La Silla Vacía, un medio colombiano de política conocido por su independencia editorial y reportajes de investigación, desarrolló un centro centralizado de herramientas impulsadas por IA para mejorar la eficiencia de la sala de redacción y el compromiso con la audiencia. El hub aloja asistentes modulares adaptados a necesidades editoriales específicas, tales como:

• Una herramienta de edición de estilo ("FranBot"), alineada con el manual de La Silla pero adaptable a otras guías de estilo

• Un asistente para construir hilos de X

• Una herramienta para redactar el resumen diario de noticias ("Duerma Informado")

• Un constructor de boletines para los miembros exclusivos "Superamigos"

El objetivo: ahorrar tiempo, garantizar coherencia y fortalecer la relación con la audiencia.

El problema: detrás de la idea

La idea de un centro centralizado surgió durante las sesiones de descubrimiento del Laboratorio de IA del equipo, después de darse cuenta de que las herramientas individuales entregadas de forma aislada a menudo no lograban integrarse sin problemas en los flujos de trabajo editoriales. Múltiples plataformas, inicios de sesión y configuraciones creaban fricción, y los periodistas eran menos propensos a adoptar herramientas que se sentían fragmentadas o requerían un esfuerzo significativo para aprender.

"Vimos que incluso cuando una herramienta funcionaba bien, corría el riesgo de ser olvidada o ignorada si no era fácilmente accesible", dijo Karen De la Hoz, gerente de producto en La Silla Vacía y gerente del proyecto de esta iniciativa.

Cada una de las herramientas del centro están seleccionadas intencionalmente y abordan un problema concreto identificado a través de investigación de usuarios y retroalimentación interna. Como explica De la Hoz, "Crear hilos de X era un punto de dolor. Un editor dijo que nuestro asistente ahora hace el 85% del trabajo".

Construcción de la solución: camino al prototipo

Los cimientos para el centro se establecieron dos años antes, cuando La Silla migró exitosamente su CMS con el apoyo del mismo equipo de producto y tecnología. Ese proyecto ayudó a establecer confianza interna y canales de comunicación efectivos con la sala de redacción, permitiendo una colaboración más fluida en la integración de IA.

La identificación inicial del problema fue participativa. Se invitó a los editores a enviar ideas, y el equipo técnico también se acercó a mesas específicas con ofertas dirigidas para colaborar. Cada concepto fue validado con editores senior para asegurar suficiente alineación con la sala de redacción y utilidad a largo plazo.

El equipo trabajó en sprints semanales, con la colaboración multifuncional en el centro. Iteraron rápidamente a través de prototipos y realizaron reuniones diarias para identificar obstáculos y ajustar prioridades. Los ciclos de retroalimentación se incorporaron en cada etapa.

Herramientas utilizadas

El proyecto combina varios modelos de lenguaje y plataformas de desarrollo:

• LLM evaluados: ChatGPT (incluyendo GPT-4, GPT-5 y Opus), Anthropic Claude (Sonnet y Opus), Google Gemini y DeepSeek.

• Backend e infraestructura: MongoDB, Vercel, Google Cloud Platform, SupaBase, API de WordPress.

• Prototipado: V0 de Vercel fue particularmente útil al principio para el despliegue rápido del front-end, aunque su calidad disminuyó después de una actualización posterior.

El equipo realizó múltiples ciclos de ingeniería de prompts e intentó el ajuste fino cuatro veces para una de las herramientas, aunque con éxito limitado. Priorizaron la flexibilidad en la integración de herramientas, cambiando modelos o APIs según el rendimiento y las restricciones de costo.

Equipo y habilidades

El proyecto fue liderado por un equipo híbrido con antecedentes en periodismo, tecnología y desarrollo de productos e incluyó un gerente de producto y puente editorial, con antecedentes en periodismo, un colaborador externo con experiencia en chatbots y tecnología cívica, un desarrollador full-stack y un desarrollador backend. El equipo también incluyó un coordinador de retroalimentación y enlace con usuarios durante la implementación del proyecto, después de descubrir cuán relevante era.

Desafíos enfrentados

• Reevaluar y reestructurar el hub: a mitad del proceso, el equipo decidió reconstruir la arquitectura para facilitar el acceso a usuarios externos. Aunque esto añadió complejidad y retrasos, fue necesario para garantizar la sostenibilidad futura del producto.

• Limitaciones de diseño UX: el equipo carecía de un especialista en experiencia de usuario. Finalmente organizaron una sesión de “Design Critic”,estudiaron su documentación y revisaron su enfoque en un espacio facilitado por su consultor. Esto ayudó a mejorar la usabilidad, pero el proceso destacó la necesidad de mejores recursos de diseño en futuras iteraciones.

• Volumen y gestión de feedback: El equipo subestimó el volumen de retroalimentación y aprendió que recopilar información sin actuar sobre ella frustraría a los usuarios. "Decidimos que solo podíamos pedir retroalimentación si teníamos la capacidad de actuar sobre ella", dijo De la Hoz. Crearon un rol dedicado de “feedback owner” y establecieron un sistema ligero usando notas de voz de WhatsApp, que se transcriben en documentos accionables, permitiendo una adaptación rápida mientras reducen la fricción del usuario.

Oportunidades y próximos pasos

El equipo ve un fuerte potencial para escalar el centro a otras salas de redacción en América Latina y más allá. "Queremos descubrir cómo hacer esto técnica y económicamente viable para otros", dijo De la Hoz.

Internamente, las herramientas ya se están usando regularmente. FranBot, la herramienta de resumen diario y el asistente de hilos de X se han integrado en las rutinas de la sala de redacción. Su uso continuo por parte de un equipo editorial escéptico y exigente sirve como un fuerte indicador de impacto.

Lecciones para las redacciones

• Los sistemas de feedback son tan importantes como las herramientas: Sin mecanismos para recopilar y actuar sobre la información de los usuarios, incluso las mejores herramientas fracasarán.

• La adopción requiere confianza y experiencia: Logros pasados como la migración del CMS ayudaron a construir credibilidad interna. Los periodistas estaban más dispuestos a colaborar en herramientas de IA una vez que vieron beneficios tangibles y confiaron en las intenciones del equipo.

• Los proyectos de IA necesitan integración interdisciplinaria: El éxito depende de fusionar el desarrollo técnico con el pensamiento de producto, la colaboración con la sala de redacción y el diseño centrado en el usuario. "Un equipo técnico solo no puede construir las herramientas correctas. Necesitas la aceptación de la sala de redacción desde el primer día".