Inteligencia artificial en la labor bibliotecaria: algunos ejemplos prácticos

Inteligencia artificial en la labor bibliotecaria: algunos ejemplos prácticos
Esta nota pretende mostrar las capacidades de los sistemas de inteligencia artificial para generar contenidos y apoyar labores cotidianas o especializadas en una biblioteca. La intención no es argumentar si la inteligencia artificial (IA) puede resolver un problema sin intervención de humanos.
La Inteligencia Artificial (IA) ha impactado profundamente en diversos aspectos de nuestra vida, desde las redes sociales, hasta las aplicaciones de mapas. De los asistentes virtuales como Google Assistant, Amazon Alexa y Apple Siri, hasta los procesadores de texto como MS Word, el uso de IA es cada vez más común. La IA surgió como una herramienta muy versátil y beneficiosa, que apoya tareas como crear documentos, imágenes, vídeos y audios. Estudios como el del Buró Nacional de Investigación Económica de Estados Unidos en junio de 2023, reportan un incremento del 14% en la productividad de profesionales que utilizan herramientas de IA en conversaciones laborales (Brynjolfsson, E., Li, D., & Raymond, L. R., 2023). Esta mejora en la eficiencia, particularmente con la IA generativa, proporciona una ventaja competitiva significativa, especialmente para quienes se inician en el ámbito laboral. La complementariedad entre las habilidades humanas y la IA, resaltada en debates como el de “Competir en la Era de la IA” de la Harvard Business Review, subraya que quienes integren la IA en sus procesos laborales obtendrán mayores beneficios y ventajas que aquellos que no las utilicen.
Dada la inevitable evolución de la IA, su adopción temprana puede resultar en una gran ventaja competitiva para las bibliotecas y el personal que labora en ellas. A continuación, se ofrecen recomendaciones específicas sobre cómo los profesionales de la biblioteca pueden aprovechar las herramientas de IA, tales como el Generative Pre-trained Transformer (ChatGPT) y Driven Approach to Language Enabled Entities (DALL-E) que más adelante se explican.
Cuando se genera un documento de manera colaborativa, con un colega o asistente, siempre es importante revisar, corroborar, corregir si es necesario y validar su contenido. ¿De la misma manera, los documentos generados por los sistemas de IA? Requieren de una revisión exhaustiva, en muchos casos el uso de estas herramientas es parte de un proceso. Con el que apoyo que brinda la IA en disminuir los tiempos invertidos en una tarea, será el humano quien lo complete o perfeccione.
Sobre OpenAI ChatGPT y DALL-E 2
OpenAI es una organización que se dedica a la investigación en IA. Fue fundada con el objetivo de avanzar en el campo de la inteligencia artificial de manera abierta y colaborativa. Sus desarrollos incluyen ChatGPT ) para la generación e interacción de textos utilizando lenguaje natural, y DALL-E , cuyo propósito es generar imágenes basándose en descripciones textuales en lenguaje natural. También OpenAI está investigando el uso de IA para audio, enfocándose al reconocimiento de voz, la creación de música en distintos géneros y con distintos instrumentos, incluyendo voz humana. OpenAI (OpenAI, 2024).
Ejemplos de uso de IA en labores cotidianas y especializadas:
La integración de la Inteligencia Artificial en tareas cotidianas puede ser beneficioso para disminuir la inversión de tiempo en ellas como generar planes e informes.
ChatGPT tiene la capacidad de ayudar a transformar notas en un documento formal, lo cual puede resultar en un ahorro de tiempo significativo. ¿El siguiente enlace es un ejemplo de un plan de trabajo hipotético donde le solicité crear un borrador a partir de unas notas en viñetas?: https://chat.openai.com/share/dc180f77-c92c-468f-9768-12ceff5b2422
Generación de ideas
ChatGPT puede ayudar a desarrollar una idea o analizar implicaciones de un posible proyecto. Por ejemplo, escribí en ChatGPT: “Quiero desarrollar un repositorio institucional para mi universidad. ¿Cuáles son los distintos aspectos que debería tomar en cuenta para un proyecto de este tipo?” A partir de esta conversación se hicieron una serie de preguntas que dieron como resultado la recomendación de Dspace como el software útil para un proyecto de este tipo, los pasos a seguir y un plan de trabajo. https://chat.openai.com/share/0a8ac19c-0101-4dee-821d-a46593a4c843
Optimizar el contenido de un sitio web SEO friendly.
La optimización para motores de búsqueda (SEO) es un conjunto de estrategias que se utilizan para hacer que un sitio web aparezca en una mejor posición en los resultados de búsqueda de Google u otros motores de búsqueda. El objetivo es que más personas puedan encontrar y visitar el sitio web de forma natural, sin necesidad de pagar por publicidad. (Traducido de inglés, Yalçın, N., & Köse, U., 2010). Sin embargo, a veces la redacción institucional puede carecer del uso de las buenas prácticas de SEO, ChatGPT puede ayudar a reescribir un texto para que sea más SEO. En este ejemplo, copié el texto de la página que describe los servicios que ofrece la Biblioteca Daniel Cosío Villegas, posteriormente fui a ChatGPT, le pedí hacer el texto SEO friendly y ofreció un texto más sucinto utilizando un lenguaje que puede aumentar su visibilidad en buscadores como Google. El resultado se puede revisar en el siguiente enlace:
https://chat.openai.com/share/dabb6081-c033-4377-b858-77029f5b3ca3
Generar imágenes prediseñadas (clip art) con DALL-E
Como se mencionó, DALL-E es un sistema desarrollado por Open AI para generar imágenes a partir de lenguaje natural. Al momento de redactar esta entrada de blog, OpenAI declara que las imágenes creadas son propiedad del usuario registrado, OpenAI (OpenAI. 2024). Por tal motivo es posible utilizar este servicio para generar imágenes para sus páginas web, presentaciones, material de difusión y hasta publicaciones como libros.
En el siguiente ejemplo, coloque en la caja de texto el término “Libros apilados sobre la mesa” lo cual dio el siguiente resultado:
Imagen: imágenes generadas por DALL-E
Posteriormente, escribí el siguiente texto: “fotografía de mujeres en una biblioteca académica leyendo un libro,” el cual da como resultado las siguientes fotos.
Imagen: imágenes generadas por DALL-E
Sin embargo, como el sistema utiliza lenguaje natural permite realizar descripciones más detalladas. Recomiendo que las descripciones sean lo más detallado posible, incluyendo información sobre el estilo, el ángulo, la calidad, entre otros. Trataré este tema más adelante. Como ejemplo, amplié mi descripción y escribí: “Una pintura en el estilo de Diego Rivera de un estudiante adolescente mexicano leyendo un libro en una biblioteca. Pintura premiada.”
Imagen: imágenes generadas por DALL-E
Posteriormente, agregué “que utilicé tonos de color vino “ (El color institucional de El Colegio de México), lo cual dio el siguiente resultado:
Imagen: imágenes generadas por DALL-E
En un tercer ejercicio, pedí: “un dibujo en el estilo de Remedios Varo de una niña leyendo un libro de fantasía. Alrededor de ella se visualizan personajes del libro flotando encima de ella”, lo cual dio el siguiente resultado:
Imagen: imágenes generadas por DALL-E
Traducir textos:
ChatGPT es un modelo lingüístico grande? (LLMs por su nombre en inglés) y Google Translate utiliza un sistema de traducción automática neuronal (NMT). A partir de un análisis utilizando un mismo corpus, encontraron que, para traducciones de inglés a no inglés, Google Translate y Microsoft Translator tuvieron mejores resultados. Gran parte de las debilidades se atribuyen al tamaño del corpus. Sin embargo, se menciona que conforme aumente la capacidad de GPT-4 (la version actual Chat-GPT) se podrán lograr traducciones más precisas. (Son, J., & Kim, B., 2023).
En el siguiente ejemplo, se pidió traducir el texto de página introductoria del sitio web de la Biblioteca Daniel Cosío Villegas de español a inglés de EEUU. El resultado se puede consultar en el siguiente enlace: https://chat.openai.com/share/75e462f7-b991-4473-8707-398ea7eb0e16
Análisis de texto:
En el ámbito de la investigación digital, la IA podrá resultar útil para distintos aspectos y flujos de la investigación. Su principal debilidad son sus limitaciones para el servicio gratuito y el tiempo de procesamiento, a veces se traba con grandes cantidades de información. Sin embargo, es posible crear índices de personas, lugares, períodos de tiempo, palabras clave mencionadas en documentos, entre otros. El siguiente ejemplo muestra la capacidad del sistema al analizar un texto para generar un listado de nombre y lugares mencionados en una tesis. https://chat.openai.com/share/e68647c6-f7c3-4643-aa5a-d161d9dd441d
Generar código y desarrollo de sistemas
ChatGPT puede generar código para el desarrollo de sistemas, scripts, etcétera. Por ejemplo, pedí a ChatGPT generar un código en Python que permita renombrar archivos en un directorio a partir de la primera línea de texto. Al renombrar los archivos el sistema reemplaza espacios entre palabras por el carácter? Y convierte las letras a minúsculas. Además, elimina signos diacríticos, como puntos y comas. El resultado se puede revisar en el siguiente enlace: https://chat.openai.com/share/22e93919-d48c-4d63-9336-2ee1d85819f8
En este caso se requieren de conocimientos de programación para validar si el sistema logró producir un producto confiable, si hará lo que se espera de él, o si requiere modificaciones.
Resolución de problemas técnicos
ChatGPT puede ayudar a resolver problemas técnicos sugiriendo posibles soluciones a problemas relacionados con la funcionalidad y operación de un sistema, archivo, software y/o script. A través de la información proporcionada, ChatPGT puede explicar conceptos relacionados con el problema y guiar al usuario paso a paso. El siguiente caso de uso real, tratamos de ver si existe una manera de que Ghostscript (sistema que utilizamos para generar documentos PDF) pueda generar PDF/A’s optimizados. Como resultado el sistema recomendó un comando que disminuyó el peso de nuestros archivos. La conversación se puede revisar en el siguiente enlace: https://chat.openai.com/share/feefdce6-7ad3-4b6f-aac6-ea93b61530ca
En un segundo caso, se trató de resolver un problema donde algunos videos no se reproducían en el Repositorio de El Colegio de México. ChatGPT permitió averiguar cuál era el problema y cómo resolverlo. Esta conversación se puede consultar en el siguiente enlace: https://chat.openai.com/share/7f0c3778-4286-4e8e-bf4c-cfe6407ebc0b
En ambos casos la biblioteca ahorró muchas horas de tiempo para la resolución de estos problemas.
Utilizar la IA de manera efectiva: algunos aspectos a considerar
El uso de la IA conlleva considerar la ética, la legalidad y otros aspectos. Lo generado por ChatGPT en muchos casos representa un punto de partida y no el ciclo completo de una tarea. No debe darse por hecho que la información proporcionada es correcta, dado que, en algunos casos, el sistema puede inventar datos (alucinar). Por esta razón, es responsabilidad del usuario es corroborar los datos proporcionados por el sistema
Para lograr un uso eficiente de los sistemas de LLM, se requieren instrucciones claras y detalladas. Aunque el sistema sea de inteligencia artificial utilice una interacción basada en lenguaje natural, necesita la mayor cantidad de información posible para generar resultados de calidad. En español se ha adoptado el término inglés “Prompt” para hacer referencia a las consultas e instrucciones que se le proporcionan a los LLM. El “The CLEAR path: A framework for enhancing information literacy through prompt engineering” de Leo S. Lo, explica que Prompt Engineering se traduce al español como “ingeniería de instrucciones” y se refiere a un proceso para la construcción de consultas a sistemas de Procesamiento Natural de Lenguaje con el objetivo de obtener los resultados esperados por un usuario. Propone un modelo con las siglas “CLEAR” para la construcción de un Prompt, indicando que estas deberían ser “Concisas, Lógicas, Explícitas, Adaptables y Reflectivas” (Lo, 2023 ).
Un ejemplo concreto de este proceso se evidenció en la solicitud que hice al sistema para crear un listado de personas. En la primera prueba, el sistema generó 11 nombres en respuesta a una solicitud en inglés. Sin embargo, en las iteraciones en español, donde la solicitud fue “Produce un listado exhaustivo de todas las personas mencionadas en el siguiente texto:”, el sistema producía menos de 11 nombres.
En una de estas instancias, le pregunté por qué no generaba 11 nombres y cómo podría solicitar la información de manera más clara. El sistema respondió que: “Para garantizar exhaustividad al solicitar una lista de personas mencionadas en un texto, puedes especificar tu solicitud de una manera más detallada y amplia”, y con ejemplos concretos. Se puede revisar esta conversación en el siguiente enlace: https://chat.openai.com/share/15214fe4-dd6b-4aac-bc57-8774f9a48424
Por otro lado, es importante considerar que muchos programas comerciales guardan todo lo que se escribe en el sistema para distintos fines, como mejoramiento del sistema o para vender/compartir datos a otras empresas. Por lo tanto, se recomienda ser cauteloso al manejar información sensible o confidencial, evitando compartir datos personales, contraseñas o cualquier información que pueda comprometer la privacidad y la seguridad (Stanford University Libraries, 2024).
Aunque este artículo se limitó al uso de ChatGPT y DALL-E, es recomendable explorar otras herramientas IA para identificar otras maneras en las que IA puede apoyar las labores profesionales. Una sugerencia para hacer esto es el sitio web “There’s an AI for That” (Hay un IA para eso): La plataforma fue lanzada el 2 de diciembre de 2022 por Andrei Nedelcu, desarrollador independiente de Bucarest, Rumanía, con la finalidad de ofrecer un agregador de herramientas existentes. Hasta la fecha de redacción de esta nota, el sistema informa que cuenta con 11,251 IAs para realizar 16,625 tareas distintas y cubre 4,847 empleos específicos. diariamente agregan herramientas. (Nedelcu, 2024).
La integración de la IA en las bibliotecas ofrece oportunidades significativas para ampliar los servicios, optimizar procesos y mejorar la experiencia de los usuarios. Dado que el crecimiento en el uso de IA ha sido exponencial, y su uso será cada vez más común, es recomendable que, como profesionales de información, empecemos a conocer y aprovechar las bondades de la IA en el mundo de las bibliotecas.
Fuentes Consultadas
Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at Work (NBER Working Paper No. 31161). National Bureau of Economic Research. Recuperado de http://www.nber.org/papers/w31161
Lo, L. S. (2023). The CLEAR path: A framework for enhancing information literacy through prompt engineering. The Journal of Academic Librarianship, 49(4), 102720. https://doi.org/10.1016/j.acalib.2023.102720.
Nedelcu, A. (2024). There’s An AI For That (TAAFT). Recuperado el 12 de enero de 2024 de https://theresanaiforthat.com/about/
OpenAI. (2024). Research Overview. Recuperado el 12 de enero de 2024 de https://openai.com/research/overview.
OpenAI. (2024). “Can I sell images I create with DALL·E? Commercial use of DALL·E.” Recuperado el 12 de enero de 2024 de https://help.openai.com/en/articles/6425277-can-i-sell-images-i-create-with-DALL-E.
Son, J., & Kim, B. (2023). Translation Performance from the User’s Perspective of Large Language Models and Neural Machine Translation Systems. Information, 14(10), 574. https://doi.org/10.3390/info141005744.
Stanford University Libraries. (2024). Integrating Generative AI Tools in Library Collections: Challenges and Solutions. Recuperado el 11 de enero de 2024, de https://library.stanford.edu/news/integrating-generative-ai-tools-library-collections-challenges-and-solutions
Yalcin, N., & Köse, U. (2011). What is search engine optimization: SEO?. Social and Behavioral Sciences, 9, 487-493. https://doi.org/10.1016/j.sbspro.2010.12.185
Este blog fue creado con la asistencia de ChatGPT.
OpenEdition le sugiere que cite este post de la siguiente manera:
asmartinez (7 de febrero de 2024). Inteligencia artificial en la labor bibliotecaria: algunos ejemplos prácticos. Amontonamos las palabras: Blog de la Biblioteca de El Colegio de México. Recuperado 26 de abril de 2025 de https://doi.org/10.58079/vs3y