La métrica clave en IA para medios no son los clics sino la confianza

La discusión central de la entrevista con Juan Carlos López Calvet es simple y concreta: la métrica relevante para evaluar la IA en medios no es el clic sino la confianza. La afirmación no es retórica: la nota señala que, por ahora, Schibsted tiene “solo un servicio donde la IA toma decisiones autónomas” y que el resto de las herramientas opera con revisión humana (La Nación, 11/4/2026). Ese dato obliga a distinguir entre adopción tecnológica y gobernanza responsable.

¿Qué propone López Calvet y por qué importa?

López Calvet plantea que la IA debe usarse para ampliar el acceso y la comprensión de noticias de interés público, no para multiplicar formatos sin rigor. Subraya tres dimensiones centrales: integridad editorial, explicabilidad y privacidad (La Nación, 11/4/2026). El ejemplo operativo que menciona —Videofy, que transforma artículos largos en piezas audiovisuales— muestra un punto clave: la automatización obliga a repensar la narrativa y la selección de evidencia para mantener contexto y rigor. En su diagnóstico, el riesgo aparece cuando los indicadores premiados son CTR o tiempo de permanencia, métricas eficaces comercialmente pero potencialmente destructivas para el valor público. Si lo medimos por clics, el periodismo puede volverse más rápido y menos profundo; si lo medimos por confianza, la inversión y los controles cambian.

¿Cómo impacta esto en el mercado argentino?

La discusión es relevante para medios locales porque las decisiones de producto definen incentivos y presupuestos. Schibsted llega a la discusión con una decisión concreta: por ahora solo 1 servicio autónomo y humanos con veto en el resto (La Nación, 11/4/2026). Eso es instructivo para redacciones argentinas que experimentan con asistentes de redacción, resúmenes automáticos y generación de video. En la práctica, vemos dos efectos: i) ahorro de tiempo en tareas repetitivas y ii) riesgo de desviar recursos hacia escala en vez de calidad. La pregunta para editores y anunciantes es práctica: ¿vamos a reinvertir la productividad en verificación y periodismo investigativo o la vamos a usar para reducir planteles y aumentar formatos? La decisión tendrá consecuencias fiscales y laborales locales: menor inversión editorial puede derivar en menos cobertura regional y menos control sobre información de interés público.

Riesgos concretos y controles necesarios

López Calvet identifica la explicabilidad como el desafío más complejo: los modelos no siempre permiten trazar por qué generaron una frase o una imagen (.

Qué deben pedir los medios, los reguladores y la audiencia

Vemos tres demandas prácticas y complementarias. Primero, los medios deben formalizar marcos de uso interno: políticas que describan qué significa “mejor” para cada producto, procesos de co-diseño con redacciones y bibliotecas de estilos para outputs generativos (Lección de Schibsted; . Nosotros exigimos gobernanza, transparencia y auditorías independientes en la adopción de IA en medios: la tecnología puede potenciar el periodismo, pero solo si se miden los resultados por confianza y servicio público, no por volumen.