnológicamente avanzado.
En este contexto de transformación digital impulsada por la IA, los medios públicos europeos se enfrentan al doble reto de adaptarse a nuevas rutinas tecnológicas sin perder de vista su función de servicio público. La IA no solo permite optimizar procesos y mejorar la eficiencia, sino que también ofrece herramientas para reforzar el valor público, garantizar la accesibilidad y fomentar una mayor conexión con audiencias diversas mientras sigue reforzando su misión en una sociedad digital que evoluciona cada día.
Se puede decir que la integración de la IA en las redacciones no es simplemente una cuestión de eficiencia técnica o automatización de procesos, sino un fenómeno que está redefiniendo las bases del ecosistema mediático, especialmente en el ámbito del servicio público audiovisual. Este proceso de transformación requiere una visión estratégica, una implementación ética y una constante evaluación de los impactos sociales y comunicativos de estas tecnologías. Algo que en este nuevo escenario muestra cómo la IA se configura como una herramienta operativa y como un agente clave en la reestructuración del valor público de los medios en la era digital actual.
4. Aplicación de la IA en redacciones informativas de las televisiones públicas
Lejos de tratarse de una simple incorporación tecnológica, los medios de comunicación han iniciado un proceso de transformación que busca consolidar estructuras estables y funcionales que articulen el desarrollo e implementación de soluciones basadas en IA en distintas áreas operativas. Este enfoque estratégico no solo se limita a la aplicación puntual en proyectos aislados, sino que impulsa la creación de unidades o núcleos especializados capaces de liderar procesos de innovación y coordinar su integración en el flujo de trabajo diario.
Esta visión integradora parte de la base de que la IA puede actuar como facilitadora en múltiples fases del denominado flujo patrón de producción, que incluye etapas como la ingesta de materiales, la generación de contenidos, la gestión técnica y editorial, la validación y supervisión de piezas, la catalogación, la distribución y, finalmente, el análisis de rendimiento y audiencia. La lógica de estos procesos se mantiene constante independientemente del área funcional a la que se apliquen. Así, las aplicaciones de IA en diferentes partes de la redacción se basan en principios tecnológicos compartidos y persiguen metas comunes: incrementar la eficiencia operativa, acortar los tiempos de ejecución, reforzar la trazabilidad de los contenidos y mejorar la calidad y el alcance de los medios a sus audiencias.
Es en este punto donde las televisiones públicas no solo se están posicionando como agentes de adaptación frente a los cambios tecnológicos, sino también como entidades proactivas que buscan integrar la IA en sus modelos empresariales. Esta transformación no implica una variación sustancial en la naturaleza de los procesos entre los distintos departamentos. Siempre que en el flujo estándar de producción se identifique alguno de los pasos previamente definidos, los procesos facilitadores basados en IA operarán conforme a una lógica funcional equivalente. Así, las soluciones tecnológicas implementadas tienden a compartir una arquitectura común, independientemente del ámbito de aplicación, ya sea en el área de Informativos, en el departamento de Documentación y Archivo, o en el de Comunicación y Responsabilidad Social Corporativa.
La implantación de la IA en los medios de comunicación ha dado lugar a diferentes proveedores del sector que están desarrollando aplicaciones y soluciones específicamente adaptadas a las particularidades operativas de las empresas de noticias y entretenimiento. Una característica común en muchas de estas iniciativas es el uso de modelos de IA generativa —la más demandada y utilizada por todo tipo de medios — que se entrenan a partir de los propios datos e información interna de las emisoras —el propio catálogo de contenidos —. Esta aproximación muestra cómo a partir de una base de datos fiable y contextualizada, los medios ven cómo hay una significativa reducción del margen de error en comparación con sistemas entrenados en entornos más abiertos o genéricos.
Proveedores integrales y consolidados como Adobe o TSA o empresas especializadas como Etiqmedia, o emergentes como Pendular, están desarrollando soluciones tecnológicas orientadas a optimizar funciones concretas dentro del ecosistema televisivo. Ejemplos como la catalogación automatizada de archivos hasta la generación asistida de contenidos o la mejora de procesos de indexación y búsqueda son algunos de los temas clave que transforman las redacciones de los medios una vez la IA entra en ellas.
La IA ha entrado con mayor rapidez en los departamentos de Documentación y Archivo. Estos departamentos son una fuente esencial de datos verificados y estructurados, convirtiéndolos en un entorno óptimo para el entrenamiento y funcionamiento de sistemas basados en IA generativa. Aquí se comprueba la alta fiabilidad de la información gestionada en estos departamentos, lo que supone una ventaja comparativa clave respecto a otros contextos donde la calidad de los datos es más heterogénea.
Desde el punto de vista de la producción audiovisual, el acceso a los archivos documentales constituye una práctica cotidiana fundamental. Gran parte de los contenidos informativos o programáticos que requieren contextualización histórica o visual recurren al archivo como fuente de apoyo. Hasta ahora, esta tarea implicaba una carga operativa considerable debido a la búsqueda manual de material, visionado, segmentación y edición previa que aupaba los tiempos de trabajo a largas horas en la redacción. Sin embargo, con la incorporación de la IA, estas rutinas pueden ser automatizadas, agilizando significativamente el flujo de trabajo y dejando liberados a los profesionales para hacer otro tipo de trabajos menos mecánicos.
Las aplicaciones más relevantes en este ámbito incluyen la catalogación automática de contenidos mediante algoritmos que extraen metadatos de audio, vídeo y texto y los integran en los sistemas de almacenamiento MAM (el sistema de almacenaje profundo de este tipo de servicios). Hay que añadir también la utilización de herramientas de transcripción automática de audio a texto, donde se destacan otras funcionalidades adicionales como la generación automatizada de titulares y resúmenes personalizables.
Otro avance significativo es la identificación facial, que mejora la localización de contenidos incluso cuando los metadatos presentan errores o están incompletos. Igualmente, los sistemas de búsqueda guiada por IA permiten recuperar imágenes y recursos sin necesidad de etiquetado previo, optimizando la localización de material visual específico mediante el uso de indicaciones en lenguaje natural, similares a los «prompts» de la IA generativa. También existen los cortes semánticos que permiten segmentar contenidos extensos, como ruedas de prensa o comparecencias institucionales, en función de temas clave definidos por el cliente. Esta funcionalidad puede incluso adaptarse a los criterios editoriales de cada medio, generando cortes diferenciados a partir de un mismo discurso.
Estas soluciones no solo optimizan la gestión de archivos, sino que ofrecen un alto valor añadido para las rutinas de producción en redacciones informativas, programas y departamentos de comunicación, ampliando el alcance funcional de los archivos audiovisuales dentro del ecosistema de los medios públicos.
Con los avances en IA de los últimos años, están existiendo cambios de alto impacto en subtitulación, traducción y doblaje automático. Estas tecnologías están orientadas tanto a mejorar la experiencia de la audiencia como a garantizar el cumplimiento de los principios de inclusión y diversidad lingüística, especialmente en contextos como el de las lenguas cooficiales en España o Bélgica, países con varios idiomas oficiales en su territorio.
Existe una gran variedad de soluciones que permiten la generación de subtítulos automáticos tanto en emisiones en directo como en contenidos en diferido si así lo desea el usuario. Estas herramientas ofrecen opciones de traducción simultánea a varios idiomas, lo que amplía su potencial en contextos multilingües. La subtitulación automática se sitúa actualmente entre las aplicaciones más desarrolladas, siendo especialmente relevante la evolución reciente en la generación de subtítulos en gallego, euskera o catalán. En contenidos emitidos en diferido, la precisión y fluidez alcanzadas por estas soluciones han mejorado notablemente en los últimos meses. La audiodescripción, aunque ya implementada por varios servicios, presenta todavía margen de mejora, sobre todo en lo que respecta a la naturalidad de la voz generada. En el caso de las lenguas cooficiales, muchas de las pruebas realizadas hasta ahora muestran una entonación excesivamente artificial, lo que limita su eficacia comunicativa y la calidad final del producto accesible.
El doblaje automático también es una tecnología continúa en proceso de desarrollo y expansión. Tradicionalmente limitada a fases de experimentación en el ámbito de los informativos, su uso comienza a extenderse a productos de entretenimiento. Los mejores resultados se están observando en contenidos de animación, donde la sincronización labial y la entonación tienen márgenes de tolerancia más amplios. También se han registrado avances positivos en formatos dialogados como entrevistas, especialmente en lenguas cooficiales.
Una línea de trabajo prometedora se centra en la generación de voces sintéticas no asociadas a personas concretas —es decir, no basadas en la clonación de voces reales— lo que contribuye a evitar conflictos relacionados con derechos de propiedad intelectual. Este enfoque favorece una implementación más segura desde el punto de vista legal y ético, al tiempo que permite una mayor estandarización en las soluciones de accesibilidad audiovisual impulsadas por la IA.
En el entorno televisivo existe el uso tradicional de la IA en la automatización y mejora del análisis de datos relacionados con las emisiones. Este tipo de implementación de la IA está permitiendo agilizar y afinar la elaboración de informes personalizados, ajustados a distintos objetivos editoriales, estratégicos o comerciales. A partir de las listas de emisión (playlists) generadas por las propias cadenas, estas herramientas pueden clasificar los contenidos por temáticas, franjas horarias, presencia de personajes y otros parámetros relevantes.
En primer lugar, la capacidad de segmentación temática permite identificar qué asuntos generan mejores o peores rendimientos de audiencia dentro de un formato determinado y la segmentación temporal proporciona una capa adicional de valor, ya que puede facilitar un análisis minuto a minuto con un nivel de precisión superior al de los métodos tradicionales. En segundo lugar, el análisis por personajes permite evaluar su impacto real en el rendimiento de una emisión.
Además de su aplicación directa al análisis de audiencias, estas herramientas resultan especialmente útiles para la elaboración de informes de contenido, como los vinculados a los Objetivos de Desarrollo Sostenible (ODS). La IA permite identificar temáticas, personajes o incluso gestos relevantes, lo que contribuye a elaborar diagnósticos más precisos, rápidos y automatizados. En el caso de RTVE, por ejemplo, se han implementado soluciones específicas capaces de diferenciar la gestualidad de un presentador de la de un intérprete de lengua de signos, lo que facilita la medición del tiempo real dedicado a la accesibilidad mediante lengua de signos.
Otra aplicación destacada radica en los informes de rendición de cuentas o gobernanza, donde la posibilidad de segmentar el contenido por roles, relevancia, formato o línea editorial permite generar auditorías internas y externas con criterios objetivos y verificables. Por otra parte, este tipo de análisis puede tener impacto directo en los procesos de producción de contenidos informativos o de entretenimiento. Por ejemplo, es posible determinar qué candidato político ha tenido mayor tiempo de pantalla en un debate o cuál ha sido la temática más abordada, incluyendo también la frecuencia de uso de determinadas expresiones o términos clave. Además, estas capacidades analíticas pueden ser aprovechadas para entrenar a los sistemas de IA en la evaluación automatizada de la calidad de emisión, abriendo nuevas vías para el control editorial y la mejora continua de los estándares de servicio público.
La producción automatizada de contenidos mediante IA es uno de los ámbitos que despierta mayores expectativas en el ecosistema audiovisual contemporáneo, al tiempo que genera cierto escepticismo sobre sus posibles implicaciones éticas, editoriales y de calidad. Sin embargo, actualmente existen numerosas aplicaciones que comienzan a consolidarse en entornos televisivos, especialmente en el contexto de la distribución multiplataforma y la creciente necesidad de adaptabilidad de los contenidos.
Una de las prácticas más consolidadas es la generación de subproductos a partir de un contenido original. A partir de un programa o pieza ya existente y verificada —y por lo tanto considerada fiable para la cadena— las herramientas de IA permiten generar múltiples versiones adaptadas a diferentes plataformas, duraciones y formatos. Este procedimiento resulta especialmente útil para redes sociales, donde se exige una narrativa audiovisual adaptada tanto en estilo como en formato (por ejemplo, vertical o 1:1) y duración.
Entre los productos derivados más habituales destacan:
1. Selecciones personalizadas como «los mejores momentos» de un programa o informativo.
2. Fragmentos destacados dependiendo del formato como el «minuto de oro».
3. Versiones resumidas de documentales, piezas informativas o reportajes largos.
4. Versionado de contenidos archivados, mediante sistemas que, a partir de una selección previa (EDL) y «prompts» específicos, generan piezas informativas automatizadas en distintos formatos (16:9, 1:1, vertical), incluyendo elementos personalizables como música, rótulos o recursos visuales.
5. Resúmenes deportivos personalizados, desarrollados por proveedores como Pendular o Etiqumedia, capaces de generar versiones dirigidas a un equipo, a un jugador o centradas en fases específicas del partido (inicio, final, jugadas polémicas, etc.).
6. Una de las soluciones más ambiciosas en esta línea es la generación de autonoticias. Este modelo parte de una combinación de inputs (texto de agencia, recursos de archivo, imágenes propias de ENG o señales en directo) y genera de forma automatizada una pieza informativa conforme a los parámetros establecidos (duración, formato, tono) —outputs—. Esta aplicación novedosa por parte de la IA se encuentra en una fase primaria de implantación, pero que demuestra que podría transformar sustancialmente los flujos de producción en redacciones y departamentos audiovisuales.
7. Generación de versiones múltiples de una misma noticia, lo cual no solo evita la duplicación de contenidos, sino que optimiza el rendimiento SEO y mejora la segmentación editorial. Este enfoque es especialmente útil en ecosistemas digitales donde un mismo hecho noticioso se adapta a distintos públicos objetivo y/o plataformas sin perder coherencia ni originalidad.
8. Avances en la automatización de tráileres de contenido de ficción y otros formatos de entretenimiento, como realities o programas de larga duración. En estas situaciones, la IA puede seleccionar escenas representativas como conflictos, momentos emotivos y/o secuencias musicales de forma eficiente, mostrando su gran utilidad para producciones con escasos recursos promocionales o con necesidades urgentes de distribución multicanal.
Estas herramientas apuntan a una reconfiguración profunda de los procesos de producción audiovisual, dotando a los medios —especialmente los públicos— de mayor versatilidad, eficiencia y capacidad de personalización sin comprometer la calidad editorial.
4.2.5. Tratamiento de gestión de imágenes
El volumen de imágenes generadas y gestionadas por las televisiones se ha incrementado exponencialmente en los últimos años debido a factores como la multicanalidad, la integración de pantallas en los platós, el uso creciente de realidad aumentada y virtual, así como la producción orientada a entornos digitales. Este crecimiento ha provocado una sobrecarga operativa en las redacciones y equipos de producción, generando cuellos de botella en los flujos de trabajo tradicionales. En la actualidad, las soluciones basadas en IA han emergido como herramientas clave para optimizar el tratamiento y la gestión de contenidos visuales.
En este uso de la IA, proveedores como Adobe han desarrollado sistemas integrados en plataformas de Digital Asset Management (DAM) que automatizan y optimizan diferentes fases del flujo operativo vinculado a las imágenes. Estas soluciones se estructuran en torno a cuatro ejes principales: (1) ingesta de contenidos, (2) gestión de archivos digitales, (3) revisión y aprobación y (4) distribución.
1. Ingesta de contenidos. Está basada en una automatización que permite subir imágenes, tanto individuales como en bloque, desde distintos repositorios al sistema DAM. Además, se generan automáticamente múltiples versiones de una misma imagen adaptadas a televisión, redes sociales, OTT o web, siguiendo parámetros predefinidos. Estos procesos pueden configurarse como flujos automáticos que se ejecutan según rutinas de producción establecidas, lo que agiliza la operación diaria.
2. Gestión de archivos digitales. Organiza los contenidos mediante carpetas y colecciones por equipos, programas o temporadas. La búsqueda y filtrado se facilita mediante metadatos automatizados y etiquetas personalizadas. También se permite editar derechos, propiedades y taxonomías, además de personalizar el modelo de datos del DAM. Herramientas analíticas ofrecen datos sobre uso y rendimiento y se gestionan perfiles y permisos por rol.
3. Revisión y aprobación. Los flujos colaborativos incluyen comentarios, cambios y validaciones, mejorando la coordinación entre equipos. Tras su aprobación, los contenidos pueden publicarse directamente en sistemas CMS o plataformas OTT, lo que reduce los tiempos de espera y permite una rápida puesta en emisión o distribución digital.
4. Distribución. Las imágenes pueden compartirse mediante enlaces o brand portals, permitiendo el acceso externo seguro. También se pueden distribuir enlaces adaptados a distintos entornos digitales, asegurando la correcta visualización en cada plataforma, desde informativos televisivos hasta redes sociales o servicios OTT.
5. Conclusiones y futuro de la IA en las redacciones inteligentes
La IA se ha convertido en una herramienta clave para el desarrollo del ecosistema audiovisual digital contemporáneo. Su incorporación en el ámbito de la televisión pública no responde únicamente a una lógica de innovación tecnológica, sino también a la necesidad urgente de adaptación a nuevas formas de producción, distribución y consumo.
Las aplicaciones específicas de IA que se han comentado a lo largo del presente capítulo permiten a los medios públicos optimizar sus procesos internos, reducir cargas de trabajo, ampliar las posibilidades narrativas y personalizar la experiencia de las audiencias. Además, pueden fortalecer sus estrategias editoriales y de programación, facilitando la toma de decisiones basadas en datos y evidencias de consumo reales.
Actualmente, los medios públicos se encuentran en una fase de experimentación respecto a la incorporación de herramientas de IA en sus redacciones. Predomina la adquisición de soluciones aisladas, sin que existan, en términos generales, estrategias estructuradas e integradoras para su implantación. La implementación de sistemas de IA suele responder a iniciativas fragmentadas, orientadas a necesidades específicas, más que a una visión global e integrada. Aún no se ha generalizado el desarrollo de soluciones integrales y personalizadas que permitan a cada cadena aglutinar distintas funcionalidades de IA en una única plataforma adaptada a sus particularidades. Esta situación responde a un enfoque de prueba y error, en el que los servicios públicos de comunicación exploran el potencial de diferentes tecnologías con el objetivo de identificar aquellas que puedan incorporarse a medio y largo plazo en una solución integrada, eficiente y alineada con sus misiones y necesidades específicas.
Sin embargo, la implementación total de la IA plantea importantes desafíos éticos, jurídicos y profesionales. La automatización de procesos en contextos informativos y culturales, donde el servicio público exige rigor, pluralismo y responsabilidad, conlleva riesgos asociados a la opacidad algorítmica, la reproducción de sesgos, la desinformación o la pérdida de supervisión humana. A ello se suman los debates legales sobre derechos de autor, protección de datos o el uso de material generado artificialmente en productos informativos o creativos. Se abre una nueva puerta de posibilidades a la vez que de riesgos si estos no son controlados.
Las líneas de futuro para la televisión pública deben orientarse hacia una integración de la IA que garantice siempre la supervisión editorial, potencie la innovación en formatos interactivos y narrativas inmersivas y permita personalizar contenidos para sus usuarios sin renunciar a los principios de diversidad cultural, inclusión y ética profesional. Todo ello exige un marco normativo claro que regule su uso en consonancia con los valores del servicio público. Lejos de representar una amenaza, la IA puede convertirse en una aliada estratégica para una televisión pública más eficiente, inclusiva y sostenible, siempre que su implementación refuerce y no sustituya la misión irremplazable de ser un servicio público para la sociedad actual.
Este capítulo de libro forma parte del proyecto titulado «Creación de una plataforma generadora de chatbots mediante IA para la comunicación del valor público del PSM» VALUEBOT (Ref. PDC2023-145885-I00), financiado por MCIN/AEI/10.13039/501100011033 y por la Unión Europea «Next Generation EU»/PRTR. Además también se integra dentro de las actividades de la ‘Cátedra RTVE-USC sobre Medios de Servicio Público en Europa’.
El autor, Juan Manuel Prieto Arosa, es beneficiario de un Contrato FPU del Ministerio de Ciencia, Innovación y Universidades (Ref. FPU21/00822).
Salazar García, I.A. (2018). Los robots y la Inteligencia Artificial. Nuevos retos del periodismo. Doxa Comunicación. Revista Interdisciplinar de Estudios de Comunicación y Ciencias Sociales, 27, 295-315. https://doi.org/10.31921/doxacom.n27a15
Túñez-López, J.; Fieiras-Ceide, C.; Vaz-Álvarez, M. (2021). Impacto de la Inteligencia Artificial en el Periodismo: transformaciones en la empresa, los productos, los contenidos y el perfil profesional. Communication & Society, 34(1), pp. 177-193. https://doi.org/10.15581/003.34.1.177-193
9.