Revista de la Sociedad Española de Documentación e Información Científica, nº93–DOI: 10.47251/clip.n93.197
Entrevista realizada por CARLOS LOPEZOSA GARCÍA, Profesor Lector del Departament de Biblioteconomia, Documentació i Comunicació Audiovisual de la Universitat de Barcelona
“La irrupción
de la inteligencia
artificial generativa está
transformando profundamente los procesos
de búsqueda, análisis
y producción de
conocimiento en ámbitos
como la documentación, la
comunicación y la
investigación académica. En
esta entrevista, el
Dr. Lluís Codina reflexiona
sobre el alcance
de este cambio
tecnológico, comparándolo con
el impacto histórico de
Google, aunque destacando
su mayor profundidad
conceptual y operativa.
A lo largo de la conversación se
analizan cuestiones como la evolución delos motores de búsqueda, el papel del
posicionamiento en buscadores en los sistemas generativos, los riesgos
asociados a la fiabilidad de la IA y la necesidad de mantener una actitud crítica
frente a la automatización de tareas cognitivas. Asimismo, se aborda el concepto de “deuda cognitiva”,
entendido como la pérdida progresiva de habilidades derivada de una excesiva
delegación intelectual en sistemas automatizados. El entrevistado también
examina el grado de preparación de los profesionales de la documentación y la
comunicación para integrar estas tecnologías en sus rutinas de trabajo,
subrayando la existencia de una brecha formativa todavía significativa.
Finalmente, plantea una visión
prospectiva sobre la
relación entre inteligencia
artificial y creación
de conocimiento, defendiendo que
estas herramientas tendrán un papel central en todas las fases de los procesos
de investigación y análisis, siempre que se acompañen de protocolos rigurosos
de verificación y buenas prácticas académicas.
Inteligencia artificial
generativa; búsqueda de
información; SEO; documentación; creación de conocimiento; alfabetización
digital
The emergence of generative artificial intelligence is profoundly transforming the processes of information searching, analysis, and knowledge production in fields such as documentation, communication, and academic research. In this interview, Dr. Lluís Codina reflects on the scope of this technological shift, comparing it to the historical impact of Google while emphasizing its greaterconceptual and operational depth. Throughout the conversation, topics such as the evolution of search engines, the role of search engine optimization within generative systems, the risks associated with AI reliability, and the need to maintain a critical perspective toward the automation of cognitive tasks are discussed. The interview also addresses the concept of “cognitive debt,” understood as the gradual loss of skills resulting from excessive intellectual delegation to automated systems. In addition, the interviewee examines the degree of preparedness among documentation and communication professionals to integrate these technologies into their daily workflows, highlighting the persistence of a significant training gap. Finally, he offers a prospective vision of the relationship between artificial intelligence and knowledge creation, arguing that these tools will play a central role in all stages of research and analytical processes, provided they are accompanied by rigorous verification protocols and sound academic practices.
Generative artificial intelligence; information retrieval; SEO; documentation; knowledge creation; digital literacy
LLUÍS CODINA es uno de los principales referentes en el ámbito de la documentación digital, el posicionamiento web y la comunicación académica en España. Doctor en Ciencias de la Información y profesor honorario de la Universitat Pompeu Fabra (UPF), su trayectoria investigadora se ha centrado especialmente en la búsqueda y evaluación de información, la visibilidad digital, las metodologías de investigación y, en los últimos años, el impacto de la inteligencia artificial generativa en la producción de conocimiento. Autor de numerosos artículos, libros y recursos docentes, Codina ha contribuido de manera decisiva a introducir una visión metodológica y crítica sobre el ecosistema digital en los estudios de comunicación y documentación.En el contexto actual, marcado por la rápida expansión de herramientas como ChatGPT, Gemini o Perplexity, las reflexiones de Lluís Codina adquieren una relevancia especial. Su trabajo reciente analiza cómo la inteligencia artificial está modificando las dinámicas tradicionales de acceso a la información, la investigación académica y la creación de contenidos digitales. Desde una perspectiva que combina el análisis técnico y la reflexión crítica, Codina advierte tanto de las enormes posibilidades de estas tecnologías como de los riesgos derivados de un uso acrítico, especialmente en relación con la fiabilidad de la información, las malas praxis académicas y la denominada “deuda cognitiva”. En esta entrevista, el profesor Codina aborda algunas de las principales cuestiones que rodean actualmente a la inteligencia artificial generativa, su comparación con la revolución que supuso Google, la evolución de los motores de búsqueda, el papel del SEO en los sistemas generativos y los desafíos que plantea la automatización de tareas intelectuales. Asimismo, reflexiona sobre el futuro de la documentación y la creación de conocimiento en un escenario donde la inteligencia artificial tendrá un papel cada vez más integrado en todas las fases de los procesos de investigación, análisis y comunicación científica.
1.
La inteligencia artificial generativa ha irrumpido con fuerza en universidades,
medios de comunicación y
centros de documentación, ¿estamos
ante una revolución comparable a la llegada de Google
o incluso superior?.
Pues todo apunta a que sí, que estamos ante un cambio muy importante. Quizá muy importante en profundidad, aunque no necesariamente (al menos de momento) en amplitud. Intento explicarlo. Google representó un cambio enorme en amplitud, prácticamente no hay persona que utilice Internet y no conozca o emplee Google en su vida cotidiana. La inteligencia artificial generativa, en cambio, supone un cambio más profundo, porque introduce una tecnología mucho más sofisticada y compleja, capaz de intervenir en procesos de creación, análisis y toma de decisiones.Ahora bien, no está tan claro que alcance todavía el mismo grado de universalización que Google. Es posible que en el futuro la inteligencia artificial llegue a integrarse de forma masiva en la vida cotidiana de toda la población, pero hoy aún no estamos en ese escenario. Lo que sí parece evidente es que se trata de una transformación tecnológica de enorme alcance, comparable como mínimo a la llegada de Google y, probablemente, incluso superior en términos de impacto conceptual y operativo. Naturalmente, cualquier predicción sobre tecnología corre el riesgo de quedar rápidamente desfasada. Sin embargo, sí podemos afirmar con bastante seguridad que la inteligencia artificial generativa no constituye una moda pasajera, sino un cambio estructural que ya está alterando nuestra manera de buscar información, producir conocimiento y relacionarnos con los entornos digitales.
2.
Muchas personas utilizan ya herramientas como ChatGPT, Perplexityo Gemini para
buscar información, ¿cómo
cambia esto el
papel tradicional de
los motores de búsqueda y del posicionamiento en
buscadores (SEO)?
En relación con los motores de búsqueda, parece evidente que una parte de las búsquedas tradicionales se está desplazando hacia sistemas basados en inteligencia artificial. Ahora bien, de momento se trata de una desviación relativamente pequeña y todavía poco significativa en términos globales. Las estadísticas muestran que cada vez más usuarios recurren a herramientas de IA para resolver necesidades informativas, pero eso no significa que los buscadores convencionales estén dejando de ser útiles o relevantes.De hecho, dependiendo del tipo de necesidad de información, los motores de búsqueda tradicionales siguen ofreciendo ventajas muy importantes. Además, la situación se ha vuelto más compleja desde el momento en que Google ha integrado funciones de inteligencia artificial directamente en sus resultados, mediante sistemas como AI Overviews o los nuevos modos conversacionales de búsqueda. Por tanto, no parece probable una desaparición de la búsqueda convencional, sino más bien una evolución hacia modelos híbridos en los que convivan buscadores tradicionales e inteligencia artificial generativa. En cuanto al SEO, creo que la cuestión está todavía más clara. El SEO de contenidos continúa siendo fundamental y, de hecho, resulta especialmente adecuado para los sistemas de inteligencia artificial. Existe un consenso bastante amplio en considerar que los sitios web que desarrollan estrategias sólidas de SEO de contenidos están influyendo de manera significativa en las respuestas generadas por las IA. Particularmente relevante es el alineamiento con los principios EEAT de Google (Experience, Expertise, Authoritativenessy Trustworthiness), es decir, experiencia, conocimiento experto, autoridad y confiabilidad. Estos criterios, que Google utiliza para valorar la calidad y credibilidad de un sitio web, parecen ser también especialmente relevantes para los sistemas de rastreo y síntesis de información empleados por las inteligencias artificiales generativas. Mi propia experiencia confirma que un sitio web bien trabajado desde el punto de vista del SEO y de la calidad editorial puede impactar de manera muy rápida y directa en las respuestas que generan los sistemas de inteligencia artificial. Por eso, más que asistir al final del SEO, probablemente estamos entrando en una nueva etapa en la que el posicionamiento y la autoridad informativa adquieren todavía más importancia.
3.
Uno de los grandes debates actuales es la fiabilidad de la inteligencia
artificial. Desde tu experiencia, ¿qué
riesgos ves en
delegar tareas de
búsqueda, síntesis o
evaluación de información en sistemas generativos?
La cuestión de la fiabilidad es, probablemente, uno de los grandes problemas de la inteligencia artificial generativa. El riesgo principal es que los errores pueden aparecer de manera inesperada en medio de un funcionamiento aparentemente muy eficaz. Es decir, puedes utilizar una herramienta de IA diez veces y obtener nueve respuestas perfectamente correctas y útiles, pero en una ocasión introducir un error grave. Y precisamente porque el sistema suele funcionar bien, existe el peligro de confiarse demasiado y no detectar ese fallo. Ese es el verdadero problema, la falsa sensación de seguridad. Cuando una herramienta ofrece resultados convincentes de manera habitual, es fácil bajar el nivel de vigilancia crítica. Entonces puede ocurrir que una respuesta generada por IA se incorpore directamente a un trabajo académico, un informe o una publicación sin haber sido revisada adecuadamente. Y ese contenido puede contener desde pequeños errores hasta auténticos disparates. El ejemplo más conocido es aquel caso viral en el que un sistema de IA recomendaba poner pegamento en una pizza para mejorar que el queso se adhiriera. Parece absurdo, pero ilustra perfectamente cómo una afirmación incorrecta puede aparecer integrada en una respuesta aparentemente coherente.En el ámbito académico, el problema resulta todavía más delicado. Se han dado numerosos casos de investigadores o estudiantes que han utilizado referencias bibliográficas generadas por inteligencia artificial sin comprobarlas previamente. Algunas de esas referencias simplemente no existían, eran citas inventadas. Esto representa una mala praxis muy grave, porque ningún autor debería incluir en un trabajo referencias que no haya consultado directamente. Si esas referencias hubieran sido verificadas una por una, el error habría sido detectado inmediatamente.Por tanto, el problema de la fiabilidad no consiste únicamente en que la inteligencia artificial pueda equivocarse, porque cualquier tecnología o incluso cualquier persona puede hacerlo, sino en que sus errores suelen estar ocultos dentro de respuestas plausibles y bien redactadas. Precisamente por eso es imprescindible aplicar controles sistemáticos de verificación y mantener siempre una actitud crítica frente a los resultados generados por IA. Utilizar inteligencia artificial puede ser extraordinariamenteútil, pero delegar completamente la validación de la información implica asumir riesgos muy importantes, especialmente en contextos académicos, científicos o profesionales.
4.
Entonces, ¿usamos la IA o no?
Por
supuesto que debemos utilizar la inteligencia artificial. La cuestión no es si
hay que usarla o no, sino cómo utilizarla correctamente. Y eso implica asumir
que todo lo que genera una IA debe ser verificado. De hecho, una recomendación
bastante razonable es emplear estas herramientas especialmente en
ámbitos sobre los
que ya poseemos
conocimientos suficientes. Cuando conocemos bien un tema, podemos
evaluar con criterio gran parte de las respuestas generadas y detectar con
mayor facilidad posibles errores, imprecisiones o simplificaciones
excesivas.Esto es especialmente
importante en el
trabajo académico y
científico. Si se
utilizan referencias
bibliográficas proporcionadas por
una IA, es
imprescindible comprobarlas una
por una, localizar la fuente original, revisarla y asegurarse de que
realmente existe y de que ha sido consultada.
Ningún investigador debería
incorporar una referencia
que no haya
manejado directamente. La inteligencia
artificial puede ayudar enormemente
en tareas de
exploración, síntesis o apoyo a la investigación, pero nunca puede
sustituir la responsabilidad intelectual del autor.Ahora bien, además del
problema de la fiabilidad, existe otro riesgo todavía más profundo, el de la
denominada “deuda cognitiva”. Este concepto hace referencia a las capacidades
que dejamos de desarrollar
(o incluso empezamos
a perder) cuando
delegamos excesivamente
determinadas tareas intelectuales en sistemas automatizados. Y este problema
puede aparecer incluso aunque la inteligencia artificial funcionara
perfectamente y no cometiera errores. El
riesgo, por tanto,
no es únicamente
técnico, sino también
cognitivo y cultural.
Si delegamos de manera
sistemática tareas complejas
de análisis, razonamiento
o creatividad, podemos terminar
cayendo en una especie de “sedentarismo cognitivo”. Es decir, dejamos de
ejercitar habilidades fundamentales
relacionadas con el
pensamiento crítico, la
capacidad analítica o la resolución autónoma de problemas. Por eso creo
que la relación adecuada con la inteligencia
artificial debe ser
de colaboración y
no de sustitución.
La IA puede
ayudarnos enormemente,
incluso en tareas
creativas (de hecho,
buena parte de
su éxito se
debe precisamente a su capacidad para intervenir en procesos creativos),
pero sin que eso implique renunciar a nuestras propias capacidades
intelectuales. En este sentido, uno de los grandes desafíos de los próximos
años será aprender a integrar la inteligencia artificial sin deteriorar
nuestras competencias cognitivas. Necesitamos desarrollar modelos de
uso que mantengan
activa la reflexión
crítica y que
conviertan la IA
en una herramienta de apoyo al
pensamiento, y no en un sustituto del mismo.
5.
¿Crees que los
profesionales de la
documentación y la
comunicación están preparados para
integrarla ya en
su trabajo diario
o todavía existe
una brecha importante de
formación?
Creo que,
en realidad, todos
estamos todavía aprendiendo.
Y sí, sin
duda existe una
brecha formativa importante. La razón es bastante sencilla, la
inteligencia artificial generativa tiene un potencial extraordinariamente
amplio y todavía estamos descubriendo todo lo que puede llegar a hacer. No se
trata de una herramienta limitada a tareas mecánicas o automatizables, sino de
una tecnología capaz
de intervenir en
procesos creativos, analíticos
y conceptuales muy complejos. Precisamente por
eso resulta difícil
estar completamente preparado.
Nadie conoce todavía todas las
posibilidades que ofrece la inteligencia artificial generativa. Su capacidad no
es ilimitada, evidentemente, pero sí lo suficientemente amplia como para que
sigamos explorando constantemente nuevos usos, metodologías y formas de
interacción. En este sentido, la brecha no
solo tiene que
ver con aprender
a utilizar herramientas
concretas, sino también
con desarrollar marcos de trabajo, protocolos y metodologías que
permitan integrar la IA de manera eficaz y crítica en los procesos
profesionales y académicos.Creo que todavía nos falta construir una especie de
“gramática” de uso de la inteligencia artificial. Es
decir, una manera
relativamente sistemática de
comprender qué puede
hacer realmente, cómo puede ayudarnos y cuáles son sus límites. Y eso
requiere necesariamente un aprendizaje colectivo y colaborativo.Pondré un
ejemplo personal. Llevo
años trabajando intensamente
con inteligencia artificial,
diseñando promptsy experimentando con distintas aplicaciones. Sin embargo,
todavía hoy sigo sorprendiéndome cuando
veo ideas o
estrategias desarrolladas por
otros colegas. A veces descubres promptso formas de
interacción que jamás se te habían ocurrido y que abren posibilidades
completamente nuevas. Eso demuestra hasta qué punto seguimos en una fase de
exploración y aprendizaje.Por tanto, sí, existe una brecha formativa, pero
también una enorme oportunidad. El reto ahora
consiste en compartir
conocimiento, sistematizar buenas
prácticas y desarrollar competencias críticas que
permitan aprovechar todo el potencial de la inteligencia artificial sin caer ni
en el uso superficial ni en la dependencia acrítica de estas herramientas.
6.
Si pensamos en
los próximos cinco
años, ¿cómo imaginas
la relación entre inteligencia artificial, documentación
y creación de conocimiento?
Creo
que la relación va a ser estrechísima. De hecho, será muy difícil trabajar en
documentación, investigación o creación
de conocimiento sin
utilizar inteligencia artificial.
Estas herramientas pueden
intervenir en prácticamente todas las fases del proceso de producción de
conocimiento, desde la ideación inicial hasta la presentación final de resultados.La inteligencia artificial
puede ser especialmente útil
en la fase
de ideación y conceptualización. Cuando
iniciamos una investigación, primero
necesitamos saber qué queremos estudiar y cómo queremos
hacerlo. En ese momento, la IA puede ayudarnos a perfilar una idea
inicial, formular preguntas
de investigación, proponer
hipótesis o incluso
construir matrices de consistencia
que relacionen problemas
de investigación, objetivos,
hipótesis y metodologías. Una vez
definido el objeto de estudio, la inteligencia artificial también puede ayudar
en el diseño de esquemas de análisis o de extracción de datos. Es decir, puede
contribuir a establecer qué información necesitamos recoger, cómo organizarla y
de qué manera analizarla. Esto puede ser muy valioso en investigaciones
documentales, revisiones bibliográficas, análisis de contenido o estudios
comparativos. Después, cuando los datos ya
han sido recogidos,
la IA puede
apoyar la fase
de análisis, síntesis y
presentación de resultados.
Puede ayudar a
elaborar tablas, organizar
categorías, redactar síntesis narrativas, proponer visualizaciones o
estructurar la exposición de los hallazgos. Por
tanto, su utilidad
no se limita
a una etapa
concreta, sino que
atraviesa todo el
ciclo de creación de
conocimiento.
Ahora
bien, esta integración debe hacerse con
cautela. No se trata de descargar todo el trabajo intelectual en la
inteligencia artificial ni de delegar el pensamiento crítico. Al contrario,
cuanto más se
integre la IA
en los procesos
de investigación, más necesario
será que los investigadores sepan qué quieren hacer,
evalúen críticamente las propuestas de la herramienta, verifiquen los
resultados, los editen
y los trabajen
cuidadosamente. La inteligencia
artificial puede convertirse en una ayuda decisiva, pero la
responsabilidad intelectual debe seguir siendo siempre humana.
7.
Para finalizar, ¿cuáles
consideras que serán
los cambios más
transformadores derivados de la integración de la inteligencia
artificial?
Creo que los cambios realmente transformadores vendrán del hecho de que la inteligencia artificial estará presente en todas las fases de los procesos de creación de conocimiento, ayudándonos y asistiéndonos de manera constante. La gran transformación debería ser que cualquier trabajo de creación de conocimiento, incluida la investigación científica, llegue a ser simplemente mejor, más riguroso, más sólido, más eficaz y con mayor capacidad analítica. Y ojalá ese sea el escenario que termine imponiéndose. Sin embargo, para que eso ocurra será imprescindible erradicar las malas prácticas asociadas al uso de la inteligencia artificial. Uno de los ejemplos más preocupantes ya lo estamos viendo en la proliferación de referencias bibliográficas inventadas. Un autor descuidado puede incorporar una referencia falsa generada por IA en un trabajo académico; después, otros investigadores la encuentran, asumen que es correcta y la reproducen sin verificarla. En ese momento, el error deja de ser aislado y comienza a propagarse dentro del sistema científico y académico.Ahí aparece la cara más problemática del cambio transformador. Desde una perspectiva pesimista, la inteligencia artificial podría contribuir a un ecosistema del conocimiento progresivamente contaminado por errores, datos falsos, referencias inexistentes o alucinaciones generadas automáticamente. Si no se aplican controles rigurosos, una parte significativa del conocimiento producido podría terminar estando viciada o deteriorada.Pero existe también un escenario mucho más esperanzador. Si la inteligencia artificial se utiliza correctamente y se desarrollan protocolos sólidos de verificación y buenas prácticas, entonces la creación de conocimiento puede experimentar una mejora extraordinaria. La IA puede ayudarnos a analizar más información, detectar patrones complejos, trabajar con mayor profundidad y aumentar la calidad de los resultados obtenidos.Por tanto, el verdadero potencial transformador de la inteligencia artificial no dependerá únicamente de la tecnología, sino de cómo decidamos utilizarla. Si conseguimos integrar estas herramientas de forma crítica, responsable y metodológicamente rigurosa, la producción de conocimiento podría volverse más fiable, más eficiente y de mayor calidad. En ese escenario, no solo ganarían los investigadores o los profesionales de la documentación, sino la sociedad en su conjunto. El propósito fundamental de la IA debería ser contribuir a construir un mundo mejor para todos, incluyendo especialmente a las personas más desfavorecidas y a las regiones actualmente más empobrecidas. De no ser así: ¿para qué querríamos la inteligencia artificial?".
Entrevista
realizada por Carlos Lopezosa García, Profesor Lector del Departament de
Biblioteconomia, Documentació i Comunicació Audiovisual de la Universitat de
Barcelona
Fuente: Clip de SEDIC, Revista de la Sociedad Española de Documentación e Información Científica, nº93–DOI: 10.47251/clip.n93.197
