El valor económico de las noticias utilizadas por sistemas de inteligencia artificial puede estimarse con métodos ya conocidos en economía y finanzas, pero los medios de comunicación continúan enfrentando dificultades para capturar ese valor, debido al desequilibrio de poder frente a las plataformas tecnológicas y a la falta de mecanismos efectivos de compensación.
La contribución del contenido periodístico a los sistemas de IA es medible desde distintos enfoques: el peso de las noticias en los datos de entrenamiento, su impacto en el comportamiento de los usuarios o su incidencia en la valoración de las empresas tecnológicas. No obstante, la existencia de estas metodologías no se traduce en acuerdos de pago proporcionales, lo que sitúa el problema en la estructura del mercado más que en la capacidad de cálculo.
A esto se suma un fenómeno que preocupa a la industria: el uso de noticias por parte de sistemas generativos está reduciendo el tráfico hacia los medios. Al ofrecer respuestas completas sin necesidad de acceder a las fuentes originales, se elimina una de las principales vías de retorno económico indirecto, profundizando la caída de ingresos del sector.
Un estudio desarrollado por Anya Schiffrin y Haaris Mateen, publicado en el libro Valuing News bajo el título How to Calculate What News is Worth to AI, analiza estas dinámicas y concluye que el periodismo sigue siendo un bien público esencial.
El impacto del periodismo se refleja en la calidad democrática, el acceso a la información, la participación electoral y la detección de la corrupción, aunque enfrenta un escenario complejo ante el avance de la inteligencia artificial.
El estudio sitúa el origen del problema en la transformación del modelo económico de los medios. Durante décadas, la combinación de publicidad y suscripciones permitió sostener la producción informativa, aunque sin reflejar completamente su valor social. Con la digitalización, ese equilibrio se rompió: la oferta publicitaria se multiplicó, reduciendo su valor, mientras las plataformas tecnológicas concentraron los datos y los ingresos.
Este proceso ha debilitado especialmente a los medios locales y ha dificultado la financiación de contenidos de alto costo, como el periodismo de investigación, que puede requerir entre cinco y siete meses de trabajo y alcanzar costos de entre 200,000 y 300,000 dólares por reportaje en algunos casos analizados.
La expansión de la inteligencia artificial ha intensificado esta tendencia. A diferencia de las plataformas tradicionales, los sistemas generativos no dependen de enlaces para generar valor, lo que reduce la visibilidad de las fuentes originales y limita las oportunidades de monetización para los medios.
Factores que explican la falta de remuneración
El estudio identifica tres razones principales detrás de la falta de compensación adecuada: la apropiación de contenidos sin pago, la percepción de que los medios se benefician del tráfico generado por las plataformas y la asimetría de poder en las negociaciones, que dificulta acuerdos equitativos.
Para enfrentar esta situación, los autores describen varias metodologías de valoración. Entre ellas, medir el peso de los contenidos informativos en los datos de entrenamiento de los modelos de IA, aunque advierten que este enfoque puede subestimar su impacto real.
Otra metodología parte de los costos de producción del periodismo, estableciendo una base mínima de valoración, aunque sin capturar el valor adicional de los contenidos más influyentes ni su impacto social.
También se plantea un enfoque basado en la demanda, que evalúa el valor que los usuarios atribuyen a la información periodística dentro de los sistemas de IA, comparando versiones con y sin acceso a noticias y analizando variables como uso e interacción.
A esto se suma un enfoque basado en el perjuicio económico, que estima la pérdida de ingresos publicitarios de los medios como consecuencia del uso de sus contenidos por parte de plataformas tecnológicas. Sin embargo, este método enfrenta dificultades para traducir el uso algorítmico en métricas comparables con el consumo humano.
El documento introduce además factores que complejizan la valoración, como la diferencia entre tipos de contenido. Las informaciones en tiempo real y las fuentes más confiables aportan mayor valor a los sistemas de inteligencia artificial, al mejorar la precisión de las respuestas y reducir errores.
Desde una perspectiva financiera, el análisis sugiere que el valor de las noticias debería vincularse a los ingresos futuros de las empresas de IA, muchas de las cuales aún no generan beneficios. Esto abre la puerta a modelos de compensación basados en valoraciones a largo plazo.
El estudio concluye que el desafío no es técnico, sino estructural. Sin cambios en las reglas del mercado o sin intervención regulatoria, los medios seguirán recibiendo una porción mínima del valor que generan, pese a que este puede medirse con relativa precisión.
