Google Gemini para la generación de contenidos intelectuales: guía paso a paso

Google Gemini es una de las principales inteligencias artificiales generativas de la empresa de Alphabet. En su plan estratégico, suponemos que es la más importante, junto con NotebookLM de la que ya nos hemos ocupado.

Para justificar el título de esta entrada debemos explicar uno de sus componentes:

• Contenidos intelectuales. Nos referimos al hecho de las IA generativas pueden generar contenidos de muchos tipos, desde los más triviales a los más elevados culturalmente. Nos interesan las IA en el rol de creadoras de contenidos del nivel que, a falta de otra denominación, llamamos de nivel intelectual.

Dado que las IA generativas como Google Gemini han formado su base de conocimientos a partir de contenidos publicados en la web, donde literalmente está volcada toda clase de creaciones humanas, no es sorprendente la capacidad de la IA para moverse en un continuum de niveles entre lo más simple o elemental hasta la alta cultura.

En relación a lo anterior, hay otra dimensión más que es importante tener en cuenta. Las IA generativas como Google Gemini no solamente pueden generar contenidos intelectuales. Puede razonar, discutir y elaborar discursos sofisticados sobre esos contenidos.

A partir de lo anterior, las IA generativas están adquiriendo la consideración de:

• Socio cognitivo. Cuando usamos una IA de potencia suficiente, como es el caso de los últimos modelos de IA de Google o de OpenAI, tenemos un sistema que no se limita a volcar contenidos. Por el contrario, las IA actuales se han vuelto sistemas activos y capaces de actuar como interlocutores cognitivos o como «socios cognitivos», recogiendo una expresión sugerida por Google Gemini en un informe del que hablaremos más adelante. Esta consideración de socio cognitivo no es exclusiva de Gemini. Según nuestras pruebas, hay que otorgarla también a IA como ChatGPT, Perplexity, Claude y otras.

Por tanto, lo que marca la diferencia entre usar una IA en la zona baja del espectro y la zona alta son dos cosas:

• Utilizar prompts intelectuales. Esto viene determinado por el formato y el contenido del prompt. Cómo es lógico, no es lo mismo un prompt como «dame la receta de una tortilla a la francesa», de un prompt como «Desarrolla los principios fundamentales de la ética aplicada a la inteligencia artificial».
• Aplicar un modelo de interacción crítica escalonada para conversar con la IA. No es lo mismo abandonar la interacción al primer resultado, que mantener una conversación, esto es, volver a preguntar sobre el resultado, incluso no es lo mismo pedir una ampliación de alguno de los puntos, que presentar un nuevo prompt de cuestionamiento, confrontar a la IA con una contradicción o indagar sobre posibles conexiones de ideas, etc. Es muy significativo que Gemini denomina precisamente conversaciones a las interacciones con los usuarios. Es seguramente la forma adecuada de pensar cuando utilizamos una IA con determinados objetivos. No es que vayamos a pedir información, en que vamos a tener una conversación donde, efectivamente, habrá también intercambio y generación de informaciones.

Al presentar la guía ilustraremos el primer punto: el formato y el contenido del prompt. Será fácil ver que hay una clase de prompts que crean la diferencia. En concreto, veremos, vía ejemplos, el uso de prompts que hacen que la IA se mueva en la zona alta del continuum.

En esta ocasión, el objetivo de la guía es mostrar las forma de uso de Google Gemini, por lo que, en cambio, poco mostraremos sobre el segundo punto. Esto lo dejamos para posibles nuevas entregas.

GOOGLE GEMINI
GUÍA DE UTILIZACIÓN

Pantalla de inicio

Como en casi todos los productos de Google la interfaz es engañosamente simple. En la página principal del sistema el espacio en blanco es dominante. Sin embargo, podemos destacar todas estas funciones (izquierda de derecha y de arriba abajo):

• Menú hamburguesa donde encontraremos los Gems (ver más adelante) y la historia de las conversaciones anteriores.
• Selector de modelos. En este caso, dejamos seleccionado el modelo Flash porque, a efectos de prompts de tipo intelectual, es el más adecuado. Después examinaremos el otro modelo disponible, el Pro.
• Perfil del usuario para administrar la cuenta, cambiar de cuenta o cerrar sesión.
• Icono para iniciar nuevas conversaciones.
• Icono para activar o desactivar la opción de guardar las conversaciones o actividades realizadas con Gemini.
• Icono para conectar Gemini con Workspace, la suite de aplicaciones de Google que incluye Gmail, Drive, etc. Recomendamos hacer esta conexión, porque parece que en el futuro, esta será la forma habitual de usar la IA en modo agente.
• Caja para introducir prompts o peticiones como las llama Gemini. Sin dejar la caja, tenemos estos otros componentes:
  • Símbolo + para subir documentos. Esto es, para lanzar peticiones contra ese archivo, p.e, para solicitar un resumen.
  • Las cuatro formas principales de interacción con Gemini de las que veremos las que se relacionan con la generación de contenido textual.
  • Icono de un micrófono para enviar instrucciones por voz.

Seleccionar modelo

Dejamos seleccionado el modelo Flash para poder utilizar la opción más potente, intelectualmente hablando, que es la que veremos a continuación.

IA agéntica mediante Deep research

La captura muestra la forma de usar Deep Research. Para lo cual debemos tener seleccionado el modelo Flash.

Hemos hecho un prompt breve pero que implica una petición del lado alto del continuum cultural. Por claridad, lo transcribimos a continuación:

Vamos a aclarar un poco el prompt:

• Repite cada vez el mismo adjetivo. Se hace para primar la claridad conceptual sobre la elegancia de la redacción.
• Utiliza el término chatbots y no solo inteligencia artificial porque hay estudios que se refieren a los chatbots, y no queremos perder esas fuentes.
• Especifica «generativa» al hablar de inteligencia artificial porque es la causa los problemas de los estamos interesados.
• No usa la figura del rol, del estilo «actúa como X» (en los Gem, sí lo haremos), porque queríamos ver cómo se comportaba Gemini con un prompt temático sin más indicaciones.
• Tampoco pide un formato, porque en Deep Research el formato por defecto es el informe extenso (o relativamente extenso) con orientación profesional/académica, que es lo que nos interesa testar.

Queda para otros test utilizar alguna de las variaciones anteriores y otras posibles, como rol, formato, restricciones, etc.

Vale la pena señalar que una de las razones por las que Gemini reserva para su modelo Flash el modo Deep Research es porque esta función implica planificar y llevar a cabo diversas tareas. Esto es debido a que Deep Research tiene un cierto carácter agéntico.

Recordemos que una IA de tipo agéntico es la que puede asumir objetivos complejos que requieren desarrolla diversas tareas, utilizar diferentes recursos, tomar decisiones autónomas mientras se desarrollan las tareas, etc.

Deep Research no es (todavía) un agente pero se acerca a ello. Google afirma que es un asistente. La cuestión es que los agentes o los asistentes, necesitan agilidad para resolver sus tareas en minutos (y no en horas) y de aquí el uso del modelo Flash. Diga lo que diga Google, parece una contradicción.

Plan de trabajo trazado por Deep Research

El carácter de asistente (o de semi agente) de Deep Research empieza a quedar claro desde el principio. Antes de empezar a confeccionar su respuesta, traza un plan de trabajo y pide confirmación antes de lanzarlo.

Pasos del plan de trabajo

Hemos hecho clic en el enlace Más que aparece en el plan de trabajo resumido para que muestre los pasos concretos. En este caso vemos que ha planificado siete pasos. Vamos a revisarlos: los pasos 1 a 4 están bien pensados (lo sé, la IA no piensa) y entran en lo previsible.

En cambio, son muy interesantes los pasos 5, 6 y 7. Implican que Gemini ha ido más allá de las instrucciones explícitas. Veamos:

• En el paso 5 ha previsto que los fenómenos que debe estudiar necesitan ser mitigados. Pero en la instrucción inicial no hay nada de esto. Un punto positivo (y mucho) para Gemini.
• En el 6 se ha dado cuenta de que esta investigación se puede beneficiar de los posibles estudios de caso. Otro punto para Gemini.
• El paso 7 es sublime. Ha decidido que los problemas enfocados no implican que la IA sea intrínsecamente negativa (esto puede venir de su alineación) por tanto, que debe contrastar el consenso negativo que estos fenómenos sugieren con otro consenso que establece que la IA debe ser beneficiosa para la humanidad. Varios puntos para Gemini.

¿Cuántos estudiantes de máster o incluso de doctorado podrían establecer esos siete pasos en unos pocos minutos? Los estudiantes de máster o de doctorado pueden establecer planes incluso mejores, más incisivos y más detallados, pero no en minutos. Mi estimación es que para llegar a este tipo de planificación se requieren horas o, más probablemente, días de trabajo.

Probablemente, ahora lo que pueden hacer nuestros estudiantes es dedicar esas horas a validar, evaluar, mejorar, ampliar, etc., esta clase de planes entregados por una IA. Pero de momento, esto es una especulación.

Modificar el plan de trabajo

Si detectamos un error en los planes, una mala interpretación o deseamos añadir o clarificar algún punto, Google Gemini nos permite editar el plan. En este caso no hemos utilizado esta opción y hemos validado el plan presentado.

Progreso de la investigación

En el modo Deep Research, Gemini mantiene su carácter de asistente con orientación agéntica al ofrecer de modo detallado los pasos seguidos en su cadena de razonamiento. Vale la pena leerlo. Es una manera de comprobar que está siguiendo razonamientos adecuados.

Detalle de razonamiento: detección de una contradicción

La captura precedente muestra la forma en la que, primero ha detectado una contradicción al comparar diferentes estudios. En la segunda captura (siguiente) veremos la forma en la cual la considera resuelta.

Razonamiento: contradicción resuelta

Es muy ilustrativa la forma en la que Google Gemini declara haber resuelto la contradicción: «El punto clave que he encontrado es que el impacto de la IA no es inherentemente buen o malo, sino que depende de cómo se usa». Bien mirado, es un razonamiento elemental, cierto, pero no es que lo veamos tan a menudo en discusiones humanas.

Informe final

Por el momento, mostramos la apariencia de la cabecera del informe final. Más adelante lo examinaremos y daremos también el enlace para acceder. Antes revisemos cuestiones complementarias.

Productos derivados

Bajo la pestaña Crear tenemos las opciones siguientes;

• Página web: crea un resumen breve del informe en una página web interactiva
• Infografía: crea un juego de diapositivas para una presentación, más que lo que solemos entender por infografía.
• Cuestionario: crea un documento con preguntas de examen y diversas opciones de respuesta, como en un test de elección múltiple.
• Resumen de audio. Genera un podcast de resumen. No lo hemos puesto a prueba. Suponemos que debe usar la misma tecnología que los podcasts de NotebookLM.

De los anteriores, nos centraremos en el cuestionario, que nos parece la más interesante de las opciones. De momento, volvemos al informe con una opción vital: su exportación a un formato editable.

Exportación como documento

Bajo la pestaña Exportar tenemos un componente en apariencia simple (y realmente, es simple), pero de vital importancia y que otras IA descuidan: la exportación del informe a un formato de texto enriquecido y editable, en este caso, en el formato Docs de Drive.

Índice del informe

Nos quedaba examinar la tercera pestaña: el índice detallado del informe. Este índice es también más importante de lo que aparenta. Muestra claramente hasta qué punto la IA ha entendido el problema, ha entendido los documentos que ha encontrado y ha sabido articular los contenidos de los documentos en un sistema de categorías.

Lo que ha demuestra este índice es que Google Gemini ha llevado a cabo una scoping review con otro nombre. Atención: no tiene la validez científica de una scoping review desarrollada por un humano, pero es exactamente lo que ha hecho, porque ha seguido los mismos pasos.

En las capturas que siguen, mostraremos algunas características más del informe para valorar el producto que Google Gemini ha elaborado.

Detalles del informe: tablas

Fuentes a nivel de párrafo

Para usos éticos de la IA, el tema de las citas debe ser obsesivo. No es suficiente que una IA presente la lista de las fuentes usadas (es un primer paso, pero no suficiente). Debe vinculas las citas con las ideas presentadas en el informe y convertirlas así en fuentes citadas.

¿Para qué sirve esto? Si queremos usar el informe para una publicación es imprescindible evaluar las ideas teóricas y verificar las fuentes y los datos factuales. Para ello, citas a nivel de párrafo es imprescindible. También debemos mantener la cadena de atribuciones si usamos alguna de estas ideas en una producción propia.

Fuentes citadas

Fuentes consultadas

Registro de razonamiento persistente

Algunas IA muestran su cadena de razonamientos. A veces a la ventana que lo muestra se la llama scratchpad. Pero en algunas IA esta ventana se muestra solo mientras ejecutan sus tareas. Una vez finalizada, no se puede recuperar. En Google Gemini el informe de su cadena de razonamiento se mantiene junto al informe en un enlace al final del mismo.

El informe en Google Docs (Drive)

Volvemos al informe. Esta vez lo vemos en formato Docs de Drive. El lector interesado puede hacer clic en la captura y tener acceso al informe completo.

¿Cómo de adecuado es el informe?

Para juzgar esto, no hay otra forma que leer el informe y hacerlo con pensamiento crítico. No se puede sustituir esa actividad por ninguna otra cosa, así que lo que sigue es solamente una cata mínima. Valoren ustedes la adecuación de estos dos primeros párrafos del informe, tomados literalmente (copiar y pegar) del resumen ejecutivo:

El uso de la inteligencia artificial (IA) generativa representa un punto de inflexión en la evolución de la cognición humana, transformando la interacción con la tecnología de una simple automatización a una asociación activa en la producción de conocimiento. Este informe examina de manera detallada los fenómenos de externalización cognitiva derivados de un uso no supervisado o dependiente de la IA, identificando tres riesgos interconectados: la atrofia cognitiva, la deuda cognitiva y el sedentarismo cognitivo. Se documenta cómo la delegación excesiva de tareas mentales a la IA puede conducir a una reducción tangible de la actividad neuronal y una disminución de habilidades fundamentales como el pensamiento crítico, la memoria y la creatividad. Estos hallazgos se basan en estudios empíricos que ilustran las consecuencias en los ámbitos educativo y profesional.

Sin embargo, el reporte también establece que el impacto de la IA es intrínsecamente dual y no es inherentemente perjudicial. Un enfoque estratégico y consciente puede transformar la IA en un potente catalizador para la cognición humana, un concepto conocido como «inteligencia aumentada». Este enfoque se centra en la amplificación de las capacidades humanas en lugar de su sustitución. Los estudios que exploran esta perspectiva demuestran beneficios en la motivación, la individualización del aprendizaje y la eficiencia operativa. En última instancia, la dirección futura de esta relación dependerá de si la IA es utilizada como un simple sustituto para evitar el esfuerzo mental, o como un «trampolín para el pensamiento» que libere a las personas para dedicarse a procesos de mayor valor.
__

Fuente: Google Gemini, a partir de un prompt de Lluís Codina

Quienes estén interesados en el tema pueden revisar el informe completo sobre la externalización de la mente aquí.

Evaluación somera del informe

Mi opinión después de una primera revisión es que la principal carencia del informe es que ha ignorado el ámbito de la creación y la publicación científica. El informe hace una revisión correcta y muy acertada en los ámbitos educativos y profesionales, pero deja de lado el ámbito científico donde las IA son cada vez más utilizadas.

Tal vez influido por saber que el informe lo ha generado una IA me ha parecido correcto, tal vez ligeramente por encima de la media, pero poco incisivo y con escasa personalidad. Pero no estoy seguro de si hubiera pensado lo mismo de no saber que lo había producido una IA.

Formalmente, es casi impecable. Redacción correcta, buena articulación de temas y una relación acertada entre párrafos. Todo bien conectado y redactado en un estilo fluido y sin apenas palabras de relleno o innecesarias. No hay aparentes contradicciones, por el contrario, todo el razonamiento fluye sin fricciones.

En el momento de publicar esto he verificado que no hay alucinaciones en las fuentes. Pero aún no he verificado de forma sistemática la adecuación de las afirmaciones en el cuerpo del informe con la cita utilizada. Lo he hecho de modo aleatorio y en estos casos, la relación era correcta. Actualizaré esto, no obstante.

Hay una carencia evidente, fruto de que Deep Research no utiliza Google Scholar (ni ninguna base de datos académica) y esto se manifiesta claramente en el tipo de referencias, ya que solo en uno de los casos ha utilizado artículos de investigación.

No obstante, menciona resultados de estudios, debido a que utiliza fuentes que a su vez han curado esta clase de investigaciones. Otro detalle interesante es que entre las referencias se encuentran vídeos de YouTube. Nada que alegar. Los vídeos son una fuente de conocimiento.

Pero, de momento, Google Gemini no puede producir genuinos trabajos de revisión de la literatura válidos para el ámbito académico. Pero antes de cerrar este tema, déjenme recordarles que, en cambio, NotebookLM está muy bien posicionado para ello.

La pregunta esencial: ¿podría pasar por un trabajo intelectual humano?

la captura precedente nos muestra el detalle final que queremos que el lector valore: la extensión (17 páginas exactamente) y la forma de incorporar las fuentes como en todo informe profesional. Ya hemos visto otros detalles del contenido en capturas precedentes y también tenemos más mi apreciación somera del informe.

Ya nos hicimos esta pregunta con ocasión de la revisión de NotebookLM y ahora volvemos a repetir la pregunta esencial:

¿Podría presentarse este informe tal como está o con pequeños cambios formales, como el fruto de un trabajo intelectual humano?

En m opinión, la respuesta es un SÍ con mayúsculas. Aunque no podría pasar por una revisión de la literatura, puede pasar por un informe de curación bien elaborado, válido en entornos profesionales y en algunos académicos, aunque requiere entonces alguna transformación. Esto abre muchas preguntas y crea varias crisis. Nos iremos ocupando en otra entrega dedicada solamente a examinar este tipo de cuestiones.

Deep Research: RAG es la clave

RAG son las siglas de Retrieval Augmented Generation. Esto es, literalmente:

• Generación [de contenidos] aumentada por recuperación [de información].

Los sistemas RAG no se limitan a su base de conocimientos para responder a los prompts de los usuarios. En su lugar, los RAG realizan una búsqueda en bases de datos o en repositorios externos. En el caso de Deep Research, su RAG lanza una búsqueda utilizando los índices de Google.

Al responder a los usuarios usando técnicas RAG, las IA son capaces de responder con mayor profundidad a las consultas, no están limitadas por la fecha de la última actualización de su modelo de lenguaje, así como evitan casi en su totalidad el riesgo de alucinaciones. Por tanto, la potencia de Deep Research está vinculada al uso de técnicas RAG.

Probablemente, el uso temprano de la tecnología RAG es el principal responsable de éxito de Perplexity, un sistema de IA que empezó a ofrecer fuentes e información actualizada antes que ChatGPT. Pronto las respuestas de Perplexity destacaron por su riqueza, actualización y extensión. Por cierto, Perplexity utiliza sin problemas fuentes académicas.

Ahora toca seguir con el revisión de Google Gemini en otras funciones de interés. Aunque como veremos estas otras funciones no son de tipo RAG, presentan dimensiones de evidente interés y utilidad.

Chatbots personales o Gems

¿Qué es un Gem? Hemos preguntado a Gemini y aquí tienen su clarificadora respuesta (por copiar y pegar):

Un Gem es un chatbot personalizado que puedes crear dentro de la aplicación de Google Gemini. Actúa como un asistente de inteligencia artificial especializado en un tema o tarea específica, adaptándose a tus necesidades.

Definir un Gem

Para poner a prueba los Gem, decidimos crear un Sócrates digital. Para ello, definimos un Gem al que dimos este nombre y pusimos las instrucciones que pueden ver en la captura.

Para los interesados, el prompt completo de Gem:

Diálogo socrático con el Gem Sócrates digital

En lo que sigue, van algunas capturas de un diálogo socrático que pretende imitar el método de la mayéutica.

1. Inicio del diálogo

2. Momento posterior del diálogo

Las dos capturas precedentes muestran el desempeño del Gem. Creo que no malo, pero tampoco fue muy incisivo. Pudo ser por elegir nosotros mal el tema o elegir mal su planteamiento. En todo caso la idea es que con un Gem así, la IA (sea Gemini u otra) se podría utilizar en procesos de enseñanza/aprendizaje.

El estudiante debería plantear un tema importante para una materia y ser capaz de mantener el diálogo mayéutico con la IA.

Aprendizaje guiado

El Aprendizaje guiado ha resultado estar basado también en preguntas, pero a diferencia del método socrático, en el aprendizaje guiado de Gemini, no solo hay preguntas sino que también hay explicaciones.

Preguntas en el aprendizaje guiado

Prompt no parametrizado

Teníamos la duda de qué tal se comporta Google Gemini si entramos un prompt sin elegir ninguno de los parámetros disponibles. El resultado es muy rápido, una respuesta breve pero bien estructurada. Ideal para consultas rápidas.

No usa funciones de Retrieval augmented generation (RAG) y por tanto no hay fuentes. En la siguiente captura vemos un ejemplo.

Respuesta sin parámetros

Pizarra

El concepto de la Pizarra es el de un lugar donde hacer pruebas, poner contenidos y aplicarles diversos cambios. Recuerda el concepto de canvas o lienzo.

Las tres operaciones de la pizarra

Los contenidos que aparecen en la Pizarra se pueden editar sin salir del entorno de Gemini. También se pueden hacer cambios con los tres controles que aparecen a la derecha del contenido creado con la pizarra a partir de un prompt y que vemos en la captura precedente de forma aislada y también en la siguiente en contexto.

Edición con IA en la pizarra

Cuando obtenemos un contenido generado en la Pizarra tenemos tres controles para aicar cambios predefinidos:

• Longitud: de breva a extenso o muy extenso
• Tono: informal, formal, muy formal
• Sugerencia de cambios: la IA vuelve a revisar el contenido de manera crítica y sugiere cambios, que pueden aceptarse o rechazarse.

En las siguientes capturas intentamos mostrar el funcionamiento de estos cambios, así como el resultado de los mismos que aparecen destacados para que el usuario decida si los acepta.

Aumento de extensión

Trazabilidad de la edición con IA

Cambiar tono

Informe sobre el cambio de tono

Trazabilidad de la edición de tono

Sugerir mejoras

La IA como revisora

Materiales derivados

Cuestionario

Modelo Pro

Respuesta con modelo Pro

Resultado:

• 2 páginas
• 707 palabras
• 0 Fuentes

La diferencia no puede ser más acusada. Está claro que la versión Pro no es para generar informes en profundidad, ni es la más adecuada como socio cognitivo a pesar del «Pro» de su nombre.

En nuestro análisis ya hemos dicho que nos centramos en contenidos intelectuales, y parece evidente que la fortaleza del modelo Pro es el código y las matemáticas, pero no el razonamiento verbal.

Consultado el propio Gemini al respecto, explica que Deep Research es un asistente que debe resolver varias tareas, como un agente, y que para ello, debe utilizar el modelo Flash que es más ágil.

Integración con Workspace

Dijimos al inicio que nos interesaba evaluar Google Gemini para generar contenidos intelectuales. Las opciones de integración con Workspace parecen ser más de gestión. Pero no nos resistimos a mostrar esta integración con Google Gmail. Sobre todo porque al hacer el test, ha mostrado como resultado uno de los congresos más importantes en periodismo digital. Se trata del Congreso Internacional de Ciberperiodismo que se celebra cada año en Bilbao.

Carencia importante: fuentes académicas

Hace solo dos años no podíamos ni imaginar algo como lo que es capaz de hacer Google Gemini ahora (u otras IA similares, como ChatGPT), así que hablar de carencias debe ponerse en ese contexto. Aún así, en el caso de Google Gemini en su modalidad RAG hay al menos una muy clara y muy grave: la desconexión con Google Scholar.

Esta desconexión no tiene ninguna explicación técnica dados los otros desafíos técnicos que sí ha resuelto. Así que debe responder a alguna clase de estrategia que se nos escapa. Una prueba es que otras IA con muchos menos recursos de ingeniería los que dispone Google, son capaces de lanzar consultas a Google Scholar o a otras bases de datos académicas, (notablemente a Semantic Scholar).

El resultado de esta carencia es que entre las fuentes utilizadas raramente aparecen estudios o investigaciones originales aunque el tema lo requiera. En su lugar aparecen, con suerte, las referencias a tales estudios que han sido curados por algunos sitios.

En contraste, vean la captura de las fuentes ofrecidas por ChatGPT para el mismo prompt:

Otro problema, muy menor en este caso, es que en los informes en los que usa citas, no aplica el sistema más extendido en entornos profesionales académicos, que es la cita parentética. Pero la verdad es que comparado con el primero este es realmente menor.

Por último, parece que hay alguna disfunción con la historia de las interacciones, y es que no siempre aparecen en la lista de las interacciones pasadas. Para encontrar algunas, a veces debemos usar la búsqueda por palabras clave. Tampoco es importante.

Partners académicos

Universidades de todo el mundo deben estar preguntándose con que empresa asociarse para aportar soluciones de IA a su comunidad. Por lo que he podido ver hasta ahora, el paquete de soluciones IA Gemini + NotebookLM está bien situado para muchas tareas educativas y sin duda para tareas importantes de investigación, pero a la vez está lastrado por su desconexión no solo con Google Scholar, sino con otras fuentes abiertas académicas en general, a juzgar por las fuentes que ha manejado en este informe. Seguiremos atentos por si en algún momento cambian su política e incorporan fuentes académicas.

Otra opción es la IA aplicada a bases de datos académicas, como es el caso tanto de Scopus IA como de Web of Science Research Assistant. Son soluciones de IA que, como es lógico, se especializan en artículos de revistas científicas para complementar, expandir o incluso sustituir la búsqueda booleana convencional. En estos casos, se trata de genuinas aportaciones de la IA a la investigación, por la base de la evidencia que utilizan, que es la mejor posible en la academia: revistas científicas evaluadas.

Además, existe un actor destacado e independiente (¿por cuánto tiempo?) que es Perplexity. En teoría ofrece el conjunto ideal de funcionalidades para un uso académico, pues permite focalizar la fuentes o bien en la web o bien en bases de datos académicas, o en ambas. No obstante, cualquier universidad que deba decidir sobre este aspecto deberá llevar a cabo antes pruebas exhaustivas y valorar cuestiones legales y de privacidad. Pero esto lo saben los responsables de las universidades mejor que nosotros.

Conclusiones: más dudas que certezas

Hemos visto con detalle las funciones de Google Gemini, en especial las funcionalidades de su modo de trabajo en Deep Research. Esta modalidad de uso es, con mucha diferencia la más adecuada para crear o, aún mejor, co-crear contenidos de tipo intelectual, y por tanto para usar a Google Gemini como un socio cognitivo. Esto sí, siempre teniendo en cuenta su limitación a la hora de utilizar fuentes académicas abiertas como Google Scholar.

En todo caso el concepto de socio cognitivo, que es aplicable a las IA actuales, lleva una bomba bajo el brazo. El socio ideal de un ser humano es otro ser humano, de esto no hay duda. Pero las capacidades de las IA actuales, sumadas a las que se esperan, hacen que las IA formen parte de lo que el propio informe generado por Gemini denomina la nueva ecología cognitiva.

Es una nueva ecología porque ahora ya no hay una sola entidad con agencia y capacidades cognitivas superiores, la humana, sino dos: esta y las IA generativas. Una visión menos especista podría señalar que en esta ecología nunca ha estado solo el ser humano, porque hay otras especies animales con capacidades cognitivas avanzadas. Pero, el punto principal, la aparición de una nueva inteligencia (artificial) en este espacio cognitivo no varía.

A partir de aquí, cuestiones importantes son:

• ¿Las IA crean conocimiento nuevo? ¿Existe creación de nuevo conocimiento a partir de la síntesis de conocimientos anteriores? Tal vez tengamos que revisitar a Kant.
• Si se produce nuevo conocimiento como resultado de las interacciones con una IA, ¿esto no requiere reconsiderar los roles y la taxonomía de las contribuciones en trabajos académicos? Parece que mientras la IA no tenga conciencia no se podrá acreditar como autora, pero las autorías humanas ahora han cambiado, dado que hay una modalidad de autoría asistida o aumentada por IA. Habrá que revisar CRediT.
• ¿Qué pasa al externalizar el pensamiento? No hay duda de que externalizar el pensamiento en las IA tiene efectos indeseados, ¿pero cómo pueden ser de graves? ¿Pueden generar una epidemia de atrofia cognitiva como el sedentarismo genera epidemias de sobre peso? O por el contrario, la humanidad sabrá sortear estas amenazas y conseguirá aumentar su pensamiento creativo gracias a liberarse de ciertas cargas cognitivas?
• Oportunidades. Las crisis crean problemas, pero también oportunidades. ¿Cuáles son las oportunidades que crean las IA en el nuevo ecosistema cognitivo compartido?

Dejamos para una entrega independiente las consideraciones tan amplias que produce la capacidad de las IA para generar contenidos intelectuales indistinguibles de los hechos por humanos. Se abren no solo interrogantes sino crisis y oportunidades que hay que tratar con el cuidado que merecen.

Para saber más

• NotebookLM: inteligencia artificial para usos académicos, curación de contenidos y ¿revisiones de la literatura?
• Inteligencia artificial y revisiones de la literatura: validez, fiabilidad e implicaciones cognitivas
• Cómo utilizar contenidos generados por IA en trabajos académicos: el marco Veritas de verificación, evaluación, atribución y edición
• La externalización de la mente: análisis integral de la atrofia, deuda y sedentarismo cognitivo en la era de la inteligencia artificial generativa [Informe generado por Google Gemini]
• Atrofia cognitiva, deuda cognitiva y sedentarismo cognitivo por el uso de chatbots y sistemas de IA generativa [Informe generado por ChatGPT]