Formarse en IA en cultura: antes de usar herramientas, necesitamos saber de qué estamos hablando
En los últimos meses hay una frase que se repite cada vez más en el sector cultural: «tenemos que formarnos en inteligencia artificial».
La he escuchado en reuniones con equipos, en conversaciones con gestores culturales, en encuentros profesionales, en talleres y también en debates informales, de esos en los que aparece con más claridad lo que realmente preocupa.
Y casi nunca aparece como una frase de moda.
Aparece más bien como una mezcla de intuición, necesidad y cierta urgencia. La sensación de que algo importante está cambiando, de que la IA ya está afectando a la forma en que trabajamos, comunicamos, analizamos información y nos relacionamos con los públicos. Pero también la sensación de que todavía falta lenguaje común para abordarla bien.
No creo que el sector cultural necesite «subirse al carro» de la inteligencia artificial. Esa expresión siempre me ha parecido problemática: sugiere prisa, presión y una dirección que otros ya han decidido.
Creo, más bien, que necesitamos pararnos un momento y hacernos mejores preguntas.
Qué es realmente la IA. Qué puede hacer. Qué no puede hacer. Qué procesos puede mejorar. Qué riesgos introduce. Qué decisiones nos ayuda a tomar. Qué tareas no deberíamos delegar. Qué datos tenemos. Qué datos no tenemos. Y, sobre todo, desde qué criterio cultural queremos incorporarla.
En Nodos y Públicos trabajamos precisamente desde ahí: la IA no debe entrar en una organización cultural como una capa de modernidad, sino como una herramienta al servicio de una necesidad concreta.
Acompañamos a instituciones, equipamientos, administraciones públicas, festivales, museos, teatros y proyectos culturales en procesos de formación, diagnóstico, diseño de casos de uso y aplicación práctica de IA. Pero siempre con una premisa: antes de hablar de herramientas, conviene entender el problema.
Y conviene entenderlo en el lenguaje real de quienes gestionan cultura.
No desde una promesa abstracta de transformación, sino desde preguntas muy concretas: cómo ahorrar tiempo en tareas repetitivas, cómo ordenar información dispersa, cómo preparar mejor una campaña, cómo analizar encuestas, cómo documentar procesos internos, cómo adaptar materiales de mediación o cómo convertir datos de asistencia en información útil para decidir.
Ahí es donde la IA empieza a tener sentido.
El primer reto no es tecnológico
Una de las cosas que más me llama la atención es que muchas conversaciones sobre IA empiezan demasiado tarde.
Empiezan por la herramienta.
Por ChatGPT, por automatizaciones, por generación de imágenes, por asistentes, por análisis de datos o por plataformas que prometen hacerlo todo más rápido.
Pero, en realidad, la conversación debería empezar antes.
Debería empezar por el trabajo cotidiano de una organización cultural: cómo se toman decisiones, cómo se recoge información, cómo se comunica con los públicos, cómo se evalúa una actividad, cómo se documenta el conocimiento interno, cómo se diseñan campañas, cómo se trabaja con comunidades, cómo se preparan informes o cómo se detectan fricciones dentro de los equipos.
Pensemos en un teatro municipal que quiere llegar mejor a jóvenes universitarios, pero cuya comunicación sigue sonando demasiado institucional.
O en un área de cultura de un ayuntamiento que acumula actas, informes, memorias, estadísticas de asistencia y evaluaciones, pero no siempre consigue convertir todo ese material en aprendizaje útil.
O en un equipo de mediación que necesita adaptar un dossier artístico para distintos públicos, edades o contextos educativos, pero no tiene tiempo para crear desde cero guías, glosarios y materiales pedagógicos.
O en una organización que prepara subvenciones, justificaciones y memorias con mucha presión, muchas versiones de documentos y poco margen para ordenar la información entre áreas.
Son problemas reconocibles. No son futuristas. No son de laboratorio. Son parte del trabajo cultural de cada semana.
Y ahí la IA puede ayudar: redactar primeros borradores, resumir documentos largos, extraer tareas de una reunión, revisar tono, adaptar textos por público, ordenar información, detectar patrones, estructurar informes o preparar materiales base que después revisará el equipo.
Por eso el primer reto no es tecnológico. Es metodológico. Y también cultural.
Necesitamos entender la IA sin exagerarla, sin banalizarla y sin convertirla en una promesa mágica. Necesitamos hablar de ella con precisión, pero sin encerrarla en un lenguaje técnico que aleje a quienes tienen que tomar decisiones todos los días.
Decimos «algoritmo» como si todos habláramos de lo mismo
Hay palabras que se han instalado en nuestro vocabulario sin que siempre sepamos muy bien qué significan.
Algoritmo es una de ellas.
Decimos que «el algoritmo decide», que «el algoritmo castiga», que «el algoritmo no muestra nuestros contenidos», que «hay que entender el algoritmo».
Y algo de razón hay. Las plataformas digitales condicionan la visibilidad de los contenidos culturales. Eso es evidente. Pero conviene precisar.
Un algoritmo no decide como decide una persona. No tiene sensibilidad artística, criterio cultural ni intención propia. Es una secuencia de instrucciones que procesa datos y produce resultados.
Cuando una plataforma recomienda un vídeo, una exposición, una noticia o un espectáculo, no está comprendiendo su valor. Está calculando probabilidades a partir de comportamientos previos, interacciones, perfiles similares y señales medibles.
Esto no significa que sea neutro. Al contrario.
Significa que debemos entender mejor cómo funciona, qué datos utiliza, qué objetivos prioriza y qué sesgos puede reproducir. Pero para poder discutirlo bien, primero necesitamos nombrarlo bien.
En gestión cultural, esta precisión importa mucho. Porque si hablamos del algoritmo como si fuera una fuerza misteriosa, dejamos de preguntarnos por cuestiones que sí podemos trabajar: qué datos tenemos, cómo los recogemos, qué públicos estamos viendo y cuáles quedan fuera, qué contenidos priorizamos, qué canales usamos y qué indicadores nos están guiando.
La IA no conoce a nuestros públicos
Otra frase que aparece con frecuencia es que la IA puede ayudarnos a «conocer mejor a los públicos».
Puede hacerlo, sí. Pero con matices importantes.
La IA no conoce a nadie. No sabe por qué una persona no compra una entrada, por qué no se siente interpelada por una institución, por qué abandona una actividad, por qué se acerca a un museo o por qué deja de seguir una programación.
Lo que puede hacer es trabajar con información. Ordenarla, resumirla, clasificarla, detectar patrones, sugerir hipótesis, comparar respuestas y acelerar análisis que antes exigían muchas horas.
Eso puede ser muy valioso.
Pero solo si la información de partida tiene sentido.
Si una encuesta está mal diseñada, la IA no la convierte en una buena encuesta. Si las preguntas son vagas, las respuestas también lo serán. Si no sabemos qué queremos averiguar, el modelo nos devolverá una apariencia de claridad, pero no necesariamente una conclusión útil.
Esta es una de las razones por las que defendemos tanto la formación. Porque formar en IA no consiste solo en aprender a usar una herramienta. Consiste en aprender a pensar mejor los procesos en los que esa herramienta puede intervenir.
En una organización cultural, la IA puede ayudar a analizar respuestas abiertas de públicos, ordenar entrevistas, identificar temas recurrentes, segmentar motivaciones, preparar informes o diseñar mensajes más ajustados. Pero el criterio sigue siendo humano. La lectura cultural sigue siendo humana. La responsabilidad sigue siendo humana.
Algunos usos posibles, sin perder el criterio
Cuando una institución cultural empieza a pensar en IA, suele aparecer una pregunta muy razonable: «¿por dónde empezamos?».
Mi respuesta suele ser: por una fricción real, no por la herramienta.
Una fricción es una tarea que pesa, se repite, consume demasiado tiempo o impide dedicar energía a lo importante. Puede ser pequeña, pero debe ser concreta.
Por ejemplo: comunicar más, en más canales y con menos tiempo. Ahí la IA puede ayudar a preparar borradores de newsletters, copys para redes, notas de prensa o calendarios editoriales. No para publicar automáticamente, sino para que el equipo tenga un primer material que revisar, ajustar y validar.
Otro ejemplo: información interna dispersa. Muchas organizaciones tienen reuniones, documentos, estadísticas, informes y aprendizajes que quedan repartidos en carpetas, correos o conversaciones. La IA puede ayudar a resumir reuniones, extraer tareas, ordenar documentos, crear fichas de proceso o detectar patrones en información acumulada.
También puede ayudar en captación de fondos y justificación de proyectos. Leer bases de convocatorias, extraer requisitos, preparar estructuras de propuestas, ordenar argumentarios, sintetizar impacto o generar plantillas de trabajo puede ahorrar mucho tiempo. Pero las cifras, los compromisos, la elegibilidad y la narrativa final deben ser revisados por el equipo.
En mediación y contenidos, la IA puede servir para transformar un dossier artístico en materiales de trabajo: guías didácticas, glosarios, preguntas para docentes, versiones accesibles o propuestas de actividades. Pero la sensibilidad pedagógica, el contexto local y la relación con los públicos no se automatizan.
Estos usos son interesantes no porque sean espectaculares, sino porque son útiles.
Ahorran tiempo. Reducen fricción. Ordenan procesos. Ayudan a pensar. Permiten que los equipos dediquen más energía a lo que realmente aporta valor cultural.
Pero solo funcionan si se diseñan bien.
No todo necesita IA
También conviene decirlo con claridad: no todo necesita IA.
A veces la mejor decisión es simplificar un proceso. O mejorar una base de datos. O revisar un formulario. O ordenar documentos internos. O definir mejor los indicadores. O escuchar más a los equipos de mediación, taquilla, comunicación o atención al público, que muchas veces tienen información valiosísima y poco sistematizada.
La IA puede ser muy útil, pero no debería convertirse en una excusa para no hacer el trabajo previo.
De hecho, una buena formación en IA debería ayudar también a decidir cuándo no usarla.
Ese punto me parece fundamental.
Porque una organización madura no mide su madurez por cuánta IA usa, sino por su capacidad de distinguir dónde aporta valor, dónde introduce riesgos y dónde simplemente añade complejidad innecesaria.
Hay decisiones que siguen siendo humanas
Este punto debería estar siempre encima de la mesa.
La IA puede redactar, ordenar, sintetizar, analizar o sugerir. Pero las decisiones culturales deben seguir siendo humanas.
No debería delegarse en una herramienta la programación artística, la selección de artistas o compañías, la relación con comunidades, la mediación cultural sensible, las decisiones estratégicas, la política de precios, los compromisos con financiadores o la interpretación legal de datos sensibles.
La IA puede preparar una base. Puede ayudar a contrastar. Puede acelerar una parte del trabajo. Puede ordenar información que antes estaba dispersa.
Pero la organización valida, decide y asume la responsabilidad.
Y esa responsabilidad no es un obstáculo a la innovación. Es precisamente lo que permite usar la IA con confianza.
La formación como punto de partida
Por eso, cuando hablamos de formación en IA para instituciones y equipamientos culturales, vamos más allá de enseñar herramientas: construimos una base común dentro de los equipos.
Qué entendemos por IA. Qué diferencia hay entre automatización, algoritmo, modelo predictivo o IA generativa. Qué usos son razonables en comunicación, públicos, mediación, reporting o gestión interna. Qué límites éticos y legales debemos considerar. Qué datos se pueden utilizar. Qué información no debería compartirse. Cómo evaluar si un caso de uso funciona. Cómo evitar que la IA se convierta en una caja negra o en una moda pasajera.
La formación tiene que generar autonomía, no dependencia.
Un equipo cultural formado no necesita creer ciegamente en la IA ni rechazarla por principio. Puede discutirla, probarla, adaptarla y evaluarla. Puede conversar mejor con proveedores. Puede pedir mejor lo que necesita. Puede detectar promesas exageradas. Puede identificar oportunidades reales.
Y, sobre todo, puede incorporar la tecnología sin perder de vista su misión cultural.
Empezar pequeño también es una estrategia
A veces se piensa que incorporar IA exige grandes proyectos, grandes inversiones o una transformación inmediata de toda la organización.
No tiene por qué ser así.
De hecho, muchas veces lo más sensato es empezar con un piloto pequeño, seguro y medible.
Un caso sencillo.
Una tarea concreta.
Un equipo implicado.
Unos datos permitidos.
Una revisión humana clara.
Y unos indicadores mínimos para saber si ha aportado valor.
Por ejemplo: probar durante un trimestre si la IA ayuda a adaptar la comunicación de la programación a distintos públicos. Medir tiempo ahorrado, calidad de los borradores, facilidad de revisión, interacción por canal o aprendizaje del equipo.
O probar si sirve para convertir reuniones internas en actas ejecutivas y tareas claras. Medir tiempo ahorrado, seguimiento de acuerdos y utilidad para la coordinación.
O usarla para preparar una primera estructura de memoria o subvención. Medir horas ahorradas, errores detectados, claridad del argumentario y capacidad de colaboración entre áreas.
La clave no está en demostrar que la IA «funciona» en abstracto, sino en comprobar si mejora un proceso concreto de una organización concreta.
Una IA pensada desde la cultura
El sector cultural tiene características propias.
Trabaja con públicos diversos, con recursos limitados, con equipos muchas veces tensionados, con responsabilidades públicas, con objetivos que no siempre se pueden medir solo en términos de eficiencia, conversión o productividad.
Por eso no sirve cualquier discurso sobre IA.
No basta con importar modelos pensados para otros sectores y aplicarlos sin traducción. La cultura necesita una aproximación situada, sensible y práctica. Una IA pensada desde sus preguntas, sus tiempos, sus valores y sus formas de relación con la ciudadanía.
En Nodos y Públicos intentamos trabajar desde esa posición.
Vender IA como solución universal no nos interesa. Preferimos ayudar a las organizaciones culturales a entender dónde puede aportar valor y cómo incorporarla de forma progresiva, responsable y útil.
A veces eso empieza con una sesión de formación para un equipo directivo. Otras, con un taller práctico para áreas de comunicación, públicos o mediación. Otras, con un diagnóstico de procesos internos. Otras, con el diseño de un primer caso de uso medible.
Cada organización parte de un lugar distinto. Y precisamente por eso no creemos en recetas cerradas.
Saber de qué hablamos
Quizá el primer paso sea ese: saber de qué hablamos, no para volvernos especialistas técnicos sino para tomar mejores decisiones.
La IA ya forma parte del entorno en el que trabajamos. Está en las plataformas, en las herramientas de comunicación, en los sistemas de recomendación, en los procesos de documentación, en la producción de contenidos, en la analítica y cada vez más en la gestión cotidiana.
Podemos ignorarla, sobreactuarla o incorporarla con criterio.
La tercera opción exige tiempo, formación y conversación.
Y creo que ese es el punto en el que estamos ahora como sector: no en el de tener todas las respuestas, sino en el de empezar a formular mejor las preguntas.
Desde Nodos y Públicos queremos contribuir a esa conversación acompañando a instituciones, equipamientos y organizaciones culturales que necesitan ordenar este proceso: formar a sus equipos, identificar oportunidades, diseñar casos de uso y avanzar hacia una integración de la IA que tenga sentido para su realidad.
Formarse en IA no va de perseguir una tendencia. Va de prepararse para decidir mejor.
Si en tu organización estáis en ese momento —con interés, dudas, presión o simplemente la necesidad de entender por dónde empezar—, podemos ayudarte a dar un primer paso razonable: identificar las fricciones reales, priorizar oportunidades y diseñar un primer caso de uso pequeño, seguro y medible.
Podemos empezar por una conversación sencilla: qué os está costando más, qué procesos consumen demasiado tiempo y dónde tendría sentido probar la IA sin sobredimensionar el proyecto.
Javier Iturralde de Bracamonte
Cofundador de Nodos y Públicos · Doctor en Industrias Culturales · profesor en IE University y Columbia University