En junio de 2026, el Reuters Institute for the Study of Journalism publicó la decimoquinta edición de su Digital News Report, el estudio más grande del mundo sobre consumo de noticias, con casi 100.000 entrevistas en 48 mercados. Su conclusión central puede resumirse en una frase incómoda para la profesión periodística: el periodismo ya ganó la transformación digital y, aun así, eso no basta. Una segunda disrupción está en marcha, y esta vez la pregunta no es dónde se lee la noticia, sino quién controla el acceso a la información (Periodismo Digital, 2026).

Redes sociales, creadores de contenido y, cada vez con más fuerza, la inteligencia artificial generativa están reconfigurando esa arquitectura. Por primera vez en la historia del informe, las redes sociales y las plataformas de video superan a los sitios y aplicaciones propias de los medios como principal vía de acceso a las noticias: un 54% de las personas usa redes y plataformas de video, frente a un 51% que usa directamente los sitios de los medios (Edelman, 2026). En ese contexto, la IA ya no es una promesa a futuro ni un experimento de nicho: es, simultáneamente, una herramienta de producción dentro de las redacciones, una nueva puerta de entrada a la información para las audiencias, y una fuente creciente de riesgo para la credibilidad del oficio periodístico.

La literatura académica sobre tecnología y periodismo lleva más de una década intentando nombrar con precisión lo que ocurre cuando el software interviene en la producción noticiosa. El resultado es una familia de términos que conviene distinguir, porque cada uno pone el foco en un mecanismo distinto: periodismo computacional (uso intensivo y transdisciplinario de la tecnología en toda la cadena de producción), periodismo de datos (análisis y visualización de conjuntos de datos), periodismo algorítmico y periodismo automatizado o "robot" (generación de textos noticiosos mediante software con intervención humana mínima o nula, más allá de la programación inicial) (Profesional de la Información, 2018; RLCS 74, 2019).

El investigador Nicholas Diakopoulos, uno de los referentes centrales del campo, propuso además el concepto de rendición de cuentas algorítmica (algorithmic accountability): la idea de que, así como el periodismo audita el poder de gobiernos y corporaciones, también debe auditar el poder de los sistemas algorítmicos que hoy participan en la selección, producción y distribución de noticias. Diakopoulos documentó, asimismo, la existencia de una "brecha semántica" (semantic gap) estructural en estos sistemas: la incapacidad de la IA para procesar de forma confiable el lenguaje figurado, la ironía, el contexto cultural local y las referencias sociopolíticas implícitas, el terreno donde precisamente se juega buena parte del criterio periodístico (Universidade de Santiago de Compostela, 2022).

Un segundo marco, más reciente, proviene directamente de los estudios de comunicación: la Comunicación Humano-Máquina (Human-Machine Communication, HMC), impulsada por Andrea Guzman y Seth Lewis. Su planteamiento central es que, cuando una IA genera o distribuye contenido informativo, deja de ser un simple instrumento y pasa a ocupar —comunicacionalmente hablando— el lugar de un emisor. Esto obliga a repensar categorías clásicas de la teoría de la comunicación (fuente, credibilidad, intencionalidad) para un escenario donde el "quién" de la comunicación ya no es exclusivamente humano (SAGE Handbook of Human-Machine Communication, 2023). Este marco resulta especialmente útil para entender por qué las audiencias reaccionan de forma distinta ante una misma información según sepan —o no— que fue generada o verificada por una IA, un fenómeno que la evidencia empírica confirma reiteradamente, como se verá más adelante.

En noviembre de 2021, la UNESCO adoptó su Recomendación sobre la Ética de la Inteligencia Artificial, el primer instrumento normativo mundial en la materia, suscrito por sus 193 Estados miembros. El documento establece principios de dignidad humana, transparencia, supervisión humana y responsabilidad que hoy sirven de referencia para las políticas editoriales de IA que empiezan a adoptar las redacciones (UNESCO, 2021). Sobre esa base, buena parte de la discusión periodística actual gira en torno al llamado "humano en el bucle" (human in the loop): el principio de que la supervisión editorial humana debe mantenerse como condición no negociable para el uso responsable de la IA en la producción informativa, un mantra que sigue vigente en el discurso de la industria, aunque su aplicación real es dispareja (Reuters Institute, 2026).

Estos tres marcos —la genealogía técnica del periodismo automatizado, la HMC y la ética algorítmica— conforman la lente conceptual con la que conviene leer los usos, los datos y las proyecciones que siguen.

Antes de revisar cifras y proyecciones, conviene sistematizar dónde exactamente interviene la inteligencia artificial dentro del ciclo de producción periodística y comunicacional. La literatura especializada coincide en que existen aplicaciones de IA para todas las fases del proceso —reporteo, producción y distribución—, así como para usos comerciales y de vinculación con audiencias (IJNET, s.f.). El siguiente mapa organiza esos usos por función; la sección posterior de ejemplos concretos ilustra varios de ellos con casos reales.

La aplicación más consolidada es la búsqueda y organización de grandes volúmenes de información. Google Journalist Studio, y en particular su módulo Pinpoint, permite analizar miles de documentos, imágenes y correos electrónicos con detección automática de personas, organizaciones y lugares recurrentes (LatAm Journalism Review, 2023). Perplexity AI se ha consolidado como herramienta de investigación porque combina búsqueda web en tiempo real con síntesis y, a diferencia de un chatbot genérico, cita las fuentes que utiliza (Coderhouse, 2026). NotebookLM, de Google, permite cargar informes extensos, bases de datos, transcripciones e incluso videos para interrogarlos con lenguaje natural (Revista de Innovación en Periodismo, UMH, 2025). Un antecedente ilustrativo de este tipo de uso es el software de minería de datos RapidMiner, empleado para procesar y agrupar por palabras clave los cerca de 11,5 millones de documentos filtrados en la investigación de los Panama Papers (Revista Comunicación, 2025).

La transcripción automática es, según coinciden distintas fuentes especializadas, el uso más extendido y menos controvertido de la IA en redacciones. Herramientas como Otter.ai, Sonix, Trint y el modelo Whisper de OpenAI permiten convertir una entrevista grabada en un borrador transcrito en minutos, con reconocimiento de interlocutores y buen desempeño incluso en grabaciones con ruido ambiental o acentos diversos (Sonix, 2026; Coderhouse, 2026). Una entrevista de 45 minutos que antes demandaba entre tres y cuatro horas de transcripción manual puede resolverse hoy en menos de cinco minutos, con una precisión superior al 95% (IAProZone, 2026).

Modelos de lenguaje como ChatGPT y Claude se usan como apoyo para generar primeros borradores, sugerir titulares, resumir documentos extensos y adaptar un mismo contenido a distintos formatos: una nota web, un newsletter, una publicación en redes. La literatura es enfática en un límite: la decisión editorial sobre qué es noticia y por qué importa sigue siendo enteramente humana, y cualquier dato factual generado por estos modelos —cifras, fechas, nombres— debe verificarse contra fuentes primarias antes de publicarse, dado el riesgo conocido de que estos sistemas produzcan información incorrecta con apariencia de certeza (Coderhouse, 2026; eesel AI, 2026).

Frente al aumento de contenido sintético, han surgido herramientas especializadas en autenticación. Reality Defender analiza contenido de audio, video y texto en busca de indicios de generación artificial (Sonix, 2026). DMINR, desarrollada en la City University de Londres, es una herramienta de descubrimiento y verificación pensada para investigaciones que requieren cruzar grandes volúmenes de datos (IJNET, s.f.). En España, el medio de verificación Maldita.es utiliza sistemas de IA para clasificar automáticamente los rumores y afirmaciones que recibe, priorizando aquellos con mayor potencial de viralidad e impacto, sin que ello reemplace el trabajo de verificación contra fuentes primarias, que sigue siendo humano (IAProZone, 2026).

Herramientas como Midjourney, Stable Diffusion y Canva Magic Media permiten a las redacciones generar recursos visuales para contextualizar historias cuando no existe una fotografía disponible, sin depender exclusivamente de bancos de imágenes o de un equipo de diseño. La literatura especializada es unánime en un punto: estas herramientas no deben sustituir al fotoperiodismo, sino complementarlo, y su uso exige divulgación editorial explícita, indicando siempre que una imagen fue generada mediante IA (RTVE Instituto, 2025).

La IA también interviene en cómo llega la noticia a cada lector. La segmentación asistida permite adaptar boletines a los intereses reales de audiencias específicas, sugerir el orden de las piezas según hábitos de lectura y ejecutar pruebas A/B de titulares y enfoques, siempre con atención a la transparencia y al respeto por la privacidad de los datos de navegación (UCJC, 2025).

Como muestran los datos de Muck Rack citados más adelante, los profesionales de relaciones públicas usan IA generativa principalmente para lluvia de ideas (82%), redacción de borradores de contenido (72%) e investigación (59%). A ese conjunto se suman herramientas más específicas de gestión de redes, como Buffer AI, orientada a generar subtítulos e ideas de contenido para campañas en múltiples plataformas (HappyScribe, 2025).

El Digital News Report 2026 del Reuters Institute, basado en una encuesta de YouGov realizada entre enero y febrero de 2026 en 48 mercados, entrega el retrato más actualizado disponible. Los datos muestran una industria en plena "plataformización": la confianza global en las noticias cayó a 37%, el nivel más bajo desde que existe el estudio, mientras que la preocupación por la desinformación subió a 62% (Infoperiodistas, 2026). En ese contexto, el uso de chatbots de IA para informarse alcanza ya al 10% de los usuarios encuestados a nivel global, y la confianza específica en las noticias entregadas por chatbots de IA es de apenas 20%, menos que la confianza en buscadores (32%) e incluso en redes sociales (22%) (Edelman, 2026).

El crecimiento del uso general de IA generativa, más allá de las noticias, es aún más marcado: el propio Reuters Institute reportó un salto del 18% al 34% en el uso semanal de estas herramientas, medido interanualmente en seis mercados (Reuters Institute, 2026). La brecha generacional es notable: más de la mitad de los jóvenes de 18 a 24 años declara que las redes sociales, los videos o la IA son su principal fuente de noticias, y ese grupo se siente más cómodo delegando tareas informativas a los algoritmos que las generaciones mayores, que tienden a percibir la IA con escepticismo o como amenaza a la veracidad (Alianza de Medios MX, 2026).

Del lado de la oferta, la segunda encuesta global de JournalismAI (LSE), que reunió a más de 120 editores, periodistas y tecnólogos de 105 redacciones en 46 países, encontró que un 80% de los encuestados espera un uso creciente de la IA en sus organizaciones, aunque el estudio advierte también sobre una disparidad global: los beneficios económicos y sociales de la IA se concentran en el Norte Global, mientras sus daños —como el sesgo algorítmico— afectan de forma desproporcionada al Sur Global (JournalismAI, 2023).

Datos recopilados por Statista a partir de encuestas del Reuters Institute muestran que un 87% de los editores de medios a nivel mundial reporta que sus operaciones ya están siendo impactadas —total o parcialmente— por la IA generativa. La generación de texto es el área con mayor potencial percibido (63% de los ejecutivos), y más de la mitad de las redacciones ya la usa activamente para ese fin; sin embargo, la principal preocupación de los líderes de redacción, compartida por un 85%, es el riesgo de inexactitud y pérdida de calidad (Statista/Reuters Institute, 2025).

El impacto de la IA en las comunicaciones excede largamente al periodismo. El informe State of AI in PR 2026 de Muck Rack, plataforma de referencia para la industria de relaciones públicas, encuestó a profesionales del sector y encontró que el uso de IA generativa se ha estabilizado en torno al 76%, prácticamente sin variación respecto al año anterior. Más revelador es el avance en gobernanza interna: un 51% de los profesionales de RR.PP. dice trabajar en organizaciones con una política formal de uso de IA, frente a solo un 21% en 2024; y un 43% recibe capacitación formal en la materia, también en fuerte alza desde el 21% de 2024. La adopción de agentes autónomos de IA, en cambio, sigue siendo marginal: solo un 12% de quienes ya usan IA emplea agentes (Muck Rack, 2026). Estas cifras confirman una tendencia clara: la comunicación estratégica y las relaciones públicas se mueven, en términos de adopción de IA, incluso más rápido que muchas redacciones periodísticas, aunque comparten la misma exigencia de supervisión humana y transparencia.

Chile ocupa una posición destacada en el panorama latinoamericano de inteligencia artificial. El Índice Latinoamericano de Inteligencia Artificial (ILIA) 2025, elaborado por el Centro Nacional de Inteligencia Artificial (CENIA) y la CEPAL sobre 19 países de la región, ubica a Chile, junto a Brasil y Uruguay, en el grupo de países "pioneros", gracias sobre todo a su infraestructura tecnológica, la formación de talento y sus políticas públicas (CENIA, 2025). El mismo informe documenta la magnitud del salto regional en el uso de IA generativa: solo ChatGPT acumula 890 millones de descargas a nivel mundial, de las cuales 410 millones ocurrieron únicamente en los primeros cinco meses de 2025, triplicando el ritmo del año anterior, y América Latina representa ya hasta un 20% de esas descargas globales (trendTIC, 2025).

Sin embargo, el propio ILIA introduce un matiz importante para leer con ojo crítico: en el subíndice específico de adopción de IA generativa, Chile (65,79 puntos) queda detrás de Brasil (71,15), Perú (67,47), Colombia (67,29) y Costa Rica (66,27) (CENIA, 2025). Es decir, Chile lidera el ecosistema en su conjunto —infraestructura, políticas, talento— pero no necesariamente el uso efectivo y masivo de la tecnología, una distinción que conviene no perder de vista al momento de titular una nota sobre "liderazgo chileno en IA".

A nivel de la ciudadanía, el Barómetro Digital de Chile 2025-2026, elaborado por la Fundación Nativo Digital y Movistar Chile sobre más de 1.400 adultos a nivel nacional, encontró que un 76% de los chilenos ya declara usar herramientas de IA, principalmente para buscar y resumir información (41%), redactar textos (39%) y generar ideas o contenidos (33%). El mismo estudio revela una brecha de comprensión crítica para el debate público: un 59% de las personas reconoce no saber identificar errores o sesgos en las respuestas generadas por IA (Diario Usach, 2026). El estudio también midió la exposición a riesgos digitales: un 67% de los encuestados declara haberse topado con noticias falsas, un 41% con contenido manipulado mediante deepfakes y un 45% con intentos de phishing (Central Web, 2026).

La encuesta Cadem "Los chilenos y la Inteligencia Artificial", publicada en abril de 2026, confirma la aceleración: el uso de IA en la vida cotidiana subió del 49% en 2025 al 69% en 2026, y su uso específicamente en el trabajo pasó del 34% al 48% en el mismo período. Un 51% de los chilenos asocia la IA con emociones positivas, frente a un 37% con asociaciones negativas (Emol, 2026). Una encuesta previa de WOM y Cadem, "IA ciudadana", había encontrado que 7 de cada 10 chilenos ya habían usado IA, que un 73% se declaraba dispuesto a capacitarse para adaptarse a la tecnología —cifra que sube a 81% entre los adultos de 61 a 80 años, desafiando el estereotipo de resistencia tecnológica en la adultez mayor— y que solo un 14% asociaba la IA con pérdida de empleos (Chócale, 2025).

El estudio más relevante sobre percepción de audiencias chilenas hacia la IA en el periodismo es el Reporte Especial: Inteligencia Artificial y Audiencias en Chile, liderado por la profesora Claudia Mellado (PUCV) junto a Alexis Cruz y Tomás Dodds, sobre una encuesta a más de 2.000 personas de la Región Metropolitana, Biobío y Valparaíso. Sus resultados son categóricos: un 59,1% de los encuestados declara no estar dispuesto a consumir noticias generadas por sistemas de IA (frente a solo 22,9% que sí lo estaría), y un 57,7% cree que el uso de IA aumentará la producción y difusión de noticias falsas. Además, un 67,8% y un 60,5% de los encuestados, respectivamente, no cree que el uso de IA por parte de los medios vaya a mejorar la credibilidad o la calidad de las noticias (PUCV, 2024; Mellado, Cruz y Dodds, 2024). Como resumen los propios autores, la IA en el periodismo chileno enfrenta un panorama inicial desalentador en materia de confianza pública, aunque advierten que esto es reversible si los medios abordan estas inquietudes de forma proactiva y transparente (El Mostrador, 2024).

Este dato cobra especial relevancia si se cruza con otro hallazgo del Digital News Report: Radio Bío-Bío y BioBioChile.cl han sido reconocidos, por noveno año consecutivo, como el medio más confiable de Chile, con un 65% de confianza y el menor índice de desconfianza del país (13%), además de ser el único medio chileno adherido a los estándares internacionales de The Trust Project, junto a The Washington Post, la BBC y El País (BioBioChile, 2025). Como se detalla en la sección de ejemplos, ese mismo medio es también uno de los pocos en Chile que ha optado por declarar explícitamente cuándo un resumen fue generado con IA, una decisión que puede leerse como una respuesta directa a la brecha de confianza que documenta el estudio de la PUCV.

Los datos sobre adopción de IA en empresas chilenas muestran, además, una llamativa dispersión metodológica que vale la pena señalar como ejercicio de alfabetización estadística para periodistas. Un estudio de Entel Digital en colaboración con CENIA encontró que más del 80% de las grandes empresas chilenas ya utiliza IA, y un 70% de las pymes también la ha incorporado, con la Región Metropolitana liderando la adopción (más de 80%, frente a 60% en el resto del país) (Entel Digital, 2026). Sin embargo, la primera edición de la encuesta SONDA Tech Trends, realizada meses antes sobre una muestra distinta de organizaciones, arrojó una cifra radicalmente distinta: solo un 15,8% de las empresas en Chile declara utilizar IA de forma activa, aunque un 41,7% adicional se encuentra evaluando su incorporación (SONDA, 2025). Un ejecutivo de PwC Chile, citado en la prensa, ofrece una lectura de esta aparente contradicción con el índice ILIA: Chile ocupa el puesto 12 de 19 países en adopción de IA en la industria privada específicamente, liderando en infraestructura y política pública, pero sin que el tejido productivo real esté capitalizando esa ventaja (El Líbero, 2026). Para un periodista que cubra estos temas, la lección metodológica es clara: la definición operacional de "usar IA" —desde probar ChatGPT una vez hasta tener proyectos productivos escalados— cambia radicalmente el resultado de cada encuesta, y conviene siempre revisar la ficha técnica antes de titular.

El ejemplo fundacional del periodismo automatizado sigue siendo el de The Associated Press, que desde julio de 2014 usa el software Wordsmith, de la empresa Automated Insights, para redactar automáticamente notas sobre resultados financieros trimestrales de empresas que cotizan en bolsa. La tecnología permitió a la agencia pasar de cubrir manualmente unas 300 empresas por trimestre a cubrir cerca de 4.400, sin recortar personal: según explicó en su momento el entonces editor gerente de AP, Lou Ferrara, el objetivo era liberar a los periodistas de negocios para que dedicaran su tiempo al análisis en profundidad en lugar de la redacción mecánica de cifras (TechCrunch, 2014; Harvard Digital, s.f.). El modelo se replicó después en la agencia Press Association del Reino Unido, cuyo proyecto RADAR utiliza datos oficiales de la Oficina Nacional de Estadísticas para generar miles de notas locales sobre criminalidad, natalidad, mortalidad y salud pública que alimentan a periódicos regionales (Business Wire, s.f.). Reuters, por su parte, desarrolló News Tracer, un sistema de aprendizaje automático que analiza más de 700 millones de tuits al día para detectar noticias de última hora emergentes en redes sociales y, al mismo tiempo, filtrar la circulación de desinformación (Profesional de la Información, 2021).

En Chile, uno de los ejemplos más visibles de integración editorial de IA con supervisión humana explícita es el de BioBioChile, el medio digital más leído del país según sucesivas encuestas Cadem. Desde hace algunos años, buena parte de sus notas incorporan la leyenda "Resumen generado con una herramienta de Inteligencia Artificial desarrollada por BioBioChile y revisado por el autor de este artículo" (BioBioChile, 2025). Se trata de una práctica de divulgación editorial —declarar explícitamente el uso de IA y la revisión humana posterior— que dialoga directamente con los principios de transparencia de la UNESCO y con el hallazgo, ya citado, de que la credibilidad de una noticia cae fuertemente cuando el público desconoce si hubo intervención de IA. No es casualidad que este mismo medio sea, además, el más confiable de Chile según el Reuters Institute: la transparencia sobre el uso de IA parece operar, en este caso, como una estrategia consistente de construcción de confianza más que como un mero trámite legal.

La IA también se aplica de forma creciente a la verificación de contenidos. Organizaciones de fact-checking como Chequeado, en Argentina, han documentado cómo videos con manipulación de IA —los llamados "cheapfakes", versiones más simples y baratas que los deepfakes sofisticados— circularon masivamente durante las elecciones argentinas de 2025, generando decenas de denuncias formales ante la Fiscalía Electoral (UNESCO, 2026). En Perú, el Jurado Nacional de Elecciones reactivó en 2025 su Comité de Fact-Checking con un protocolo profesional que contrasta contenidos sospechosos contra fuentes oficiales durante los procesos electorales (Infobae, 2025).

Consciente de que la adopción de IA sin capacitación adecuada es un riesgo en sí mismo, la iniciativa JournalismAI de la London School of Economics —financiada por Google News Initiative— desarrolla desde 2021 una Academia especializada que, hacia fines de 2025, ya había capacitado a más de 240 profesionales de redacciones de todo el mundo, con especial foco inicial en medios pequeños con menos recursos para invertir en tecnología por cuenta propia (JournalismAI, 2025). Este tipo de programas responde a un problema documentado también en la literatura académica: una revisión sistematizada de 107 artículos científicos sobre formación universitaria en IA y periodismo encontró que las universidades no abordan de manera específica ni profunda estos contenidos, y que los propios docentes declaran no contar con las competencias necesarias para impartir asignaturas afines, pese a que el mercado laboral ya exige ese conocimiento (Doxa Comunicación, 2025).

La contracara de esta adopción acelerada es un ecosistema informativo más vulnerable a la manipulación. Un estudio académico sobre las elecciones federales canadienses de 2025, que analizó cerca de 188.000 publicaciones en X, Bluesky y Reddit con un sistema de detección de alta precisión, encontró que un 5,86% de las imágenes relacionadas con la elección eran deepfakes, con una prevalencia notablemente mayor entre cuentas de derecha (8,66%) que de izquierda (4,42%) (Livernoche et al., 2025). En Colombia, el uso de IA para crear deepfakes con fines de fraude de identidad pasó del 1% al 2,98% de los intentos de verificación digital en solo un año, un salto que los expertos atribuyen a la creciente sofisticación técnica de las herramientas disponibles (El Tiempo, 2026).

Frente a este panorama, las grandes plataformas tecnológicas han comenzado a desplegar contramedidas: marcas de agua invisibles bajo el estándar C2PA y herramientas de detección forense, aunque persiste una asimetría estructural conocida en la literatura como "la carrera armamentista": un contenido falso puede viralizarse en cuestión de minutos, mientras que su verificación puede tardar horas (FayerWayer, 2026). Para el periodismo, esta asimetría temporal es, quizás, el desafío operativo más urgente que plantea la IA generativa: ninguna redacción puede permitirse verificar más lento de lo que el contenido falso se propaga.

Si la fotografía actual ya es compleja, las proyecciones a mediano y largo plazo lo son aún más, porque combinan tendencias tecnológicas relativamente predecibles —como la mejora continua de los modelos de lenguaje— con dinámicas sociales, regulatorias y económicas mucho más inciertas. Esta sección reúne las proyecciones más citadas por la industria y la academia para los próximos años.

El informe IBERIFIER, que analiza tendencias del ecosistema mediático de España y Portugal para el período 2025-2030, estima que casi la mitad del proceso de adopción de IA en los medios de comunicación ocurrirá en el corto plazo —menos de tres años—, con mejoras en la productividad laboral y la automatización de tareas como ejes centrales (Revista de Innovación en Periodismo, UMH, 2023). En esa misma línea temporal, el Reuters Institute proyecta para 2026 una transición estructural de los buscadores tradicionales hacia los llamados "answer engines": sistemas de IA que responden directamente en el chat, reduciendo los clics y el tráfico hacia los sitios de los medios; los propios editores encuestados por el instituto prevén una caída de hasta un 40% en el tráfico de referencia desde buscadores durante los próximos tres años (IFJ, 2026).

El investigador David Caswell anticipa, además, un salto cualitativo en la automatización: tras una primera fase centrada en tareas sueltas —titulares, resúmenes, transcripción, apoyo a boletines—, las redacciones comenzarán a integrar agentes de IA capaces de ejecutar flujos de trabajo completos, incluyendo investigar un tema, proponer líneas de cobertura, asistir en la preparación de entrevistas, organizar evidencia y mantener piezas informativas actualizadas de forma continua (Laboratorio de Periodismo Luca de Tena, 2026).

Dos advertencias formuladas por especialistas convocados en foros internacionales de prospectiva periodística resultan especialmente relevantes. Joshua Ogawa, de la agencia japonesa Nikkei, anticipa que la proliferación de imágenes y videos sintéticos erosionará el valor probatorio del periodismo visual, forzando inversiones en herramientas y protocolos de autenticación de contenido. En la misma línea, el investigador Shuwei Fang, de la Harvard Kennedy School, prevé un mercado creciente de productos y servicios capaces de responder con rapidez a la pregunta "¿esto es real?", en un contexto donde el contenido sintético no solo desinforma, sino que puede usarse de forma deliberada para dañar reputaciones, intervenir en la conversación pública o incluso influir en mercados financieros (Laboratorio de Periodismo Luca de Tena, 2026).

A esto se suma una fragilidad económica de fondo: la caída sostenida de los ingresos publicitarios y de las suscripciones en los medios tradicionales podría llevar a decisiones editoriales que prioricen contenido viral por sobre el interés público, un riesgo que la automatización podría agravar si termina reemplazando no solo a reporteros, sino también a diseñadores, editores y equipos de distribución, con la consecuente pérdida de periodismo de investigación y cobertura local (UNRIC, 2025).

En el plano de la prospectiva más amplia, el gobierno del Reino Unido publicó el informe AI 2030 Scenarios, que explora cinco futuros posibles para el impacto social de la inteligencia artificial hacia el final de la década, un ejercicio de planificación que distintos centros de estudios europeos han comenzado a replicar para el sector mediático específicamente (Universo Abierto, 2025). Para el periodismo en particular, la proyección más consistente entre los especialistas no es la sustitución del oficio, sino la emergencia de perfiles híbridos: periodistas de datos capaces de analizar información masiva con herramientas de IA, fact-checkers especializados que se apoyan en la automatización para combatir la desinformación, y especialistas en ética de la IA que velan por un uso transparente y responsable de estas tecnologías dentro de las redacciones (RTVE Instituto, 2025).

Voces de la propia industria coinciden en que la respuesta estratégica frente a la presión de la IA generativa y de las plataformas pasa por la distintividad editorial. Martin Schori, director de IA del diario sueco Aftonbladet, sostiene que, si las plataformas de IA seguirán extrayendo y reempaquetando contenido de los sitios de noticias, la respuesta pasa por producir periodismo que no se pueda resumir fácilmente en tres puntos. Ritu Kapur, cofundadora de The Quint (India), describe una estrategia similar en el Sur Global: redirigir recursos hacia periodismo significativo, profundo y analítico, alejándose de la cobertura generalista. Y María Lorente Estrada, jefa de la oficina de AFP para América Latina, plantea que las agencias de noticias están dejando de depender de plataformas de terceros volátiles para construir relaciones directas con sus públicos (Reuters Institute, 2026).

La ciudadanía no comparte necesariamente el optimismo estratégico de la industria. Una encuesta de la Fundación AXA realizada por Metroscopia en España encontró que un 79% de los encuestados cree que la IA favorecerá la proliferación de bulos y noticias falsas, que un 52% considera que la IA empeorará el funcionamiento actual del periodismo, y que un 72% cree que los propios medios de comunicación no están informando adecuadamente sobre los avances de la inteligencia artificial (Periodismo 2030, 2023). Este dato conecta directamente con los hallazgos ya citados de la PUCV en Chile: la desconfianza hacia un periodismo mediado por IA no es un fenómeno aislado, sino una tendencia que se repite en distintos países y momentos, y que la industria mediática todavía no ha logrado revertir de forma consistente.

El consenso que emerge de la literatura consultada —y que conecta con el marco de la Comunicación Humano-Máquina presentado al inicio de este documento— es que la inteligencia artificial no sustituirá al periodismo, sino que lo transformará de manera profunda y duradera. El futuro de las comunicaciones parece apuntar hacia un modelo de coexistencia entre personas y sistemas de IA, sostenido por un compromiso ético explícito que garantice la calidad, la transparencia y la trazabilidad de la información publicada (RTVE Instituto, 2025).

A modo de síntesis práctica, la siguiente tabla reúne herramientas de IA mencionadas de forma recurrente en la literatura periodística especializada citada en este documento, organizadas según la función que cumplen dentro del flujo de trabajo. No constituye un respaldo comercial ni una lista exhaustiva: es un punto de partida para la exploración individual. Antes de adoptar cualquier herramienta —y muy especialmente al trabajar con fuentes confidenciales o material sensible— se recomienda revisar sus políticas de privacidad y tratamiento de datos.

Del cruce entre marco teórico, evidencia empírica y proyecciones surgen algunas conclusiones prácticas para quienes ejercen el periodismo y la comunicación hoy:

La evidencia reunida en este documento —desde el Reuters Institute hasta el Barómetro Digital de Chile, desde AP hasta BioBioChile— dibuja una transformación de doble velocidad. Por un lado, un cambio estructural: la IA ya es una vía de acceso a la información tan relevante como para figurar junto a las redes sociales y los creadores de contenido en el análisis de cómo se informa el mundo. Por otro, un cambio operativo, dentro de las redacciones y los equipos de comunicación, donde la IA ya redacta borradores, resume información, verifica datos y acelera flujos de trabajo, pero sigue —según toda la evidencia disponible— requiriendo supervisión humana para mantener la confianza de las audiencias.

Chile ilustra esa doble velocidad de forma particularmente nítida: un país reconocido regionalmente como líder en infraestructura y política pública de IA, pero con una adopción empresarial real que varía según cómo se mida, y con una audiencia que —de acuerdo al estudio de la PUCV— recibe con franco escepticismo la idea de un periodismo hecho por máquinas. Las proyecciones a mediano y largo plazo no apuntan a la sustitución del oficio, sino a su transformación mediante agentes de IA cada vez más autónomos, nuevos perfiles profesionales híbridos y una competencia creciente por la distintividad editorial frente a plataformas que reempaquetan contenido ajeno.