Traducido por: Sofía González
El periodismo siempre ha sido un guardián del interés público, en especial al exigir una rendición de cuentas al gobierno. Esto no solo representa una obligación profesional, sino que también es la base de su misión democrática. Esto es especialmente cierto para el periodismo de investigación, que históricamente ha estado al frente de la lucha por la transparencia y la justicia. Sin embargo, hoy el poder ya no se limita a los gobiernos.
Gigantes como Meta, Google, o Apple no sólo controlan el mundo digital, sino que también moldean su infraestructura. Es por esto que el periodismo ha incrementado su enfoque en el análisis crítico de plataformas digitales. Las grandes empresas tecnológicas se han convertido en nuevos centros de influencia, comparables a los Estados, que cuentan con sus propias reglas, sistemas gubernamentales, y responsabilidades sociales. Así como alguna vez los periodistas monitorearon la actividad de los gobiernos, hoy cuentan con las herramientas y experiencia necesarias para vigilar el poder de las plataformas digitales. Y este quizás sea el mayor desafío del periodismo contemporáneo.
A menudo, los métodos tradicionales del periodismo no son capaces de enfrentarse a las complejidades tecnológicas y la opacidad con la que estas grandes compañías tecnológicas operan. Estas empresas son verdaderas “cajas negras” del mundo moderno: desde secretos gubernamentales y corporativos, hasta algoritmos complejos que requieren de conocimientos técnicos especializados para ser comprendidos. A diferencia de las personas, los algoritmos no pueden ser entrevistados. Y ahí surge un problema serio: los periodistas están lidiando con una gran desigualdad de poder e información. Las grandes plataformas, con sus interminables recursos financieros, tecnológicos y legales, controlan casi todo el espacio informativo, lo que hace casi imposible penetrar el velo de los secretos corporativos.
Por esto, el análisis crítico de los algoritmos de las grandes empresas tecnológicas recae en organizaciones especializadas en investigación, tales como ProPublica , The Markup o Lighthouse Reports. A esto se suman organizaciones como AlgorithmWatch, Systemic Justice, y The Center for Countering Digital Hate, que continúan explorando el impacto de estas poderosas tecnologías en la sociedad. Cada vez más investigadores discuten cómo la Inteligencia Artificial puede cambiar el periodismo de investigación, ayudando a revelar historias ocultas y trabajar con inmensas cantidades de datos. Este enfoque ha sido denominado “vigilancia digital” (digital watchdogs) y se considera como una herramienta para exigir cuentas también en el mundo digital.
Entrenamiento de chatbots y el algoritmo de recomendación de Tik Tok
La investigación de Joris Weerbeek del Departamento de Estudios Mediáticos y Culturales en la Universidad de Utrecht (Países Bajos), incluye la aplicación directa de IA en investigaciones periodísticas. Como parte de su proyecto de doctorado, analizó dos casos en cooperación con el semanario neerlandés De Groene Amsterdammer. Es una pequeña redacción que cuenta con 15 periodistas que, en 2020, lanzaron la iniciativa de Datos y Debate con el objetivo de analizar debates en línea en colaboración con universidades neerlandesas.
Esta metodología de investigación implicó una estrecha colaboración entre periodistas y académicos. Los periodistas fueron responsables de encontrar fuentes, realizar entrevistas, y analizar documentos, mientras que los investigadores desarrollaron métodos de análisis de datos y trabajaron con algoritmos. El flujo de trabajo incluyó juntas formales semanales, etiquetado conjunto de datos y discusiones informales.
El material final fue escrito por los periodistas, pero con aportes de los investigadores. Esta interacción no sólo permitió probar herramientas de IA en periodismo, sino también evaluar su efectividad en condiciones editoriales reales.
Una de las preguntas clave de la investigación fue: ¿qué fuentes permiten a los grandes modelos de lenguaje lograr un alto nivel de competencia en neerlandés? Los investigadores estudiaron datos del Colossal Clean Crawl Corpus (C4) de Google, particularmente su versión plurilingüe MC4, que contiene más de 95 millones de sitios web neerlandeses. Al analizar los datos filtrados que fueron empleados para entrenar el GPT-3, el equipo descubrió que el contenido incluído en el modelo fue fuertemente influenciado por algoritmos selectivos que favorecían textos en inglés. También se identificaron diversos tipos de contenido problemático, incluyendo datos personales, material protegido por derechos de autor, y sitios de desinformación, lo cual ejemplifica los riesgos de una recopilación de datos de entrenamiento de IA insuficientemente controlada.
Este estudio también examinó cómo TikTok detecta el interés de sus usuarios en contenido relacionado con desórdenes alimenticios y lo rápido que comienza a recomendar vídeos similares. Utilizando cuentas automatizadas en teléfonos inteligentes físicos, los investigadores rastrearon cuánto tiempo le tomaba al algoritmo llenar el feed con videos sobre este delicado tema. Se descubrió que TikTok podía adaptar sus recomendaciones en tan sólo unos minutos, lo que demuestra su capacidad para identificar rápidamente los intereses de los usuarios. Para analizar el contenido de los videos, el equipo utilizó el modelo CLIP, el cual les permitió evaluar la relación entre las imágenes y el texto en el vídeo.
Rapidez, personalización y reproducibilidad
Basándose en los dos casos periodísticos, se identifican tres categorías principales respecto al impacto de la IA en la disponibilidad de operaciones con grandes plataformas digitales: rapidez y escala, personalización y reproducibilidad. La rapidez y escala permiten a los periodistas trabajar eficientemente con grandes cantidades de datos, categorizando automáticamente millones de registros en poco tiempo. Esto es especialmente importante en investigaciones relacionadas con los conjuntos de datos de entrenamiento para chatbots, donde la IA ayuda a organizar contenido, haciéndolo accesible para análisis posteriores. Aunque esta automatización no reemplaza el trabajo humano, permite realizar tareas que antes habrían sido imposibles por su escala.
La personalización, en cambio, permite a la IA imitar el comportamiento de usuarios en la plataforma, lo cual ayuda a entender cómo funcionan los algoritmos de recomendación. Esto se evidenció en el estudio de TikTok, donde los bots de IA siguieron interacciones con contenido relacionado a desórdenes alimenticios. A diferencia de la recolección tradicional de datos a través de hashtags, el uso de IA permitió identificar vídeos no etiquetados con contenido visual relevante. Este enfoque no sólo logró que las soluciones algorítmicas sean más comprensibles para una audiencia más amplia, sino que también permitió una mejor cobertura de procesos técnicos en investigaciones periodísticas.
La reproducibilidad es un aspecto importante de la metodología periodística en el análisis de plataformas digitales. Automatizar la recolección y el análisis de datos permite a los periodistas repetir experimentos utilizando los mismos parámetros, lo que aumenta la fiabilidad de las conclusiones. Por ejemplo, el análisis de los algoritmos de TikTok puede repetirse en diferentes momentos para registrar los cambios en el sistema de recomendaciones. Esto es especialmente importante, ya que las plataformas pueden negar casos individuales o atribuirlos como coincidencias.
Aunque las grandes compañías tecnológicas están cerrando cada vez más sus algoritmos y afianzando el control sobre el espacio informativo, los periodistas pueden utilizar la IA para analizar grandes cantidades de información, identificar sesgos algorítmicos e investigar el impacto de las tecnologías digitales en la sociedad. Por lo tanto, en este nuevo panorama tecnológico, los periodistas de investigación no sólo tienen un lugar, sino que también desempeñan un papel crítico en garantizar la transparencia de los gigantes digitales.
Artículo original: https://ua.ejo-online.eu/9022/tsyfrovi-media/chy-ie-mistse-dlia-zhurnalistiv-rozsliduvachiv-u-sviti-shi
Etiquetas algoritmos, Inteligencia artificial, periodismo, Periodismo de Investigación, redes sociales
