NotebookLM es un sistema de inteligencia artificial de Google. Forma parte del creciente paquete de soluciones de IA que ofrece la empresa Alphabet. Esta solución está enfocada en el análisis de documentos y en la generación de contenidos en diferentes formatos a partir de los mismos.
Como casi cualquier cosa producida por Google, NotebookLM es más o menos conocido por el gran público. En cambio, seguramente la riqueza de sus numerosas funciones no es tan conocida. El programa es más complejo de lo que parece a simple vista (como suele suceder con los productos de Google).
Funciones e interfaz de NotebookLM
Vamos a examinar de forma sistemática las funciones de NotebookLM a fin de intentar desvelar lo mejor de ella y estamos seguros de que el lector se sorprenderá .tanto como nosotros. Por cierto, si se lo ha preguntado alguna vez, LM es por Language Model.
Para esta revisión tenemos en mente el colectivo de usuarios que necesita trabajar con documentos cognitivos, esto es, con documentación con información semántica más o menos compleja.
Es el caso de los académicos, que deben trabajar con artículos de revistas científicas, pero también de los comunicadores y creadores de contenidos por curación, por ejemplo, periodistas que necesitan entender informes complejos alrededor de temas de actualidad o de temas evergreen.
Por la misma razón, es el caso también de profesionales del audiovisual como guionistas o realizadores, que en un momento determinado tienen que entender un grupo de publicaciones sobre un tema más o menos poliédrico.
En cualquiera de estos escenarios tenemos profesionales (académicos, comunicadores, curadores de contenidos) que antes tenían que leer y sintetizar documentos con un doble condicionamiento: esfuerzo intelectual e inversión de tiempo. Hasta la llegada de la IA, esto implicaba o bien trabajar con un número muy limitado de fuentes o bien resignarse a largos calendarios.
En cambio, NotebookLM, como vamos a ver, puede leer y sintetizar información semántica de alta complejidad procedente de hasta 50 fuentes, y todo en tiempos medidos en minutos. No solo esto, sino que esta IA genera a partir de su análisis un número de producciones: desde informes extensos y articulados, hasta podcats, pasando por diagramas, guías de estudio, cronologías y vídeos.
Base para revisiones de la literatura
Todo lo anterior es la base para muchas actividades intensivas en información, como intentamos argumentar, pero también para una nueva forma de agilizar algunas tareas de síntesis de la evidencia y posiblemente para revisiones del tipo rapid review. Lo examinamos más adelante.
Vamos a proceder como sigue. En primer lugar, y será el grueso de este trabajo, presentaremos una guía de NotebookLM mediante capturas de pantalla comentadas. Después, pasaremos a tratar algunas implicaciones en el caso de los trabajos académicos y sus dos grandes riesgos asociados: la mala praxis (plagio) y la deuda cognitiva o la pérdida de habilidades. Después diremos algo, un tanto especulativo, sobre revisiones de la literatura. Cerraremos aportando un esquema de buen uso de NotebookLM que conjure estos dos peligros sin perder las ventajas de la IA.
NOTEBOOKLM
GUÍA DE UTILIZACIÓN
Cuadernos
La unidad de trabajo de esta IA se denominan cuaderno. Un cuaderno equivale a una carpeta que se compone de:
- Fuentes, p.e., un conjunto de informes en PDF. Estas fuentes pueden ser añadidas por el usuario o por NotebookLM, aunque el uso más característico consiste en que las fuentes hayan sido aportadas por el usuario.
- Notas. Son los documentos generados por NotebookLM como resultado de analizar y sintetizar las fuentes. Bajo el término notas, encontramos estos formatos:
- Materiales multimedia, como diagramas, audios y vídeos
- Informes de texto breves o que pueden tener decenas de páginas perfectamente formateadas.
En la captura podemos la página principal de NotebookLM con unos cuadernos ya creados, y el botón para crear un nuevo cuaderno.
Fuentes
Al hacer clic en Crear cuaderno, aparece la ventana que nos permite añadir las fuentes. Estas pueden proceder de:
- Documentos de nuestro ordenador local, p.e., informes en PDF.
- Documentos y presentaciones en Google Drive.
- Sitios web y vídeos de YouTube.
- Texto por «copiar y pegar» (portapapeles)
Preparación
Para crear un cuaderno de NotebookLM es aconsejable empezar por crear una carpeta local con los documentos en PDF que queramos incorporar al cuaderno.
En nuestro caso, hemos preparado una carpeta con un total de 15 artículos de una revista científica que publica investigaciones sobre ética e IA. De este modo hemos creado un pequeño sistema experto sobre el tema.
Los artículos los hemos descargado de la revista AI and Ethics (que recomendamos a todos los interesados en la IA desde las ciencias sociales) y los hemos dispuestos en una misma carpeta local para importarlos en una sola operación.
Nomenclatura
Un detalle menor pero útil es que hemos dado nombres significativos a cada documento. Lo decimos porque al descargar los archivos, suelen tener nombres formados por cadenas de números y letras sin ningún significado. Nuestra experiencia es que vale la pena cambiar esas cadenas de caracteres por palabras significativas, porque luego aparecen estos nombres en diferentes contextos y se agradece que tengan sentido. Nosotros hemos optado por nombres cortos porque los utiliza NotebookLM también como elemento de referencia cuando cita las fuentes.
Cada cuaderno admite un máximo de 50 fuentes, al menos en la versión gratuita que es la que hemos usado en estas pruebas.
Cuaderno
La importación de documentos es directa, y de manera inmediata. En la captura podemos apreciar la ventaja de haber nombrado de manera significativa cada archivo. NotebookLM presenta el nuevo cuaderno en una ventana con tres secciones denominadas Fuentes, Chat y Studio. Veámoslas:
- Fuentes. Aquí vemos las fuentes y tenemos opciones para añadir o eliminar fuentes.
- Chat. Es el espacio para chatear con las fuentes. Visualmente ocupa la parte central, aunque en nuestra experiencia, la parte más importante es la siguiente.
- Studio. Según nuestra experiencia, la parte más importante. Desde aquí podremos generar una serie de materiales de gran valor y que son los que dan a NotebookLM su merecida fama.
Por cierto, el título del cuaderno, Critical Challenges for Global AI Ethics and Governance, es aportación de la IA y nos pareció notablemente acertado. Se puede editar y modificar.
Studio
Studio es el centro de generación de contenidos de NotebookLM y el que justifica su uso la mayor parte de las veces. Presenta cuatro tarjetas: (1) Resumen de audio, (2) Resumen de vídeo, (3) Mapa mental y (4) Informes. Vamos a ver cada tarjeta por separado. Empezaremos por la de Informes porque aunque es tal vez la menos llamativa, es la que genera los materiales más potentes.
Informes
La tarjeta Informes de NotebookLM tiene permite crear cuatro tipos de documentos predefinidos:
- Resumen. Es una síntesis narrativa, extensa, de todas las fuentes. Adopta el formato de un informe temático en el que presenta una introducción y después desarrolla los temas que ha detectado a partir de su análisis. El término resumen no le hace justicia. En nuestras pruebas, «resumen» generó un informe de más de 4 mil palabras.
- Guía de estudio. Una guía que literalmente ayuda en el estudio de los temas tratados por las fuentes.
- Preguntas frecuentes. Una síntesis narrativa organizada en torno a preguntas muy incisivas y respondidas de forma detallada.
- Cronología. Es una cronología que el sistema extrae de las fuentes si tienen un contenido que proporciona sentido a esta clase de información. En nuestro cuaderno, proporció información de bastante utilidad.
Con estas cuatro categorías de informes, la mayoría de los usuarios podrán adquirir una comprensión del contenido de las fuentes para disponer de una primera orientación rápida. Pero no evitan un esfuerzo cognitivo del usuario, ya que si quiere aprovechar la ventaja de la IA deberá examinar críticamente estos informes y contrastar con las fuentes originales cualquier información que piense utilizar de algún modo.
Una vez tenga esta visión global, podrá seleccionar los documentos individuales de mayor interés para sus objetivos a fin de leerlos de modo íntegro. En cualquier caso no deberá dar por válida ninguna información ni factual ni teórica significativa sin verificar la fuente original si piensa darle algún uso.
Las IA cometen errores factuales y errores conceptuales, ambos son difíciles de detectar sin verificación de las fuentes originales. Una IA no tiene inteligencia real y puede aportar elementos de la síntesis completamente inesperadamente erróneos.
Por otro lado, cuanto más especializadas o complejas sean las informaciones o los temas de los documentos, más falibles pueden ser las interpretaciones generadas por la IA.
Actualización abril 2026
Algunos apuntes después de ampliar la experiencia de uso:
- El apartado Studio ha recibido mejoras importantes después de publicar esta guía. En lo esencial, el apartado funciona tal como se describe aquí, pero los tipos de informes se han ampliado y además ahora hay una modalidad de informes diseñados por el usuario.
- La experiencia de uso después de crear y probar diversos cuadernos, es que los resultados de estos informes son muy irregulares. A veces genera informes sorprendentemente eficaces y otras veces sorprendentemente pobres. Hay propensión a errores de interpretación en las últimas pruebas.
- Hay que extremar las precauciones si pensamos dar algún uso a los informes creados por NotebookLM más allá de nuestro consumo personal. No digamos, si pensamos integrar NotebookLM como una herramienta para generar una síntesis de la evidencia.
Informe modalidad resumen
En la captura vemos la cabecera del primer tipo de informes predefinidos, el denominado resumen, aunque en la captura vemos que lo llama nota, porque todos los documentos que crea NotebookLM los llama así. Es por la dicotomía fuentes/notas. En definitiva se trata de una síntesis narrativa bien desarrollada y articulada en los temas más importantes que ha detectado la IA.
Lo que ha hecho aquí la IA es una auténtica tarea de curación de contenidos: análisis + síntesis + el valor añadido de organizar y conectar en un todo unitario los contenidos de las 15 fuentes.
Trabajo académico
El contenido del informe tipo resumen, llevado a un documento word (por copiar y pegar, ya que no hay opciones de exportación directa). Vemos que ha producido un informe de 12 páginas y más de 4 mil palabras. Es decir, aquí tenemos sintetizados y explicados 15 PDF o sea, unas 250 páginas condensadas en 12.
Vamos a ir mostrando como crece este documento word con sucesivas aportaciones para validar la siguiente hipótesis: ¿sirve NotebookLM para generar documentos equivalentes a trabajos académicos?
Estamos pensando en la plausibilidad de usar los contenidos generados por NotebookLM como, p.e., un trabajo de fin de máster como un test para nuestra hipótesis. No nos olvidamos de los aspectos éticos, sino que los trataremos como se merecen más adelante. Ahora se trata de probar la hipótesis. Si la respuesta fuera un sí, examinaremos las consecuencias.
Preguntas frecuentes
El informe de preguntas frecuentes genera una lista de preguntas que pueden ser muy incisivas, y las respuestas por su parte suelen estar bien elaboradas y bastante bien articuladas.
Progreso del trabajo académico
En este punto, añadiendo los contenidos del segundo informe, llegamos a 8 mil palabras y 22 páginas. A partir de aquí, la respuest a la hipótesis de si NotebookLM puede generar trabajos académicos con contenidos y extensión suficientes empieza a ser un SÍ. Posteriores adiciones, en nuestra experimentación, aportaron un documento académico de 39 páginas y más 15.000 palabras. Un sí rotundo.
No decimos que cantidad sea equivalente a calidad. Lo que decimos es que, dado que (a) la calidad aparenta al menos un nivel estándar, posiblemente un poco superior a la media y dado que (b) el volumen se aproxima también a los estándares de extensión, si sumamos a+b la posibilidad real de usar este output en una mala praxis como si fuera un trabajo académico producido por un humano es muy alta.
Volveremos sobre esto para abordar los temas éticos que son insoslayables.
Cronología
NotebookLM consigue extraer de las diversas fuentes una cronología de eventos clave. Es de suponer que la eficacia de las cronologías estará totalmente determinada por el tema y la clase de documentos usados como fuente. En nuestro caso, resultó eficiente. Además aportó lo que denomina Elenco de personajes, nombres propios importantes en la evolución del tema que han sido identificados y derivados de las fuentes.
Actualización abril 2026: en pruebas recientes posteriores, pareció perder eficacia. No sabemos si debido a características de NotebookLM o por las características de las fuentes utilizadas, tal vez más complejas.
Guía de estudio
La Guía de Estudio es un informe que aborda el contenido de las fuentes organizado por temas. Es una guía que ayuda a entender lo más importante de las fuentes más destacadas. Ademas, de la guía, añade:
- Un cuestionario de preguntas cortas para repasar los temas más importantes.
- Unas preguntas de ensayo, esto es, preguntas que implican una valoración y conceptualización, para cuya respuesta es necesario tener una mejor comprensión del tema.
- Un glosario de términos clave.
Como se puede ver, tanto el cuestionario como las preguntas de ensayo están pensadas para ayuda a estudiar y reforzar el aprendizaje de los temas tratados por las fuentes.
Diagramas
Pasamos ahora a los formatos multimedia. En el caso del diagrama, es de tipo mapa mental y es totalmente interactivo. Recordemos que en un mapa mental, cada uno de los elemento que aparecen relacionados se denomina nodo. Por ejemplo, AI Ethics in Academic Publishing es un nodo. Podemos desplegar cada nodo o todos los nodos a la vez, hacer zoom para aumentar o disminuir el mapa y también podemos descargarlo en forma de gráfico estático.
Diagrama: zoom
Hemos hecho una captura del diagrama usando la función de zoom para mostrar la magnitud del mapa mental generado. Podemos ver que hay un amplio número de nodos, y vale la pena señalar que cada nodo es el disparador de un prompt si queremos saber más sobre el concepto que representa.
Opciones de interacción
En este caso, destacamos la opción de desplegar o de contraer de forma individual o por grupos los nodos que contienen subnodos.
Prompt a partir de un nodo
Cada nodo es, además de un componente del mapa, la lanzadera a un prompt específico, lo que permite generar nuevos contenidos o notas (como los llama NotebookLM).
Resultado del prompt generado a través de un nodo
Al hacer clic en un nodo, se ha generado el prompt que podemos ver: es importante señalar que ha tenido en cuenta la jerarquía de nodos y subnodos en la forma de elaborar la pregunta.
Detalle de atribuciones y fuentes
Dependiendo del tipo de contenido generado, NotebookLM aporta un estilo de atribución, que podemos llamar citación. Cuando el contenido procede de un prompt en el chat es cuando hace un uso mejor.
Vídeo y podcast
En el caso del resumen en vídeo, la IA genera una presentación tipo power point, animada y con una voz que lee la presentación. En el momento de hacer las pruebas solo estaba disponible el idioma inglés, pero otros idiomas están anunciados.
El podcast en cambio se puede generar en inglés o en español entre otros idiomas. El podcast es quizás uno de los productos más conocidos de NotebookLM por su calidad. Suele simular una presentación muy vívida y animada entre dos interlocutores.
Chat
La sección Chat se utiliza como en el caso de cualquier otra IA. Hay un espacio para plantear un prompt, y hasta aquí lo habitual, pero la respuesta se obtiene de las fuentes del cuaderno. En este sentido, NotebookLM es un genuino caso de inteligencia artificial de tipo RAG (Retrieval Augmented Generation).
En las siguientes dos capturas veremos dos ejemplos de prompts. Cada repuesta a estos prompts se pueden convertir en nuevas notas, esto es van a parar como nuevos resultados de la sección Studio.
Prompts de debate
En este ejemplo, vemos parte de un «debate» con NotebookLM sobre si usar contenidos generados por una IA equivale (o no) a plagio. Spoiler: ya lo creo que es plagio.
Prompts de consulta
Como segundo ejemplo, hemos querido traer este prompt en el que forzamos un poco las cosas al preguntar por un tema que no está contemplado de forma explícita en las fuentes, pues en ninguno de los 15 documentos se aborda de forma específica la realización de revisiones sistemáticas con IA. La respuesta fue bastante razonable.
Trabajo colaborativo
NotebookLM no ignora que podemos estar trabajando en equipo, y por tanto aporta elementos para ello, pudiendo asignar diferentes roles a cada perfil (editor, solo lectura, etc.).
Añadir fuentes
Ya hemos señalado que los cuadernos pueden tener hasta 50 fuentes. Al efecto, podemos añadir fuentes en cualquier momento, así como podemos eliminar otras. Una forma de añadir fuentes es por Descubrimiento, que consiste en una función de búsqueda.
Descubrir fuentes
Hacemos clic en Añadir fuentes y aparece la opción Descubrir fuentes.
Lanzar una búsqueda
En el modo Descubrir fuentes podemos enviar una consulta tanto en forma de prompt (lenguaje natural), como mediante palabras clave.
Revisar e incorporar fuentes
Buscar fuentes es una opción poco desarrollada. Ofrece un máximo de diez resultados y de cada resultados ofrece muy poca información. Nada que ver con la búsqueda en Google y ni siquiera con la búsqueda en Gemini. Eso sí, podemos hacer varias búsquedas.
El cuaderno con las fuentes añadidas
Vemos que ahora, tras varias búsquedas, nuestro cuaderno cuenta ahora con 37 fuentes en lugar de las 15 originales.
Convertir notas en fuentes
Todos los documentos generados en la sección Studio, llamados notas, se pueden convertir en fuentes. A su vez, los resultados del Chat se pueden convertir en notas y por tanto en fuentes. Es una opción que no hemos puesto a prueba, pero resulta tan interesante como inquietante. ¿Qué puede suceder si usamos como fuente el resultado de analizar estas fuentes en los siguientes análisis? ¿Será cada vez mejor o entrará en un bucle redundante y será cada vez peor?
Número de fuentes: ¿50 es mucho o es poco?
La oportunidad de utilizar NotebookLM nos ha hecho plantear si es mejor trabajar con muchas o con pocas fuentes. La idea provisional es que, si se trata de fuentes sobre un mismo tema, como en nuestro caso (ética e IA), posiblemente es mejor seleccionar bien las fuentes y no utilizar muchas.
Por tanto, el límite de las 50 fuentes no solo parece suficiente sino incluso adecuado. Es decir, posiblemente es mejor calidad que cantidad. La idea es que en un número manejable de fuentes, cada perspectiva única y valiosa pueda haber en algunas de las fuentes, puede quedar bien representada. En cambio, usando, no sé, digamos cientos de fuentes o, peor, miles, parece que el resultado puede ser demasiado entrópico, pero todo esto es una pura especulación.
NotebookLM y síntesis de la evidencia
Un trabajo de preparación previo para la selección de fuentes parece lo más importante para usar NotebookLM. Una posible estrategia es seleccionar una o más revistas académicas de referencia sobre un tema de interés, descargar, digamos entre 10 y 20 artículos de cada una y formar un corpus de hasta 50 documentos como base de la evidencia. O seleccionar cinco revistas de referencia y descargar 10 artículos seleccionados de cada una, etc.
Otra estrategia podría consistir en hacer una búsqueda booleana en una base de datos académica como Scopus o WoS y seleccionar los 50 artículos más citados. O los 40 más citados y los 10 más relevantes de los últimos dos años, etc.
Pero, si nos damos cuenta, lo que estamos haciendo entonces planificar una clase de síntesis de la evidencia (aka, revisión de la literatura) con esta IA. Esto necesita más desarrollo, pero de momento, dejamos apuntado un posible esquema de desarrollo siguiendo en parte el framework SALSA:
- Punto inicial. Definición de un problema o de una pregunta de investigación.
- Búsqueda y evaluación. Búsqueda con una base de datos como Scopus o WoS y selección de documentos por número de citas u otros criterios de relevancia (evaluación). O selección de artículos de las entre tres y cinco revistas más importantes de un área, hasta reunir entre varias decenas de artículos. Este modo de selección en principio debería garantizar la calidad de las investigaciones. En caso de duda, se pueden añadir otras verificaciones «manuales».
- Análisis. Creación de un cuaderno en NotebookLM con las N fuentes seleccionadas en el punto 2.
- Síntesis. La síntesis consistiría en la batería de informes que genera NotebookLM, principalmente, el resumen, la guía de estudio, las preguntas frecuentes y la cronología. A estos informes se podría añadir un informe diseñado por el investigador, p.e. para extraer resúmenes estructurados.
- Metasíntesis. La información que aportan esta batería de documentos debería ser verificada, evaluada, atribuida, editada y compilada por el investigador en la medida que pasen a formar parte de una metasíntesis verificada final. Esto es de esperar que requerirá horas de revisión y de edición, pero el producto resultante podría ser una clase de síntesis de la evidencia.
Idiomas
El perspicaz lector tal vez haya notado que los informes unas veces aparecen en inglés y otras en español. Se debe a una inconsistencia por nuestra parte. Parece que NotebookLM tiene una definición del idioma de salida inglés por defecto. En mitad del trabajos decidimos cambiar de idioma. Lo lógico sería decidir y definir el idioma antes de empezar a producir informes.
Deficiencias
La lista de aciertos de NotebookLM es larga y magnífica. Los párrafos precedentes lo deja claro. Pero también hay deficiencias. En nuestra opinión son las siguientes:
- Interfaz. La distribución de la interfaz penaliza a la sección Studio que es tal vez la más interesante. Debería haber una opción para que esta sección ocupe la totalidad de la pantalla, con otra para volver a la distribución inicial.
- Exportaciones. Debería haber facilidades para exportar los diferentes informes en formato de documento (rtf, word o Drive). Los contenidos de los informes son fáciles de copiar y pegar y mantienen el formato cuando se trasladan a un editor de textos, pero no es lo idóneo.
- Búsqueda. Muy limitada. No es la función principal de NotebookLM, pero incluso teniendo esto en cuenta es pobre. La ventana de resultados debería ser más rica, añadiendo al menos una línea o dos de resumen de cada resultado.
- Referencias. Cuando las fuentes están bien controladas por el usuario, se puede establecer la cadena de atribuciones con facilidad. Pero usa diferentes maneras de citar las fuentes y ninguna es un estándar. Además, faltaría «la guinda» de su citación al estilo parentético y listadas al final de los informes en algún formato estándar como APA. Parece mucho pedir pero ante el despliegue de eficiencia pedir un poco más es inevitable. Si en una próxima actualización, mejoran esto, sería sublime.
Es el momento de ocuparnos de la ética y la buena y la mala praxis
SEGUNDA PARTE
ELEMENTOS ÉTICOS Y PRAGMÁTICOS
Mala praxis: plagio y deuda cognitiva
Desde el momento que NotebookLM es capaz de generar en una sola sesión, trabajos académicos de más de 30 páginas que habitualmente necesitan semanas, el riesgo moral es evidente. Y donde hay riesgo de que algo ocurra, hay que temer que ocurrirá efectivamente, en mayor o menor medida.
Habrá un número de trabajos académicos, desde trabajos de redacción para superar asignaturas hasta materiales del nivel de trabajos de fin de máster, que se van a realizar con NotebookLM de manera fraudulenta, sustituyendo de forma oculta las tareas de los estudiantes.
Lo mismo en trabajos profesionales, con investigadores y ¿profesores? generando documentos como si fueran propios, pero hechos por una IA.
Ahora bien el daño en este caso es doble: los falsos autores de trabajos académicos, bien sean de estudiantes o de profesionales serán un fraude equivalente al plagio. En todo caso, significa que los falsos autores recibirán una acreditación que no merecen pues en la academia esta clase de trabajos son de tipo evaluativo. Esto no solo es éticamente indeseable, es que además puede provocar una mala asignación de recursos. Los falsos autores pueden ganar proyectos o recibir encargos sin tener los méritos y desplazando a quién sí los tiene. Un fraude total.
Pero, por otro lado, los falsos autores se estarán pegando un tiro en el pie. Cada trabajo falso es una pérdida cognitiva. Perderán los conocimientos que hubieran adquirido de hacer bien su trabajo y, de paso, perderán habilidades. Un pésimo negocio.
La cuestión es que evitar este mal uso es imposible y detectarlo es, entre muy difícil e imposible. Por tanto, solo cabe buscar maneras de introducir el uso de la IA de forma a la vez ética, transparente y que no atente contra el desarrollo cognitivo de estudiantes e investigadores.
Incorporar la IA en todos los niveles de la academia
No nos atrevemos a decir nada en otros niveles de enseñanza, pero estamos convencidos de que al menos en el nivel universitario es necesario incorporar el uso de la IA en todos los procesos de enseñanza/aprendizaje y de investigación académica, ya que usar la IA de forma ética es claramente una ventaja.
En los procesos de enseñanza/aprendizaje, en lugar de luchar para que los estudiantes NO usen la IA, se deben desarrollar métodos en los cuales los estudiantes deban necesariamente usar la IA.
Pero como es lógico, estos métodos deben ser de tal forma que los estudiantes deben ser capaces de aportar pensamiento crítico y de demostrar que han sabido aplicar conocimientos previos y de que adquirido nuevos conocimientos y habilidades.
En investigación, hay una amplia propuesta de normativas que señalan la obligación de declarar el uso de la IA y de proporcionar datos de transparencia y trazabilidad al respecto. Al mismo tiempo, estas normativas señalan con claridad la obligación de aplicar las buenas prácticas comunes a la investigación científica en aspectos cruciales como impedir el plagio, lo que impide utilizar contenido generado por una IA como si fuera propio.
Esta entrada no es el lugar donde tratar estos aspectos en la extensión que se merecen, por lo que solamente hemos querido abordarlos en este nivel relativamente superficial. Los lectores interesados tienen materiales desarrollados al respecto en las entradas publicadas en este sitio en la categoría IA. No obstante, algo avanzaremos en el siguiente apartado.
Buena praxis: interacción crítica escalonada y marco Veritas
La buena praxis en cambio puede representar un equilibrio entre la ventaja de usar la IA sin la pérdida cognitiva ni sin cometer fraude. Para ello, corresponde hacer un uso de la IA, sea NotebookLM o cualquier otra de una forma que a veces denominamos interacción crítica escalonada.
Esto significa que el autor no hace un uso en bloque de los contenidos generados por una IA, sino que aplica en el grado y la forma necesaria en cada caso estos cuatro verbos: verificar, evaluar, atribuir y editar. Al uso de estos cuatro verbos, lo denominamos el marco Veritas. Los interesados podrán encontrar en esta entrada todos los detalles del marco Veritas al efecto.
Conclusiones
Hemos visto que NotebookLM puede ser una IA ideal para académicos, creadores de contenidos como periodistas o creadores del audiovisual y curadores de contenidos. Sus prestaciones pueden calificarse de excelentes, en facilidad de uso, en resultados y en versatilidad.
Cabe señalar que hemos estado revisando la versión gratuita, luego es una herramientas al alcance de todos, incluyendo al colectivo de estudiantes que por definición carece de recursos. Esta riqueza de prestaciones a coste cero es sin duda un caso de generosidad egoísta (o de egoísmo generoso), pues así el producto adquiere mayor notoriedad que con la mejor campaña de publicidad. Lo que importa es que es un win/win. Que dure.
Por lo tanto, parece que NotebookLM u otros sistemas similares están en el futuro de los trabajos académicos, dadas sus funciones y las ventajas que aporta su utilización adecuada. No dudamos de que el caso es similar en otros contextos como los mencionados (periodismo, etc.).
Otro aspecto destacado, para quienes estamos interesados en la disciplina conocida como síntesis de la evidencia, es que NotebookLM puede ser la base para una nueva clase de revisiones de la literatura con aproximación sistemática. Soporta bien el examen SALSA y los resultados nos dicen que podría funcionar como medio para producir, al menos, rapid reviews. Posiblemente, sea útil para revisiones más ambiciosas, como scoping reviews, pero esto último requiere más evidencia. Queda para próximos trabajos.
Pero estas facilidades no están exentas de riesgos morales. El primero es que esta clase de IA pueden parecer máquinas de plagio. Usuarios deshonestos las verán así y las usarán así.
Lo peor (aun hay algo peor) es que un mal uso se vuelve contra el usuario, pues usar mal la IA puede crear discapacidades intelectuales. Quién intente avanzar en su conocimiento usando mal la IA actuará como quien quiera mejorar su forma física viendo como otros hacen ejercicio.
Ante esto, solo nos cabe confiar en la honestidad y el sentido común de la mayor parte de los académicos y profesionales y esperar que la mayoría use NotebookLM o herramientas similares para tomar la ventaja de la IA pero sin pegarse un tiro en el pie.
Bonus. El falso dilema: ¿es plagio o no lo es?
Se está convirtiendo en un lugar común afirmar que usar contenidos generados por una IA como si fueran propios no es en realidad un caso de plagio. La idea es que si esos contenidos no pertenecen a otro autor, pues las IA no son autoras, entonces no es plagio. Se reconoce como una mala praxis pero no plagio.
Pero basta pensar en poco de dónde toma las IA sus contenidos para darse cuenta de que sí es un plagio. Diferente, pero es un caso de plagio. Veamos: si yo tomo un contenido generado por una IA y lo hago pasar por mío, me estoy apropiando, sin declararlo, de las ideas del autor o autores de las que la IA las ha tomado a su vez. Aquí lo tienen.
La única forma de utilizar un contenido producido por una IA para incorporarlo en un trabajo con plenas garantías de evitar el plagio es aplicar el marco Veritas: verificar, evaluar, atribuir y editar.
Cualquier otra forma de uso no verificada, no evaluada y, por tanto sin atribución, implica un tipo de plagio. Nuevo y diferente, pero plagio. Si pese a todo, usted decide que no es plagio, tampoco cambia mucho, porque sigue siendo un fraude descarado.