Sistemas de inteligencia artificial como generadores de podcasts narrativos basados en visualizaciones de datos. Comportamiento, desafíos y limitaciones

a) Objetivos de la investigación

El objetivo principal de este trabajo de investigación es analizar y evaluar la calidad de podcasts narrativos creados automáticamente por herramientas de inteligencia artificial generativa (IAG) a partir de imágenes con visualizaciones de datos frente a análisis producidos por expertos humanos. Se analiza el alcance, pero también las limitaciones, de la aplicación de la IAG en esa producción.

b) Estado de la cuestión

La narrativa basada en la representación visual de datos se ha convertido en una de las estrategias con mayor crecimiento y más utilizadas en los medios de comunicación. Esta propuesta narrativa se percibe como una nueva manera de contar historias y de sostener el modelo de negocio de los medios. Por otro lado, en el plano tecnológico, la IAG surge como una tendencia destacada, centrándose en la creación de contenido original, incluidos podcasts, a partir de datos preexistentes. Sin embargo, no existen investigaciones que hayan evaluado la calidad de los podcasts narrativos generados por herramientas de IAG a partir de imágenes con visualizaciones de datos frente a análisis producidos por humanos.

c) Metodología

Para cubrir los objetivos, se ha implementado una metodología sistemática que combina la evaluación objetiva y la subjetiva. En primer lugar, se realiza una revisión sistemática exploratoria de la literatura académica en torno al podcast en el ámbito de la comunicación. En segundo lugar, se proponen y definen los criterios utilizados en la evaluación de esos productos. En tercer lugar, se implementa el diseño experimental y se seleccionan varias visualizaciones (imágenes; básicas y de tipo avanzado) identificadas por un experto. A partir de cada una de las imágenes, se genera un podcast utilizando la herramienta de IAG Google NotebookLM y se extrae el texto donde el experto analiza esas imágenes. En cuarto lugar, se realiza una evaluación ciega de los dos productos por un panel mixto utilizando una rúbrica estandarizada con escalas Likert para cada criterio. Por último, se realiza un análisis de resultados, detectando las diferencias más significativas entre la producción de la IA y el análisis realizado por humanos expertos.

d) Resultados y conclusiones

Los resultados se integran para determinar si la IAG logra niveles comparables de comprensión y claridad, en qué dimensiones supera o queda rezagada frente a los humanos, y cómo podría incorporarse en flujos híbridos de comunicación de datos. En este sentido, se percibe cierta ventaja humana en la interpretación y la contextualización. La narrativa textual realizada por el experto humano obtiene mejor puntuación en “valor agregado analítico” y en exactitud interpretativa en casos complejos. Por otro lado, se identifica un grado alto de competencia de la IA respecto a la claridad y estructura básica de la narración. En tercer lugar, apreciamos algunas diferencias y patrones en las respuestas respecto a los tipos de visualización. En cuarto lugar, se identifican algunas diferencias entre los participantes expertos y los participantes no especializados de nuestro panel de evaluación. Por último, se identifican oportunidades de mejora en el funcionamiento y los resultados ofrecidos por la IAG.