El fin de las fuentes fiables. El criterio ya no es el medio

Durante años me bastó con mirar el envase. Un titular de The New York Times no se confundía con un blog, un paper en Nature no se confundía con un hilo de Twitter, el comunicado de una agencia del medicamento no se confundía con el reenvío de un cuñado. Cada peldaño traía su propio protocolo, su filtro conocido, su nombre al que pedir cuentas. La IA generativa no ha derribado esa jerarquía. La ha aplanado en lo único que yo veía sin esfuerzo: la superficie. Cualquier salida de un modelo tiene hoy la misma tersura que un editorial trabajado durante una semana, y el marcador que yo usaba para decidir qué vale ha dejado de estar donde lo tenía. Nadie sabe todavía dónde ponerlo de nuevo.

La jerarquía que funcionaba sin que nadie la enseñara

A casi nadie le dieron una clase sobre cómo ordenar las fuentes. Y sin embargo la mayoría operaba con tres peldaños bastante nítidos, aprendidos por roce. Arriba, la prensa de referencia: redacción profesional, una jefatura editorial que responde, fe de erratas, responsabilidad civil por difamación. La validación ocurría antes de imprimir. El redactor verificaba, el editor revisaba, el jurídico filtraba, y la marca quedaba como aval de que alguien lo había mirado dos veces.

Debajo, la academia. Aquí el juicio no recaía en uno solo: dos o tres revisores anónimos opinaban antes de publicar, y después la comunidad reaccionaba con citas, réplicas y peleas que duraban años. En el tercer peldaño, las fuentes oficiales —boletines del Estado, comunicados de reguladores, informes de organismos internacionales—, donde quien firma responde con su carrera y a veces con su patrimonio.

Conviene decirlo antes de que alguien me acuse de nostalgia: ninguno de los tres era infalible, y los tres fallaron de forma sonora. La prensa de referencia produjo el caso Jayson Blair, el reportero del New York Times que fabricó o plagió decenas de piezas hasta su dimisión en 2003, y antes había firmado coberturas catastróficas como la de las armas de destrucción masiva en Irak. La academia parió el fraude de Jan Hendrik Schön en los Bell Labs, cuyo comité de investigación confirmó en septiembre de 2002 la falsificación o fabricación de datos en dieciséis casos, y el estudio de Andrew Wakefield que en 1998 inventó un vínculo entre la vacuna triple vírica y el autismo. Las fuentes oficiales firmaron informes sesgados, de los Pentagon Papers a los memorandos que legitimaron la tortura.

Lo que la jerarquía garantizaba no era exactitud. Era algo menos vistoso. Cuando algo se torcía, había un nombre detrás, un procedimiento para rectificar y una sanción posible. Una estructura de responsabilidad, no una promesa de verdad. Es esa estructura —no la verdad, que nunca estuvo asegurada— lo que se ha quedado sin envase reconocible.

El aplanamiento de la fluidez

Lo que la IA generativa toca no son los hechos contenidos en los textos. Toca una propiedad de superficie de la que casi nadie hablaba porque casi nadie sabía que la estaba usando: la heurística visual de calidad, esa regla mental que infiere la fiabilidad de un texto por su aspecto. Antes del modelo masivo yo separaba la prensa profesional del blog aficionado por señales formales —la composición de la página, la tipografía, el registro, la ortografía cuidada, la antefirma, la mención de fuentes—. Ninguna de esas señales garantizaba calidad. Correlacionaban con ella, que no es lo mismo, y a mí me bastaba con esa correlación.

El modelo de lenguaje produce texto con todas esas señales puestas y la factura impecable. Ortografía sin un solo tropiezo, registro ajustado al género, transiciones limpias, vocabulario que no chirría. El texto de un usuario sin formación cumple hoy la heurística visual exactamente igual que el de un periodista veterano. El blog amateur de 2010 se delataba por sus erratas y su sintaxis torpe. El de 2026, alimentado por un modelo, ya no se delata por nada.

De modo que la heurística visual ha dejado de filtrar, y quien dependía de ella se ha quedado a la intemperie. No hablo del profesional de la información, ni del académico, ni del analista que tiene otros mecanismos. Hablo de casi todo el mundo, que distinguía las fuentes por el aspecto del texto y no por nada más. La pérdida no afecta a una minoría experta. Es ancha, y es silenciosa, porque pocos sabían que se apoyaban en ese marcador hasta que dejó de sostenerlos.

Los criterios que se están construyendo a tientas

Si la fluidez ya no discrimina, algo tendrá que hacerlo, y aquí la discusión está abierta de par en par, sin nada cerrado. La idea más trabajada es rastrear el origen: poder comprobar quién produjo un contenido, con qué fuentes primarias y a través de qué cadena de edición. En esa línea trabaja la iniciativa C2PA (Coalition for Content Provenance and Authenticity), fundada en febrero de 2021 por Adobe, Arm, BBC, Intel, Microsoft y Truepic, que busca marcar criptográficamente el origen y las sucesivas modificaciones de imágenes y vídeos. El Reglamento europeo de IA (UE 2024/1689) avanza por la vía legal y obliga a marcar el contenido generado por máquina, con la obligación de transparencia de su artículo 50 plenamente exigible desde el 2 de agosto de 2026. Marcar el origen, eso sí, solo sirve si casi todos marcan, y esa adopción amplia todavía no existe.

Hay una segunda vía, más artesanal: contrastar fuentes independientes entre sí. Es la vieja triangulación del periodista de investigación, que coteja una afirmación con varias fuentes que tienen incentivos distintos, trasladada ahora al lector de a pie. Si tres voces que ganan cosas distintas coinciden, la probabilidad de error baja. El problema, además de humillante, es de tiempo: triangular cuesta esfuerzo y casi nadie lo invierte para decidir si un titular es cierto. Y hay una trampa fina encima. Los modelos entrenados con corpus parecidos pueden fabricar una consistencia ilusoria: tres respuestas que parecen confirmarse una a otra beben en realidad del mismo pozo, de modo que lo que el lector toma por triangulación es una sola voz repetida tres veces con tres caras.

Queda la tercera vía, la más incómoda: certificar que detrás de un texto hay una persona y no un modelo, con verificación criptográfica que separe lo escrito por un humano de lo generado por una máquina. El proyecto Worldcoin de Sam Altman propone para esto el escaneo del iris, mientras Adobe y Microsoft trabajan en credenciales verificables. Son experimentos, y arrastran resistencias razonables sobre privacidad y concentración de poder que no conviene despachar como paranoia.

Las tres propuestas valen a medias y ninguna sustituye por sí sola a la jerarquía que se ha hundido. Lo que las convertiría en algo parecido a un sistema sería la coordinación entre ellas, y esa coordinación no tiene dueño. No la ha tomado un gobierno, ni la industria, ni la academia. Cada cual empuja su pieza y mira de reojo al de al lado.

Dónde duele

El daño no se reparte parejo. Se concentra, y se concentra primero en la política sanitaria. La pandemia de covid fue un laboratorio a cielo abierto: el lector recibía a la vez información de la OMS, de las agencias nacionales, de la prensa generalista, de la especializada, de blogs médicos individuales y de cuentas con apariencia profesional que no respondían ante nadie. Cuando esas voces se contradecían, no tenía con qué ordenarlas. Lo que en el marco anterior se habría resuelto por deferencia a las fuentes con protocolo se convirtió en una pelea de tribu sobre mascarillas, vacunas y metros de distancia.

En la opinión política, la línea que separaba el análisis informado del comentario partidista y de la propaganda fabricada se borró en cuanto las tres cosas adquirieron la misma tersura. El Digital News Report 2024 del Reuters Institute, basado en una encuesta a más de 95.000 personas en 47 mercados, documentó que el porcentaje de adultos que evita las noticias a veces o a menudo subió al 39 %, tres puntos por encima del año anterior y el nivel más alto desde que el informe existe. La gente declara que huye por el volumen abrumador y el desgaste tanto como por la dificultad de distinguir lo que vale; el agotamiento ante un caudal que ya no se sabe ordenar es parte del mismo cuadro.

Después está el asesoramiento legal y financiero informal, donde foros, redes y newsletters producen textos con apariencia de dictamen profesional. En un mismo plano conviven el abogado en ejercicio, el estudiante de derecho, el aficionado leído y la salida de un modelo, y la decisión que el lector va a tomar —firmar, invertir, demandar— se apoya en una fuente que no sabría situar aunque se lo propusiera. Con la divulgación científica pasa lo mismo: el divulgador con formación, el periodista científico, el investigador en activo, el entusiasta de YouTube y el generador automático comparten canal con idéntica presentación, y el espectador no tiene cómo separarlos.

La asimetría que me preocupa

Lo que viene ahora es opinión mía, y la marco como tal aunque se apoye en lo que la literatura sobre desinformación viene observando desde 2016. Una sociedad sin jerarquía operativa de fuentes no se ha vuelto solo más confusa. Se ha vuelto vulnerable de manera desigual, porque el coste de atacarla y el de defenderla se han movido en direcciones opuestas.

El actor con recursos —el Estado autoritario con su fábrica de troles, la plataforma interesada en posicionar, la agencia de influencia con un cliente que paga— puede hoy generar contenido de aspecto autorizado en cantidad masiva, sembrarlo en muchos canales y sincronizarlo entre voces que aparentan ser independientes. Producir esa apariencia se ha vuelto baratísimo con los modelos generativos. Evaluarla, en cambio, se ha encarecido, porque las heurísticas con las que el lector filtraba ya no filtran. Al atacante le sobra con saturar el espacio hasta que distinguir deje de compensar. Ni siquiera necesita mentir.

Y la respuesta institucional llega tarde a todo. La industria tiene incentivos parciales y promueve sus propias credenciales de contenido; los gobiernos legislan con retraso, con la cláusula europea de marcado entrando en vigor casi cuatro años después de que el fenómeno se volviera masivo; la academia investiga sin capacidad de ejecutar; las plataformas adoptan medidas mínimas y dispares. Mientras tanto, el mismo Digital News Report 2024 recoge que solo cuatro de cada diez encuestados, un 40 %, dice confiar en la mayoría de las noticias la mayor parte del tiempo, una cifra estable respecto a 2023 y cuatro puntos por debajo del pico alcanzado durante la pandemia. Lo que se desploma no es exactamente la confianza, que ya estaba baja. Es la confianza diferencial, la que presuponía que unas fuentes valen más que otras, y se hunde a favor de una desconfianza plana que no distingue al diario serio del panfleto. Quien sospecha de todo por igual no se ha vuelto escéptico. Se ha rendido antes de empezar, y el que sospecha de todo termina creyendo cualquier cosa, porque ya no tiene con qué elegir.

Definiciones

Jerarquía de fuentes. Ordenamiento, implícito o explícito, que asigna distinta credibilidad inicial a distintos emisores según su protocolo de validación.

Heurística visual de calidad. Regla mental que infiere la fiabilidad de un contenido a partir de señales formales: composición, tipografía, registro, corrección ortográfica.

C2PA. Coalition for Content Provenance and Authenticity, iniciativa industrial fundada en febrero de 2021 para marcar criptográficamente el origen y la cadena de edición de contenido multimedia.

Triangulación. Técnica periodística y forense que contrasta una afirmación con varias fuentes independientes que tienen incentivos distintos entre sí.

Referencias

Reuters Institute — Digital News Report 2024 (Universidad de Oxford, junio de 2024). Fuente de los datos sobre evitación de noticias (39 %, tres puntos más que el año anterior) y confianza en la mayoría de las noticias (40 %, estable respecto a 2023 y cuatro puntos por debajo del pico de la pandemia). https://reutersinstitute.politics.ox.ac.uk/digital-news-report/2024/dnr-executive-summary

C2PA — Content Provenance and Authenticity Specifications. Iniciativa fundada en febrero de 2021 por Adobe, Arm, BBC, Intel, Microsoft y Truepic. https://c2pa.org/

Reglamento (UE) 2024/1689 — Reglamento europeo de IA, artículo 50 sobre transparencia y marcado de contenido generado por IA; obligación plenamente exigible desde el 2 de agosto de 2026. https://artificialintelligenceact.eu/article/50/

American Physical Society — September 2002: Schön Scandal Report is Released. Sobre el informe del comité de los Bell Labs que confirmó la falsificación de datos de Jan Hendrik Schön. https://www.aps.org/apsnews/2022/08/september-2002-schon-scandal-report

Postman, N. — Amusing Ourselves to Death (Viking, 1985). Sobre la erosión del discurso público.

Frankfurt, H. — On Bullshit (Princeton UP, 2005). Sobre el habla indiferente a la verdad.

Pariser, E. — The Filter Bubble (Penguin, 2011). Sobre el filtrado algorítmico de la información.

McIntyre, L. — Post-Truth (MIT Press, 2018). Marco general del fenómeno.

Bender, E. et al. — On the Dangers of Stochastic Parrots. FAccT 2021. Sobre los riesgos de los grandes modelos de lenguaje.

Allcott, H. & Gentzkow, M. — Social Media and Fake News in the 2016 Election. Journal of Economic Perspectives 31 (2017). Punto de partida de la literatura citada sobre desinformación.

También te interesa

• La validación imposible
• Verdad probabilística
• La confianza como heurística
• La muerte de la autoridad

En otros sitios

• International Fact-Checking Network (Poynter)
• UNESCO — Media and Information Literacy