Lo que las IA no producen por si solas: información nueva de fuentes primarias, verificada por profesionales y contextualizada con conocimiento especializado
>> martes, 28 de julio de 2026
La era de la IA devuelve el valor a las fuentes, la verificación y el conocimiento especializado
https://laboratoriodeperiodismo.org
Imagen generada con la ayuda de un motor de IA
Un informe de AppliedXL sostiene que, a medida que la inteligencia artificial abarata la búsqueda, el resumen y la distribución de contenidos, la ventaja competitiva de los medios se desplaza hacia aquello que las máquinas todavía no pueden producir por sí solas: información nueva obtenida en fuentes primarias, verificada por profesionales y contextualizada con conocimiento especializado.
La expansión de la inteligencia artificial generativa está reduciendo con rapidez el coste de buscar, resumir, recombinar y distribuir información. Pero esa abundancia no elimina el valor del periodismo ni del análisis especializado. Lo desplaza hacia una zona más difícil de automatizar: descubrir qué ha sucedido, comprobarlo en la fuente original, interpretar sus consecuencias y convertirlo en una señal fiable antes de que el resto del mercado la haya identificado.
Esta es la tesis central de Original Intelligence: What Stays Valuable When AI Can Deliver Anything, un informe publicado por AppliedXL y firmado por Francesco Marconi. El estudio sostiene que las empresas de información han cobrado históricamente por dos actividades que estaban integradas en un mismo producto: producir conocimiento nuevo y hacerlo llegar a sus destinatarios. La inteligencia artificial está separando ambas funciones. La distribución se convierte progresivamente en una materia prima barata, mientras que la obtención de información original pasa a concentrar una parte creciente del valor.
El informe denomina a esa segunda actividad Original Intelligence, que podría traducirse como inteligencia original: la capacidad de localizar un hecho nuevo, verificarlo en una fuente primaria, explicar su relevancia y presentarlo de una manera que permita tomar decisiones. No se trata simplemente de escribir contenidos originales, sino de incorporar al registro público algo que antes no estaba disponible o no había sido interpretado correctamente.
La separación entre producir información y distribuirla
AppliedXL divide el negocio de la información en dos grandes funciones.
La primera es la originación.
Consiste en ser el primero en identificar un hecho nuevo, comprobarlo en la fuente y convertirlo en una señal que pueda utilizarse.
La segunda es la distribución:
buscar información ya registrada, resumirla, reorganizarla, combinarla y presentarla de una forma útil.
Durante décadas, periódicos, agencias, editoriales especializadas, empresas de datos y proveedores de información profesional vendieron ambas funciones como un único producto. El cliente pagaba simultáneamente por el trabajo de investigación y por el canal que le permitía acceder a él.
La inteligencia artificial rompe ese paquete. Los modelos pueden recorrer enormes volúmenes de información, resumir documentos, relacionar fuentes y responder preguntas a una velocidad difícil de igualar por una redacción. Sin embargo, continúan dependiendo de que alguien haya observado, registrado y validado previamente el hecho sobre el que trabajan.
El informe resume la diferencia de una forma tajante: las máquinas pueden recuperar la verdad, pero no producirla. Pueden analizar una sentencia judicial una vez publicada, pero no asistir al juicio, hablar con las partes o descubrir una información que todavía no figura en ningún documento. Pueden examinar datos regulatorios, pero necesitan que esos datos existan y que alguien determine cuáles son relevantes.
La frontera no se encuentra, por tanto, entre la escritura humana y la escritura automatizada. Se encuentra entre trabajar con el conocimiento ya registrado y establecer el primer contacto con un hecho nuevo.
Durante décadas, periódicos, agencias, editoriales especializadas, empresas de datos y proveedores de información profesional vendieron ambas funciones como un único producto. El cliente pagaba simultáneamente por el trabajo de investigación y por el canal que le permitía acceder a él.
La inteligencia artificial rompe ese paquete. Los modelos pueden recorrer enormes volúmenes de información, resumir documentos, relacionar fuentes y responder preguntas a una velocidad difícil de igualar por una redacción. Sin embargo, continúan dependiendo de que alguien haya observado, registrado y validado previamente el hecho sobre el que trabajan.
El informe resume la diferencia de una forma tajante: las máquinas pueden recuperar la verdad, pero no producirla. Pueden analizar una sentencia judicial una vez publicada, pero no asistir al juicio, hablar con las partes o descubrir una información que todavía no figura en ningún documento. Pueden examinar datos regulatorios, pero necesitan que esos datos existan y que alguien determine cuáles son relevantes.
La frontera no se encuentra, por tanto, entre la escritura humana y la escritura automatizada. Se encuentra entre trabajar con el conocimiento ya registrado y establecer el primer contacto con un hecho nuevo.
De las palomas de Reuters a los agentes de inteligencia artificial
Para explicar este desplazamiento, Marconi recurre a la historia de Paul Julius Reuter. En 1850, antes de que la red telegráfica conectara completamente Bruselas y Aquisgrán, Reuter utilizó palomas mensajeras para transportar los precios de cierre de la Bolsa de París. Durante unas horas, sus clientes disponían de una información que todavía no había llegado al resto del mercado.
Cuando el telégrafo cubrió aquel trayecto, las palomas dejaron de tener utilidad. Reuter no defendió el antiguo sistema, sino que adoptó la nueva infraestructura, se trasladó a Londres y construyó la agencia que acabaría convirtiéndose en Reuters. El valor nunca estuvo en la paloma ni en el cable, sino en disponer antes que los demás de una señal relevante.
Según el informe, la industria de la información ha atravesado tres grandes etapas. En la primera, marcada por el telégrafo, la escasez estaba en el transporte. En la segunda, representada por terminales como Bloomberg, LexisNexis o FactSet, el valor pasó a la estructuración de datos y a su integración en los procesos profesionales. En la tercera, la actual, el receptor ya no es necesariamente una persona, sino un agente de inteligencia artificial que consulta información, la cruza con otras fuentes e incluso ejecuta acciones.
Cuanto más eficiente se vuelve la distribución, mayor es la dependencia de la información original que alimenta el sistema. El agente puede ser la capa de entrega más sofisticada que haya existido, pero sigue necesitando un hecho verificado que procesar.
El archivo pierde valor; la actualidad verificada lo gana
Uno de los planteamientos más relevantes para los medios es que el archivo deja de constituir, por sí solo, una ventaja suficiente.
Durante años, acumular noticias, documentos y bases de datos permitía levantar barreras frente a nuevos competidores. Ahora, una empresa puede licenciar grandes fondos documentales e interrogarlos mediante inteligencia artificial. Lo que se abarata es el almacén de hechos ya registrados.
Eso no significa que los archivos dejen de ser útiles. Su función cambia. En lugar de venderse como un producto estático, sirven para proporcionar contexto histórico a los sistemas que buscan anomalías en los documentos que se publican cada día. El valor ya no reside únicamente en poseer el pasado, sino en utilizarlo para detectar qué acaba de cambiar.
AppliedXL considera que la ventaja competitiva pasa de la exhaustividad a la frescura. No gana necesariamente quien posee más documentos, sino quien cuenta con los mecanismos, las fuentes y el conocimiento especializado para interpretar un registro en el momento en que aparece.
Para los medios, esto supone una modificación profunda de prioridades. La producción de artículos explicativos genéricos, resúmenes o piezas fácilmente reproducibles pierde capacidad de diferenciación. En cambio, aumenta el valor de los profesionales que acceden a fuentes primarias, detectan cambios, verifican datos y explican sus consecuencias antes de que sean evidentes.
El periodista como especialista en información
El informe incluye dentro de la categoría de “especialistas en información” tanto a periodistas como a analistas. Su función no consiste solo en encontrar datos, sino en distinguir cuáles importan.
Un sistema automatizado puede señalar una anomalía dentro de miles de registros. La decisión difícil es determinar si esa anomalía representa una historia, un riesgo, una oportunidad o simplemente ruido estadístico.
También puede conectar documentos ya disponibles, pero no necesariamente conseguir el dato que aún no se ha publicado, llamar a una fuente o identificar la implicación de una modificación aparentemente menor. El verdadero valor surge al combinar acceso, conocimiento del sector, procedimientos de verificación y responsabilidad editorial.
AppliedXL denomina “algoritmo humano” al conjunto ordenado de pasos que sigue un experto: qué registros consulta, en qué orden los cruza, qué fuentes considera fiables y cómo determina que una hipótesis está suficientemente probada.
Parte de ese proceso puede codificarse y ejecutarse mediante inteligencia artificial. Pero el informe sostiene que no resulta tan sencillo reproducir el acceso a las fuentes, el conocimiento acumulado de un ámbito y la confianza asociada a una organización o a un profesional concreto.
El modelo, por tanto, no excluye al periodista. Lo sitúa en una posición distinta. La inteligencia artificial realiza la búsqueda masiva, la extracción de datos y parte de la comparación. El especialista decide dónde mirar, qué significa el hallazgo, qué falta por comprobar y si la información puede publicarse.
Una arquitectura para producir inteligencia verificable
El documento propone un proceso de siete fases para transformar la información original en un producto profesional.
Primero se accede directamente a registros institucionales primarios, como expedientes regulatorios, resultados clínicos, permisos, sentencias o registros administrativos. Después, esos documentos se estructuran para que puedan ser procesados por máquinas y cada elemento permanezca vinculado a su fuente.
La tercera fase consiste en detectar cambios, excepciones y anomalías. La cuarta relaciona esos acontecimientos con otros registros, momentos o entidades. A continuación se verifica la información, se revisa su procedencia y se somete a supervisión humana.
Solo después se contextualiza: a quién afecta, qué puede anticipar y por qué resulta relevante. Finalmente, la información se distribuye en el punto en que se toma una decisión, ya sea como alerta, indicador, previsión o registro de resolución.
El proceso combina capacidad tecnológica y disciplina periodística. El informe insiste en que la velocidad sin verificación produce ruido. Cada afirmación debe poder rastrearse hasta su documento original y ser revisada antes de llegar al cliente.
Este planteamiento se aleja del modelo de redacción que utiliza la inteligencia artificial únicamente para generar más artículos. La tecnología no se aplicaría principalmente a multiplicar el volumen publicado, sino a ampliar la cantidad de registros que una organización puede vigilar y analizar.
El contenido genérico se aproxima a un precio cero
El informe plantea una divergencia económica entre contenido e inteligencia.
El coste marginal de generar un artículo, un resumen o una explicación genérica se reduce progresivamente. Cuando varias herramientas pueden ofrecer productos semejantes, el contenido pierde escasez y resulta más difícil cobrar una suscripción o mantener tarifas publicitarias elevadas.
AppliedXL aclara que no todo el contenido perderá valor al mismo ritmo. La información exclusiva, las marcas reconocidas y determinados trabajos periodísticos podrán conservar capacidad de suscripción. La mayor presión recaerá sobre la franja intermedia de contenidos indiferenciados que muchas empresas han utilizado para obtener tráfico y publicidad.
La inteligencia profesional sigue una trayectoria distinta. Un gestor de inversiones, un médico, un regulador o un directivo no necesita recibir más artículos. Necesita una señal concreta, verificable y suficientemente fiable como para respaldar una decisión económica, clínica o institucional.
Según el documento, cuando el empaquetado y la distribución se abaratan, la garantía de que una información es real se convierte en el producto. Esa garantía depende de que alguien con conocimiento especializado haya localizado el dato en un registro primario, lo haya comprobado y asuma la responsabilidad de publicarlo.
La oportunidad está en la información profesional
Una de las conclusiones más claras del informe es la conveniencia de desarrollar productos de inteligencia para empresas y profesionales.
AppliedXL recomienda sustituir progresivamente la dependencia de la publicidad y del tráfico masivo por servicios que vendan información estructurada a personas que toman decisiones. El argumento es que el mercado de la atención está siendo inundado por contenidos generados automáticamente, mientras que las decisiones de alto impacto siguen necesitando fuentes verificadas.
El informe identifica tres grupos potenciales de compradores.
Los profesionales pagan por información que les permita decidir. Las plataformas de inteligencia artificial necesitan datos comprobados y vinculados a fuentes para evaluar sus propias respuestas. Los mercados de predicción y otros sistemas automatizados requieren registros autorizados que determinen si un acontecimiento ha ocurrido finalmente.
Los tres grupos buscan, en esencia, lo mismo: un hecho verificable, defendible línea por línea y conectado con su fuente original.
Esta lógica abre posibilidades para medios especializados en economía, salud, energía, regulación, política pública, seguridad o tecnología. En lugar de limitarse a publicar noticias sobre un sector, podrían convertir su capacidad de observación en alertas, bases de datos, indicadores, sistemas de vigilancia o herramientas integradas en el flujo de trabajo de sus clientes.
Los nuevos mercados nacen cuando aparecen nuevos registros
El informe analiza 235 empresas de información fundadas entre 1792 y 2023 para estudiar en qué parte de la cadena comenzaron su actividad. Su conclusión es que las nuevas capas tecnológicas suelen ser ocupadas por compañías nacidas específicamente para operar en ellas, y no necesariamente por los actores tradicionales que dominaban las anteriores.
AppliedXL también estudia la aparición de empresas por sectores. Entre las 170 compañías orientadas a información profesional de la muestra, identifica ámbitos como finanzas, salud, energía, seguridad, regulación y análisis empresarial. La metodología y la clasificación aparecen detalladas en el propio informe.
La creación de nuevos registros públicos puede anticipar el nacimiento de nuevos productos. El documento menciona los registros de carbono, las obligaciones de información sobre emisiones y los futuros sistemas de notificación de incidentes relacionados con inteligencia artificial.
Cuando una regulación obliga a producir datos nuevos y esos datos se vuelven accesibles, aparece un mercado para organizarlos, analizarlos y convertirlos en señales. Según AppliedXL, sectores como la energía y los materiales podrían presentar oportunidades porque se están generando nuevos registros sin que exista todavía una oferta equivalente de empresas especializadas.
Un planteamiento estratégico, no una conclusión definitiva
El informe ofrece un marco especialmente útil para entender dónde puede mantenerse el valor periodístico. Sin embargo, debe leerse también como una tesis empresarial.
AppliedXL explica que el modelo propuesto se basa en el sistema que la propia compañía ha desarrollado. Su recomendación de convertirse en una empresa de inteligencia original coincide, por tanto, con el producto y la posición de mercado que defiende.
Además, algunas de sus afirmaciones son más estratégicas que demostrables. La inteligencia artificial todavía puede ampliar su capacidad para observar el mundo mediante sensores, satélites, herramientas de navegación y agentes conectados a fuentes en tiempo real. El propio informe reconoce esa evolución, aunque diferencia entre capturar una señal y comprender qué significa.
Tampoco toda investigación original tendrá valor económico. La escasez no garantiza que exista un cliente dispuesto a pagar. La información debe afectar a una decisión concreta, producirse con suficiente frecuencia y entregarse en un formato que pueda integrarse en el trabajo del comprador.
Aun así, el diagnóstico resulta relevante para los medios. La inteligencia artificial no elimina la necesidad de obtener información propia. Reduce el valor de muchas de las tareas que rodeaban esa actividad y que hasta ahora constituían una parte importante del producto periodístico.
El reto para los medios no es producir más, sino descubrir mejor
El informe concluye que las organizaciones periodísticas ya poseen buena parte de los activos necesarios para competir: relaciones con fuentes, procedimientos de verificación, conocimiento especializado, credibilidad y capacidad para interpretar acontecimientos.
Lo que necesitan no es intentar superar a las grandes compañías tecnológicas en el desarrollo de modelos. Su oportunidad consiste en aplicar esos modelos a la parte más difícil del trabajo: vigilar más fuentes, detectar antes los cambios, relacionar documentos, verificar los hallazgos y convertirlos en información accionable.
AppliedXL advierte de que utilizar la inteligencia artificial solamente para producir más contenido acelera la propia mercantilización. Utilizarla para encontrar, probar y explicar hechos nuevos permite, en cambio, ampliar la parte del negocio que conserva escasez.
La transformación que describe el informe no conduce necesariamente a un periodismo con menos tecnología, sino a uno en el que la tecnología deja de ser el producto principal. Cuando buscar, resumir y redactar se convierten en capacidades disponibles para cualquiera, la ventaja vuelve a depender de saber dónde mirar, qué preguntar y cómo demostrar que algo es cierto.
