Juliana Castro Varón: “La IA es útil para organizar información, pero peligrosa para sintetizar verdades”
Desde el laboratorio de innovación de The New York Times, la diseñadora colombiana explica por qué el mayor desafío de la inteligencia artificial en periodismo no es tecnológico, sino editorial: precisión, trazabilidad y confianza con el lector
9 minutos de lectura'
LA NACIONGastón Roitberg
En la conversación global sobre inteligencia artificial (IA) aplicada al periodismo, la tentación de correr detrás de la última novedad técnica suele ser tan grande como el riesgo de perder el eje. En The New York Times, sin embargo, el enfoque es otro: menos promesas grandilocuentes, más preguntas incómodas. Precisión, control humano y responsabilidad editorial son los principios que ordenan cada experimento.
Desde su rol como senior design editor of AI Initiatives, la colombiana Juliana Castro Varón trabaja en un punto sensible de la redacción: el cruce entre tecnología, diseño y criterio periodístico. Su equipo desarrolla herramientas internas que no buscan reemplazar periodistas, sino ampliar su capacidad para investigar, explorar grandes volúmenes de datos y encontrar historias que, de otro modo, quedarían sepultadas.
Lejos del imaginario del chatbot omnipotente, la IA que se usa en el Times funciona -en sus palabras- como “una linterna en la oscuridad”: ayuda a ver más con menos, a buscar agujas en pajares de documentos, audios o videos, y a organizar información compleja. Pero siempre bajo una premisa innegociable: la verificación y el juicio editorial siguen siendo humanos.
En diálogo con LA NACION, Castro Varón detalla cómo se decide qué herramientas escalan y cuáles quedan en el laboratorio, qué tareas se benefician realmente de la IA, por qué la síntesis automática es un terreno peligroso y cómo imagina el futuro del diseño editorial: menos texto generado, más interfaces de exploración, más trazabilidad y una relación más honesta entre tecnología y lector.
-¿Cuál es hoy el principal desafío de diseñar narrativas periodísticas potenciadas por IA dentro de una redacción tan grande y diversa como la del Times?
-La precisión. Esta es la principal razón por la cual hemos sido relativamente conservadores en lo que escalamos a los lectores: esta es una tecnología imprecisa y no queremos trasladar la carga de la verificación al lector. Por ejemplo, las herramientas para verificar si los audios o las imágenes son creadas con IA no son enteramente confiables. Eso no significa que la tecnología no sea útil, pero la hemos usado hasta ahora sobre todo internamente: es una linterna en la oscuridad, nos ayuda a ver más con menos, a encontrar agujas en un pajar, a hacer que los lectores encuentren lo que buscan, y a entender mejor los datos a gran escala. El otro gran desafío es mantener la confianza y la credibilidad con el lector. Todo el periodismo potenciado por IA que llega al público de The New York Times es rigurosamente verificado y supervisado por periodistas humanos. La IA es una herramienta de asistencia, no un sustituto del juicio editorial. Nuestro compromiso con los lectores es innegociable: la tecnología facilita la investigación y la producción, pero la responsabilidad final de la veracidad siempre recae en nuestros reporteros y editores.
-¿Qué criterios usan para decidir si una herramienta de IA se convierte en un producto interno estable o queda como un simple experimento en el laboratorio?
-Aunque hay excepciones, por lo general el orden es: encontramos una necesidad o un proceso que está tomando mucho tiempo, y desarrollamos una versión sencilla de un producto que reduzca esta fricción. Cuando tenemos un prototipo, testeamos con un grupo pequeño de usuarios para ver si lo encuentran útil y, si es así, lo mejoramos basados en la retroalimentación del testeo. Escogemos cosas para enfocarnos cuando tiene una utilidad recurrente en el flujo de trabajo real. Preferimos resolver un problema frecuente a escala (por ejemplo, búsqueda semántica y organización de documentos). Cuando descubrimos que algún experimento es solo novedad técnica pero no mejora nuestro trabajo, se queda en el laboratorio.
-¿Cómo se aseguran de que las nuevas interfaces narrativas creadas con IA mantengan el estándar editorial y ético del Times?
-Tenemos estándares y principios públicos: usarla como una herramienta en servicio de nuestra misión, transparente y éticamente, y con revisión y guía humana. Cuando diseñamos para periodistas evitamos “cajas negras” que oscurecen el contexto; la herramienta debe facilitar la verificación humana, no reemplazarla.
Nosotros procuramos proteger los procesos creativos y no relegamos la creatividad a la máquina. Como ya dije, el mayor riesgo es la precisión, la pérdida de matices”
-¿Qué tipo de tareas creativas o repetitivas de los periodistas son las que más se están beneficiando con IA generativa o agéntica?
-El principal beneficio ha sido con tareas de “fuerza bruta” digital: buscar agujas en un pajar (análisis de miles de videos o documentos), transcripciones y estructuración de datos desordenados. El análisis, el contexto y la creatividad siempre es más poderoso cuando viene de expertos reporteros.
-¿Cuál fue el aprendizaje más fuerte al integrar agentes de IA que colaboran con periodistas sin reemplazar su criterio profesional?
-La IA es útil para aislar y organizar información, pero peligrosa para sintetizar verdades. Para entender mejor dónde es nuestra labor más invaluable es importante experimentar. La respuesta de dónde es más útil es a menudo diferente para cada persona.
-¿Cómo trabajan junto al staff para que la IA no sea vivida como una amenaza, sino como un copiloto que amplía la capacidad narrativa?
-Nuestros estándares no solo son transparentes y públicos, sino que centran la revisión humana. Además de desarrollar prototipos, nuestro equipo hace capacitaciones. No creemos que darle a la redacción IA y exigir que la usen sin guía o ayuda sea el camino. En cambio, vamos mesa por mesa, atendemos casos uno por uno, y demostramos cómo puede ser (o no) útil cierta herramienta en eliminar la fricción y facilitar tareas tediosas. Liberamos tiempo para que ellos hagan el reportaje real y creativo, y creamos canales de comunicación para colaboración y preguntas sobre estos procesos.
-¿Qué señales internas detectan para saber que una herramienta diseñada por ustedes realmente está mejorando la calidad del periodismo?
-La principal es la publicación de historias que hubieran sido humanamente imposible por volumen de datos o tiempo. Hay muchísimos ejemplos, pero utilizaré tres para mostrar el rango de cómo utilizamos la IA: primero, para entender mejor la IA. En una historia reciente sobre cómo un hombre desarrolló un delirio después de charlar extensamente con ChatGPT, analizamos los chats (un millón de palabras) y usando las API de chatbots de la competencia hicimos tests para ver si otros chatbots se comportarían de una manera igualmente peligrosa. Segundo, para estudiar lo que políticos o personalidades han dicho en televisión o podcasts. Nuestros periodistas han escrito historias sobre Charlie Kirk, Tulsi Gabbard, Doctor Oz y Peter Hegseth, entre otros. Y tercero, para entender mejor nuestra propia cobertura. Usamos IA para entender nuestro archivo de 52 lugares para visitar y para encontrar y reconectar con personas entrevistadas por el New York Times en Gaza.
-¿Qué experimentos recientes con IA en el Times son más prometedores en términos de contar historias de maneras que antes eran imposibles?
-Creo que estamos haciendo un trabajo tremendo en el periodismo investigativo. Ahogar a los periodistas en documentos es cada vez más difícil, ahora tenemos las herramientas para surfear sobre ellos y encontrar con mayor velocidad lo que la gente necesita saber. También el análisis computarizado de video para reportajes de investigación: poder “leer” imágenes a escala cambia las reglas del juego.
-En una industria que suele correr detrás de la novedad, ¿cómo se filtran la “moda” tecnológica de lo que realmente aporta valor al lector?
-No somos un martillo buscando clavos. Partimos del problema periodístico, no de la herramienta. Exploramos agresivamente porque es importante entender qué es lo que las herramientas pueden hacer, y qué no, pero después de la experimentación, si no hay una necesidad narrativa o de producción clara, lo descartamos, o lo archivamos por un tiempo.
El análisis, el contexto y la creatividad siempre es más poderoso cuando viene de expertos reporteros y no de la IA”
-¿Qué riesgos concretos se identifican al usar IA generativa en procesos creativos y cómo se mitigan desde el diseño?
-Una de las partes favoritas de mi trabajo es diseñar herramientas para periodistas, porque implica charlar con ellos y entender mejor su proceso. Nosotros procuramos proteger los procesos creativos y no relegamos la creatividad a la máquina. Como ya dije, el mayor riesgo es la precisión, la pérdida de matices. Lo mitigamos, en parte, diseñando herramientas como Cheatsheet, que generan muy poco texto nuevo y en cambio utilizan las fuentes primarias para buscar, clasificar, extraer fragmentos relevantes y organizar el material original.
-¿Cómo imagina el diseño del producto editorial en un mundo donde los agentes de IA serán cada vez más autónomos?
-Menos generación de texto plano y más interfaces de exploración; ¡menos chatbots! El diseño deberá centrarse en la trazabilidad: mostrar visualmente de dónde viene cada dato que el agente presenta, y, por supuesto, personalización multimodal: cómo prefiere cada usuario recibir cierta información dependiendo de sus propias rutinas e intereses.
-¿Qué habilidades necesitan hoy los periodistas para colaborar con sistemas inteligentes sin perder voz propia ni estilo?
-La forma más efectiva de sacar provecho de este momento es entender qué pueden y qué no pueden hacer las herramientas. Eso solo se alcanza con experimentación profunda, con ensayo y error. No basta probarla una vez y si la respuesta es decepcionante decidir que la inteligencia artificial es inútil. Los periodistas deben hacer con esta tecnología lo que hacen mejor: “interrogar” a la base de datos sin confiar ciegamente en la respuesta de la máquina, usarlo como un filtro, no como verdad.
-Y, mirando un poco más lejos, ¿qué nuevas plataformas o lenguajes narrativos cree que pueden emerger a partir de la IA agéntica aplicada al periodismo?
-La exploración multiformato a escala es una de las cosas que la IA facilita muchísimo. Es decir, la capacidad de conectar un podcast con un artículo, con un video, con un documento de base, con otro artículo de hace años que ayuda a entender qué ha pasado desde entonces. Interfaces de exploración que permitan tener el periodismo en el centro pero que dejen a los usuarios recibir información en el formato que prefieran.
¿Quién es Juliana Castro Varón?
- Formación. Es diseñadora gráfica, formada en la Universidad Nacional de Colombia. Realizó estudios en Diseño y Comunicación Visual en el Politecnico di Torino y obtuvo un Master of Fine Arts (MFA) en Design en The University of Texas en Austin, como becaria Fulbright. Fue Fellow del Berkman Klein Center for Internet & Society de la Harvard University.
- Carrera. Senior Design Editor of AI Initiatives en The New York Times. Integrante clave de los equipos de innovación editorial y periodismo visual del medio. Lideró y colaboró en proyectos de investigación, visualización y diseño de herramientas internas para redacciones a gran escala.
Más leídas de Economía
1Plazo fijo: cuál es la tasa de interés banco por banco este jueves 12 de febrero
2Cencosud designa a Dolores Fernández Lobbe como nueva gerente general en la Argentina
3Un fondo inversor liderado por José Luis Manzano adquirió El Universo, uno de los diarios más importantes de Ecuador
4Asignación Universal por Hijo: de cuánto es la AUH en marzo 2026 con el aumento confirmado
