Revista Latina de Comunicación Social. ISSN 1138-5820
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Inteligencia artificial aplicada al periodismo de servicio público: innovación multimodal de RTVE
Artificial intelligence applied to public service journalism: multimodal innovation by RTVE
Inés Modrón-Lecue
Universidad de Valladolid. España
Pilar Sánchez-García
Universidad de Valladolid. España
Investigación financiada a través del proyecto “La inteligencia artificial para el fomento del periodismo de calidad y la alfabetización mediática: Avances tecnológicos aplicados y desafíos en la era de la desinformación” (Referencia PID2023-149759OB-I00). Ministerio de Ciencia e Innovación (España).
Inicio de la investigación: enero de 2024 - Fin de la investigación: junio de 2025
Cómo citar este artículo / Referencia normalizada:
Modrón-Lecue, Inés y Sánchez-García, Pilar. (2026). Inteligencia artificial aplicada al periodismo de servicio público: innovación multimodal de RTVE [Artificial intelligence applied to public service journalism: multimodal innovation by RTVE]. Revista Latina de Comunicación Social, 84, 1-24. https://www.doi.org/10.4185/RLCS-2026-2564
Fecha de Recepción: 18/09/2025
Fecha de Aceptación: 10/11/2025
Fecha de Publicación: 28/02/2026
RESUMEN
Introducción: La aplicación de la inteligencia artificial (IA) en el Periodismo avanza mediante la experimentación en medios de comunicación que ponen a prueba la alta tecnología al servicio de sus equipos y audiencias. Mientras las empresas privadas orientan sus esfuerzos hacia la competitividad, los medios públicos asumen el mandato de impulsar la innovación tecnológica alineada con su enfoque de servicio público. El objetivo de la investigación es analizar el desarrollo de la IA en el periodismo con fines de servicio público a través del estudio de caso de RTVE en el contexto de los medios estatales europeos. Metodología: A través de una metodología de etnografía digital, propia de fenómenos emergentes, que combina observación presencial, análisis de contenido y entrevistas, se logra una comparativa completa de las ocho herramientas impulsadas por la Corporación RTVE, con un análisis triangular replicable en futuros estudios de caso similares. Resultados: El estudio confirma la utilidad de la experimentación con IA multimodal en tareas de verificación, documentación y automatización de noticias; la aplicabilidad en todas las fases del proceso periodístico, combinando IA analítica y generativa, así como la efectividad de la colaboración interdisciplinar entre expertos internos, empresas tecnológicas y universidades. Conclusiones: El estudio aporta conclusiones extrapolables a otros medios sobre la aplicación de la IA para tres fines de servicio público principales: la lucha contra la desinformación, la atención a ‘desiertos informativos’ y la mejora de la accesibilidad e interacción. La innovación tecnológica experimental resulta eficaz, aunque se encuentra aún con la limitación de lograr la aplicación transversal de la IA que transforme de manera efectiva los procesos productivos.
Palabras clave: inteligencia artificial; periodismo automatizado; algoritmos; medios; servicio público; RTVE; etnografía digital.
Keywords: artificial intelligence; automated journalism; algorithms; media; public service; RTVE; digital ethnography.
1. INTRODUCCIÓN
El desarrollo de automatizaciones aplicadas al proceso informativo se ha impulsado en la última década a través de la innovación y experimentación con la inteligencia artificial (IA) en medios de comunicación (Montoro-Montarroso et al., 2023; Salazar García, 2018; Ufarte Ruiz y Murcia Verdú, 2024) mostrando evidencias de que será la tecnología con mayor impacto en el periodismo en los próximos años (Newman, 2021). La implantación de la “IA mediática” de forma integral se encuentra en una etapa inicial, en la que los primeros en asumirla adquirirán ventaja sobre sus competidores (Mondría Terol, 2023). Su aplicación reducirá costes y mejorará la calidad (Gutiérrez-Caneda et al., 2023), aunque su efectividad dependerá de la capacidad de que esta tecnología permee a todas las capas del proceso informativo.
Su impulso reciente en el sector, considerado aún como una realidad emergente, se ha convertido en un objeto de estudio de primer nivel en el área de la comunicación desde la primera década de los 2000, con un despegue claro a partir de 2015 (Ufarte Ruiz et al., 2021) y con mayor interés tras la popularización de los primeros modelos conversacionales que impulsaron la expansión de la investigación en el sector a partir de finales de 2022 (Almakaty, 2024; Ioscote et al., 2024; Lopezosa et al., 2023; Páez et al., 2024). Al tratarse de un fenómeno emergente, la mayoría de estas investigaciones se centran en estudios de caso basados en innovación y experimentación de la IA aplicable a todas las fases del proceso periodístico (Sánchez-Gonzales y Sánchez-González, 2020; Newman, 2022). Los primeros resultados reflejan que resulta eficaz en: automatización de tareas (Graefe, 2016), recopilación y redacción de información (Diakopoulos, 2015, 2019), detección de tendencias (Tejedor Calvo et al., 2021), verificación (Beckett, 2019; Ufarte Ruiz y Manfredi Sánchez, 2019), traducción (Noain-Sánchez, 2022), e interacción con las audiencias mediante sistemas de recomendación (Canavilhas, 2022; Túñez López et al., 2022), suscripción y mediciones (Díaz Noci, 2023).
A pesar de los avances, no se ha logrado su transversalidad y no está asegurada aún su rentabilidad (Newman y Cherubini, 2025), al tiempo que genera dudas sobre el impacto laboral en el Periodismo (Canavilhas, 2025). Entre las limitaciones para su implantación se apunta al déficit formativo (Fieiras Ceide et al., 2023) y cierta resistencia interna al cambio en los medios (Mondría Terol, 2023; Ufarte Ruiz y Murcia Verdú, 2024), unido a los desafíos éticos que plantean los sesgos, la supervisión y la transparencia (García-Ull y Melero-Lázaro, 2023; Hansen et al., 2017); retos a los que ya se intenta responder con las recientes guías de autorregulación de los medios en el uso de la IA (De-Lima-Santos et al., 2025; Parrat-Fernández et al., 2024; Sanahuja-Sanahuja y López-Rabadán, 2025; Sánchez-García et al., 2025).
Constatados estos logros y limitaciones iniciales, la presente investigación se centra en una perspectiva apenas estudiada en el sector: la utilidad de la IA en el desarrollo de la información periodística con fines de servicio público que contribuya a un beneficio informativo colectivo e impulsada especialmente desde los medios de comunicación públicos.
1.1. La IA en el Periodismo de servicio público
Los medios de servicio público (Public Service Media, PSM) se enfrentan a nuevos retos en la era de la innovación tecnológica con la peculiaridad de que reciben financiación pública para cumplir con “la ardua tarea de contribuir a la inclusión y cohesión social, reforzar la cultura local y fomentar los procesos democráticos con contenidos plurales y diversos” (Sørensen, 2019, p. 1). Desempeñan un papel esencial en la cohesión de las sociedades democráticas (Zaragoza-Fuster y García-Avilés, 2020) al ser garantes de derechos como el acceso a la información, la diversidad y la universalidad, entre otros (Aslama Horowitz y Nieminen, 2017), que les obliga a innovar para dar servicio a las audiencias (Crusafon et al., 2020). De ellos se espera el cumplimiento del mandato de la Asamblea General de la Unión Europea de Radiodifusión (2014) que marca seis compromisos: universalidad, independencia, excelencia, diversidad, responsabilidad e innovación.
La necesidad de innovación se ha limitado en ocasiones a la difusión de tecnologías, sin que se identifique un cambio real en el modelo de trabajo y de negocio (Ostertag y Tuchman, 2012; Spyridou et al., 2013). Sin embargo, la tecnología basada en IA se revela como una oportunidad para renovar los medios públicos y abordar algunos de los problemas específicos que identificó Tambini (2015): audiencias en descenso, financiación en declive, misión en disputa, la amenaza de la digitalización en formatos tradicionales y la agresiva competencia de las operadoras privadas. Retos a los que responder con el refuerzo de la calidad informativa que impacta en la vida de la ciudadanía (Lowe y Martin, 2014), en un ecosistema complejo compuesto por actores emergentes y tradicionales (Crusafon et al., 2020) que han empujado a la plataformización de los PSM (Dragomir y Túñez López, 2024). Este contexto requiere una mayor alfabetización tecnológica (UER, 2019) en el ámbito de los medios públicos, para combatir sesgos que perjudican la democracia, así como una mejora en la gestión de la privacidad, financiación de la innovación y capacitación de profesionales (Fieiras Ceide et al., 2022).
Los avances en experimentación automatizada continúan en la actualidad e implican afrontar desafíos propios, como la complejidad de encontrar profesionales formados (Fieiras Ceide et al., 2023) o, entre otros, la pérdida de diversidad informativa de los sistemas algorítmicos de recomendación (Napoli, 2011). Retos y avances de una fase emergente que requiere investigación a través de estudios de caso de medios públicos como el que se desarrolla aquí, centrado en el modelo público de RTVE.
1.2. El caso de RTVE, referente en innovación
La Corporación RTVE cuenta con una reconocida trayectoria tecnológica en últimas tecnologías, al ser una televisión pionera en Europa en producción en 4K, en introducir herramientas virtuales o en experimentar en narrativas a través de su Laboratorio de innovación (Zaragoza-Fuster y García-Avilés, 2020). Dispone de un Plan Estratégico de Tecnología (PET) con avances también en materia de big data (Cátedra RTVE de la Universidad de Zaragoza, s.f.), en la participación en el proyecto europeo 5G Media y Visual Media, además de desarrollos en multipantalla, entre otros (Real Rodríguez et al., 2024). Se adelantó a la experimentación con IA en 2015 al iniciar un programa de investigación sobre sistemas basados en el procesamiento inteligente de la información (Aramburú Moncada et al., 2023), la detección de hechos noticiables y la presentación de las noticias (Rozalén-Serrano et al., 2020). Inicialmente, experimentó con la alerta de noticias del sistema “Dataminr”, un software empresarial utilizado por varios medios, y con la herramienta “Social Media Radar”, un sistema testeado para el análisis de redes sociales (Tejedor Calvo et al., 2021).
En las sucesivas etapas de experimentación, RTVE ha impulsado varias cátedras universitarias (Universidad de Granada, 2022; Prensa RTVE, 2021; Cátedra RTVE de la Universidad de Zaragoza, s.f.; Universitat Autònoma de Barcelona, 2016) para el desarrollo de proyectos específicos. Además, colabora con otros medios y empresas tecnológicas como, por ejemplo, con EFE y Narrativa trabajó en la recopilación de datos sanitarios de la pandemia en el proyecto “Covid-19 Tracking Project” (Corral, 2020); ha participado en el plan “Visiona”, para los estudios de igualdad de género promovidos por la BBC (s.f.); y junto a Monoceros Labs y Amazon Web Services, participó en un proyecto piloto de automatización de noticias con voces sintéticas (Corral, 2023).
Estas y otras innovaciones en materia de IA de RTVE han sido estudiadas académicamente como proyectos aislados, caso de la automatización documental (Bazán-Gil, 2023), la segmentación de noticias (Bazán-Gil et al., 2021), la narrativa automatizada en zonas despobladas (Aramburú Moncada et al., 2023), la verificación (Sánchez Esparza et al., 2024), o sus aplicaciones en radio (Fieiras Ceide et al., 2025). La presente investigación pretende completar estos estudios previos mediante el primer análisis comparativo de todas las aplicaciones de IA aplicables al proceso informativo con enfoque de servicio público impulsadas dentro de la Corporación y que se analizan aquí junto a las valoraciones de sus responsables.
2. OBJETIVOS
El objetivo principal de esta investigación es realizar un análisis comparativo de las aplicaciones de IA multimodal impulsadas desde RTVE aplicables al proceso informativo con un fin de servicio público. Incluye dos objetivos específicos:
- O1. Identificar las aplicaciones y examinar las características de sus equipos, el desarrollo tecnológico por fases y formatos, la utilidad y su difusión.
- O.2. Analizar con los profesionales implicados los beneficios alcanzados, desafíos y limitaciones actuales en la implementación de la IA.
El estudio se inicia con tres hipótesis de partida:
- H1. Las aplicaciones de IA de RTVE son multimodales, predominan las analíticas para las fases de documentación y distribución y lo impulsan equipos propios.
- H2. Los beneficios principales son la reducción de costes de producción y oferta de nuevos servicios.
- H3. Las limitaciones están en la capacitación tecnológica de los profesionales y en los riesgos éticos de la IA.
3. METODOLOGÍA
3.1. Triangulación para la investigación de la innovación periodística con IA
El estudio parte de una revisión documental para delimitar las unidades de análisis, el contexto de la investigación (Atkinson y Hammersley, 2007) y la selección de las fuentes primarias con responsables de prácticas innovadoras (Lopezosa, 2020). Se completa con la observación presencial durante dos meses en el área de Contenidos Digitales Informativos y de Estrategia Tecnológica e Innovación de RTVE[1], lo que ha facilitado la interacción con diferentes perfiles y departamentos para resolver cuestiones que pasan desapercibidas con un análisis documental externo (Retegui, 2020), y ha permitido comprender cómo se configuran órdenes de significados y sistemas de creencias (Giménez Delgado, 2023).
3.2. Muestras y tabla de análisis
La selección de unidades de análisis se inicia con la revisión de publicaciones de la Corporación sobre sus casos de uso, completada con el asesoramiento de profesionales internos del medio, hasta delimitar una muestra completa de los 8 proyectos de IA multimodal (Tabla 1) vinculados a procesos informativos innovadores de RTVE con un fin de servicio público desarrollados hasta 2025.
Tabla 1. Muestra de proyectos de innovación de IA en RTVE vinculados a procesos informativos con fines de servicio público desarrollados hasta 2025
|
BREVE DESCRIPCIÓN Y ENLACE WEB |
|
|
A European Perspective |
Traducción automática y recomendación inteligente de contenidos para participar dentro de un servicio de noticias europeo colaborativo de medios públicos dirigido a luchar contra la desinformación, favorecer los valores europeos y potenciar la información como servicio público. URL: https://www.europeanperspective.net/home |
|
Análisis inteligente de contenido |
Evaluación de tratamiento y accesibilidad de contenidos mediante análisis inteligente de las noticias y programas de RTVE para evaluar el tiempo dedicado a la Agenda 2030 y los ODS y a los contenidos con apoyo de lengua de signos. URL: https://rtve2030.rtve.es/ods |
|
Archivo Documental |
Sistema de catalogación automática y metadatado inteligente del contenido del Fondo Documental de RTVE, que garantiza un mayor aprovechamiento del archivo y un aumento en la eficiencia de los procesos archivísticos. |
|
HiperIA Radio 3 |
Proyecto de un presentador virtual que puede interactuar directamente con la audiencia y creación de un programa audiovisual sobre música generado íntegramente mediante IA. |
|
Información electoral local |
Cobertura electoral con noticias automatizadas para municipios de menos de 1.000 habitantes que garantiza el acceso informativo multimodal (texto, imagen y audio) sobre los resultados electorales con un enfoque de servicio público a la llamada “España vaciada”. |
|
Información meteorológica en lenguas cooficiales |
Automatización de la información meteorológica con predicciones locales en tiempo real que permite ofrecer texto y audios que genera noticias diarias sobre poblaciones pequeñas. Se ha iniciado como prueba de concepto adaptado a localidades de Lleida en español y catalán https://www.rtveia.es/meteo/ |
|
Iveres |
Desarrollo de una “caja de herramientas” basada en IA que ayude al periodista a combatir la desinformación, gracias a tecnologías de verificación que facilitan la detección de noticias falsas, así como la comprensión de patrones de desinformación online. URL: https://iveres.es/ |
|
Subtitulado inteligente |
Utilización de una herramienta de transcripción de audio para contenidos audiovisuales que se integre en el flujo de trabajo de los subtituladores y facilite la accesibilidad informativa. https://www.rtve.es/rtve/20221118/territoriales-tve-subtitulado-automatico-bilinguee/2409497.shtml |
Fuente: Elaboración propia.
La delimitación de los proyectos se acompasó con la selección de fuentes primarias que conforman la muestra intencional de conveniencia con los responsables internos de los desarrollos de IA en diferentes áreas de RTVE a quienes se dirigen las entrevistas semiestructuradas (Tabla 2)[2] .
Tabla 2. Muestra intencional de responsables de desarrollo de proyectos de IA en RTVE[3]
|
CARGO /PERFIL |
PROYECTO DE IA IMPULSADO |
FECHA ENTREVISTA |
|
|
Pere Vila Fumas |
Director de Estrategia Tecnológica e Innovación |
Análisis de ODS y lengua de signos y visión general |
21/05/2024 |
|
Lucía Rado |
Coordinadora del proyecto de IA en el Fondo Documental |
IA en el Fondo Documental |
22/05/2024 |
|
Borja Díaz-Merry |
Responsable de Verifica RTVE |
IVERES |
22/05/2024 |
|
Iván López Olmos |
Realizador de RNE |
HiperIA |
27/05/2024 |
|
Gorka Zubizarreta |
Responsable de Proyectos Digitales en RTVE.es |
A European Perspective |
28/05/2024 |
|
César Peña |
Periodista del Laboratorio de Innovación Audiovisual de RTVE |
Visión general y Lab Orquesta |
29/05/2024 |
|
David Corral |
Responsable de Innovación |
Información electoral y meteorológica automatizada |
4/06/2024 |
|
Carmen Pérez Cernuda |
Subdirectora de Estrategia Tecnológica e Innovación |
Subtitulado inteligente y visión general |
12/06/2024 |
Fuente: Elaboración propia.
3.3. Categorías de estudio para la innovación de la IA en periodismo
El análisis de contenido se desarrolla en torno a cuatro categorías de estudio y 21 variables (Tabla 3) reunidas en una tabla de análisis replicable en futuras investigaciones de IA en medios. La propuesta permite codificar los “Equipos” (C1) con sus perfiles, formación e interrelaciones; el “Desarrollo tecnológico” (C2) de cada IA (analítica/generativa y su modalidad), con las fases periodísticas (documentación-producción-distribución), su funcionalidad y el fin de servicio público ofrecido; la “Difusión” (C3) interna y la transparencia ante las audiencias con la publicación de resultados; y, por último, la “Eficacia y beneficios percibidos” (C4) a través de la perspectiva de sus responsables sobre productividad, calidad, beneficios y limitaciones de cada proyecto.
Tabla 3. Tabla de análisis de contenido de proyectos de innovación con IA en medios de comunicación
|
VARIABLES |
DESCRIPCIÓN |
|
|
C1. Equipo
Análisis del equipo responsable del desarrollo de la aplicación de IA |
V1. Departamento responsable |
Departamento encargado del desarrollo |
|
V2. Roles clave |
Identificación del equipo y sus perfiles |
|
|
V3. Formación |
Formación específica de los profesionales del equipo |
|
|
V4. Integración en la redacción |
Vinculación del trabajo del equipo en otras áreas |
|
|
V5. Colaboradores externos |
Empresas y entidades ajenas implicadas en el desarrollo tecnológico y/o implementación |
|
|
C2. Desarrollo tecnológico
Análisis de las características técnicas y aplicación al proceso periodístico |
V6. Tipo de herramienta |
Tipo de IA: analítica o generativa Multimodalidad: audio, imagen, vídeo, texto y otros |
|
V7. Objetivo y servicio público |
Finalidad de la herramienta y enfoque se servicio público que ofrece |
|
|
V8. Fase del proceso periodístico |
Documentación/ verificación Producción Distribución |
|
|
V9. Funcionalidades principales |
Aplicaciones técnicas de IA implementadas para tareas específicas |
|
|
V10. Periodo |
Temporalidad de ejecución proyecto |
|
|
C3. Difusión/ Integración
Análisis de la divulgación y transparencia de cada herramienta y su integración en la empresa |
V11. Presentaciones públicas |
Presentación de la herramienta en conferencias y eventos públicos |
|
V12. Producción académica |
Artículos académicos e investigaciones publicados |
|
|
V13. Cobertura mediática en CRTVE |
Difusión de la herramienta desde los diferentes canales del medio. |
|
|
V14. Información interna |
Difusión y aceptación de la herramienta dentro del medio |
|
|
V15. Distribución a la audiencia |
Mecanismos previstos para hacer llegar a las audiencias la herramienta |
|
|
C4. Eficacia y beneficios percibidos
Resultados analizados por los responsables y enfoque de servicio público |
V16. Productividad |
Impacto percibido en el rendimiento |
|
V17. Calidad del contenido |
Logros en la calidad del contenido generado |
|
|
V18. Ventajas para CRTVE |
Beneficios que aporta a la organización en tiempo y optimización de recursos |
|
|
V19. Impacto en la accesibilidad y comprensión crítica de la información |
Efecto de la herramienta en la facilidad con la que las audiencias acceden al contenido y su capacidad para interpretarlo y evaluarlo críticamente |
|
|
V20. Efectos en la relevancia de los contenidos |
Influencia que la herramienta tiene en la pertinencia y el valor del contenido producido |
|
|
V21. Desafíos y limitaciones |
Obstáculos encontrados durante el desarrollo y la implementación de la herramienta |
Fuente: Elaboración propia.
4. RESULTADOS
Los resultados del estudio de los ocho proyectos periodísticos de innovación con IA de RTVE con un fin de servicio público implementados hasta 2025 recogen datos del análisis individual[4] de cada uno de ellos y se presentan mediante una comparativa conjunta que ofrece hallazgos de la experimentación con IA aplicables al periodismo de servicio público y a los medios en general.
En conjunto, los proyectos tienen un carácter heterogéneo con herramientas de automatización que abarcan los diferentes procesos informativos y que responden a necesidades específicas de cada una de las áreas implicadas. Todo ello se traduce en enfoques diversos en cuanto a objetivos y funcionalidades. Los resultados principales se presentan en una tabla comparativa (Tabla 4) ajustada a las categorías de estudio y con información contrastada de la observación presencial y las entrevistas a sus responsables.
Tabla 4. Análisis comparativo de aplicaciones informativas de IA con fines de servicio público en RTVE
|
ÁREA AÑO |
ANÁLISIS POR CATEGORÍAS Y VARIABLES DE ESTUDIO |
|||||
|
FASE INFORMATIVA |
OBJETIVO (O) SERVICIO PÚBLICO (SP) |
FUNCIONALIDAD |
PRODUCTIVIDAD (P) LIMITACIONES (L) |
PERFILES INTERNOS / EXTERNOS |
INTEGRACIÓN(I) DIFUSIÓN (D) |
|
|
A European Perspective
Contenidos Digitales Informativos
2021 |
Distribución
IA Analítica
Multimodal
|
O. Servicio de noticias colaborativo entre los distintos PSM europeos. S.P. Fortalecer espacios de información veraz. |
|
P. Acceso a información internacional y mejora redes PSM
L. Dedicación a la supervisión |
Interno: Ing. Telecom
Organizaciones: UER y Constructive Institute |
I. Nula D. 2 jornadas formativas, 3 artículos académicos, 4 noticias |
|
Análisis inteligente de contenido
Dirección de Estrategia e Innovación
2019
|
Documentación
IA Analítica
Multimodal
|
O. Evaluar el contenido de ODS y la información interpretada en lengua de signos. S.P. Transparencia y compromiso con la inclusión y la Agenda 2030. |
|
P. Optimiza tiempo, calidad de contenido, transparencia y rendición de cuentas
L. Implicación de áreas |
Interno: Ing. Telecom. y Gestión Empresarial
Universidades: UC3M |
I. Nula D. 2 jornadas formativas, 1 Plan de Sostenibilidad,4 noticias
|
|
Archivo Documental
Área documental
2021
|
Documentación
IA Analítica
Multimodal
|
O. Catalogación y recuperación del archivo audiovisual S.P. Preservación y aprovechamiento del patrimonio multimedia |
|
P. Aumenta capacidad de metadatado y recuperación de material inédito
L. Flujos de trabajo y diseño de nuevos campos en la base de datos |
Interno: Ing. Telecom. y Documentación
Universidades: UNIZAR
|
I. Nula D. 6 jornadas formativas, 3 artículos académicos, 10 noticias y 1 premio. https://www.vsn-tv.com/es/rtve-vsn-inteligencia-artificial-vsnexplorermam/ |
|
HiperIA
Dirección de Estrategia e Innovación Radio 3
2023
|
Producción
Distribución
IA Generativa
Multimodal
|
O. Programa audiovisual de música presentado por un avatar que interactúa con la audiencia S.P. Innovación en la divulgación cultural |
|
P. Aumenta capacidad de equipos pequeños e interacción con públicos jóvenes
L. Innovación y crecimiento del proyecto |
Interno: Ing. Telecom., Realización Audiovisual, Diseño Gráfico y Periodismo
|
I. Nula D. 4 jornadas formativas, 1 artículo académico, 2 premios https://www.rtve.es/play/audios/hiperia/
|
|
Información electoral
Dirección de Estrategia e Innovación
2021
|
Producción
IA Generativa
Multimodal
|
O. Información electoral para municipios de menos de mil habitantes. S.P. Información en ‘desiertos informativos’ con un principio de igualdad. |
|
P. Aumento de contenido accesible local
L. Burocracia e integración de equipos |
Interno: Ing. Telecom. y Periodismo
Universidades: UCLM, UGR, UdL
Empresas: Narrativa, Monoceros Lab, Amazon Web Services, ONCE
|
I. Nula D. 2 jornadas formativas, 3 artículos académicos, 15 noticias, 1 premio. |
|
Información meteorológica
Dirección de Estrategia e Innovación
2021
|
Producción
IA Generativa
Multimodal
|
O. Información meteorológica local en castellano y catalán con audio. S.P. Cobertura local de contenidos con traducción. |
|
P. Aumento de contenido accesible local
L. Burocracia e integración de equipos |
Interno: Ing. Telecom. y Periodismo
Universidades: UCLM, UdL
Empresas: Narrativa y Monoceros Labs |
I. Nula D. 4 noticias,
|
|
Iveres
Dirección de Estrategia e Innovación
Verifica RTVE
2022 |
Documentación
Distribución
IA Analítica
IA Generativa
Multimodal |
O. Desarrollo de una ‘caja de herramientas’ de verificación para periodistas. S.P. Uso sencillo de herramientas contra la desinformación para medios e instituciones públicas |
|
P. Optimización del tiempo de verificación. Rigor
L. Acceso APIs y CrowdTangle (Meta)
|
Interno: Ing. Telecom. y Periodismo
Universidades:UAB, UC3M, UPC y UGR |
I. Nula Se prevé extenderlo. D. 7 sesiones formativas, 7 artículos, 8 noticias, 1 premio |
|
Subtitulado inteligente
Dirección de Estrategia e Innovación
2022 |
Distribución
IA Analítica
IA Generativa
Audio y texto
|
O. Reconocimiento bilingüe y subtítulos en tiempo real de lenguas cooficiales. S.P. Accesibilidad en lenguas cooficiales y de personas sordas. |
|
P. Optimización de tiempo y accesibilidad
L. Normativa exigente, detección de cambio de idioma, carencias de los modelos de lenguaje que no son castellano |
Interno: Ing. Telecom
Empresas: Etiqmedia, Vicomtech
Universidades: UC3M |
I. Nula D. 3 jornadas, 4 artículos, 8 noticias, 1 premio https://www.rtve.es/rtve/20221118/territoriales-tve-subtitulado-automatico-bilinguee/2409497.shtml |
Fuente: Elaboración propia.
4.1. Equipo multidisciplinar, empresas externas y universidades (C1)
Al mismo tiempo, para el desarrollo técnico de las aplicaciones de IA se opta por la colaboración con empresas tecnológicas externas como Narrativa, Monoceros Lab, Amazon Web Services; una entidad social (ONCE) y siete universidades involucradas en el desarrollo de los proyectos a través de Cátedras de colaboración: Universidad Autónoma de Barcelona (UAB), Universidad Carlos III de Madrid (UC3M), Universidad Politécnica de Cataluña (UPC), Universidad de Granada (UGR), Universidad de Zaragoza (UNIZAR), Universidad de Castilla-La Mancha (UCLM), Universidad de Lleida (UdL). Los responsables de innovación de RTVE justifican en las entrevistas la eficacia de esta colaboración técnica externa. El director de Estrategia Tecnológica e Innovación Digital, Pere Vila Fumas (comunicación personal, 21 de mayo de 2024) afirma que: “Desarrollar sistemas propios supone un esfuerzo económico y humano que no está al alcance de la Corporación en estos momentos, hay que contratar conocimiento, no máquinas, y adaptarse a las nuevas tecnologías que salen constantemente”.
4.2. Desarrollo tecnológico y fases del proceso informativo (C2)
Los ocho proyectos de innovación de IA aplicada de RTVE en procesos informativos se han impulsado entre 2019 y 2025. Sus principales desarrollos y funcionalidades (C2) se vinculan a una o varias de las fases periodísticas de documentación, producción y distribución con objetivos de servicio público (Figura 1) que se explican a continuación de forma descriptiva.
En la fase de documentación se han identificado tres aplicaciones con servicios públicos específicos: la IA en el fondo documental, que permite catalogar y recuperar contenido del archivo audiovisual de RTVE, con el fin público de proteger el patrimonio audiovisual y darle accesibilidad; la aplicación de IVERES para la verificación en tareas de documentación y distribución contra la desinformación; y el análisis documental de informaciones propias para afianzar su compromiso con contenidos de la Agenda 2030 y de lengua de signos.
Todos los responsables consultados destacan en las entrevistas que esta implementación de herramientas de IA ha comportado mejoras significativas en términos de productividad, al optimizar tiempos y procesos, y que ha posibilitado la elaboración de un volumen de contenido de calidad que no habría sido viable mediante métodos convencionales. Y todos coinciden en que estas herramientas contribuyen al fortalecimiento del compromiso de servicio público por parte de RTVE.
Figura 1. Herramientas de IA de RTVE según las fases, tipos de IA y servicio público
Fuente: Elaboración propia.
4.3. Tipos de IA, multimodalidad y funcionalidades
Desde el punto de vista del desarrollo tecnológico, la mayoría de los proyectos de IA de RTVE emplean tecnologías de carácter multimodal al procesar audio, imagen, texto y vídeo (Tabla 3) y recurren tanto a IA analítica como generativa. La IA analítica, utilizada para extraer patrones, predomina en tres de los ocho proyectos (Fondo Documental, IVERES y Análisis Inteligente de Contenido), mientras que otros tres emplean IA generativa, que aporta contenido regenerado (Información Electoral, Información Meteorológica e HiperIA) y los dos restantes combinan ambas (A European Perspective y Subtitulado Inteligente). Respecto a los modelos de aprendizaje, los proyectos tienen en común que se basan en Procesamiento de Lenguaje Natural (PLN) y Aprendizaje Profundo (Deep Learning, DL) desarrollado por terceros. Carmen Pérez Cernuda (comunicación personal, 12 de junio de 2024) señala que optan por adaptar modelos existentes a sus necesidades concretas y entrenarlos para obtener resultados específicos, siempre supervisados por un equipo humano.
Respecto a las funcionalidades que ofrece el conjunto de aplicaciones se diferencian por tareas y formatos (Figura 2). Las tareas periodísticas automatizables se centran en la creación de contenido basado en datos y la verificación y seguridad, mediante la detección de bots, deepfakes y audios sintéticos engañosos. Mejoran la accesibilidad mediante el impulso del multilingüismo, la traducción, transcripción y doblaje. Y se experimenta con personalización y recomendación de contenidos, mediante la clasificación basada en interés público.
En cuanto a los formatos, destaca la aplicación de IA sobre texto como la más numerosa y con mayor desarrollo mediante el Procesamiento del Lenguaje Natural (PLN) orientado a la automatización editorial, la curación de contenido y la generación de textos estructurados. Las vinculadas con el formato del audio proporcionan accesibilidad, multilingüismo y verificación de autenticidad. Las relacionadas con vídeo se orientan a crear experiencias interactivas y personalizadas, así como a verificar la autenticidad de contenidos visuales y audiovisuales.
Figura 2. Funcionalidades principales de aplicaciones de IA en RTVE extrapolables a medios
Fuente: Elaboración propia.
4.4. Difusión, transparencia externa y conocimiento interno (C3)
La categoría de “Difusión y Transparencia” (C3) incluye un análisis de las publicaciones de RTVE en las que se explica el desarrollo y funcionamiento de cada aplicación de IA, como un fin de transparencia interna y externa, especialmente mediante noticias propias, presentaciones públicas en universidades, congresos y artículos académicos. IVERES destaca como el proyecto al que se ha dado más visibilidad externa, junto a la información electoral automatizada y el Fondo Documental. En contraste, se ha dado menor difusión a A European Perspective y al proyecto de información meteorológica.
Los datos, las entrevistas y la observación confirman una mayor visibilidad externa de los proyectos de innovación, en contraste con un limitado reconocimiento interno de otras áreas de RTVE. Las experiencias de los entrevistados evidencian que, fuera de los equipos directamente implicados, el nivel de conocimiento interno de las herramientas es bajo y que, paradójicamente, “se recibe más apoyo fuera que dentro” (D. Corral, comunicación personal, 4 de junio de 2024), especialmente desde universidades y equipos de empresas tecnológicas. Los responsables señalan que “resulta llamativo el desconocimiento” generalizado sobre estas iniciativas dentro de la Corporación, según manifiestan en las entrevistas: “Organizamos formaciones, pero son voluntarias y no se observa mucho interés de los trabajadores y responsables” (C. Pérez Cernuda, comunicación personal, 12 de junio de 2024). Esta percepción refuerza la idea de que, a pesar del grado de desarrollo alcanzado, se trata de proyectos experimentales dependientes de unidades específicas de innovación que no logran alcanzar la implementación transversal en los procesos informativos RTVE.
4.5. Eficacia y desafíos percibidos por los profesionales (C4)
Las entrevistas a los ocho entrevistados de RTVE vinculados a los desarrollos de IA permiten recabar resultados sobre la eficacia de los proyectos y desafíos percibidos atendiendo a variables de productividad, calidad de servicio público, recursos, accesibilidad, relevancia y limitaciones.
Se transmite la convicción unánime sobre el potencial transformador de la IA y confirman que aporta valor al enfoque de servicio público, en materia de calidad, accesibilidad, comprensión y relevancia de los contenidos. Respecto a la productividad, destacan la agilidad que supone en el desarrollo de tareas específicas y rechazan que esta tecnología represente una amenaza para el empleo en el sector. Señalan que la automatización permite ofrecer nuevos servicios sin eliminar puestos de trabajo. En su lugar, se optimizan esfuerzos para impulsar una oferta ampliada imposible de desarrollar de otro modo, puesto que requeriría de equipos demasiado grandes. Algunos ejemplos son la información electoral en municipios pequeños o el proyecto de radio HiperIA, que no busca “sustituir trabajadores, sino ampliar el producto e interaccionar con la audiencia” (I. López Olmos, comunicación personal, 27 de mayo de 2024).
Los entrevistados destacan las mejoras en la calidad de los contenidos al considerar que “entrenar a las máquinas supone mucho trabajo, pero los resultados llevan a lugares a los que no se llegaría sin la IA” (D. Corral, comunicación personal, 4 de junio de 2024). Lo ejemplifican con las noticias de localidades pequeñas o con el Fondo Documental, que ha permitido “recuperar grandes volúmenes de materiales históricos, algunos incluso desconocidos, con potencial para ser reutilizados en la producción, investigación o comercialización” (L. Rado, comunicación personal, 22 de mayo de 2024).
Respecto a los desarrollos tecnológicos, valoran positivamente la contratación externa con empresas e investigadores académicos al considerar que “crear sistemas propios desde cero supone un esfuerzo económico y humano que no está al alcance de la Corporación en estos momentos” (C. Pérez Cernuda, comunicación personal, 12 de junio de 2024). Coincide con Pere Vila en que es más eficiente optar por la adaptación de soluciones ya existentes apostando por contratar conocimiento tecnológico. Esta vía permite “triangular con varias herramientas para aumentar la precisión” y “estar al día si alguna se queda anticuada” (B. Díaz-Merry, comunicación personal, 22 de mayo de 2024). En este sentido, destacan la eficacia de estas colaboraciones para facilitar la innovación que permite la integración progresiva de herramientas con beneficios a futuro: “Las empresas que integran herramientas de IA tendrán mayor calidad y eficiencia que las que no lo hagan y, por tanto, mayor probabilidad de sobrevivir” (P. Vila Fumas, comunicación personal, 21 de mayo de 2024).
Los participantes destacan los beneficios de aplicar la IA en propuestas de servicio público. Ponen como ejemplo el impacto de los proyectos en la comprensión crítica de la información, que se refleja en iniciativas como A European Perspective que permite “ofrecer distintas perspectivas sobre un mismo tema ayuda a entender mejor la realidad” (G. Zubizarreta, comunicación personal, 28 de mayo de 2024). En cuanto a la accesibilidad y la transparencia, el análisis inteligente de contenido permite monitorizar el compromiso de la Corporación con la inclusión para fomentar la igualdad y con ello, “dar la voz de alarma cuando no se cumple el estándar que debería” (P. Vila Fumas, comunicación personal, 21 de mayo de 2024), como es el caso de las informaciones sobre desarrollo sostenible, por ejemplo, o de subtitulado inteligente. Este último proyecto implica beneficios para un colectivo concreto, como el de las personas sordas: “Nos han felicitado porque por primera vez podían disfrutar de informativos accesibles en televisión en su propia lengua” (C. Pérez Cernuda, comunicación personal, 12 de junio de 2024).
Respecto al impacto y la relevancia de los proyectos, los entrevistados no los vinculan directamente a resultados económicos ni mejoras de audiencia, sino a un reposicionamiento estratégico de RTVE como actor innovador y referente en el ecosistema mediático. “La clave es desarrollar con éxito pruebas de concepto y proyectos que demuestran que es posible” (D. Corral, comunicación personal, 4 de junio de 2024). Desde esta perspectiva destacan la experimentación como un éxito en sí mismo porque demuestra capacidad para seguir tendencias tecnológicas emergentes y fortalecer el liderazgo como medio público porque “contribuye a ofrecer una perspectiva más diversa” y su aplicación en distintas áreas “repercute positivamente en la visibilidad de RTVE” (G. Zubizarreta, comunicación personal, 28 de mayo de 2024).
En definitiva, las fuentes de RTVE consultadas coinciden en que la IA “refuerza el compromiso de servicio público, a través de herramientas que ponen en valor lo que puede ofrecer la Corporación y potencian sus capacidades” (B. Díaz-Merry, comunicación personal, 22 de mayo de 2024). Y en cuanto a los desafíos y limitaciones, los sitúan no tanto en los desarrollos tecnológicos o en su coste, sino en las reticencias internas para implementar los proyectos e integrarlos en el ente de forma transversal.
Los resultados obtenidos desde la observación presencial y las entrevistas evidencian disparidad entre el interés y compromiso de los equipos implicados en los proyectos de IA y el respaldo recibido desde los niveles directivos superiores de la Corporación: “La cultura interna de RTVE es muy inmovilista y cuesta mucho abrirse camino” (C. Pérez Cernuda, comunicación personal, 12 de junio de 2024). Una realidad que confirma la tensión estructural entre el impulso que aportan los equipos de innovación y la limitada integración transversal de los avances innovadores en los procesos informativos que aún se detecta en el sector de los medios de comunicación.
5. DISCUSIÓN Y CONCLUSIONES
El estudio de los proyectos de innovación de IA desarrollados por RTVE confirma la utilidad de la experimentación con fines de servicio público mientras se constata la dificultad de su integración transversal en los flujos de trabajo al no estar asegurada su rentabilidad (Newman y Cherubini, 2025). El estudio de caso expuesto permite extraer conclusiones extrapolables al periodismo, en general, y a la IA aplicada al periodismo de servicio público, en particular.
En primer lugar, como conclusiones extrapolables al Periodismo en general, se constata que las aplicaciones impulsadas en fases de innovación y experimentación representan avances para la aplicación de la IA en diferentes tareas informativas con herramientas multimodales —texto, vídeo y audio— (H1) que combinan IA analítica para las fases de documentación y distribución, e IA generativa para la producción automatizada de contenido. Se confirma así su aplicabilidad en todo el proceso periodístico (Newman, 2021; Sánchez-Gonzales, 2020) con tres funcionalidades predominantes: verificación, información basada en datos y personalización de contenidos y servicios.
El desarrollo de aplicaciones experimentales se impulsa al partir del conocimiento de empresas externas con soluciones ya desarrolladas, principalmente en Procesamiento de Lenguaje Natural (PLN) y Aprendizaje Profundo (Deep Learning, DL), que permite contratar conocimiento, y no solo herramientas, mediante la colaboración con entidades y universidades que facilitan la adaptación más ágil a las constantes transformaciones tecnológicas. Una práctica distinta a la de otras corporaciones públicas europeas que apuestan por el desarrollo tecnológico interno (Sørensen, 2019).
Los responsables entrevistados de las diferentes áreas de RTVE implicados confirman que los principales beneficios de aplicar la IA se centran en la reducción de costes de producción y la oferta de nuevos servicios (H2), tanto para los periodistas en su trabajo documental, de análisis de contenidos y verificación, como para las audiencias con mayor accesibilidad informativa, traducción y posibilidades de interacción.
En cuanto a las limitaciones encontradas en los desarrollos de proyectos (H3) no se vinculan con la complejidad tecnológica o los riesgos éticos, al tratarse de pruebas de concepto y diseños supervisados, sino que surgen por la cultura interna, por la falta de respaldo para traspasar la innovación tecnológica de su fase experimental a integrarla en los procesos productivos (Ostertag y Tuchman, 2012; Spyridou et al., 2013). Una percepción de las fuentes primarias consultadas que señalan también al escaso interés de los profesionales, lo que confirma la resistencia al cambio en el sector (Mondría Terol, 2023; Sánchez-García et al., 2023). Esta realidad contrasta con el enfoque estratégico e integrador de la IA que sí se ha instaurado en otras radiotelevisiones públicas europeas (Fieiras Ceide et al., 2023; Sørensen y Van den Bulck, 2018).
En cuanto a los hallazgos extrapolables al Periodismo de servicio público se confirma que la innovación con IA aplicada se ajusta al mandato de los medios públicos (Public Service Media, PSM) para responder mejor a las necesidades informativas de las audiencias (Crusafon et al., 2020), e implementar la alfabetización tecnológica que requiere la IA (UER, 2019). En este sentido, los hallazgos de este estudio demuestran que los principales fines de servicio público que favorece la IA son tres: 1. la lucha contra la desinformación mediante herramientas de verificación y acuerdos entre medios públicos para compartir información de calidad que fortalezca a las sociedades democráticas (Canavilhas, 2022; Sørensen, 2019; Zaragoza-Fuster y García-Avilés, 2020); 2. la atención a “desiertos informativos” con noticias automatizadas basadas en datos que permiten atender zonas despobladas o invisibles en las agendas mediáticas, con ahorro de tiempo y recursos, y con enfoque de servicio público al integrar y vertebrar territorios (Aramburú Moncada et al., 2023); 3. la mejora de la accesibilidad e interacción de las audiencias a través de la traducción en tiempo real, el subtitulado inteligente, el acceso a nuevos servicios como la interacción con bot conversacional y consultas de contenido especializado.
El presente estudio de caso permite, en definitiva, retratar el valor de la innovación y experimentación con aplicaciones periodísticas de IA que facilitan el avance tecnológico, ahorro de producción informativa y mejoras de servicios para la audiencia. Al mismo tiempo, se constatan las limitaciones en su implementación transversal en los procesos productivos, debido a la resistencia detectada en el sector que impide aún que la tecnología de IA aplicada se convierta en un instrumento de verdadera transformación de los procesos informativos.
6. REFERENCIAS
Alba Martínez, A. y Arizpe Ramírez, D. A. (2021). La etnografía digital: ¿posibilidad o realidad? Revista Científica de Educación y Ciencias Sociales (RECIECS), 2(2), 29-37. https://revista.unes.edu.mx/index.php/RCECS/article/view/11
Almakaty, S. S. (2024). The Impact of Artificial Intelligence on Global Journalism: An Analytical Study. Review of Communication Research, 12, 99-118. https://doi.org/10.52152/RCR.V12.7
Aramburú Moncada, L. G., López Redondo, I. y López Hidalgo, A. (2023). Inteligencia artificial en RTVE al servicio de la España vacía. Proyecto de cobertura informativa con redacción automatizada para las elecciones municipales de 2023. Revista Latina de Comunicación Social, 81, 1-16. https://doi.org/10.4185/RLCS-2023-1550
Ardèvol, E., Bertrán, M., Callén, B. y Pérez, C. (2003). Etnografía virtualizada: la observación participante y la entrevista semiestructurada en línea. Athenea Digital. Revista de Pensamiento e Investigación Social, 3, 72-92. https://doi.org/10.5565/rev/athenead/v1n3.67
Armstrong, M., Bowman, S., Brooks, M., Brown, A., Carter, J., Jones, A., Leonard, M. y Preece, T. (2019). Taking Object-Based Media from the Research Environment into Mainstream Production [Informe técnico]. BBC Research & Development. https://downloads.bbc.co.uk/rd/pubs/whp/whp-pdf-files/WHP351.pdf
Aslama Horowitz, M. y Nieminen, H. (2017). Diversity and rights. Connecting media reform and public service media. IC. Revista científica de información y comunicación, 14, 99-119. https://icjournal-ojs.org/index.php/IC-Journal/article/view/385
Atkinson, P. y Hammersley, M. (2007). Ethnography. Principles and practice. Routledge.
Bazán-Gil, V. (2023). Artificial intelligence applications in media archives. El Profesional de la Información, 32(5). https://doi.org/10.3145/epi.2023.sep.17
Bazán-Gil, V., Pérez-Cernuda, C., Marroyo-Núñez, N., Sampedro-Canet, P. y De-Ignacio-Ledesma, D. (2021). Inteligencia artificial aplicada a programas informativos de radio. Estudio de caso de segmentación automática de noticias en RNE. El Profesional de la Información, 30(3). https://doi.org/10.3145/epi.2021.may.20
BBC (s.f.). The equality project 50:50. https://www.bbc.co.uk/5050
Beckett, C. (18 de noviembre de 2019). New powers, new responsibilities: A global survey of journalism and artificial intelligence. The London School of Economics and Political Science. https://blogs.lse.ac.uk/polis/2019/11/18/new-powers-new-responsibilities/
Canavilhas, J. (2022). Inteligencia artificial aplicada al periodismo: traducción automática y recomendación de contenidos en el proyecto “A European Perspective” (UER). Revista Latina de Comunicación Social, 80, 1-13. https://doi.org/10.4185/RLCS-2022-1534
Canavilhas, J. (2025). Tecnologia do Desassossego: O Jornalismo Humano Deve Sentir-se Ameaçado Pela Inteligência Artificial? Comunicação E Sociedade, 47. https://doi.org/10.17231/comsoc.47(2025).6100
Cátedra RTVE de la Universidad de Zaragoza. (s.f.). Bases de datos de RTVE. http://catedrartve.unizar.es/rtvedatabase.html
Cervantes Barba, C. (1994). Análisis de contenido y etnografía en el estudio de la producción de noticias. En E.E. Sánchez-Ruiz y C. Cervantes Barba (Eds.), Investigar la comunicación. Propuestas iberoamericanas (pp. 77-103). ALAIC, Universidad de Guadalajara. http://ccdoc.iteso.mx/acervo/cat.aspx?cmn=download&ID=561&N=1
Corral, D. (25 de julio de 2023). 70.000 noticias hechas con inteligencia artificial, una cobertura especial de RTVE del 23J. RTVE. https://www.rtve.es/noticias/20230725/rtve-70000-noticias-hechas-con-ia-elecciones-generales-23j/2452791.shtml
Corral, D. (30 de abril de 2020). Periodismo tecnológico o ¿tecnología para el periodismo? En tiempos de pandemia. RTVE. https://www.rtve.es/rtve/20200430/periodismo-tecnologico-tecnologia-para-periodismo-tiempos-pandemia/2013145.shtml
Crusafon, C., González Saavedra, C. y Murciano, M. (2020). Las redes sociales y las aplicaciones móviles en las estrategias de transformación digital de los medios de servicio público europeos. Comunicació: revista de recerca i d’anàlisi, 37(2), 33-54. https://doi.org/10.2436/20.3008.01.195
De Lara, A., García-Avilés, J.-A. y Arias-Robles, F. (2022). Implantación de la Inteligencia Artificial en los medios españoles: análisis de las percepciones de los profesionales. Textual & Visual Media, 1(15), 1-16. https://doi.org/10.56418/txt.15.2022.001
De León Vázquez, S. (2019). Estrategias etnográficas para aproximarse al periodismo contemporáneo: propuesta y desafíos. Anuario de Investigación CONEICC, XXVI, 43-56. https://doi.org/10.38056/2019aiccXXVI69
De-Lima-Santos, M. F., Yeung, W. N. y Dodds, T. (2025). Guiding the way: a comprehensive examination of AI guidelines in global media. AI & Soc, 40, 2585-2603. https://doi.org/10.1007/s00146-024-01973-5
Diakopoulos, N. (2015). Algorithmic Accountability. Digital Journalism, 3(3), 398-415. https://doi.org/10.1080/21670811.2014.976411
Diakopoulos, N. (2019). Automating the News: How Algorithms Are Rewriting the Media. Harvard University Press.
Díaz Noci, J. (2023). Inteligencia artificial, noticias y medios de comunicación: Una aproximación jurídica desde la perspectiva de la propiedad intelectual. Textual & Visual Media, 17(1), 7-21. https://doi.org/10.56418/txt.17.1.2023.1
Dragomir, M. y Túñez López, M. (2024). How public service media are changing in the platform era: A comparative study across four European countries. European Journal of Communication, 39(6), 608-624. https://doi.org/10.1177/02673231241290062
Estalella, J. A. (2018). Etnografías de lo digital: Remediaciones y recursividad del método antropológico. AIBR. Revista de Antropología Iberoamericana, 13(1), 45-68. https://doi.org/10.11156/aibr.v13i1.68208
Fieiras Ceide, C., Túñez López, M. y Fernández Lombao, T. (2025). From frequency to algorithm: Implementing AI in Spanish radio station. Revista Latina de Comunicación Social, 83, 1-22. https://doi.org/10.4185/rlcs-2025-2457
Fieiras Ceide, C., Túñez López, M. y Sousa, J. P. (2023). Radiografía de innovación de los PSM estatales de la península Ibérica: visión estratégica, tecnológica, y de captación de audiencias jóvenes en RTVE y RTP. Revista Latina de Comunicación Social, 81, 353-374. https://doi.org/10.4185/rlcs-2023-1957
Fieiras Ceide, C., Vaz Álvarez, M. y Túñez López, M. (2022). Artificial intelligence strategies in European public broadcasters: Uses, forecasts and future challenges. Profesional de la información, 31(5), e310518. https://doi.org/10.3145/epi.2022.sep.18
García-Avilés, J. A., Carvajal Prieto, M. y Arias Robles, F. (2018). Implantación de la innovación en los cibermedios españoles: análisis de las percepciones de los periodistas. Revista Latina de Comunicación Social, 73, 369-384. https://doi.org/10.4185/RLCS-2018-1260
García-Ull, F. J. y Melero-Lázaro, M. (2023). Gender stereotypes in AI-generated images. El Profesional de la Información, 32(5). https://doi.org/10.3145/epi.2023.sep.05
Giménez Delgado, I. (2023). Etnografía y periodismo: Usos transdisciplinarios y fronteras. InMediaciones de la Comunicación, 18(1), 67-87. https://doi.org/10.18861/ic.2023.18.1.3324
Graefe, A. (2016). Guide to automated journalism. Tow Center for Digital Journalism, Columbia Journalism School. https://www.researchgate.net/publication/289529155_Guide_to_Automated_Journalism
Guber, R. (2001). La etnografía, método, campo y reflexividad. Grupo Editorial Norma.
Gutiérrez-Caneda, B., Vázquez-Herrero, J. y López-García, X. (2023). AI application in journalism: ChatGPT and the uses and risks of an emergent technology. El Profesional de la Información, 32(5). https://doi.org/10.3145/epi.2023.sep.14
Hansen, M., Roca-Sales, M., Keegan, J. y King, G. (2017). Artificial intelligence: Practice and implications for journalism. Tow Center for Digital Journalism, Columbia Journalism School. https://www.researchgate.net/publication/320988850_Artificial_Intelligence_Practice_and_Implications_for_Journalism
Ioscote, F., Gonçalves, A. y Quadros, C. (2024). Inteligencia artificial en el periodismo: una retrospectiva de diez años de artículos científicos (2014-2023). Journalism and Media, 5(3), 873-891. https://doi.org/10.3390/journalmedia5030056
Kawulich, B. B. (2005). Participant Observation as a Data Collection Method. Forum Qualitative Sozialforschung /Forum: Qualitative Social Research, 6(2). https://doi.org/10.17169/fqs-6.2.466
Lopezosa, C. (2020). Entrevistas semiestructuradas con NVivo: pasos para un análisis cualitativo eficaz. En C. Lopezosa C, J. Díaz-Noci y L. Codina (Eds.), Methodos Anuario de Métodos de Investigación en Comunicación Social (Vol. 1, pp. 88-97). Universitat Pompeu Fabra. http://doi.org/10.31009/methodos.2020.i01.08
Lopezosa, C., Codina, L., Pont-Sorribes, C. y Vállez, M. (2023). Use of generative artificial intelligence in the training of journalists: challenges, uses and training proposal. El Profesional de la información, 32(4). https://doi.org/10.3145/epi.2023.jul.08
Lowe, G. F. y Martin, F. (2014). The value of public service media: RIPE@2013. Nordicom. https://urn.kb.se/resolve?urn=urn:nbn:se:norden:org:diva-10000
Mantilla, J. (2024). Etnografía e inteligencia artificial: potencialidades, retos metodológicos y desafíos futuros. ARIES, Anuario de Antropología Iberoamericana. https://doi.org/10.11156/aries/2024.AR0002408
Mondría Terol, T. (2023). Innovación MedIÁtica: aplicaciones de la inteligencia artificial en el periodismo en España. Textual & Visual Media, 17(1), 41-60. https://doi.org/10.56418/txt.17.1.2023.3
Montoro-Montarroso, A., Cantón-Correa, J., Rosso, P., Chulvi, B., Panizo-Lledot, Á., Huertas-Tato, J., Calvo-Figueras, B., Rementeria, M. J. y Gómez-Romero, J. (2023). Fighting disinformation with artificial intelligence: fundamentals, advances and challenges. El Profesional de la información, 32(3). https://doi.org/10.3145/epi.2023.may.22
Napoli, P. M. (2011). Exposure Diversity Reconsidered. Journal of Information Policy, 1, 246-259. https://doi.org/10.5325/jinfopoli.1.2011.0246
Newman, N. (2021). Journalism, Media, and Technology Trends and Predictions 2021. Reuters Institute-University of Oxford. https://reutersinstitute.politics.ox.ac.uk/sites/default/files/2021-01/Newman_Predictions_2021_FINAL.pdf
Newman, N. (2022). Journalism, Media, and Technology Trends and Predictions 2022. Reuters Institute-University of Oxford. https://reutersinstitute.politics.ox.ac.uk/sites/default/files/2022-01/Newman%20-%20Trends%20and%20Predictions%202022%20FINAL.pdf
Newman, N. y Cherubini, F. (2025). Journalism and Technology Trends and Predictions 2025. Reuters Institute-University of Oxford. https://reutersinstitute.politics.ox.ac.uk/sites/default/files/2025-01/Trends_and_Predictions_2025.pdf
Noain-Sánchez, A. (2022). Addressing the Impact of Artificial Intelligence on Journalism: the perception of experts, journalists and academics. Communication & Society, 35(3), 105-121. https://doi.org/10.15581/003.35.3.105-121
Ostertag, S. F. y Tuchman, G. (2012). When innovation meets legacy. Citizen journalists, ink reporters and television news. Information, Communication & Society, 15(6), 909-931. https://doi.org/10.1080/1369118X.2012.676057
Páez, Á., Saldaña Manche, W. V., Artigas, W. y Rios Incio, F. (2024). La inteligencia artificial en el periodismo. Revisión bibliométrica en Scopus (1989-2022). Anuario Electrónico de Estudios en Comunicación Social Disertaciones, 17(2). https://doi.org/10.12804/revistas.urosario.edu.co/disertaciones/a.13322
Parratt-Fernández, S., Chaparro-Domínguez, M. A. y Moreno-Gil, V. (2024). Journalistic AI codes of ethics: Analyzing academia’s contributions to their development and improvement. Profesional de la información, 33(6). https://doi.org/10.3145/epi.2024.0602
Prensa RTVE. (23 de marzo de 2021). RTVE y la USAL renuevan la Cátedra sobre el Emprendimiento. Tecnológico en el sector Media [Nota de prensa]. RTVEComunicación. https://www.rtve.es/rtve/20210323/rtve-usal-renuevan-catedra-sobre-emprendimiento-tecnologico-sector-media/2083300.shtml
Real Rodríguez, E., Príncipe Hermoso, S. y Agudiez Calvo, P. (2024). La transformación digital de la televisión pública. Estudio de caso de RTVE, Rai y RTP. Estudios sobre el Mensaje Periodístico, 30(1), 211-221. https://doi.org/10.5209/esmp.91920
Retegui, L. M. (2020). La observación participante en una redacción. Un caso de estudio. La Trama de la Comunicación, 24(2), 103-119. https://www.scielo.org.ar/pdf/trama/v24n2/v24n2a06.pdf
Rozalén-Serrano, M.-Á., Aranda-Jiménez, Á., Rodríguez, F. y Álvarez-Rodríguez, J.-M. (2020). Proyecto Social Media Radar. Madrid.
Salazar García, I. A. (2018). Los robots y la Inteligencia Artificial. Nuevos retos del periodismo. Doxa Comunicación, 27, 295-315. https://doi.org/10.31921/doxacom.n27a15
Sanahuja-Sanahuja, R. y López-Rabadán, P. (2025). Guías éticas para el uso periodístico de la GenAI. Tendencias del debate internacional y avances de la autorregulación en España. Communication & Society, 38(1), 214-231. https://doi.org/10.15581/003.38.1.016
Sánchez Esparza, M., Palella Stracuzzi, S. y Fernández Fernández, Á. (2024). Implementation of Artificial Intelligence tools in the detection of fake and deepfake videos: Case of Radio Televisión Española (RTVE). Visual Review, 16(4), 213-225. https://doi.org/10.62161/revvisual.v16.5303
Sánchez-García, P., Diez-Gracia, A., Mayorga, I. R. y Jerónimo, P. (2025). Media Self-Regulation in the Use of AI: Limitation of Multimodal Generative Content and Ethical Commitments to Transparency and Verification. Journalism and Media, 6(1), 29. https://doi.org/10.3390/journalmedia6010029
Sánchez-García, P., Merayo-Álvarez, N., Calvo-Barbero, C. y Diez-Gracia, A. (2023). Spanish technological development of artificial intelligence applied to journalism: companies and tools for documentation, production and distribution of information. El Profesional de la información, 32(2). https://doi.org/10.3145/epi.2023.mar.08
Sánchez-Gonzales, H.-M. y Sánchez-González, M. (2020). Bots conversacional en la información política desde la experiencia de los usuarios: Politibot. Communication & Society, 33(4), 155-168. https://doi.org/10.15581/003.33.4.155-168
Somohano Fernández, A. (2023). Etnografía de redacciones: metodologías, contribuciones generales y desplazamientos pertinentes para el estudio del periodismo. Tsafiqui - Revista Científica en Ciencias Sociales, 14(22), 27-39. https://doi.org/10.29019/tsafiqui.v14i22.1232
Sørensen, J. K. (2019). Public Service Media, Diversity and Algorithmic Recommendation: Tensions between Editorial Principles and Algorithms in European PSM Organizations. INRA@RecSys. https://api.semanticscholar.org/CorpusID:209068333
Sørensen, J. K. y Van den Bulck, H. (2018). Public service media online, advertising and the third-party user data business: A trade versus trust dilemma? Convergence: The International Journal of Research into New Media Technologies, 26(2), 421-447. https://doi.org/10.1177/1354856518790203
Spyridou, L.-P., Matsiola, M., Veglis, A., Kalliris, G. y Dimoulas, C. (2013). Journalism in a state of flux: Journalists as agents of technology innovation and emerging news practices. International Communication Gazette, 75(1), 76-98. https://doi.org/10.1177/1748048512461763
Tambini, D. (2015). Five theses on public media and digitization: From a 56-country study. International Journal of Communication, 9, 1400-1424. https://eprints.lse.ac.uk/62187/
Tejedor Calvo, S., Cervi, L., Pulido, C. M. y Pérez Tornero, J. M. (2021). Análisis de la integración de sistemas inteligentes de alertas y automatización de contenidos en cuatro cibermedios. Estudios sobre el Mensaje Periodístico, 27(3), 973-983. https://doi.org/10.5209/esmp.77003
Túñez López, J. M., Ufarte Ruiz, M. J. y Mazza, B. (2022). Aplicación de la inteligencia artificial en comunicación. Revista Latina de Comunicación Social, 80. https://nuevaepoca.revistalatinacs.org/index.php/revista/article/view/1734
Ufarte Ruiz, M. J. y Manfredi Sánchez, J. L. (2019). Algoritmos y bots aplicados al periodismo. El caso de Narrativa Inteligencia Artificial: estructura, producción y calidad informativa. Doxa Comunicación, 29, 213-233. https://doi.org/10.31921/doxacom.n29a11
Ufarte Ruiz, M. J. y Murcia Verdú, F. J. (2024). An approach to the map of artificial intelligence research applied to journalism in Europe (2013-23). Revista Latina de Comunicación Social, 82, 01-20. https://doi.org/10.4185/rlcs-2024-2256
Ufarte Ruiz, M. J., Calvo Rubio, L. M. y Murcia Verdú, F. J. (2021). Los desafíos éticos del periodismo en la era de la inteligencia artificial. Estudios sobre el Mensaje Periodístico, 27(2), 673-684. https://doi.org/10.5209/esmp.69708
Unión Europea de Radiodifusión (19 de noviembre de 2019). News report 2019. The next newsroom: unlocking the power of AI for public service journalism. https://www.ebu.ch/publications/strategic/login_only/report/news-report-2019
Unión Europea de Radiodifusión (22 de agosto de 2014). Public service values, editorial principles and guidelines. https://www.ebu.ch/guides/public-service-values-editorial-principles
Universidad de Granada. (7 de junio de 2022). RTVE y la Universidad de Granada crean la “Cátedra RTVE-UGR en síntesis profunda de habla e IA conversacional y sus aplicaciones en la verificación de noticias”. https://mecenazgo.ugr.es/creacion-catedra-rtve/
Universitat Autònoma de Barcelona. (22 de abril de 2016). La UAB i RTVE crean la Cátedra para la innovación de los informativos. https://www.uab.cat/web/sala-de-prensa/detalle-noticia/la-uab-i-rtve-crean-la-catedra-para-la-innovacion-de-los-informativos-1345830290069.html?detid=1345702163834
Wölker, A. y Powell, T. E. (2021). Algorithms in the newsroom? News readers’ perceived credibility and selection of automated journalism. Journalism, 22(1), 86-103. https://doi.org/10.1177/1464884918757072
Zaragoza-Fuster, M.-T. y García-Avilés, J.-A (2020). The role of innovation labs in advancing the relevance of Public Service Media: the cases of BBC News Labs and RTVE Lab. Communication & Society, 33(1), 45-61. https://doi.org/10.15581/003.33.34466
CONTRIBUCIONES DE AUTORES/AS, FINANCIACIÓN Y AGRADECIMIENTOS
Contribuciones de los/as autores/as:
Conceptualización: Sánchez García, Pilar; Modrón Lecue, Inés. Software: Modrón Lecue, Inés. Validación: Sánchez García, Pilar; Modrón Lecue, Inés. Análisis formal: Modrón Lecue; Sánchez García, Pilar. Curación de datos: Modrón Lecue, Inés. Redacción-Preparación del borrador original: Modrón Lecue, Inés; Sánchez García, Pilar. Redacción-Revisión y Edición: Sánchez García, Pilar. Visualización: Modrón Lecue, Inés; Sánchez García, Pilar. Supervisión: Sánchez García, Pilar. Administración de proyectos: Sánchez García, Pilar. Todos los/as autores/as han leído y aceptado la versión publicada del manuscrito: Modrón Lecue, Inés; Sánchez García, Pilar.
Financiación: Investigación financiada a través del proyecto “La inteligencia artificial para el fomento del periodismo de calidad y la alfabetización mediática: Avances tecnológicos aplicados y desafíos en la era de la desinformación” (Referencia PID2023-149759OB-I00). Ministerio de Ciencia e Innovación (España).
Agradecimientos: La presente investigación está impulsada por el Laboratorio de Comunicación Multimedia e Inteligencia Artificial (LabComIA) de la Universidad de Valladolid. Se agradece la especial colaboración y apoyo en todo el proceso del equipo de Dirección de Estrategia Tecnológica e Innovación Digital de RTVE, en activo hasta principios de 2025, en especial a Pere Vila, David Corral y Carmen Pérez Cernuda.
Conflicto de intereses: Los autores declaran que no existe conflicto de intereses
AUTOR/A/ES/AS:
Inés Modrón-Lecue
Periodista digital en RTVE (2024-2025)
Investigadora de la Universidad de Valladolid.
Miembro del Laboratorio de Comunicación Multimedia e Inteligencia Artificial (LabComIA) de la Universidad de Valladolid.
Sus intereses de investigación se enfocan en la aplicación de las nuevas tecnologías, especialmente la inteligencia artificial, y en el periodismo digital desde un enfoque de información como servicio público. Su labor periodística está especializada en el ámbito de la Ciencia y la Tecnología, con perspectiva ecosocial. Titulada en el Máster de Periodismo Digital: Innovación e Investigación de la Universidad de Valladolid, con Premio Extraordinario, y en el Máster de Cooperación Internacional para el Desarrollo con una investigación sobre marketing social de las empresas en redes sociales, premiado por la Junta de Castilla y León. Ha sido delegada española en la 16° Conferencia de las Naciones Unidas sobre el Cambio Climático de la Juventud.
Orcid ID: https://orcid.org/0009-0000-7711-8486
Academia.edu: https://independent.academia.edu/In%C3%A9sModr%C3%B3nLecue
Pilar Sánchez-García
Profesora Titular de Periodismo en la Universidad de Valladolid
Sus líneas de investigación se centran en el ecosistema digital de medios con especial atención a la narrativa multimedia, la aplicación de la IA y los perfiles periodísticos emergentes. Es autora del monográfico “Periodistas (in)formados. Un siglo de enseñanza periodística en España: historia y tendencias” y de medio centenar de artículos y capítulos académicos. Es coordinadora de LAbComIA, responsable de Comunicación y Divulgación del Centro UVaIA y conferenciante en numerosos foros sobre IA aplicada al Periodismo. Investigadora del proyecto I+D+i “La inteligencia artificial para el fomento del periodismo de calidad y la alfabetización mediática: Avances tecnológicos aplicados y desafíos en la era de la desinformación” (Referencia PID2023-149759OB-I00), Ministerio de Ciencia e Innovación (España). Ha ejercido el periodismo activo durante 15 años.
Índice H: 19
Orcid ID: http://orcid.org/0000-0002-6223-182X
Scopus ID: https://www.scopus.com/authid/detail.uri?authorId=56041127200
Google Scholar: http://scholar.google.es/citations?hl=es&user=eUalA-cAAAAJ