Periodismo de datos: qué hace la IA (y qué no)

Analizar millones de imágenes satelitales, cruzar registros judiciales o rastrear alertas de compras públicas sospechosas. En América Latina, las redacciones hace rato que usan inteligencia artificial para hacer ese tipo de investigaciones.

Sin embargo, detrás del actual hype por la IA aparece una pregunta: ¿qué cambia realmente en nuestra forma de hacer periodismo?

A partir de un análisis sobre diez experiencias de integración de IA en investigaciones basadas en datos, surgen cuatro claves y un problema que no tiene que ver con la tecnología, sino con la transparencia en nuestros países.

1. La automatización tiene niveles

No es lo mismo usar IA para detectar anomalías o rankear contrataciones por nivel de riesgo, que clasificar documentos de forma masiva o automatizar la creación de un gráfico. Cada tarea implica un grado de riesgo distinto y demanda un control humano específico. Para salir de la discusión de «reemplazo, sí o no», se propone ordenar esas prácticas en un gradiente de cinco posiciones que delimita qué ejecuta el sistema y qué decisiones quedan bajo supervisión periodística.

2. Procesar más volumen no garantiza mejores historias

La IA expande la capacidad de procesamiento, pero no interpreta (bien). Una correlación estadística no prueba una irregularidad por sí sola, ni un número explica las causas de un fenómeno. Para que un hallazgo algorítmico se transforme en una noticia, el proceso sigue requiriendo lo de siempre: contexto, trabajo de campo, entrevistar a personas y verificación cruzada.

3. La hipótesis sigue siendo periodística

En los diez casos analizados, los equipos preservaron el control editorial en todo momento: definieron qué investigar, qué peso darle a cada arista y qué publicar. La IA operó como un acelerador en etapas intermedias del procesamiento técnico, pero en ningún momento sustituyó el criterio editorial ni la toma de decisiones.

4. El problema de fondo: la opacidad del Estado

De poco sirve contar con alta tecnología si la información pública no existe, está en formatos cerrados o requiere meses de extracción y limpieza artesanal. En gran parte de los proyectos estudiados, la traba principal no fue contar con herramientas tecnológicas, sino la dificultad para acceder a datos públicos abiertos y estructurados.

Lo que la IA todavía no hace

En los diez casos analizados, la IA se utilizó para recolectar, estructurar y analizar datos. No se usó para entrevistar fuentes ni para construir la narrativa final de las historias.

La automatización avanzó sobre tareas técnicas, pero la investigación siguió necesitando periodistas que hicieran preguntas, verificaran hallazgos y decidieran qué contar.

Podríamos decir que procesar datos es parte del trabajo, pero hacer periodismo es bastante más que eso.

Vía