La primera vez que escuché hablar de la temperatura de una inteligencia artificial pensé que era un asunto para ingenieros. Otro término técnico más. Otra variable escondida detrás de modelos que la mayoría usamos todos los días sin detenernos demasiado en cómo funcionan. Después descubrí que estaba equivocada.
Porque la temperatura de la inteligencia artificial no solo explica cómo responde una máquina. También ayuda a entender una decisión que los periodistas tomamos constantemente cuando trabajamos con información: cuándo necesitamos precisión y cuándo necesitamos explorar posibilidades.
Qué es la temperatura de la inteligencia artificial
En modelos de lenguaje como Gemini o ChatGPT, la temperatura es un parámetro que controla cuánto se aleja una respuesta de lo predecible.
Cuando la temperatura es baja, el modelo tiende a responder de forma más literal, conservadora y consistente. Cuando aumenta, aparecen respuestas más variadas, asociaciones menos evidentes y resultados potencialmente más creativos. Incluso, durante la sesión del AI News Business Program de Google sugirieron usar temperaturas bajas para fact-checking, extracción de datos y resúmenes, mientras que temperaturas más altas funcionan mejor para brainstorming, titulares o exploración narrativa.
Hasta ahí parece una explicación técnica. Lo interesante es lo que ocurre cuando esa lógica sale del laboratorio y entra a una redacción.
Qué tiene que ver la temperatura con el trabajo periodístico
Mientras revisaba los materiales del programa, sentí una sensación extraña: ya conocía esta decisión. No porque hubiera trabajado antes con modelos de inteligencia artificial, sino porque llevo años tomando decisiones parecidas dentro del proceso editorial.
Cuando verifico cifras para una nota, reviso documentos oficiales o trabajo con una investigación sensible, no quiero creatividad. Quiero precisión. Necesito respuestas cercanas a la evidencia disponible.
Pero cuando busco un ángulo para una historia, exploro posibles enfoques o intento construir un titular, necesito algo diferente. Necesito abrir posibilidades antes de cerrar conclusiones. Lo que la temperatura hace es volver visible una tensión que siempre ha existido en el periodismo. La tensión entre certeza y exploración.
La inteligencia artificial está cambiando dónde empieza la edición
Durante mucho tiempo pensé que editar consistía en intervenir un texto terminado. Corregir, eliminar. reordenar y pulir. La inteligencia artificial me obligó a replantear esa idea. Sin embargo, en las sesiones del programa apareció una observación que me pareció especialmente relevante: la ventaja ya no está en la herramienta, sino en las instrucciones.
Hoy gran parte del trabajo ocurre antes de obtener una respuesta. Debo decidir qué contexto proporcionar, qué documentos incluir, qué restricciones establecer y qué resultado espero obtener. En otras palabras, cada vez dedico más tiempo a diseñar las condiciones de una respuesta y menos tiempo a corregirla después. La edición empieza antes de escribir.
El contexto se está convirtiendo en un activo editorial
Quizá por eso otra de las ideas más repetidas durante el programa fue que el contexto se está convirtiendo en uno de los activos más importantes dentro de una redacción. Los modelos no trabajan mejor porque adivinen más. Trabajan mejor porque reciben mejores fuentes.
De hecho, una de las recomendaciones más insistentes en los materiales es aportar documentos, ejemplos e información verificable para reducir errores y mejorar la calidad de las respuestas. Mientras más lo pienso, más me parece una descripción bastante precisa del periodismo.
Porque una buena historia rara vez surge de inspiración pura. Normalmente aparece después de reunir contexto, contrastar fuentes, identificar vacíos y formular mejores preguntas. La inteligencia artificial no reemplaza ese trabajo. Lo hace más evidente.
El verdadero parámetro sigue siendo humano
Después de varias semanas explorando estos conceptos, llegué a una conclusión inesperada. La temperatura no es realmente el tema. La conversación tampoco trata sobre sliders, configuraciones o parámetros técnicos. Lo que está en juego es algo mucho más familiar para cualquier periodista: el criterio. Los materiales del programa terminan con una frase que resume bastante bien esta idea: el parámetro más importante no está en ningún sistema, sino en el criterio editorial.
Y quizá esa sea la lección más interesante de todas. La inteligencia artificial puede ayudarnos a investigar, resumir documentos, encontrar patrones o generar alternativas. Pero sigue necesitando que alguien decida cuándo una historia requiere precisión, cuándo necesita exploración y cuándo una respuesta simplemente no es suficiente.
La tecnología no inventó ese trabajo. Solo nos permitió verlo con más claridad.
Una conversación sobre criterio en tiempos de inteligencia artificial
Quizá por eso me interesa que estas discusiones no se queden únicamente en conceptos técnicos como la temperatura, los tokens o los prompts. En el fondo, todas terminan llevándonos a la misma pregunta: cómo seguimos ejerciendo criterio en un entorno cada vez más mediado por inteligencia artificial.
De eso se hablará el próximo 4 de junio en Interesante IA: Primer Encuentro de Convergencias entre Periodismo, Contenidos e Inteligencia Artificial, en la Universidad de la Comunicación de la Ciudad de México. Participarán Cristina Salmerón, Arturo J. Flores, Alejandra Villegas, Armando Monsiváis y Rebeca Ballesteros.
Porque mientras la inteligencia artificial aprende a responder mejor, los periodistas seguimos enfrentando una tarea mucho más difícil: decidir qué preguntas vale la pena hacer.
