te al periodismo de investigación, Stray (2019) ya había señalado que los ejemplos a este respecto son mucho más raros de lo que suele ocurrir en el discurso de innovación y tecnología adoptado por las compañías de medios.

En este sentido, el presente trabajo estudia una aplicación de Inteligencia artificial desarrollada por la estación de tele-visión brasileña más grande, Rede Globo, para informar resultados de encuestas electorales. A través de entrevistas con el creador del sistema AIDA (Algoritmo Interpretador de Dados) y el análisis de los textos generados por la herramienta, buscamos registrar la motivación de la compañía y los resultados medidos en este movimiento de innovación tecnológica en el campo periodístico.

2. Inteligencia Artificial, Automatización y Algoritmos

Para lograr el objetivo de este trabajo es importante ubicar las tecnologías de inteligencia artificial dentro del universo más amplio de la automatización. Aunque todas las formas de IA implican cierto grado de automatización (ya que el agente inteligente es capaz de reaccionar a los estímulos ambientales de forma autónoma), no toda la automatización requiere IA. Esta distinción es necesaria y relevante en el campo porque en los últimos años muchos ingenieros de IA se han quejado de la apropiación indebida del término por parte de los departamentos de marketing corporativo, apostando a que la mera mención de “inteligencia artificial” beneficiaría al negocio.

Según un estudio reciente de MMC Capital Fund, con sede en Londres, el 40% de las nuevas empresas europeas que afir-man utilizar las tecnologías de inteligencia artificial en sus negocios simplemente no aplican ninguna tecnología digital de ejecución de tareas que normalmente requiera inteligencia humana (Olson, 2019). Según el mismo estudio, hay una razón clara por la que las empresas tergiversan la IA: los proyectos que mencionan esta expresión en sus planes de negocios atraen entre un 15% y un 50% más de fondos que aquellos que no mencionan las dos palabras mágicas. Entre los inverso-res, la duda sobre la adopción efectiva de la inteligencia artificial por parte de las empresas es preocupante (Everett, 2017).

Esto se debe a que, en muchos casos, las tareas de automatización relativamente simples se confunden con las aplicacio-nes de IA porque las dos tecnologías tienen en común la capacidad de usar algoritmos para realizar sus tareas. En la defini-ción más popular, los algoritmos se comparan con recetas o conjuntos de instrucciones a seguir para obtener el resultado deseado (Bertocchi & Corrêa, 2012; Bruckner, 2018; Goffey, 2008). Los algoritmos pueden, o no, ser clasificados como “in-teligentes” dependiendo de su modo de acción. Sin embargo, la mayoría de los algoritmos son extremadamente sencillos (extremely straightforward), como señaló Tutt (2017). En tales casos, el conjunto de instrucciones es bastante limitado y el resultado es fácil de determinar. Bruckner (2018) ofrece un buen ejemplo de esto: el algoritmo que determina cuál es el valor más grande en una columna llena de números en el programa Microsoft Excel sigue tres instrucciones elementales: busque la columna, ordene los números en orden descendente y devuelva el primer resultado.

Incluso los algoritmos considerados extremadamente complejos, como Google Page Rank, que organiza los resultados de cualquier búsqueda, pueden tener una mecánica relativamente simple que impresiona más por la gran cantidad de datos procesados que por la arquitectura de este procesamiento (Tutt, 2017).