La “Agentificación” de los medios

Los agentes de IA se definen como sistemas autónomos o semi autónomos capaces de ejecutar tareas complejas. A diferencia de las herramientas o asistentes de IA, los agentes son capaces de realizar acciones, tomar ciertas decisiones o colaborar entre sí para la consecución de un objetivo. Todo ello explica que los agentes sean especialmente interesantes y útiles para las redacciones y que su uso se vaya haciendo cada vez más habitual en tareas cada vez más diversa, entre las que cabe destacar:

1. Automatización de noticias

Es una de las aplicaciones más consolidadas actualmente en las redacciones. Se trata de «agentes redactores” que se encargan de transformar datos estructurados -como estadísticas deportivas, resultados financieros o información meteorológica- en artículos escritos con un lenguaje natural y listo para su publicación. Estos agentes no solo escriben, sino que también pueden detectar cuándo hay datos nuevos, decidir si merece la pena cubrir una noticia, además de generar varias versiones del mismo contenido en diferentes formatos. En muchos casos funcionan sin intervención humana directa, lo que permite publicar miles de noticias automatizadas al día, especialmente en contextos donde la inmediatez es clave.

• Ejemplos: The Washington Post lanzó Heliograf para cubrir elecciones, deportes y noticias locales. En las elecciones presidenciales de EE. UU. de ese año, generó más de 850 informes de forma automática con una gran aceptación por parte de los lectores. En China, el gigante tecnológico y de contenidos Tencent ha implementado su sistema Dreamwriter, un conjunto de agentes de IA capaces de redactar más de 1.000 artículos diarios sobre finanzas y negocios para sus propios portales, generando incluso informes empresariales completos de forma totalmente autónoma.

2. Periodismo de investigación con agentes colaborativos 

En el periodismo de investigación se utiliza para optimizar flujos de trabajo en procesos complejos que implica analizar grandes volúmenes de información.

Cada agente realiza tareas paralelas: escaneo de documentos, detección de patrones, búsqueda de relaciones entre datos, análisis de documentos legales, síntesis de hallazgos o análisis de documentos legales. A partir de ahí, pueden generar hipótesis que luego serán evaluadas por periodistas humanos. El periodista actúa como coordinador o “editor en jefe” de una red de agentes.

• Ejemplos: ProPublica utilizó agentes de inteligencia artificial y análisis de datos combinando con verificación periodística humana en su serie The Secret IRS Files para investigar cómo  multimillonarios como Jeff Bezos, Elon Musk y Warren Buffett evitan el pago de impuestos

3. Detección de tendencias y monitoreo

Uno de los usos más estratégicos de los agentes de inteligencia artificial en medios de comunicación es su capacidad para realizar un monitoreo continuo y en tiempo real de múltiples fuentes de información, desde redes sociales hasta bases de datos públicas, con el fin de identificar eventos, patrones y tendencias emergentes antes que lo hagan los equipos humanos.

Estos agentes, dotados de capacidades de procesamiento de lenguaje natural (NLP), análisis semántico y detección de anomalías, funcionan como “sensores inteligentes” que exploran grandes volúmenes de información minuto a minuto, en múltiples idiomas, plataformas y contextos geográficos.

• Ejemplos: Medios como CNN, o Bloomberg utilizan agentes de IA que detectan señales débiles en redes sociales como Twitter, Reddit o TikTok, para recibir alertas en tiempo real sobre incidentes en desarrollo (desastres naturales, atentados o protestas, incluso antes de que se publique la noticia en la fuentes originales). 

4. Verificación automatizada de datos

Se trata de herramientas impulsadas por IA que revisan hechos, audios y afirmaciones, ayudando a combatir la desinformación. En este contexto, los agentes de inteligencia artificial están desempeñando un papel cada vez más relevante en la verificación automatizada de información mediante la detección de información falsa y la asignación de niveles de veracidad, justificando sus decisiones con evidencia contextual.

• Ejemplos: La organización independiente Full Fact emplea múltiples agentes inteligentes que colaboran entre sí para monitorear discursos públicos en tiempo real, detectar afirmaciones verificables, contrastarlas con bases de datos de hechos verificados y generar borradores de correcciones o explicaciones automáticas. Utiliza procesamiento de lenguaje natural (NLP) para comparar frases, aunque estén formuladas de manera distinta, y clasifica la urgencia o el impacto potencial de cada afirmación. En nuestro país VerificAudio, la herramienta de verificación sonora para detectar ‘deep fakes’ de audio se ha convertido en un referente con reconocimiento internacional.

5. Personalización del contenido

Los agentes de inteligencia artificial especializados en personalización se encargan de adaptar la experiencia informativa de cada usuario, según sus hábitos de navegación, intereses temáticos, ubicación geográfica, dispositivo y otros datos contextuales. Estos agentes analizan de forma continua el comportamiento de los lectores y toman decisiones automáticas para mostrarles el contenido más relevante, en el momento adecuado y por el canal más efectivo (web, app, email, notificaciones, etc.).

A diferencia de simples algoritmos de recomendación, los agentes de IA operan de forma autónoma y dinámica, actualizando perfiles de usuario en tiempo real, seleccionando contenido prioritario, y ajustando incluso el orden, formato o tono del mensaje.

Ejemplo destacado: Uno de los casos más emblemáticos es el de The Economist, que implementó la Customer Data Platform (CDP) de Lytics, basada en inteligencia artificial, para personalizar en profundidad tanto sus newsletter como sus campañas promocionales. Gracias a esta herramienta, el medio británico fue capaz de unificar datos de comportamiento de usuarios, crear perfiles de audiencia dinámicos con afinidades temáticas y predicción de comportamiento o personalizar el contenido de cada boletín informativo según los temas que más interesan a cada lector, con evidente resultado para la captación de nuevos suscriptores.Los agentes de IA ofrecen la posibilidad de mejorar la eficiencia, profundidad y personalización del contenido. Estos sistemas, bien diseñados y con la estrategia adecuada, pueden convertirse en un aliado clave, especialmente en entornos donde los recursos humanos son limitados y el crecimiento del volumen de datos es exponencial.

Los agentes de IA se definen como sistemas autónomos o semi autónomos capaces de ejecutar tareas complejas. A diferencia de las herramientas o asistentes de IA, los agentes son capaces de realizar acciones, tomar ciertas decisiones o colaborar entre sí para la consecución de un objetivo. Todo ello explica que los agentes sean especialmente interesantes y útiles para las redacciones y que su uso se vaya haciendo cada vez más habitual en tareas cada vez más diversa, entre las que cabe destacar:

1. Automatización de noticias

Es una de las aplicaciones más consolidadas actualmente en las redacciones. Se trata de «agentes redactores” que se encargan de transformar datos estructurados -como estadísticas deportivas, resultados financieros o información meteorológica- en artículos escritos con un lenguaje natural y listo para su publicación. Estos agentes no solo escriben, sino que también pueden detectar cuándo hay datos nuevos, decidir si merece la pena cubrir una noticia, además de generar varias versiones del mismo contenido en diferentes formatos. En muchos casos funcionan sin intervención humana directa, lo que permite publicar miles de noticias automatizadas al día, especialmente en contextos donde la inmediatez es clave.

• Ejemplos: The Washington Post lanzó Heliograf para cubrir elecciones, deportes y noticias locales. En las elecciones presidenciales de EE. UU. de ese año, generó más de 850 informes de forma automática con una gran aceptación por parte de los lectores. En China, el gigante tecnológico y de contenidos Tencent ha implementado su sistema Dreamwriter, un conjunto de agentes de IA capaces de redactar más de 1.000 artículos diarios sobre finanzas y negocios para sus propios portales, generando incluso informes empresariales completos de forma totalmente autónoma.

2. Periodismo de investigación con agentes colaborativos 

En el periodismo de investigación se utiliza para optimizar flujos de trabajo en procesos complejos que implica analizar grandes volúmenes de información.

Cada agente realiza tareas paralelas: escaneo de documentos, detección de patrones, búsqueda de relaciones entre datos, análisis de documentos legales, síntesis de hallazgos o análisis de documentos legales. A partir de ahí, pueden generar hipótesis que luego serán evaluadas por periodistas humanos. El periodista actúa como coordinador o “editor en jefe” de una red de agentes.

• Ejemplos: ProPublica utilizó agentes de inteligencia artificial y análisis de datos combinando con verificación periodística humana en su serie The Secret IRS Files para investigar cómo  multimillonarios como Jeff Bezos, Elon Musk y Warren Buffett evitan el pago de impuestos

3. Detección de tendencias y monitoreo

Uno de los usos más estratégicos de los agentes de inteligencia artificial en medios de comunicación es su capacidad para realizar un monitoreo continuo y en tiempo real de múltiples fuentes de información, desde redes sociales hasta bases de datos públicas, con el fin de identificar eventos, patrones y tendencias emergentes antes que lo hagan los equipos humanos.

Estos agentes, dotados de capacidades de procesamiento de lenguaje natural (NLP), análisis semántico y detección de anomalías, funcionan como “sensores inteligentes” que exploran grandes volúmenes de información minuto a minuto, en múltiples idiomas, plataformas y contextos geográficos.

• Ejemplos: Medios como CNN, o Bloomberg utilizan agentes de IA que detectan señales débiles en redes sociales como Twitter, Reddit o TikTok, para recibir alertas en tiempo real sobre incidentes en desarrollo (desastres naturales, atentados o protestas, incluso antes de que se publique la noticia en la fuentes originales). 

4. Verificación automatizada de datos

Se trata de herramientas impulsadas por IA que revisan hechos, audios y afirmaciones, ayudando a combatir la desinformación. En este contexto, los agentes de inteligencia artificial están desempeñando un papel cada vez más relevante en la verificación automatizada de información mediante la detección de información falsa y la asignación de niveles de veracidad, justificando sus decisiones con evidencia contextual.

• Ejemplos: La organización independiente Full Fact emplea múltiples agentes inteligentes que colaboran entre sí para monitorear discursos públicos en tiempo real, detectar afirmaciones verificables, contrastarlas con bases de datos de hechos verificados y generar borradores de correcciones o explicaciones automáticas. Utiliza procesamiento de lenguaje natural (NLP) para comparar frases, aunque estén formuladas de manera distinta, y clasifica la urgencia o el impacto potencial de cada afirmación. En nuestro país VerificAudio, la herramienta de verificación sonora para detectar ‘deep fakes’ de audio se ha convertido en un referente con reconocimiento internacional.

5. Personalización del contenido

Los agentes de inteligencia artificial especializados en personalización se encargan de adaptar la experiencia informativa de cada usuario, según sus hábitos de navegación, intereses temáticos, ubicación geográfica, dispositivo y otros datos contextuales. Estos agentes analizan de forma continua el comportamiento de los lectores y toman decisiones automáticas para mostrarles el contenido más relevante, en el momento adecuado y por el canal más efectivo (web, app, email, notificaciones, etc.).

A diferencia de simples algoritmos de recomendación, los agentes de IA operan de forma autónoma y dinámica, actualizando perfiles de usuario en tiempo real, seleccionando contenido prioritario, y ajustando incluso el orden, formato o tono del mensaje.

Ejemplo destacado: Uno de los casos más emblemáticos es el de The Economist, que implementó la Customer Data Platform (CDP) de Lytics, basada en inteligencia artificial, para personalizar en profundidad tanto sus newsletter como sus campañas promocionales. Gracias a esta herramienta, el medio británico fue capaz de unificar datos de comportamiento de usuarios, crear perfiles de audiencia dinámicos con afinidades temáticas y predicción de comportamiento o personalizar el contenido de cada boletín informativo según los temas que más interesan a cada lector, con evidente resultado para la captación de nuevos suscriptores.Los agentes de IA ofrecen la posibilidad de mejorar la eficiencia, profundidad y personalización del contenido. Estos sistemas, bien diseñados y con la estrategia adecuada, pueden convertirse en un aliado clave, especialmente en entornos donde los recursos humanos son limitados y el crecimiento del volumen de datos es exponencial.