Periodismo y citas falsas por IA & IA militar: Maven como estándar - Noticias de IA (22 mar 2026)

Empezamos por el caso que está dando vueltas en redacciones y escuelas de periodismo. Mediahuis suspendió a Peter Vandermeersch, un periodista senior, después de que admitiera haber publicado citas generadas por IA como si fueran declaraciones textuales de personas reales. Según la investigación de NRC —un medio del propio grupo donde él fue editor— habría decenas de citas falsas, y varias personas citadas dijeron que jamás pronunciaron esas frases. Vandermeersch explicó que usó herramientas como ChatGPT, Perplexity y NotebookLM para resumir informes en su newsletter, y que no verificó si los “entrecomillados” eran correctos. En público reconoció que debieron ser paráfrasis, no citas, y asumió además que tardó en corregir. ¿Por qué importa? Porque muestra lo rápido que una “alucinación” o un resumen sin control humano puede romper la confianza, incluso cuando quien lo usa tiene experiencia. Y también deja una lección incómoda: la transparencia sobre el uso de IA no sirve de mucho si falla la verificación básica.

De la credibilidad mediática pasamos a un terreno donde un error puede costar muchísimo más. Reuters reporta que el Pentágono habría designado el sistema de IA Maven, vinculado a Palantir, como un “programa de registro”, es decir, una tecnología institucionalizada para uso prolongado y con financiación estable. La idea central es integrar IA en la toma de decisiones militares de forma más estructural. Maven cruza información de satélites, drones, radares y reportes para acelerar la identificación de objetivos. Los defensores lo venden como ahorro de tiempo; los críticos, como una aceleración peligrosa del ciclo de “detectar y atacar”, con riesgos de errores a escala y de diluir responsabilidades. El reportaje también conecta este tipo de herramientas con controversias sobre daños a civiles en distintos contextos. El punto de fondo: si la IA se convierte en infraestructura estándar en operaciones, la conversación ya no es si se usa o no, sino bajo qué controles, auditorías y límites se permite que recomiende acciones de alto impacto.

Ahora, mercado laboral: una pieza comenta que LinkedIn está lleno de desarrolladores de videojuegos “open to work”, incluidos perfiles con mucha trayectoria. La lectura es que el sector está pagando una resaca de varios años: sobrecontratación durante el pico de demanda en pandemia, inversión abundante, y oleadas de expectativas como NFTs y metaverso que inflaron equipos. Luego llegaron los recortes: menos tolerancia a proyectos que no daban resultados, un clima donde despedir dejó de ser tabú, y una rotación de la atención —y del dinero— hacia IA. El autor hace una distinción interesante: la pérdida de puestos “por IA” suele ser indirecta. No es que una herramienta reemplace a una persona de forma literal, sino que una misma persona, asistida por IA, hace trabajo que antes obligaba a contratar más especialistas. Aun así, plantea un límite: sigue existiendo un cuello de botella humano, porque el público y las plataformas premian lo auténtico, lo cuidado, lo que tiene intención. Para quien trabaja en gaming —y en creativos en general— el mensaje es adaptarse, aprender, y resistir el vaivén cíclico del mercado.

Siguiendo con trabajo y productividad, dos textos distintos llegan a una conclusión parecida: la programación no se acaba, pero cambia el tipo de valor que se paga. Un desarrollador veterano describe la evolución de las herramientas: primero parecían magia para explicar cosas o sacar ideas, pero fallaban en proyectos reales, donde el contexto, las dependencias y lo que pasó “ayer” en el repositorio importa tanto como el código. Con los agentes más modernos, capaces de leer repos, buscar información y automatizar tareas, muchas empresas ya asumen que el equipo los usará. Y ahí aparece el nuevo estándar profesional: no es “escribo código”, es “me hago responsable del resultado”. El autor recomienda mantener propiedad mental del sistema, revisar de forma activa, y reservar el modo rápido y experimental —el famoso ‘vibe coding’— para prototipos que no van a producción. Traducido: la IA puede acelerar, pero no firma los postmortems.

El segundo texto va un paso más allá y dice que la IA está rompiendo cómo las organizaciones evalúan el talento de ingeniería, especialmente cuando decide gente no técnica. Como ahora “producir” código es más fácil, ese indicador pierde fuerza. Y eso abre la puerta a una trampa: confundir más líneas, más commits o más pull requests con más valor para el cliente. Se citan ejemplos de cambios bruscos de estrategia en grandes empresas y de incidentes operativos asociados a cambios asistidos por IA. También se menciona investigación: en un estudio controlado de METR, desarrolladores experimentados, usando IA, fueron más lentos pese a creer que iban más rápido. ¿La consecuencia práctica? Riesgo de decisiones erróneas de contratación y recortes, degradación de calidad, y una cultura donde se premia la actividad visible por encima de arquitectura, fiabilidad, seguridad y buen juicio. La salida que proponen no es apagar la IA, sino reforzar revisiones, gobernanza y liderazgo técnico senior.

En open source, una noticia más esperanzadora: el proyecto “context-use” busca que la memoria de un asistente de IA sea portable y propiedad del usuario. En vez de que tu historial y tus preferencias queden encerrados en una sola plataforma, la idea es guardar recuerdos y contexto en un almacén controlado por ti, y usarlos para mejorar futuras respuestas. ¿Lo interesante? Apunta a uno de los grandes dolores actuales: personalización sin dependencia del proveedor. Si esto cuaja, podríamos ver asistentes más útiles a largo plazo, con más privacidad y menos “amnesia”, y con la posibilidad real de cambiar de modelo o de servicio sin empezar de cero.

Y cerramos con una nota legal que importa mucho más de lo que parece. Theo de Raadt, fundador de OpenBSD, respondió en la lista técnica del proyecto sobre el riesgo de importar código de procedencia ambigua o generado por IA. OpenBSD tiene una política histórica: para aceptar contribuciones necesitan permisos claros y redistribuibles otorgados por un autor legalmente reconocible. El problema, dice, es que el marco de copyright está construido alrededor de autoría humana. Si el código viene de una IA, puede estar derivado de material con derechos, y no hay una garantía consistente de quién puede conceder permiso. Ni el que escribe el prompt, ni la empresa de la IA, ni “la IA” como tal encajan bien en las reglas tradicionales. Resultado: sin trazabilidad y licencias inequívocas, proyectos conservadores —y con razón— van a rechazar ese código. Es un recordatorio de que la revolución de la IA no es solo técnica; también es jurídica y de gobernanza.