{"id":3366192,"date":"2026-11-10T14:42:58","date_gmt":"2026-11-10T19:42:58","guid":{"rendered":"https:\/\/gijn.org\/?p=3366192"},"modified":"2026-11-10T14:42:58","modified_gmt":"2026-11-10T19:42:58","slug":"chatbot-la-silla-vacia","status":"publish","type":"post","link":"https:\/\/gijn.org\/es\/articulos\/chatbot-la-silla-vacia\/","title":{"rendered":"Lo que aprendimos al crear un chatbot para el archivo de la sala de redacci\u00f3n de La Silla Vac\u00eda"},"content":{"rendered":"<p>En<a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/www.lasillavacia.com\/\"> La Silla Vac\u00eda<\/a>, observamos c\u00f3mo nuestra audiencia consume informaci\u00f3n y nos preguntamos c\u00f3mo se alinea al tipo de periodismo que queremos hacer. En 2023, cuando el auge de ChatGPT comenzaba,<a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/generative-ai-newsroom.com\/using-chatgpt-to-correct-spanish-grammar-and-style-in-news-articles-733c9c83de9a\"> este blog nos abri\u00f3 la puerta para experimentar con OpenAI Playground y corregir el estilo de nuestras historias<\/a>. Ese experimento nos dej\u00f3 una lecci\u00f3n que agradecemos haber aprendido a tiempo: lo que funcionaba en abril dej\u00f3 de funcionar en mayo porque el modelo hab\u00eda cambiado sin previo aviso. La tecnolog\u00eda cambia constantemente, y eso modifica completamente la forma de abordar cualquier proyecto de IA.<\/p>\n<aside>El hecho de que una misma pregunta pueda responderse de varias maneras no es un asunto menor para un medio especializado cuya propuesta de valor es ofrecer el mejor periodismo independiente de Colombia.<\/aside>\n<p>En 2025, con<a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/www.journalismai.info\/programmes\/innovation\/innovation-challenge-2024\/la-silla-vacia-esp\"> un conjunto de herramientas internas<\/a> que ya agilizaban la revisi\u00f3n de estilo, la creaci\u00f3n de hilos en la red social X y la redacci\u00f3n de art\u00edculos en formato resumen, decidimos dar un paso m\u00e1s: un chatbot abierto a nuestra comunidad, alimentado por nuestro archivo de noticias.<a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/www.lasillavacia.com\/opinion\/de-la-direccion\/presentamos-sillaia-nuestro-primer-chatbot-periodistico\/\"> Lo lanzamos el 24 de junio de 2025.<\/a> No ten\u00edamos certezas, solo preguntas que solo se podr\u00edan responder con el lanzamiento: c\u00f3mo reaccionar\u00eda el p\u00fablico, cu\u00e1nto costar\u00eda, si ser\u00edamos capaces de hacerlo, qu\u00e9 implicar\u00eda su mantenimiento. El 24 de junio de 2026,<a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/sillaia.lasillavacia.com\/\"> SillaIA<\/a> cumpli\u00f3 un a\u00f1o. A continuaci\u00f3n, contamos la trayectoria de esos 12 meses y lo que nos ha ense\u00f1ado sobre lo que realmente significa dirigir una redacci\u00f3n en la era de la IA.<\/p>\n<h4><b>Empezando poco a poco, a prop\u00f3sito<\/b><\/h4>\n<p>Comenzamos incorporando el bot a tres secciones de nuestro sitio:<a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/www.lasillavacia.com\/silla-nacional\/\"> Silla Nacional<\/a> (la secci\u00f3n de noticias nacionales),<a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/www.lasillavacia.com\/category\/en-vivo\/\"> En Vivo<\/a> (la secci\u00f3n de noticias en vivo\/de \u00faltima hora) y<a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/www.lasillavacia.com\/category\/quien-es-quien\/\"> Qui\u00e9n es Qui\u00e9n<\/a> (nuestros perfiles de figuras pol\u00edticas). Quer\u00edamos comprender de cerca a qu\u00e9 nos enfrent\u00e1bamos. El hecho de que una misma pregunta pueda tener varias respuestas no es un asunto menor para un medio especializado cuya propuesta de valor es ofrecer el mejor periodismo independiente de Colombia. Necesit\u00e1bamos saber cu\u00e1nto variaban las respuestas y d\u00f3nde radicaban los riesgos editoriales: en qu\u00e9 tipo de preguntas el sistema podr\u00eda equivocarse de una manera que nos costar\u00eda caro.<\/p>\n<p>Nuestro primer \u00e9xito fue un conjunto de datos de referencia: una hoja de c\u00e1lculo con un conjunto fijo de preguntas y una columna de respuestas esperadas, que ejecut\u00e1bamos cada vez que cambi\u00e1bamos una pregunta, un modelo o un par\u00e1metro. La creamos manualmente, con columnas para fechas y modelos. Todav\u00eda no sab\u00edamos c\u00f3mo usar Google Colab. Tanto la idea de implementar un conjunto de datos de referencia como el uso de Colab surgieron de compartir el proyecto con nuestros compa\u00f1eros, y por eso repetimos constantemente: \u00abCuando te enfrentes a un desaf\u00edo, busca el apoyo de tu comunidad\u00bb.<\/p>\n<aside>Muy pronto descubrimos algo m\u00e1s que tampoco hab\u00eda aparecido en nuestras pruebas: los usuarios le preguntaban a SillaIA sobre nosotros, y no solo sobre pol\u00edtica colombiana.<\/aside>\n<p>Para poner a prueba el modelo, formulamos preguntas dif\u00edciles a prop\u00f3sito. Cuando al equipo principal del proyecto se le acababan las ideas, acud\u00edamos a los periodistas y les ped\u00edamos preguntas sobre sus propias fuentes, del tipo que cre\u00edan que la IA no podr\u00eda responder. Se convirti\u00f3 en un juego: quien consiguiera que fallara, ganaba.<\/p>\n<p>Aun as\u00ed, fueron los usuarios quienes descubrieron el primer fallo importante, no nosotros: nuestro sistema depend\u00eda demasiado de coincidencias literales y no estaba preparado para la forma en que la gente escribe en la vida real. Est\u00e1bamos tan acostumbrados a que Google interpretara errores tipogr\u00e1ficos, variantes y palabras similares que asumimos que cualquier motor de b\u00fasqueda pod\u00eda hacerlo. Bastaba con que alguien escribiera con &#8220;i&#8221; un apellido que en nuestros archivos se escribe con &#8220;y&#8221; para que el sistema los tratara como dos personas diferentes. No se trataba de una pregunta mal formulada ni de un intento de confundirla: era simplemente la forma natural en que los usuarios escriben, y aun as\u00ed la respuesta era err\u00f3nea. Esto nos demostr\u00f3 que necesit\u00e1bamos combinar la b\u00fasqueda sem\u00e1ntica con mecanismos para reconocer errores ortogr\u00e1ficos, variantes de nombres y diferentes maneras de expresar la misma pregunta.<\/p>\n<p>Muy pronto descubrimos algo m\u00e1s que tampoco hab\u00edamos detectado en nuestras pruebas: los usuarios le preguntaban a SillaIA sobre <i>nosotros<\/i>, y no solo sobre pol\u00edtica colombiana. C\u00f3mo tomamos decisiones editoriales, de d\u00f3nde provienen nuestros fondos, c\u00f3mo contactar a un periodista. Preguntas leg\u00edtimas que no figuraban en nuestro archivo de noticias.<\/p>\n<p>Dos sorpresas en pocas semanas, una misma conclusi\u00f3n: \u00edbamos a tener que seguir a\u00f1adiendo funcionalidades personalizadas, a un ritmo que no pod\u00edamos predecir.<\/p>\n<h4><b>La arquitectura que resisti\u00f3 el crecimiento<\/b><\/h4>\n<p>La arquitectura siempre fue modular, pero tuvo dos momentos clave: uno antes y otro despu\u00e9s de configurar nuestras propias bases de datos y herramientas espec\u00edficas para la b\u00fasqueda sem\u00e1ntica.<\/p>\n<p>La primera versi\u00f3n consist\u00eda en una cadena de pasos desconectados, ejecutados por agentes que no compart\u00edan suficiente contexto. Uno verificaba la seguridad de la pregunta, es decir, detectaba posibles intentos de alteraci\u00f3n de mensajes: instrucciones con las que un usuario intentaba desviar al bot de su funci\u00f3n, modificar su comportamiento u obtener informaci\u00f3n interna. Otro verificaba si exist\u00eda una respuesta predeterminada: una respuesta que hab\u00edamos preparado con antelaci\u00f3n para las preguntas frecuentes sobre La Silla Vac\u00eda o sobre SillaIA, cuya informaci\u00f3n no cambia significativamente con el tiempo.<\/p>\n<p>Posteriormente, un tercer modelo clasific\u00f3 la consulta: pod\u00eda tratarse de una pregunta sobre un tema, el perfil de una persona, un asunto que La Silla no cubr\u00eda o una solicitud que el sistema deb\u00eda rechazar. En funci\u00f3n de esta clasificaci\u00f3n, se seleccion\u00f3 la fuente a consultar. Otro agente realiz\u00f3 una b\u00fasqueda c\u00edclica en la API de WordPress de La Silla Vac\u00eda, seleccion\u00f3 el contenido m\u00e1s relevante y, finalmente, un \u00faltimo agente redact\u00f3 la respuesta.<\/p>\n<div id=\"attachment_3366216\" style=\"width: 346px\" class=\"wp-caption alignnone\"><a href=\"https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/1Ojxp6nJJPQRfhwVgzUljaQ-1215x2048-1.webp\"><img loading=\"lazy\" decoding=\"async\" aria-describedby=\"caption-attachment-3366216\" class=\"size-medium wp-image-3366216\" src=\"https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/1Ojxp6nJJPQRfhwVgzUljaQ-1215x2048-1-336x566.webp\" alt=\"Imagen: Cortes\u00eda de Generative AI en el canal de noticias de Medium\" width=\"336\" height=\"566\" srcset=\"https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/1Ojxp6nJJPQRfhwVgzUljaQ-1215x2048-1-336x566.webp 336w, https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/1Ojxp6nJJPQRfhwVgzUljaQ-1215x2048-1-771x1300.webp 771w, https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/1Ojxp6nJJPQRfhwVgzUljaQ-1215x2048-1-768x1295.webp 768w, https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/1Ojxp6nJJPQRfhwVgzUljaQ-1215x2048-1-911x1536.webp 911w, https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/1Ojxp6nJJPQRfhwVgzUljaQ-1215x2048-1.webp 1215w\" sizes=\"auto, (max-width: 336px) 100vw, 336px\" \/><\/a><p id=\"caption-attachment-3366216\" class=\"wp-caption-text\">Imagen: Cortes\u00eda de Generative AI en el canal de noticias de Medium<\/p><\/div>\n<p>La l\u00f3gica de los pasos era correcta, pero implementarla con muchos agentes que solo se comunicaban entre s\u00ed mediante entradas y salidas gener\u00f3 problemas. El agente que identificaba el tipo de pregunta no proporcionaba suficiente contexto al agente que realizaba la b\u00fasqueda (solo el tipo y el texto original), por lo que en cada paso el siguiente agente perd\u00eda informaci\u00f3n. Era un proceso deficiente.<\/p>\n<p>Decidimos dar el salto a la b\u00fasqueda sem\u00e1ntica justo cuando los agentes aut\u00f3nomos comenzaban a ganar terreno. Cuando empezamos, los modelos de razonamiento apenas estaban en fase beta; seis meses despu\u00e9s, ya eran una tecnolog\u00eda ampliamente aceptada. Ese salto nos brind\u00f3 la oportunidad de redise\u00f1ar la l\u00f3gica.<\/p>\n<p>Mantuvimos la misma l\u00f3gica subyacente (seguridad, respuestas predeterminadas, identificaci\u00f3n de tipo, b\u00fasqueda iterativa con clasificaci\u00f3n y respuesta), pero modificamos la distribuci\u00f3n del trabajo. En lugar de modelos separados, cada uno con su propio contexto, configuramos la mayor\u00eda de los pasos como tareas para un \u00fanico agente aut\u00f3nomo, que recurre a subagentes en casos espec\u00edficos. Ambas versiones eran multiagente, pero pasamos de un esquema lineal, donde cada agente realizaba un paso y se lo pasaba al siguiente, a uno jer\u00e1rquico, donde un agente principal gestiona la mayor parte del flujo y solicita ayuda a los subagentes para tareas espec\u00edficas.<\/p>\n<p>Para el entorno de ejecuci\u00f3n, utilizamos<a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/mastra.ai\/\"> Mastra<\/a>, un marco de agentes estilo LangChain, desarrollado completamente en TypeScript y muy ligero. Lo elegimos porque el entorno de ejecuci\u00f3n de Python no nos funcion\u00f3 bien en Vercel. Mastra es independiente del modelo, lo que nos permiti\u00f3 probar muchos modelos y modificarlos r\u00e1pidamente. Comenzamos las pruebas en Opus y luego implementamos GPT 5.1. Actualmente, utilizamos una combinaci\u00f3n de GPT 5.4 con un alto nivel de an\u00e1lisis y esfuerzo para el agente principal y GPT 5.4 nano con la misma configuraci\u00f3n para tareas espec\u00edficas del proceso. Monitoreamos y modificamos constantemente los modelos, y el siguiente paso es evaluar un cambio a los modelos fronterizos de GPT 5.5 Sol y Luna.<\/p>\n<aside>En sus primeros doce meses, SillaIA respondi\u00f3 a 26.011 preguntas de unos 20.000 usuarios \u00fanicos: una media de unas 2.167 preguntas al mes.<\/aside>\n<p>El sistema consta de tres componentes: herramientas para realizar b\u00fasquedas, un agente principal que responde y coordina, y subagentes para b\u00fasquedas especializadas.<\/p>\n<p>Antes de que el agente principal comience a operar, la pregunta pasa por un filtro independiente: el de respuestas predeterminadas. Resolverlas fuera del proceso del agente las hace mucho m\u00e1s r\u00e1pidas y econ\u00f3micas: la respuesta correcta ya est\u00e1 escrita y no es necesario generarla de nuevo.<\/p>\n<p>Si no hay coincidencia, el agente principal toma el control. Recibe la pregunta, la clasifica y, seg\u00fan su tipo, decide qu\u00e9 base de datos consultar. La regla de enrutamiento es sencilla: el agente consulta directamente la base de datos sem\u00e1ntica de La Silla Vac\u00eda, alojada en Elasticsearch, que puede responder aproximadamente al 90 % de las preguntas.<\/p>\n<p>Las b\u00fasquedas que requieren consultas m\u00e1s complejas en bases de datos como MongoDB o SQL se delegan a un subagente, casi siempre con un modelo m\u00e1s peque\u00f1o. Ah\u00ed es donde se encuentran, por ejemplo, los resultados hist\u00f3ricos de elecciones, el directorio de periodistas de La Silla Vac\u00eda y la base de datos de candidatos al Congreso. Tras recibir la informaci\u00f3n de una herramienta o un subagente, el agente principal verifica que tiene todo lo necesario y elabora la respuesta.<\/p>\n<p>Este an\u00e1lisis contextual permite que pasos que antes se realizaban por separado trabajen juntos de forma integrada. Por ejemplo, el filtro de seguridad ya no es un paso independiente, sino que forma parte de la verificaci\u00f3n del tipo de pregunta que lleva a cabo el mismo agente. Esto permite que el agente, utilizando el contexto proporcionado por las herramientas, determine si una consulta es segura o no.<\/p>\n<div id=\"attachment_3366239\" style=\"width: 346px\" class=\"wp-caption alignnone\"><a href=\"https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/1HgeJcKjPfR2URrQKJs0qmw-1189x2048-1.webp\"><img loading=\"lazy\" decoding=\"async\" aria-describedby=\"caption-attachment-3366239\" class=\"size-medium wp-image-3366239\" src=\"https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/1HgeJcKjPfR2URrQKJs0qmw-1189x2048-1-336x579.webp\" alt=\"Imagen: Cortes\u00eda de Generative AI en el canal de noticias de Medium\" width=\"336\" height=\"579\" srcset=\"https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/1HgeJcKjPfR2URrQKJs0qmw-1189x2048-1-336x579.webp 336w, https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/1HgeJcKjPfR2URrQKJs0qmw-1189x2048-1-771x1328.webp 771w, https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/1HgeJcKjPfR2URrQKJs0qmw-1189x2048-1-768x1323.webp 768w, https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/1HgeJcKjPfR2URrQKJs0qmw-1189x2048-1-892x1536.webp 892w, https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/1HgeJcKjPfR2URrQKJs0qmw-1189x2048-1.webp 1189w\" sizes=\"auto, (max-width: 336px) 100vw, 336px\" \/><\/a><p id=\"caption-attachment-3366239\" class=\"wp-caption-text\">Imagen: Cortes\u00eda de Generative AI en el canal de noticias de Medium<\/p><\/div>\n<p>La ventaja de este sistema, y \u200b\u200bde Mastra, es simple: a\u00f1adir una fuente de datos implica crear la funci\u00f3n, describir la herramienta y asignarla en el mensaje a los tipos de preguntas donde corresponda. Esto nos permite a\u00f1adir y eliminar herramientas seg\u00fan la actualidad informativa: habilitamos una mientras un tema sea relevante y la desactivamos cuando deje de serlo.<\/p>\n<h4><b>La obsesi\u00f3n por medir<\/b><\/h4>\n<p>Un proyecto como este se sustenta en varias capas. En la base, un liderazgo que decidi\u00f3 apostar por \u00e9l y mantenerlo en marcha. Encima, la infraestructura que lo hace posible. Y sobre ambas, sustentada en las dos, la rutina que le ha dado direcci\u00f3n este primer a\u00f1o: medir, sin descanso, desde el primer d\u00eda.<\/p>\n<aside>Escuchar a los usuarios transforma el producto. Por ejemplo, con las elecciones legislativas a la vuelta de la esquina, nos dimos cuenta de que los usuarios buscaban candidatos, listas numeradas y partidos.<\/aside>\n<p>Hacemos un seguimiento de cu\u00e1ntas interacciones recibimos, cu\u00e1nto nos cuestan y, lo que es m\u00e1s revelador, qu\u00e9 preguntas nos hacen los usuarios. En sus primeros doce meses, SillaIA respondi\u00f3 26 mil 11 preguntas de unos 20 mil usuarios \u00fanicos: un promedio de unas 2 mil 167 preguntas al mes. Nuestro d\u00eda de mayor actividad fue el 21 de junio de 2026, la segunda vuelta de las elecciones presidenciales, con mil 20 preguntas en 24 horas, 14 veces m\u00e1s que en un d\u00eda normal.<\/p>\n<p>Esos n\u00fameros describen el tr\u00e1fico. El tipo de pregunta describe al lector. Funciona como una br\u00fajula: nos muestra c\u00f3mo la audiencia comprende el producto y orienta las decisiones sobre su desarrollo. Cada semana clasificamos las preguntas con IA y validamos los patrones manualmente. El responsable del proyecto revisa la hoja de c\u00e1lculo, define las acciones a seguir y, mediante un c\u00f3digo de colores, cada miembro del equipo puede identificar de un vistazo qu\u00e9 tareas requieren su atenci\u00f3n.<\/p>\n<p>Esa capacidad de escucha transforma el producto. Por ejemplo, con las elecciones legislativas a la vuelta de la esquina, observamos que los usuarios buscaban candidatos, listas numeradas y partidos, pero en nuestro calendario editorial los perfiles de los candidatos al Congreso a\u00fan tardar\u00edan semanas en publicarse. Para que nadie se fuera con las manos vac\u00edas, preparamos una base de datos b\u00e1sica con los candidatos al Senado y a la C\u00e1mara de Representantes, el partido al que pertenec\u00edan y su n\u00famero de papeleta. La integramos como una herramienta temporal, que podr\u00edamos retirar una vez que pasara el momento de la noticia.<\/p>\n<p>La noche de las elecciones legislativas nos depar\u00f3 algo inesperado: los usuarios solicitaron a SillaIA resultados en tiempo real. No est\u00e1bamos preparados. Sin embargo, la reiterada pregunta puso de manifiesto una carencia que pod\u00edamos <i>subsanar<\/i> para las elecciones presidenciales, y en la primera y segunda vuelta ofrecimos datos de recuento de votos en tiempo real, tanto a nivel nacional como departamental, con otra herramienta temporal habilitada para esos d\u00edas.<\/p>\n<p>No todo lo que a\u00f1adimos fue temporal. Esa misma escucha nos llev\u00f3 a integrar fuentes que permanecieron: el<a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/www.lasillavacia.com\/detector-de-mentiras\/\"> Detector de Mentiras<\/a> (\u201cLie Detector\u201d, nuestra secci\u00f3n de verificaci\u00f3n de datos) y<a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/www.lasillavacia.com\/silla-amazonia\/\"> Silla Amazon\u00eda<\/a> (nuestra secci\u00f3n sobre la regi\u00f3n amaz\u00f3nica).<\/p>\n<p>La escucha tambi\u00e9n cambia lo que informamos. Preguntas recurrentes se han convertido en art\u00edculos period\u00edsticos como estos:<\/p>\n<ul>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/www.lasillavacia.com\/silla-nacional\/respuestas-a-las-preguntas-mas-importantes-hechas-a-la-sillaia\/\">Respuestas a las preguntas m\u00e1s importantes sobre las elecciones hechas a la SillaIA<\/a><\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/www.lasillavacia.com\/silla-nacional\/respuestas-a-las-preguntas-mas-frecuentes-sobre-los-escrutinios-hechas-a-la-sillaia\/\">Respuestas a las preguntas m\u00e1s frecuentes sobre el recuerdo de votos hechos a la SillaIA<\/a><\/li>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/www.lasillavacia.com\/en-vivo\/elecciones-colombia-2026-guia-completa-para-votar-este-8-de-marzo\/\">Elecciones 2026: gu\u00eda completa para votar este 8 de marzo<\/a><\/li>\n<\/ul>\n<p>Registramos algunos de estos cambios en un registro p\u00fablico que creamos cuando el propio equipo se\u00f1al\u00f3 que era dif\u00edcil estar al tanto de todo lo que modific\u00e1bamos constantemente.<\/p>\n<ul>\n<li style=\"font-weight: 400;\" aria-level=\"1\"><a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/www.lasillavacia.com\/sobre-nosotros\/laboratorio-de-inteligencia-artificial\/bitacora-de-sillaia-novedades-y-cambios-mes-a-mes\/\">Bit\u00e1cora de SillaIA: novedades y cambios, mes a mes<\/a><\/li>\n<\/ul>\n<h4><b>C\u00f3mo contuvimos los costos<\/b><\/h4>\n<p>Cuando empezamos, no sab\u00edamos c\u00f3mo calcular los costos de un proyecto como este. Hablamos con otras organizaciones que ten\u00edan proyectos similares para entender c\u00f3mo los hab\u00edan gestionado y elaboramos nuestras propias proyecciones: cu\u00e1nto costar\u00eda si una parte de los lectores, o de los Superamigos (&#8220;Superamigos&#8221;, los miembros de nuestro programa de membres\u00eda), agotaran todas sus preguntas cada mes, o qu\u00e9 pasar\u00eda si alguien con malas intenciones quisiera agotar nuestros tokens en mitad de la noche.<\/p>\n<p>De ah\u00ed surgieron los l\u00edmites: 10 preguntas al mes para cualquier lector, 50 para Superamigos y una cuota aparte para periodistas, editores y el equipo que prueba el sistema. Adem\u00e1s, se estableci\u00f3 un l\u00edmite de gasto mensual en los LLM, con alertas al alcanzar ciertos umbrales, y un etiquetado espec\u00edfico de generaci\u00f3n y consulta que nos ha permitido realizar un seguimiento del uso y el costo de cada paso del proceso y comprender los cuellos de botella.<\/p>\n<p>Los diferentes niveles son una invitaci\u00f3n a apoyarnos, s\u00ed, pero sobre todo una forma de avanzar dentro de un presupuesto limitado sin exponerse a una factura imposible.<\/p>\n<h4><b>El producto que nunca termina<\/b><\/h4>\n<aside>SillaIA vuelve al taller cada vez que cambia una pieza que no controlamos. No es un producto que mantengamos, sino un producto que rehacemos parcialmente una y otra vez.<\/aside>\n<p>En casi todos los programas inform\u00e1ticos existe una expectativa impl\u00edcita: se compilan, se lanzan y luego entran en una fase de soporte ligero, mantenimiento de bajo costo y ajustes ocasionales. Con SillaIA, esa fase nunca lleg\u00f3. Y ahora sabemos que nunca llegar\u00e1.<\/p>\n<p>Las actualizaciones de los modelos nos toman desprevenidos, casi siempre cuando menos lo esperamos. Un proveedor cambia una versi\u00f3n, deja de dar soporte a otra, modifica un precio o ajusta la respuesta del sistema. Lo peor no es la soluci\u00f3n en s\u00ed, sino que esos cambios no se ajustan a ning\u00fan calendario. No podemos planificar en qu\u00e9 semana del trimestre tendremos que interrumpir lo que est\u00e1bamos haciendo para adaptarnos a los cambios. Simplemente llegan, y no nos queda m\u00e1s remedio.<\/p>\n<p>La consecuencia pr\u00e1ctica es que SillaIA vuelve a empezar de cero cada vez que cambia algo que no controlamos. No es un producto que mantengamos, sino uno que rehacemos parcialmente una y otra vez. Esto cambia el c\u00e1lculo de cu\u00e1nto cuesta operar la IA en una redacci\u00f3n: el gasto no se limita a la infraestructura o a la factura mensual, sino que tambi\u00e9n implica mantener un equipo capaz de detectar a tiempo un fallo y solucionarlo antes de que un lector reciba una respuesta err\u00f3nea sobre unas elecciones.<\/p>\n<h4><b>Agradecimientos<\/b><\/h4>\n<p>Este proyecto no habr\u00eda sido posible sin el apoyo de la Fundaci\u00f3n Konrad Adenauer (KAS) ni la participaci\u00f3n activa de varios compa\u00f1eros. Iv\u00e1n Montes, responsable t\u00e9cnico de La Silla Vac\u00eda, desarroll\u00f3 la interfaz de usuario. Laura Torrado, editora de nuestro equipo, aport\u00f3 su criterio durante todo el proceso. Y Juan Romero, del equipo de tecnolog\u00eda, colabor\u00f3 \u200b\u200ben varias rondas de pruebas y configur\u00f3 las preguntas predefinidas.<\/p>\n<p><i>Nota del editor: Este art\u00edculo se<\/i><a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/medium.com\/generative-ai-in-the-newsroom\/what-we-learned-building-a-chatbot-for-la-silla-vac%C3%ADas-newsroom-archive-b99033767aff\"> <i>public\u00f3 originalmente<\/i><\/a><i> en el<\/i><a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/generative-ai-newsroom.com\/\"> <i>canal Generative AI in the Newsroom de Medium<\/i><\/a><i> y se reproduce aqu\u00ed con permiso.\u00a0<\/i><\/p>\n<hr \/>\n<p><a href=\"https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/dWN-CP-g_400x400-336x336-1.jpg\"><img loading=\"lazy\" decoding=\"async\" class=\" wp-image-3366262 alignleft\" src=\"https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/dWN-CP-g_400x400-336x336-1.jpg\" alt=\"\" width=\"122\" height=\"122\" srcset=\"https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/dWN-CP-g_400x400-336x336-1.jpg 336w, https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/dWN-CP-g_400x400-336x336-1-140x140.jpg 140w\" sizes=\"auto, (max-width: 122px) 100vw, 122px\" \/><\/a><a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/www.linkedin.com\/in\/kpdelahoz\/\"><b><i>Karen De la Hoz<\/i><\/b><\/a><i> es la responsable de IA en La Silla Vac\u00eda e imparte clases sobre nuevas tecnolog\u00edas en la Universidad de Cartagena, Colombia. Adem\u00e1s, dirige el canal Generative AI in the Newsroom en Medium y el blog Noches de Media, que explora la intersecci\u00f3n entre periodismo, tecnolog\u00eda y sociolog\u00eda.<\/i><\/p>\n<p>&nbsp;<\/p>\n<p><a href=\"https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/Pablo_Manrique_lsv-240x240-1.png\"><img loading=\"lazy\" decoding=\"async\" class=\" wp-image-3366285 alignleft\" src=\"https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/Pablo_Manrique_lsv-240x240-1.png\" alt=\"\" width=\"135\" height=\"135\" srcset=\"https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/Pablo_Manrique_lsv-240x240-1.png 240w, https:\/\/gijn.org\/wp-content\/uploads\/2026\/11\/Pablo_Manrique_lsv-240x240-1-140x140.png 140w\" sizes=\"auto, (max-width: 135px) 100vw, 135px\" \/><\/a><a rel=\"noopener\" target=\"_blank\" href=\"https:\/\/www.lasillavacia.com\/author\/pablo-manrique\/\"><b><i>Pablo Manrique<\/i><\/b><\/a><i> es economista y cient\u00edfico de datos con experiencia en startups y consultor\u00edas, especializado en an\u00e1lisis de datos y desarrollo de inteligencia artificial. Utiliza inteligencia artificial y miner\u00eda de datos para la redacci\u00f3n y el an\u00e1lisis, con especial atenci\u00f3n a temas econ\u00f3micos. Adem\u00e1s, es el desarrollador back-end de La Silla Vacia AI Lab.<\/i><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Dedicamos doce meses a desarrollar una herramienta de IA para nuestro sitio web de noticias independiente en Colombia. Esto es lo que aprendimos sobre c\u00f3mo gestionar una redacci\u00f3n en la era de la inteligencia artificial.<\/p>\n","protected":false},"author":3031197,"featured_media":3366193,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_price":"","_stock":"","_tribe_ticket_header":"","_tribe_default_ticket_provider":"TEC\\Tickets\\Commerce\\Module","_tribe_ticket_capacity":"0","_ticket_start_date":"","_ticket_end_date":"","_tribe_ticket_show_description":"","_tribe_ticket_show_not_going":false,"_tribe_ticket_use_global_stock":"","_tribe_ticket_global_stock_level":"","_global_stock_mode":"","_global_stock_cap":"","_tribe_rsvp_for_event":"","_tribe_ticket_going_count":"","_tribe_ticket_not_going_count":"","_tribe_tickets_list":"[]","_tribe_ticket_has_attendee_info_fields":false,"republication-tracker-tool-hide-widget":false,"footnotes":"","_tec_slr_enabled":"","_tec_slr_layout":""},"categories":[23188],"tags":[25911,23267,23268,27631],"gijn_topic":[29019],"series":[],"gijn_language":[],"gijn_region":[],"class_list":["post-3366192","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-articulos","tag-chatbots-es","tag-ia-es","tag-inteligencia-artificial-es","tag-la-silla-vacia-es","gijn_topic-tech-ia"],"acf":[],"ticketed":false,"_links":{"self":[{"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/posts\/3366192","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/users\/3031197"}],"replies":[{"embeddable":true,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/comments?post=3366192"}],"version-history":[{"count":1,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/posts\/3366192\/revisions"}],"predecessor-version":[{"id":3366308,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/posts\/3366192\/revisions\/3366308"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/media\/3366193"}],"wp:attachment":[{"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/media?parent=3366192"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/categories?post=3366192"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/tags?post=3366192"},{"taxonomy":"gijn_topic","embeddable":true,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/gijn_topic?post=3366192"},{"taxonomy":"series","embeddable":true,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/series?post=3366192"},{"taxonomy":"gijn_language","embeddable":true,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/gijn_language?post=3366192"},{"taxonomy":"gijn_region","embeddable":true,"href":"https:\/\/gijn.org\/es\/wp-json\/wp\/v2\/gijn_region?post=3366192"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}