Asistente IA, desarrollado por Chequeado, es una herramienta ligera diseñada para hacer que la inteligencia artificial sea práctica y útil para periodistas y verificadores de hechos en Argentina. Funciona como una extensión de Google Chrome y se integra directamente en el flujo de trabajo de Google Docs que los reporteros ya utilizan. La herramienta reúne una biblioteca creciente de prompts en una interfaz fácil de usar, adaptable a cada redacción y orientada al trabajo colaborativo. En el marco del JournalismAI Innovation Challenge, el equipo priorizó la accesibilidad, la utilidad editorial y la relevancia regional.

El problema: llevar la IA al punto donde el usuario la necesita

El proyecto respondió a dos presiones recurrentes. Primero, la brecha entre la promesa de la IA y lo que las salas de redacción podían adoptar en la práctica. Segundo, la necesidad de automatizar ciertas tareas de verificación de datos sin sacrificar el rigor. "El enfoque principal fue cómo hacer que la IA sea accesible para los periodistas, especialmente los verificadores de datos", dijo Joaquín Saralegui, ingeniero y gerente de producto.

El equipo también buscó apoyar a colegas en América Latina de habla hispana y portuguesa, donde los recursos son limitados pero las necesidades son compartidas.

Construcción de la solución: hoja de ruta hacia el prototipo

El equipo combinó la investigación de usuarios con iteración técnica. Se entrevistó a redactores, y las revisiones regulares identificaron tareas concretas que valía la pena resolver. "Descubrimos que los periodistas realmente necesitaban chatear con la solución", señaló el periodista de datos Ignacio Ferreiro, dando forma a la interfaz.

Crearon el prototipo de un complemento que podía generar tareas impulsadas por prompts directamente en Google Docs, luego iteraron con periodistas para refinar la calidad del resultado y el ajuste editorial. Una demo mostró cómo los usuarios podían generar un hilo de redes sociales a partir de un artículo, redactar un resumen listo para la sala de redacción y escanear un discurso en busca de afirmaciones verificables, todo dentro de una sola sesión. Las tareas pueden ajustarse, reordenarse o compartirse para que las mejoras se propaguen a los colegas.

Herramientas y tecnologías

La arquitectura combinó tecnologías web conocidas con una integración diseñada para redacciones:

• Backend y servicios principales en Python y Django

• Interfaz de extensión de Google Chrome para incorporar funcionalidad en los flujos de trabajo existentes

• Un motor de prompts configurable, con contexto y bases de conocimiento por tarea

• Acceso a LLM a través de claves API controladas por cada organización

• Un repositorio abierto con más de 15 prompts en tres idiomas, cubriendo verificación de datos, publicación en redes sociales, ayudas de escritura y tareas de productividad

La versión abierta local funciona de inmediato con una clave API. Las características organizacionales que requieren servicios backend compartidos están disponibles en el despliegue gestionado de Chequeado.

El equipo y las habilidades involucradas

Asistente IA fue construido por un grupo multifuncional: ingenieros y desarrolladores, un gerente de producto y diseñador, y la sala de redacción de Chequeado. La organización más amplia apoyó la logística y la infraestructura. Fundamentalmente, los desarrolladores y periodistas trabajaron en ciclos estrechos para juzgar los resultados del modelo según los estándares editoriales. Como dijo Saralegui, sin esa "sinergia entre los dos es realmente difícil evaluar qué tan bien lo estás haciendo", lo que arriesga lanzar una herramienta desalineada con la calidad de la sala de redacción.

Desafíos enfrentados

• Alinear los tiempos: la diferencia de ritmos entre el desarrollo tecnológico y el trabajo periodístico generó fricción inicial. “El equipo de desarrollo tarda seis meses en crear un producto, y los periodistas trabajan minuto a minuto”, señaló Saralegui.

• Colaboración regional: aunque crucial para el impacto, coordinar entre múltiples organizaciones y países con recursos limitados requirió una gran dosis de paciencia y flexibilidad.

• Definir los límites de la automatización: uno de los mayores retos fue determinar qué tareas podían realmente automatizarse sin perder valor humano. Este proceso implicó experimentar y descubrir nuevas posibilidades para la IA en contextos periodísticos.

• Capacidades cambiantes de los modelos: la evolución constante de la IA añadió complejidad y exigió reevaluaciones frecuentes. “Lo que probaste en el primer mes y no funcionó, puede servirte en el mes ocho”, explicó Saralegui.

Oportunidades surgidas de un enfoque colaborativo

El proyecto ha revelado un potencial significativo para reducir tareas repetitivas y no creativas en las salas de redacción mientras preserva los elementos humanos esenciales del periodismo. "Descubrimos un gran potencial para esta herramienta y el tipo de enfoque para reducir estas tareas repetitivas no creativas que ocurren en la sala de redacción", confirma Saralegui.

La colaboración regional fortaleció las capacidades en IA de las organizaciones participantes y creó redes de intercambio de conocimiento. Además, la herramienta demostró ser útil más allá de la verificación, ya que muchas de sus funciones pueden aplicarse a otros contextos periodísticos más amplios.

Lecciones para las redacciones

• La integración supera a la innovación: En lugar de crear una herramienta de IA independiente, la extensión de Google Chrome de Chequeado tiene éxito porque encuentra a los periodistas donde ya trabajan en flujos de trabajo existentes, eliminando barreras de adopción que afectan a muchas soluciones de IA.

• La colaboración entre equipos técnicos y editoriales es esencial: Sin esta sinergia, las herramientas de IA corren el riesgo de producir resultados técnicamente impresionantes pero periodísticamente irrelevantes.

• Abrazar la naturaleza experimental del desarrollo de IA: La rápida evolución de las capacidades de la IA significa que los experimentos fallidos pueden convertirse en soluciones viables meses después. Mantener un registro de intentos no exitosos permite a los equipos revisitar soluciones a medida que la tecnología avanza.