IA y Comunicación Social: Herramientas, gestión de datos y ciberseguridad para multiplicar el impacto periodístico

La transformación del trabajo en los medios y la adopción de nuevas plataformas tecnológicas ante los desafíos del entorno actual.

0
34
David Murati, ingeniero de la ABV. - Foto CDOL.

El taller denominado estrategias para comunicar en la era digital: «Multiplica tu impacto y lidera con IA», impartido por el ingeniero David Murati para la Asociación Bancaria de Venezuela, abordó la transformación del campo laboral de la comunicación social frente al avance de la inteligencia artificial.

El encuentro se estructuró en torno al uso ético de las herramientas tecnológicas, la gestión adecuada de los datos y la implementación estratégica en las organizaciones.
Durante la apertura, el especialista destacó la importancia de la actualización profesional continua para mantener la competitividad en un entorno cambiante, enfatizando que la tecnología no sustituye el propósito del comunicador, sino que transforma la forma de ejecutar el trabajo.

En este nuevo contexto, la inteligencia artificial se consolida como un medio y no como un fin en sí mismo. El rol del periodista se mantiene central, ya que es el profesional quien otorga el propósito, la narrativa y la intención al uso de los programas. «Habilidades como el pensamiento crítico, la verificación de fuentes, el análisis de métricas, la adaptabilidad a nuevas plataformas y la ética comunicacional resultan esenciales para garantizar la calidad final del contenido», destacó el ingeniero.

Para que estos sistemas funcionen de manera óptima, la gestión y la cultura de los datos representan un insumo fundamental, dijo. Un procesamiento adecuado exige evaluar la relevancia del material, filtrar redundancias y garantizar la precisión y consistencia antes de cualquier análisis. El dominio de las cifras y el seguimiento de métricas permiten identificar tendencias y realizar inferencias para anticipar escenarios informativos de alto valor.

El campo de la inteligencia artificial abarca diversos modelos dentro del aprendizaje automático, que van desde algoritmos supervisados para predicción y clasificación, hasta modelos no supervisados aplicados a la segmentación de audiencias.

«Los modelos de lenguaje han evolucionado de simples herramientas de chat a copilotos integrados y agentes capaces de ejecutar flujos de trabajo complejos con mínima intervención humana. Al utilizar estas soluciones, resulta indispensable evaluar los sesgos y las políticas de privacidad según su país de origen, asegurando el cumplimiento de las normativas al manejar información confidencial. Asimismo, la formulación de instrucciones o prompts efectivos requiere definir el objetivo, el contexto, la tarea, el formato y el tono, en un proceso que siempre es iterativo», señaló.

En la etapa de investigación inicial, explicó, los comunicadores pueden apoyarse en motores de búsqueda profunda como Gemini, Perplexity o Qwen. La combinación de modelos desarrollados en distintas regiones permite contrastar enfoques y validar sesgos conceptuales. Para optimizar el tiempo, destacó, la creación de asistentes personalizados, como los Gems o GPTs, permite estandarizar procesos y estructurar salidas con formatos predefinidos. De igual manera, plataformas de evaluación como Artificial Analysis u OpenRouter ayudan a comparar velocidad, costo e inteligencia entre modelos, evitando sobredimensionar presupuestos en proyectos que no requieren los motores más costosos.

En cuanto al análisis de información sensible, discursos, documentos extensos o estados financieros, la herramienta NotebookLM de Google permite extraer patrones narrativos o generar resúmenes sin caer en invenciones fuera de contexto. No obstante, cuando se manejan datos de alta confidencialidad, existen alternativas locales instalables en la propia computadora, tales como Ollama, N8N o Whisper. Aunque estos entornos locales pueden presentar una menor potencia computacional en comparación con la nube, destaca el ingeniero, garantizan que la información no sea compartida para el entrenamiento de modelos externos.

La recolección automatizada de datos en plataformas como X o Instagram también facilita el monitoreo de opiniones, la detección de emociones en la audiencia y la evaluación del impacto de las publicaciones en tiempo real. La información extraída se analiza posteriormente con modelos generativos para identificar tendencias, evaluar la reputación corporativa y optimizar los tiempos de respuesta de la organización.

Otras áreas
En el área audiovisual y de generación de contenido, el procesamiento de audio se ha agilizado mediante herramientas de transcripción como Whisper o TurboScribe, las cuales convierten grandes bloques de voz en texto. Para la producción de narraciones automáticas y resúmenes hablados se emplean soluciones en línea o locales como Kokoro, lo que facilita la accesibilidad para personas que prefieren consumir contenido auditivo o experimentan fatiga visual. En la creación musical, explicó, plataformas como Suno y Udio ayudan a elaborar maquetas y piezas publicitarias, funcionando como un soporte técnico para reducir tiempos y costos en las etapas iniciales de desarrollo.

Por su parte, la producción de recursos visuales y en video cuenta con motores avanzados como ChatGPT, Gemini, Ideogram y Grok para imágenes, mientras que soluciones como Seedance ofrecen opciones eficientes para composiciones audiovisuales y transiciones. Aunque la generación de video exige un alto consumo de recursos, su uso en prototipos publicitarios disminuye de forma drástica los gastos operativos.

Lo aprendido
Finalmente, la adopción masiva de la inteligencia artificial plantea desafíos relevantes en materia de ciberseguridad y protección de datos. Es fundamental revisar los términos de uso de cada servicio para evitar que la información privada alimente modelos públicos. Además, el avance técnico ha propiciado el aumento de amenazas como el phishing automatizado, el código malicioso adaptativo y la clonación de voz o rostro para fraudes de ingeniería social.

Para mitigar estos riesgos, se recomienda validar la identidad de los interlocutores mediante preguntas basadas en contextos compartidos. En este escenario, el pensamiento crítico, la verificación humana y la supervisión constante del periodista se afianzan como la última alcabala para garantizar la rigurosidad, la veracidad y el control ético del mensaje.

Fuente: CDOL

Custom Text
Artículo anteriorEl salto de GrapheneOS: de proyecto independiente a aliado estratégico de Motorola
Artículo siguienteApple actualiza el Mac mini con los nuevos chips M6 y M5 Pro