Introducción

La aplicación de la Inteligencia Artificial (IA) al periodismo ha dejado de ser una novedad. Una década después de los primeros experimentos con algoritmos de generación automática de lenguaje natural en medios estadounidenses, esta tecnología ha alcanzado una fase de mayor madurez. Atrás han quedado las reacciones más extremas, tanto de entusiasmo como de rechazo. En cambio, sí parece consolidarse la idea de que la IA va a protagonizar una profunda transformación en los medios (^{Zheng et al., 2018, p. 273}).

Este desarrollo también se ha trasladado a la investigación académica. De unos primeros trabajos casi exclusivamente centrados en la aplicación de la IA a la elaboración automatizada de contenidos o en los aspectos teóricos de este fenómeno, se ha ido avanzando hacia análisis más específicos y profundos sobre la creciente influencia de los algoritmos en la producción y la distribución de las noticias (^{Thurman et al., 2019, p. 989}). Los efectos de la IA en los medios se han convertido en un tema de investigación que genera un gran interés por sus implicaciones tanto industriales como sociales ^{(Túñez et al., 2018}). Gran parte de las aportaciones académicas basadas en un trabajo de campo real sobre el sector se puede dividir en dos: a) las que estudian los efectos de la IA en las redacciones, con importantes variaciones en la magnitud observada en estos cambios, y b) las que recogen las reacciones de los profesionales y los usuarios a estas innovaciones. Estas últimas, sobre todo las centradas en los consumidores, son todavía menos frecuentes.

Algunos autores han incidido en los enfoques metodológicos de estas investigaciones. ^{Christin (2017, p. 1)} realizaba una llamada a favor de la investigación etnográfica sobre la aplicación práctica de los algoritmos en las redacciones. Un trabajo liderado por ^{Thurman (2019, pp. 981-982)} resaltaba la importancia de incidir en aspectos como la ética, las claves de la organización de la información algorítmica o el valor simbólico del trabajo periodístico orientado por máquinas. Por su parte, ^{Guzman y Lewis (2020, p. 1)} planteaban tres horizontes: 1) estudiar cómo las personas dan sentido a estas aplicaciones, 2) analizar dinámicas que estos cambios introducen en las redacciones, y 3) reflexionar sobre sus implicaciones metafísicas.

Este trabajo pretende trazar una panorámica sobre la aplicación práctica de la IA en el periodismo deportivo y cómo repercute e influye en las rutinas productivas de los periodistas deportivos en España en los diferentes soportes informativos. La investigación se centra en estudiar cómo los profesionales dan sentido a esta tecnología y analiza las dinámicas que estos cambios introducen en las redacciones que abordan la información deportiva en España.

En este sentido, para comprender los efectos de la IA en la información deportiva, la investigación tiene los siguientes objetivos: a) conocer el uso de los periodistas deportivos de las herramientas de IA en sus contextos productivos; b) determinar el comportamiento de los redactores y de los medios respecto de estos contextos productivos, y c) recabar la percepción de estos profesionales sobre el uso de la IA en las redacciones. A partir de estos objetivos, se plantean las siguientes preguntas de investigación:

PI1¿Cómo incide la IA en la organización del trabajo, producción de contenidos, distribución y comercialización y/o marketing en las redacciones de deportes?

PI2¿Cuáles son los problemas, riesgos, ventajas y desventajas del uso de esta tecnología a juicio de los propios periodistas?

El impacto de la IA en el periodismo

Parece evidente que la IA va a determinar el futuro desarrollo de la transformación de los medios (^{Zheng et al., 2018}). Pese a que desde hace casi dos décadas el periodismo se apoya en los recursos de la IA para la producción informativa, el periodismo de datos, el big data, la aplicación en redes sociales o el chequeo de información (^{Calvo-Rubio & Ufarte-Ruiz, 2020}), es en la actualidad cuando centra mayor interés en el ámbito del periodismo deportivo (^{Canavilhas & Giacomelli, 2023}).

La IA facilita la labor del periodista y le permite abordar mejor la parte esencial de su trabajo: contar historias y crear textos de mayor profundidad (^{Hochberg, 2010}). Esta realidad hace que sea percibida desde una doble perspectiva: por un lado, como una amenaza para sus puestos de trabajo por la pérdida de su papel de intermediarios y, por otra, como una ayuda en sus rutinas productivas (^{Peña-Fernández et al., 2023}).

El excesivo optimismo de algunas de las investigaciones iniciales y de parte de la industria llevó a que se subrayara la brecha existente entre los supuestos efectos y los objetivos de la IA en el periodismo y su aplicación real (^{Christin, 2017}, p. 1). ^{Stray (2019, p. 1)} se centró en la escasa aplicación de la IA en el periodismo de investigación, pese a las esperanzas iniciales para, por ejemplo, encontrar patrones ocultos en grandes volúmenes de datos y reducir así los costos. Tres motivos explicaban este limitado desarrollo: el carácter único de cada trabajo, la escasez de datos de acceso público y el riesgo de errores por la automatización en los procesos editoriales. La segunda explicación parece una de las más evidentes, y no solo en el periodismo de investigación. La IA requiere buenos datos detrás, y eso implica una creciente demanda de profesionales que gestionen adecuadamente esa información y también que la supervisen (^{Galily, 2018, p. 5)}.

Las reticencias más importantes a la implantación de la IA en las redacciones se dan entre los mismos trabajadores, que la ven como un peligro y no como un complemento (^{Mondría Terol, 2023, p. 56}). Si bien es cierto que la mayoría de las investigaciones apuntan a que estos temores son infundados, algunos estudios evidencian ciertas actitudes de los responsables de los medios de adoptar la automatización como una estrategia para reducir costos y mejorar la productividad, que se traduciría en la caída del número de empleados humanos (^{Kim & Kim, 2017, p. 187}).

En esta línea, ^{Guimarães et al. (2020, p. 72)} analizaron cómo el uso de determinados algoritmos funcionaba mejor que el trabajo humano para calibrar la relevancia social de los contenidos si se disponen de los datos adecuados (sólidos, confiables y abundantes). En parte por eso, se vislumbra un horizonte prometedor en el uso de la IA para combatir la desinformación, aunque con la colaboración de la academia, las empresas, los políticos y la sociedad civil (^{De Oliveira et al., 2021, p. 29}). Del mismo modo, se estudió el uso de la IA para detectar problemas sociales con datos procedentes de Facebook (^{Bhowmik et al., 2020, p. 394}).

Otros trabajos se han centrado en estudiar los aspectos en los que la IA sí aporta beneficios (y también riesgos o amenazas) al periodismo. ^{Diakopoulos y Koliska (2017, p. 1)} se centraron en el uso de los algoritmos para favorecer la transparencia interna en los medios. ^{Caswell y Dörr (2018, p. 17)} se enfocaron en los aspectos económicos del sector para señalar las ventajas de la automatización de la producción para satisfacer necesidades del sector y optimizar sus modelos de negocio. No obstante, precisaron que antes había que definir modelos concretos para la aplicación de la IA, fomentar flujos de trabajo en las redacciones e introducir habilidades editoriales en los profesionales para sustentar estos procesos.

Aunque son menos numerosas, conviene resaltar las investigaciones que han reflejado la postura de los profesionales y los usuarios ante el avance de la IA en el periodismo. ^{Christin (2017, p. 1)} documentó las estrategias de los profesionales para minimizar el impacto de los algoritmos en su trabajo diario, mientras que ^{Kim y Kim (2018, p. 354}) estudiaron las reticencias de los periodistas ante la IA por su posible daño a la profesión (contenidos) y la pérdida de estatus. Algunos periodistas consideran que “sostienen las riendas en todas las fases del proceso productivo, especialmente en la selección y la edición, y desean proteger sus roles de ‘árbitros finales’” (^{Wu et al., 2018, p. 2}).

Pero todas estas investigaciones han quedado en cierto modo sobrepasadas a raíz del auge de la llamada IA generativa. Si bien esta variante llevaba años gestándose, y medios como The Guardian ya utilizaron GPT3 en 2020 para redactar una pieza experimental (^{Pavlik, 2023, p. 85}), el lanzamiento de ChatGPT a finales de 2022 supuso un punto de inflexión en el desarrollo de esta tecnología.

El término IA generativa se utiliza para describir un subconjunto de modelos de IA que pueden generar nueva información al descubrir tendencias y patrones relevantes en la información ya recopilada. Estos modelos pueden producir trabajos en una amplia gama de formatos, desde escritos hasta visuales y de audio (^{Gill & Kaur, 2023, p. 262}).

La popularización de esta aplicación de la IA se produjo al ofrecer algunos de estos servicios en un formato de chatbot, que empezó a utilizarse en numerosas webs, casi siempre como recurso para atención al usuario, y en periodismo encabezó proyectos como Politibot o Quarz (^{Ufarte & Manfredi, 2019}). Pero la llegada de ChatGPT, de OpenAI, ha transformado el debate. Su velocidad y capacidades son “impresionantes y aterradoras al mismo tiempo” (^{Newman, 2023, p. 35}). Si bien los modelos subyacentes han existido durante algún tiempo, ChatGPT los ha convertido en un prototipo accesible que da una idea real de hacia dónde se dirige la IA.

Los modelos de lenguaje como GPT utilizan grandes conjuntos de datos de texto combinados con redes neuronales para procesar texto. Las siglas significan Generative Pre-trained Transformer, lo que refleja las dos fases del entrenamiento que dan vida al modelo. La primera fase es “no supervisada”, en la que el modelo se entrena en un conjunto de datos extremadamente grande para que la red neuronal pueda crear un modelo de referencia. Luego, utilizando conjuntos de datos más pequeños, el modelo se “afina” utilizando un modelo “supervisado” con las anotaciones de lenguaje que requieren mucha mano de obra. En el caso de GPT, el ajuste fino utiliza el aprendizaje reforzado por humanos como sistema de recompensa. Esto permite grandes ganancias de rendimiento al mismo tiempo que permite que el modelo se desempeñe bien en una serie de tareas diversas (^{Zimmerman, 2023, p. 3170}). ChatGPT se basa en una aplicación específica del conocido como Deep Learning (DL), en concreto, su aplicación a la generación de lenguaje o Natural Language Processing (NLP) (^{Javaid et al., 2023, p. 1}).

La IA generativa supone grandes oportunidades para el periodismo, pero también importantes riesgos para el sector y el conjunto de la sociedad. Por eso se insiste en la necesidad de regular su uso. Como con cualquier nueva tecnología poderosa, es crucial evaluar cuidadosamente sus posibles efectos y tomar precauciones para garantizar que se utilice de manera moral y responsable. Si bien se ha elogiado a ChatGPT por su capacidad para incrementar la productividad, muchos expertos han expresado su preocupación por un uso descontrolado de esta tecnología (^{Haleem et al., 2022, p. 6}).

Metodología

Con el fin de profundizar en el impacto de la IA en el periodismo deportivo, tanto en el uso de las herramientas por parte de los profesionales como en la percepción de esta tecnología, esta investigación se sustenta en una serie de cuestionarios aplicados a responsables de la sección de deportes de medios generalistas y medios online de ámbito nacional, así como a redactores jefe y subdirectores de medios deportivos en España y medios nativos especializados en deportes. Se escogió este método cuantitativo porque se adecuaba mejor a los objetivos de una investigación esencialmente exploratoria.

En primer lugar, se realizó la selección de una muestra por conveniencia a los editores y responsables de la sección de deportes porque “conocen la contribución que la IA puede ofrecer a sus redacciones” (^{Canavilhas & Giacomelli, 2023}). Los cuestionarios se remitieron por correo electrónico a los periodistas, previo contacto telefónico con ellos para que conocieran el objetivo de la investigación, a lo largo del mes de junio de 2023. Los cuestionarios se enviaron a 40 profesionales, de los cuales 20 respondieron al formulario diseñado con la encuesta, obteniendo una tasa de respuesta del 50 %.

La muestra final incluye a 20 profesionales de 16 medios. Todos menos uno son hombres, en línea con la configuración de un sector todavía en transformación. La media de edad de los encuestados es de 50 años, y más de la mitad (11, un 55 %) tienen entre 50 y 60 años, algo comprensible si se tiene en cuenta que la muestra está formada principalmente por altos y medios cargos.

La elección de la muestra de medios de comunicación responde al criterio de pluralidad informativa en España, de ahí que se seleccionaran tanto medios de comunicación generalistas (El Imparcial, El Confidencial, COPE, Europa Press, El Mundo, El País y Onda Cero, que fueron los que respondieron al cuestionario), como especializados en todos los soportes (MARCA, DAZN, El Mundo Deportivo, Relevo, El Desmarque, Radio MARCA, Mundo Deportivo y BeSoccer).

El diseño del cuestionario se articuló en cuatro bloques. El primero, con variables sociodemográficas, buscaba obtener la información personal y laboral de los participantes. Para el segundo, con cuatro apartados, los periodistas debían especificar el uso de herramientas digitales externas basadas en Inteligencia Artificial en los siguientes contextos productivos: la organización del trabajo, la producción de contenidos, su distribución y si utilizan la IA como herramienta de marketing o comercialización. En el tercer bloque, se les preguntaba cuál era el uso de recursos basados en IA desarrollados por su propio medio en materia de organización del trabajo, producción y distribución de contenidos, su distribución y como herramienta de marketing o comercialización. Por último, en el cuarto bloque, se les pedía su valoración sobre el uso de la IA en el periodismo deportivo atendiendo los siguientes temas: problemas como la baja calidad de los textos o las imágenes, la complejidad de su implantación o los costos, entre otros; los riesgos que entraña el uso de la IA en las rutinas productivas, como la falta de contacto con las fuentes, las incorrecciones de los datos o la reproducción de sesgos en los contenidos, entre otros; y las ventajas y oportunidades que ofrece la IA a los periodistas deportivos.

Todas las preguntas, salvo las del primer bloque, centrado en los datos personales de los encuestados, fueron cerradas. Las de los dos siguientes bloques solo se podían contestar con “sí” o “no”. Las del último, centrado en la percepción, se diseñaron con una escala de Likert con cinco opciones que iban desde “Totalmente de acuerdo” hasta “Totalmente desacuerdo”.

Resultados

Las respuestas a la encuesta reflejan una implantación desigual y todavía emergente de la IA entre los profesionales del periodismo deportivo español. Solo después de la explosión de la IA generativa, una parte ha experimentado con esta tecnología, y sus usos raramente van más allá de la ideación de temas, la búsqueda de datos, la transcripción, la traducción y la extracción automatizada. Las tareas vinculadas a la organización, la distribución y la comercialización están todavía, por norma general, poco vinculadas al uso de estas herramientas.

Casi una tercera parte (30 %) de los encuestados no ha usado nunca antes la IA. Si se les suman quienes experimentaron con esta tecnología en el 2023 (25 %), se comprueba cómo más de la mitad de los profesionales que han participado en esta investigación no le prestaron atención hasta el lanzamiento de ChatGPT, en noviembre de 2022. Solo uno de los 20 encuestados se adelantó a utilizar estas herramientas antes de 2019, concretamente en 2016.

En las tareas relacionadas con la organización del trabajo, el uso más extendido de la IA se centra en la ideación (40 %). Estas cifras se reducen notablemente en el apoyo a la gestión del flujo de trabajo (10 %) y el trabajo en equipo (20 %).

La búsqueda de información es una de las facetas del proceso periodístico en las que más ha impactado la IA. Más de la mitad de los encuestados (55 %) ha usado esta tecnología para localizar datos. Esta cifra se reduce considerablemente al medir la utilización de estas herramientas para buscar fuentes (25 %) o documentos (35 %).

La otra gran aplicación de la IA está, al menos de momento, en el tratamiento de la información. Más de la mitad de los encuestados han utilizado herramientas de traducción y un 45 % las ha empleado para transformar audios y videos en texto.

Más llamativo es el limitado uso, en términos generales, de la IA para la generación de contenidos. Cerca de la mitad de los encuestados (40 %) ha creado texto, y casi uno de cada tres (30 %) ha producido imágenes con esta tecnología. Pero estas cifras, incluso, se reducen al hacer referencia al audio (10 %) y el video (5 %).

Los encuestados tampoco se han aventurado apenas a emplear la IA para las diferentes tareas vinculadas con la distribución de contenidos. Uno de cada cinco (20 %) lo ha utilizado para la moderación de comentarios y para la monitorización en redes sociales. Solo uno ha experimentado con la aplicación de esta tecnología para la personalización de los contenidos.

Las diferentes aplicaciones de la IA a la comercialización son las menos desarrolladas. Solo uno de los encuestados ha experimentado con los muros de pago personalizados, y dos, con las herramientas para captar y retener suscriptores. Como se discutirá en el correspondiente apartado, esto se puede explicar por el perfil de gran parte de la muestra, normalmente más cercano a la redacción que a los departamentos comerciales.

El principal problema de la aplicación de la IA radica, según los encuestados, en el desconocimiento sobre su potencial (4 sobre 10 de media). Un escalón por debajo, los profesionales de los medios deportivos estudiados se preocupan por la resistencia al cambio en sus redacciones (3.3) y la falta de una estrategia en sus organizaciones (3.3). Los costos, tanto humanos (1.8) como materiales (0.8), se consideran cuestiones menos problemáticas.

La falta de contacto con las fuentes es el principal riesgo detectado por los profesionales que han participado en esta investigación (6 sobre 10). Casi al mismo nivel se encuentran las posibles incorrecciones con los datos que proporciona la IA (5.8). Algo menos evidente parece una posible reducción de puestos de trabajo (4.5). El incremento de la desinformación apenas preocupa a los encuestados (1.5).

Entre las potenciales ventajas de la IA, los periodistas deportivos destacan claramente la mayor rapidez en el desempeño de su trabajo (5.3 sobre 10), algo vinculado a la segunda más valorada, la optimización de recursos (3.8). Los encuestados apenas conciben como un posible beneficio la creación de nuevos perfiles profesionales (0.3) y el aumento de la calidad de su producto (0).

Conclusiones

El análisis de las respuestas obtenidas en la encuesta revela una realidad compleja en la implementación de la Inteligencia Artificial entre los profesionales del periodismo deportivo español. De la investigación se concluye que la implantación de la IA en el periodismo deportivo español se caracteriza por su desigualdad y carácter emergente.

La mayoría de los profesionales encuestados han comenzado a experimentar con esta tecnología (PI1), especialmente después de la explosión de la IA generativa, lo que confirma la entrada en una fase incipiente en la adopción de herramientas avanzadas. Esta tecnología ejerce una notable influencia en algunas de las fases de la producción y distribución de contenidos. No obstante, todavía no se ha desarrollado plenamente en aspectos como la organización del trabajo y la comercialización de los contenidos deportivos.

El dato revelador de que casi una tercera parte (30 %) de los encuestados nunca había utilizado la inteligencia IA antes, y que un 25 % comenzó a experimentar con esta tecnología en el año 2023, resalta una tendencia de adopción tardía en el ámbito del periodismo deportivo español, si bien es cierto que muestra una tendencia ascendente en la adopción de la IA como herramienta para su trabajo.

Estos hallazgos se enmarcan en los reflejados por investigaciones previas, que advierten de una dependencia cada vez mayor de la IA por parte de los periodistas y de cómo influye en la producción de noticias (^{Ufarte et al., 2023}). En el caso del periodismo deportivo, la penetración de esta tecnología se aprecia en mayor medida en los profesionales norteamericanos que en los europeos y sudamericanos (^{Canavilhas & Giacomelli, 2023}), pero esta investigación sí revela un escenario al que tampoco escapan los periodistas deportivos en España en cuanto a la organización del trabajo, la producción y distribución de contenidos.

De los resultados obtenidos en esta investigación, se aprecia que en las redacciones deportivas españolas el uso más extendido de la IA se centra en la ideación y apenas se emplea en la gestión del flujo de trabajo y el trabajo en equipo. No obstante, es conveniente recordar que se trata de profesionales que están al cargo de diferentes equipos y que pronto verán las ventajas de usar la IA para, por ejemplo, repartir tareas en trabajos colectivos.

Y aunque reconocen el uso de ChatGPT para generar contenido, este puede ser no solo del publicado en el medio, sino también para responder correos o completar informes. Se aprecia que los periodistas encuestados apenas han probado generar audio (voz) y video, seguramente dos formatos que van a tener mucha relevancia (como ya estamos siendo testigos con Spotify o Runway, por ejemplo, o la propia nueva versión de ChatGPT, multiformato y con Dall-E integrado).

Esta realidad entronca con una de las grandes promesas de la IA: hacer posible generar múltiples versiones de un mismo contenido para poder ajustarse a los hábitos, las preferencias y las necesidades de diferentes tipos de audiencia. En este escenario, solo uno de los periodistas entrevistados reconoce aplicar la IA en la personalización de contenidos.

Los periodistas deportivos encuestados detectan diferentes ventajas e inconvenientes de esta tecnología, pero sobre todo destaca su desconocimiento sobre el potencial de esta transformación (PI2). De hecho, esta falta de información constituye una de las principales limitaciones al uso de la IA en su trabajo, algo que tiene sentido por su carácter novedoso y en permanente evolución, por lo que resulta positivo tener prudencia.

Asimismo, esta prudencia manifestada por los responsables de las secciones de deportes también es extensible a los redactores a su cargo, lo que lleva a pensar que existe todavía una resistencia al cambio entre estos profesionales, que todavía se manejan con rutinas productivas alejadas de las posibilidades que ofrece la IA. Para ^{Mondría Terol (2023)}, se requiere “un cambio de mentalidad en las redacciones, superar el miedo a la sustitución, poner en valor la capacidad creativa y las decisiones editoriales humanas” (p. 41).

En este sentido, resulta significativo que el principal riesgo para estos profesionales es la posibilidad de que con el uso de la IA en sus rutinas productivas se reduzca el contacto con las fuentes de información tradicionales, lo que lleva a poner de manifiesto el abuso del periodismo de mesa o de que un bot puede sustituir a una fuente personal. A lo que se añade la consistencia, transparencia y fiabilidad de las fuentes, como advierten ^{Cuartielles et al. (2023)}. Pese a estas reticencias, conviene recordar que los periodistas deportivos ya vienen utilizando fuentes digitales, como las cuentas de X de las organizaciones deportivas o de los propios deportistas (^{Oelrichs, 2022}).

Tal y como se ha señalado anteriormente, los expertos coinciden en señalar la necesidad de integrar la IA en los procesos productivos, por lo que es una tarea urgente y relevante para los medios y redactores, y en cómo contribuye a que estos alcancen sus objetivos profesionales (^{Peña Fernández et al., 2023}). Una de las ventajas de las que podrían aprovecharse es una mayor eficiencia en su trabajo que les libere de tareas para mejorar sus aportaciones con valor añadido. Por ejemplo, utilizar la IA para hacer mejores contenidos, con la recolección o el procesamiento automatizado de grandes volúmenes de datos.

Dado el perfil directivo de muchos de los encuestados, llama la atención la falta de estrategia en torno a la incorporación de las posibilidades de la IA generativa en el núcleo de las redacciones y pone de manifiesto que es una tarea urgente y relevante para los medios (^{Becket & Yaseen, 2023}). Sobre todo, si como se señalaba anteriormente, el periodismo deportivo se caracteriza por ser un banco de pruebas propicio para la innovación (^{Rojas-Torrijos, 2014}) y para la aplicación de la IA (^{Rojas-Torrijos & De Santis, 2024}).

Las limitaciones de muchas de las IA generativas, materializadas en el fenómeno conocido como alucinación, probablemente expliquen que muchos profesionales no confíen en las personas o los documentos a los que les pueden redirigir. Por ello, no es de extrañar que los responsables de las secciones de deportes vean difícil o les interese poco la incorporación de profesionales con nuevas habilidades. A ello se añade el debate sobre el uso ético de los contenidos (^{Franganillo, 2023}), especialmente en lo que respecta a la privacidad de la información, la propiedad de los datos y la transparencia de los algoritmos (^{Sanguinetti, 2023}). No es de extrañar que surjan voces que ya empiezan a advertir sobre la necesidad de una autorregulación (^{Sanahuja & Esteban, 2023}).

Este artículo no carece de limitaciones. Lo primero que se debe resaltar es que la muestra obtenida de 20 profesionales no puede servir para generalizar el conjunto de los periodistas deportivos, ni tampoco sus responsables en medios generalistas y especializados. Además de ampliar el número de respuestas, futuros trabajos deberían complementar las cuantitativas con entrevistas en profundidad o con otros métodos como la observación no participante en las redacciones. También sería muy interesante realizar investigaciones comparativas entre diferentes países. Finalmente, convendría complementar las preguntas realizadas sobre aspectos generales con otras más específicas sobre los tipos de contenidos creados con IA o las coberturas apoyadas con esta tecnología.