IA para Periodistas: Herramientas que Están Cambiando las Redacciones

El periodismo lleva décadas sobreviviendo crisis: internet, las redes sociales, la caída de la publicidad impresa. Ahora llega la IA, y la pregunta que me hacen constantemente es: ¿va a acabar con los periodistas?

La respuesta corta es no. La respuesta larga es que va a acabar con los periodistas que no sepan usarla.

No soy periodista, pero trabajo con muchos. Y lo que veo en las redacciones españolas que están adoptando IA no es sustitución — es transformación. Los periodistas que dominan estas herramientas están produciendo más, investigando mejor y cometiendo menos errores. Los que las ignoran están quedando atrás.

Este artículo va sobre lo concreto: qué herramientas de IA son útiles para periodistas, cómo se usan en la práctica, qué limitaciones reales tienen y dónde están los riesgos éticos que no puedes ignorar.

Transcripción automática: el fin de las horas perdidas

Si haces entrevistas, sabes el dolor que es transcribir. Una hora de entrevista puede costar tres o cuatro horas de trabajo. La IA ha resuelto esto casi completamente.

Otter.ai

Otter es la referencia en transcripción automática para español. Lo que hace bien:

• Transcripción en tiempo real durante la entrevista (en tu móvil o en el ordenador)
• Identificación de hablantes: distingue quién dice qué cuando hay varios interlocutores
• Resumen automático de los puntos clave
• Búsqueda dentro de las transcripciones
• Sincronización con Zoom, Google Meet y Teams

El plan gratuito te da 300 minutos al mes. El plan Pro (12 dólares al mes) elimina esa limitación. Para uso profesional, merece la pena.

Limitación honesta: el español con acentos regionales fuertes (gallego, andaluz cerrado, canario) sigue dando problemas. Las entrevistas en ambientes ruidosos también degradan la precisión. Siempre revisa la transcripción antes de citar.

Whisper de OpenAI

Si procesas muchas entrevistas o necesitas privacidad (no quieres subir grabaciones a servidores de terceros), Whisper es una opción potente. Es el modelo de transcripción de OpenAI, de código abierto, que puedes ejecutar en local.

El problema: requiere conocimientos técnicos para instalarlo. No es para todos los perfiles. Pero si tienes un técnico en la redacción o acceso a un perfil técnico, vale la pena explorarlo, especialmente cuando manejas grabaciones con fuentes confidenciales cuya identidad no puede filtrarse a servidores externos.

Una alternativa intermedia: Whisper está integrado en varias aplicaciones de terceros que sí tienen interfaz gráfica. Superwhisper en Mac y Whisper Desktop en Windows permiten usar el modelo sin tocar la terminal. Calidad similar a la versión directa, con menos fricción técnica.

Adobe Podcast (Enhance Speech)

Esto no es transcripción, pero vale la mención: Adobe Podcast tiene una función de mejora de audio que elimina el ruido de fondo de grabaciones. Si tienes una entrevista en un bar ruidoso o grabada con un micro de mala calidad, esto puede salvarla antes de transcribirla. Gratis con cuenta de Adobe.

El proceso: subes el audio, el algoritmo separa la voz del ruido de fondo y te devuelve el audio limpio. La calidad del resultado es sorprendente incluso para grabaciones con mucho ruido ambiente. En pruebas con grabaciones de manifestaciones, entrevistas de calle y conferencias de prensa concurridas, el resultado es habitualmente utilizable cuando el original era casi ininteligible.

Descript: edición de audio como si fuera texto

Descript va un paso más allá: transcribe el audio y te permite editarlo modificando el texto de la transcripción. Eliminas una frase del audio seleccionando el texto correspondiente. Para producción de podcasts y vídeos periodísticos, esto cambia completamente el flujo de trabajo de edición.

Tiene también una función de "estudio de sonido" similar a Adobe Podcast y genera capítulos automáticos basados en el contenido. El plan gratuito tiene limitaciones pero permite probar la herramienta.

Verificación de datos e investigación: fact-checking asistido por IA

El fact-checking es una de las tareas más intensivas en tiempo del periodismo. La IA puede acelerar partes del proceso, pero con matices importantes.

Perplexity AI

Perplexity es un motor de búsqueda con IA que cita sus fuentes. A diferencia de ChatGPT, que puede inventarse datos (el famoso "alucinamiento"), Perplexity busca en internet en tiempo real y te muestra exactamente de dónde viene cada dato.

Para periodistas, el flujo de trabajo es:

1. Introduces la afirmación que quieres verificar
2. Perplexity busca fuentes actuales
3. Te presenta un resumen con citas y enlaces
4. Tú vas a las fuentes originales a verificar

No te fíes ciegamente del resumen — siempre ve a la fuente primaria. Pero Perplexity reduce significativamente el tiempo de búsqueda inicial.

El plan gratuito es suficiente para uso básico. El Pro (20 dólares al mes) da acceso a búsqueda más profunda y modelos más potentes.

La función "Pro Search" de Perplexity es especialmente útil para verificación: hace múltiples búsquedas en paralelo, cruza fuentes y sintetiza con más rigor que el modo estándar. Para una verificación de datos importantes, es la opción que recomiendo.

ChatGPT para análisis de documentos

Si tienes un documento largo — un informe oficial, un expediente, una memoria anual — ChatGPT puede ayudarte a extraer los puntos clave rápidamente. La función de subir archivos PDF (disponible en el plan Plus) te permite preguntar directamente sobre el contenido del documento.

Caso de uso real: un periodista de investigación tiene un expediente de 300 páginas. En lugar de leerlo entero, sube el documento y pregunta: "¿Hay menciones a pagos en efectivo superiores a 10.000 euros?" o "¿Qué empresas aparecen como beneficiarias de los contratos?". No reemplaza la lectura exhaustiva, pero te ayuda a priorizar dónde mirar.

Advertencia crítica: nunca subas documentos confidenciales a ChatGPT u otras herramientas de IA en la nube sin entender las implicaciones de privacidad. Si el documento contiene fuentes confidenciales, datos personales sensibles o información que no puede exponerse, usa herramientas en local.

Para documentos en español que necesiten procesamiento confidencial, Ollama con modelos como Llama 3 o Mistral permite ejecutar un LLM completamente en local. El nivel de análisis no llega al de GPT-4, pero para muchas tareas de extracción de información es suficiente y garantiza que los datos no salen de tu máquina.

Herramientas específicas de fact-checking

Full Fact (Reino Unido) está desarrollando herramientas de IA para automatizar la detección de afirmaciones verificables. ClaimBuster es un sistema académico que identifica qué partes de un discurso o texto merecen ser verificadas.

InVID / WeVerify es el estándar de facto para verificación de vídeos e imágenes en periodismo. Aunque no es puramente IA, integra varios algoritmos de análisis de imágenes y metadatos. La extensión de Chrome es gratuita y esencial en cualquier redacción.

En España, Maldita.es y Newtral trabajan internamente con herramientas propias, pero el sector sigue siendo principalmente manual. Maldita.es ha publicado su metodología de verificación, que combina búsqueda inversa de imágenes, análisis de metadatos y consulta a expertos — un proceso que la IA puede acelerar en las fases de búsqueda pero no reemplazar en las de juicio.

Periodismo de datos: IA para visualización y análisis

El periodismo de datos ha existido durante años, pero requería conocimientos de programación o acceso a equipos especializados. La IA está democratizando esto.

Datawrapper

Datawrapper no es estrictamente una herramienta de IA, pero se está integrando con asistentes de IA para facilitar la creación de visualizaciones. El flujo básico:

1. Tienes un dataset (puede ser un Excel, un CSV o datos copiados de un PDF)
2. Lo subes a Datawrapper
3. Seleccionas el tipo de gráfico
4. Publicas con un embed que funciona en cualquier CMS

Lo que la IA añade: puedes usar ChatGPT para limpiar y transformar los datos antes de importarlos. Si tienes una tabla mal formateada, le describes el problema y te genera el código Python o las fórmulas de Excel necesarias para arreglarlo.

Datawrapper también tiene su propia función de IA en beta que sugiere el tipo de gráfico más adecuado para los datos que estás visualizando, basándose en la estructura del dataset y el tipo de historia que quieres contar.

Análisis de datos con Python + IA

Para periodistas con algo de base técnica (o ganas de aprender), la combinación de Python con asistentes de IA como GitHub Copilot o ChatGPT ha reducido enormemente la barrera de entrada al análisis de datos.

Puedes pedirle a ChatGPT que te escriba código Python para:

• Descargar datos de fuentes públicas (INE, Eurostat, datos.gob.es)
• Limpiar y filtrar datasets
• Calcular estadísticas descriptivas
• Generar gráficos básicos

No necesitas saber programar para entender los resultados, aunque sí necesitas suficiente criterio para detectar cuando el análisis es incorrecto. El riesgo del "vibe coding" aplicado al periodismo de datos: que el código funcione pero haga un cálculo que no es el que necesitas. La supervisión humana sobre la lógica del análisis sigue siendo imprescindible.

El caso del NYT y el periodismo de datos con IA

El New York Times usa IA internamente para analizar grandes volúmenes de datos en sus investigaciones. Uno de los ejemplos más conocidos fue el análisis de datos de vuelo para rastrear movimientos de aviones privados. La IA procesó millones de registros que habrían tardado semanas en analizarse manualmente.

En España, El Confidencial y El País tienen equipos de datos que ya integran herramientas de IA en sus flujos de trabajo, aunque la información sobre cómo exactamente es escasa.

La Cadena SER publicó en 2024 un análisis de datos sobre tiempos de espera en urgencias de la Comunidad de Madrid usando datos del SERMAS procesados con herramientas de IA. El análisis, que cruzó decenas de miles de registros, tardó días en lugar de las semanas que habría costado hacerlo manualmente.

Generación de contenido: dónde ayuda y dónde falla

Aquí viene el tema espinoso. La IA puede generar texto. ¿Deben los periodistas usarla para escribir artículos?

La respuesta depende del tipo de contenido.

Dónde tiene sentido usar IA para generar texto

Artículos de datos estructurados: resultados deportivos, precios de la bolsa, datos meteorológicos, resultados electorales. Estos artículos siguen una estructura fija y los datos son verificables. Associated Press lleva años usando IA para generar este tipo de piezas. En España, algunos medios ya lo hacen para cobertura deportiva de segunda y tercera división.

Primeros borradores de notas de prensa: si recibes una nota de prensa y necesitas convertirla en una pieza periodística básica, la IA puede hacer el primer borrador. Ojo: requiere revisión exhaustiva y añadir contexto, fuentes independientes y análisis.

Resúmenes de sesiones largas: plenos municipales, juicios, ponencias. Si tienes la transcripción, la IA puede generar un resumen de los puntos principales. De nuevo, revisión obligatoria.

Titulares alternativos para A/B testing: si tu medio hace pruebas de diferentes titulares para la misma pieza (práctica habitual en medios digitales), la IA puede generar variantes rápidamente para que el equipo editorial elija.

Dónde NO debes usar IA para generar texto

Periodismo de investigación: la IA no puede hacer llamadas, conseguir documentos, convencer a fuentes de hablar o detectar cuando algo no cuadra. La investigación periodística depende de habilidades humanas que la IA no tiene.

Entrevistas y crónicas: el valor de estos géneros está en la presencia, la observación y la interpretación del periodista. Un perfil de persona generado por IA es, en el mejor de los casos, mediocre.

Cualquier cosa que requiera verificación exhaustiva: la IA alucina. Inventa datos, cita fuentes que no existen, confunde hechos. Si usas texto generado por IA sin verificar cada dato, tu credibilidad está en riesgo.

Detección de deepfakes: la amenaza que no para de crecer

Este es uno de los usos de la IA más importantes para el periodismo moderno y del que menos se habla en las redacciones españolas.

Un deepfake es un vídeo, audio o imagen manipulada con IA para hacer parecer que alguien dijo o hizo algo que no ocurrió. La calidad de los deepfakes actuales hace que sean indistinguibles para el ojo humano en muchos casos.

Herramientas de detección

Sensity AI: plataforma especializada en detección de deepfakes. Analiza vídeos e imágenes y da una puntuación de probabilidad de manipulación. Usada por medios de comunicación y agencias gubernamentales. El acceso es de pago y orientado a empresas.

Hive Moderation: similar a Sensity, ofrece una API para integrar detección de deepfakes en flujos de trabajo. Detecta tanto imágenes como vídeos generados por IA.

FakeCatcher de Intel: tecnología desarrollada por Intel que detecta deepfakes analizando el flujo de sangre en la piel del vídeo (fotopletismografía). Disponible solo para partners institucionales por ahora.

Herramientas gratuitas: existen algunos detectores gratuitos como Deepware Scanner o los de Hugging Face, pero su fiabilidad es menor. Útiles para una primera criba, no para verificación definitiva.

La carrera entre creadores de deepfakes y detectores es constante. Cada mejora en los detectores se convierte en un objetivo para los creadores de los sistemas de generación. No existe una herramienta que garantice la detección al 100%.

Señales de alerta que puedes detectar tú mismo

Mientras las herramientas automatizadas mejoran, hay señales visuales que indican posible manipulación:

• Bordes difusos alrededor del pelo o los dientes
• Parpadeo anormal o ausente
• Inconsistencias en la iluminación (sombras que no cuadran)
• Movimientos de manos extraños (la IA sigue teniendo problemas con las manos)
• Audio ligeramente desincronizado con los movimientos de labios
• Fondo que tiembla o tiene artefactos visuales
• Textura de piel demasiado uniforme, sin poros ni imperfecciones naturales

El protocolo de verificación de vídeos

Cuando recibes un vídeo viral que quieres publicar:

1. Búsqueda inversa de imagen: sube un fotograma a Google Images o TinEye para ver si el vídeo existe en otro contexto
2. Metadata: herramientas como InVID/WeVerify te permiten analizar la metadata de vídeos de redes sociales
3. Contexto geográfico: verifica que el escenario es coherente con la localización afirmada (edificios, señales, vehículos, vegetación)
4. Fuente primaria: ¿quién publicó esto primero? ¿Tiene historial verificable?
5. Detector de deepfakes: solo si los pasos anteriores no son concluyentes

La regla práctica: si no puedes verificar la autenticidad de un vídeo con razonable certeza, no lo publiques. La presión de ser el primero en publicar algo no justifica publicar algo falso.

Verificación de fuentes: IA para el trabajo de investigación

La IA también ayuda en la verificación de identidades y fuentes en el entorno digital.

Búsqueda inversa de imágenes avanzada

Google Lens y TinEye son los básicos. Pero para búsquedas más avanzadas:

PimEyes: motor de búsqueda facial que permite encontrar en qué webs aparece una imagen de una persona. Útil para verificar si una foto de perfil es real o robada. Controversia ética incluida — hay debates legítimos sobre si esta herramienta debería existir.

Social Catfish: especializado en verificar identidades en redes sociales. Cruza información de múltiples plataformas para establecer si un perfil es genuino.

Análisis de cuentas de redes sociales

Botometer: analiza cuentas de Twitter/X para determinar si son bots. Desarrollado por la Universidad de Indiana. Útil para evaluar si una campaña de información viral tiene origen orgánico o coordinado artificialmente.

Hoaxy: visualiza cómo se propaga una historia o enlace en redes sociales, útil para entender el origen de una desinformación y si hay amplificación artificial coordinada.

Botcheck.me: similar a Botometer pero con interfaz más sencilla. Gratuito para uso básico.

Medios españoles que ya usan IA: casos reales

El País

El País ha integrado herramientas de IA en su redacción, principalmente para:

• Transcripción de entrevistas
• Traducción de contenido (especialmente del inglés)
• Análisis de datos electorales
• Generación de newsletters personalizadas
• Recomendación de contenido para lectores

Han sido relativamente transparentes al respecto, publicando sus propias directrices internas sobre uso de IA.

El Confidencial

El Confidencial tiene uno de los equipos de datos más activos del periodismo español. Usan IA para análisis de grandes conjuntos de datos en sus investigaciones. También experimentan con sistemas de recomendación de contenido basados en IA. Su unidad de datos ha publicado metodologías de trabajo que incluyen Python y herramientas de IA.

Agencia EFE

La agencia EFE ha anunciado acuerdos con proveedores de IA para automatizar la generación de contenido de bajo valor añadido (noticias de datos: bolsa, meteorología, resultados deportivos) liberando a sus periodistas para trabajo de mayor valor. También usa IA para la distribución y clasificación de contenido en múltiples idiomas.

RTVE

RTVE experimenta con subtitulación automática y transcripción de sus archivos históricos usando IA. También tiene proyectos de búsqueda semántica en sus archivos de vídeo — una herramienta de valor incalculable para una organización con décadas de material audiovisual sin catalogar correctamente.

Televisiones autonómicas

Varias televisiones autonómicas (TV3, ETB, Canal Sur) usan ya subtitulación automática en directo basada en IA. La calidad no es perfecta — los subtítulos en directo generados por IA tienen errores — pero para el objetivo de accesibilidad para personas sordas representa un avance significativo respecto a no tener subtítulos.

Directrices éticas para periodistas que usan IA

El uso de IA en periodismo no es solo una cuestión técnica — tiene implicaciones éticas que cada redacción debe resolver.

Transparencia con la audiencia

¿Cuándo se debe decir al lector que un artículo ha sido asistido por IA? No hay consenso universal, pero la tendencia es hacia mayor transparencia. El New York Times, BBC y Guardian tienen políticas explícitas al respecto.

Mi posición personal: si la IA ha generado partes significativas del texto, hay que declararlo. Si solo ha ayudado con transcripción o búsqueda de datos, es comparable a usar Google — no hace falta declararlo.

La FAPE (Federación de Asociaciones de Periodistas de España) publicó en 2024 una guía de recomendaciones sobre IA en periodismo. El documento establece principios de transparencia, verificación y responsabilidad editorial que son un buen punto de partida para cualquier redacción.

El problema de los derechos de autor

Si usas IA para generar imágenes, ¿a quién pertenecen esas imágenes? En España, la ley de propiedad intelectual todavía no ha resuelto esta cuestión. El TJUE (Tribunal de Justicia de la Unión Europea) tiene pendientes varias cuestiones prejudiciales sobre si las obras generadas por IA son susceptibles de protección por derechos de autor.

Varias organizaciones de periodistas han publicado recomendaciones de precaución: no usar IA para generar imágenes que sustituyan a fotógrafos en coberturas informativas, declarar cuando una imagen es generada por IA.

Sesgos en los modelos de IA

Los modelos de IA reflejan los sesgos de sus datos de entrenamiento. Si usas IA para análisis o para generar texto, el resultado puede contener sesgos de género, raza o ideología que no son evidentes. La responsabilidad de detectarlos y corregirlos es del periodista.

Un ejemplo concreto: si pides a un LLM que genere el perfil de un "periodista de investigación exitoso", el modelo tenderá a generar un perfil masculino porque ese sesgo existe en sus datos de entrenamiento. Detectar y corregir estos sesgos requiere atención activa.

Privacidad de fuentes

Este es el punto más crítico: nunca uses herramientas de IA en la nube (ChatGPT, Gemini, Copilot) para procesar información que pueda identificar a fuentes confidenciales. Los términos de servicio de estas plataformas permiten que la información se use para mejorar los modelos, lo que podría exponer a tus fuentes.

Si necesitas procesar información sensible con IA, usa modelos en local (Ollama, LM Studio) que no envían datos a servidores externos. Es más lento y menos potente, pero la seguridad de tus fuentes no tiene alternativa.

Flujo de trabajo práctico: cómo integrar la IA en tu día a día

No hace falta cambiar todo de golpe. Esta es mi recomendación para integrar la IA progresivamente:

Semana 1-2: Empieza con la transcripción

Si haces entrevistas, prueba Otter.ai esta semana. Es el cambio con mayor retorno inmediato. Configura la app, graba tu próxima entrevista y compara el tiempo que tardas en tener la transcripción versus hacerlo manualmente.

El objetivo no es transcripción perfecta — es transcripción suficientemente buena que reduces el tiempo de 3 horas a 30 minutos de revisión.

Semana 3-4: Incorpora Perplexity a tu investigación

Usa Perplexity como complemento de Google para el contexto de tus historias. No para verificar hechos (eso sigue siendo trabajo tuyo), sino para orientarte rápidamente en un tema nuevo o encontrar datos iniciales.

Ejemplo práctico: te asignan un artículo sobre las consecuencias de la nueva ley de vivienda en el mercado de alquiler en Barcelona. Empieza con Perplexity para obtener el contexto básico (datos de precios, tendencias, legislación autonómica relacionada). Luego vas a las fuentes primarias para verificar y profundizar.

Mes 2: Experimenta con análisis de documentos

Cuando tengas un documento largo (informe, expediente, memoria), prueba a subirlo a ChatGPT Plus y hacer preguntas. Evalúa la precisión de las respuestas comparándolas con el documento original.

Importante: crea un hábito de verificación. Por cada dato que extraigas a través de IA, vuelve al documento original para confirmarlo. El objetivo es que la IA te ahorre tiempo de lectura inicial, no que sustituya la lectura rigurosa.

Mes 3: Formación en detección de deepfakes

Dedica tiempo a formarte en verificación de vídeos e imágenes. El protocolo de InVID/WeVerify es un buen punto de partida y es gratuito. La extensión de Chrome de InVID es una de las herramientas más útiles que puedes instalar en tu navegador.

Las herramientas que no merecen tu tiempo (todavía)

Hay mucho ruido en el mercado de IA para periodismo. Estas son las categorías que, en mi experiencia, aún no están maduras:

Generadores de artículos automáticos: servicios que prometen generar artículos periodísticos completos. El resultado es genérico, sin fuentes verificadas y con el riesgo de alucinaciones. No los uses para nada que vaya a publicarse sin revisión exhaustiva.

Chatbots de atención al lector sin supervisión: algunos medios han implementado chatbots para responder preguntas de lectores. Sin supervisión humana, el riesgo de respuestas incorrectas o inapropiadas es alto. La reputación periodística se construye durante años y se destruye en horas.

Análisis de sentimiento para cobertura política: los modelos de análisis de sentimiento tienen sesgos conocidos y pueden generar conclusiones engañosas cuando se aplican a discurso político en español. Las diferencias dialectales y el uso de ironía y sarcasmo en el español peninsular generan falsos positivos y negativos sistemáticos.

Lo que viene: tendencias en IA y periodismo

Modelos de lenguaje especializados para periodismo

Varias organizaciones periodísticas están desarrollando o comprando modelos de IA entrenados específicamente con corpus periodísticos. La ventaja: menos alucinaciones, mejor comprensión del estilo periodístico, mayor respeto por los estándares éticos. The Guardian y AP han anunciado proyectos en esta dirección.

Verificación automatizada en tiempo real

El santo grial del fact-checking automatizado: un sistema que, mientras un político habla en directo, compara sus afirmaciones con bases de datos verificadas y alerta sobre posibles inexactitudes. Esto ya existe en fase experimental. PolitiFact y Full Fact trabajan en ello. En España, Newtral ha anunciado proyectos similares para cobertura electoral.

Archivos periodísticos inteligentes

Los grandes medios tienen décadas de archivos sin indexar correctamente. La IA está permitiendo hacer esos archivos buscables semánticamente — no solo por palabras clave, sino por conceptos, personas, eventos y relaciones. El archivo de RTVE, con miles de horas de vídeo histórico, es un ejemplo del potencial enorme que esto tiene para hacer historia accesible.

Personalización responsable

Los sistemas de recomendación de contenido basados en IA tienen el riesgo conocido de crear "cámaras de eco" que refuerzan las creencias existentes del lector. Los medios más responsables están experimentando con sistemas de recomendación que deliberadamente incluyen perspectivas diferentes, en lugar de solo maximizar el tiempo de lectura.

Para saber más sobre el impacto de la IA en el trabajo profesional, puedes leer mi artículo sobre cómo usar ChatGPT para trabajar y mi análisis de IA para empresas.

El periodismo no va a desaparecer. Pero el periodismo que no integre estas herramientas va a producir menos, investigar peor y competir en desventaja con el que sí lo haga. La elección es tuya.