Empezó con un problema real

Pànxing gestiona diversos portales de noticias locales y comarcales en Cataluña. Cada semana recibe documentos en formatos diferentes: Word, PDF, imágenes con texto, carteles escaneados. Todo este material se ha de convertir en artículos publicables en WordPress, escritos en catalán y optimizados para SEO. El proceso era manual, lento y repetitivo. Copiar, pegar, corregir, adaptar, publicar. Hora tras hora, semana tras semana.

La idea

La idea era sencilla: utilizar IA para automatizar la mayor parte del proceso. Que recibiera el documento original, lo procesara y generara un artículo listo para publicar.

Tenía que funcionar. Lo que no era tan evidente era hasta dónde podría llegar la IA y qué partes necesitarían supervisión humana.

Lo que se construyó

Se construyó una herramienta que divide el trabajo en tres fases: preparación, edición y exportación. En la fase de preparación, el sistema recibe los documentos, extrae el texto, hace OCR cuando es necesario, normaliza las imágenes y lo convierte todo a Markdown con un frontmatter que define la categoría, la fuente y otros metadatos.

En la fase de edición, la IA genera el artículo final a partir del contenido preparado, siguiendo las pautas editoriales de Pànxing. Aquí es donde interviene la mayor parte del trabajo de la IA. En la fase de exportación, el artículo generado se convierte al formato que necesita WordPress para publicarlo.

Cada fase se puede revisar. El resultado de una fase alimenta la siguiente y, en cualquier momento, se puede detener el proceso para hacer correcciones.

El primer problema: la IA inventa

El primer gran problema apareció rápidamente. En artículos de agenda —ferias, fiestas, mercados, actividades culturales— la IA generaba información que no aparecía en las fuentes originales. Horarios que no existían, precios inventados, actividades que no aparecían en ningún sitio. La IA no se lo inventaba deliberadamente; simplemente completaba la información con lo que le parecía lógico. Pero, en un artículo de agenda, un horario incorrecto no es un error menor: es información errónea publicada bajo el nombre del portal.

La solución fue añadir un sistema de validación que compara los horarios y los datos clave del artículo generado con los datos de la fuente original. Si algo no encaja, se marca para que se revise. No se publica.

El segundo problema: el catalán

El catalán ha sido un reto constante. La IA genera textos correctos la mayoría de las veces, pero hay errores que no detecta automáticamente: apóstrofos mal colocados, calcos del castellano o expresiones que parecen correctas pero que no lo son.

Para un portal de noticias que publica en catalán cada día, esto es importante. No se puede publicar un artículo con errores ortográficos visibles bajo el nombre del medio.

Por eso, la IA genera, pero una persona revisa. El sistema no está pensado para sustituir al editor, sino para ahorrarle la parte más pesada del trabajo para que se pueda centrar en la calidad final.

El tercer problema: los formatos

No todo lo que recibimos es un documento limpio. Hay carteles con texto sobre fondos complicados, PDF con tablas que no se estructuran bien e imágenes con texto escrito a mano que el OCR no reconoce correctamente. El OCR clásico funciona con textos sencillos, pero cuando el material es complejo o la calidad es baja, se queda corto. Aquí la IA visual ayuda: puede identificar texto en imágenes que el OCR no puede reconocer, pero tampoco es perfecta. La solución ha sido aceptar que no todo se puede automatizar. Cuando el material es demasiado complejo, el sistema lo marca y una persona hace la extracción manualmente. Es un porcentaje pequeño, pero hay que tenerlo previsto.

Tres niveles de fidelidad

Una de las decisiones más importantes fue definir tres niveles de fidelidad editorial. El nivel normal permite a la IA reinterpretar y adaptar el contenido para generar un artículo fluido. Funciona bien para noticias o artículos de opinión.

El nivel fiel obliga a la IA a mantenerse más cerca del texto original. Se utiliza para contenidos en los que la fidelidad a la fuente es importante, como entrevistas o declaraciones.

El nivel estricto solo permite reorganizar y limpiar el texto original, sin añadir ni modificar información. Se utiliza para datos estructurados, horarios o información factual.

Esta diferenciación es lo que permite utilizar la IA con confianza para diferentes tipos de contenidos sin que el resultado sea imprevisible.

El papel del humano

Después de todo el proceso, la conclusión es clara: la IA no lo puede hacer todo sola. Puede asumir gran parte del trabajo pesado, estructurar información, generar textos razonables y acelerar el proceso de manera significativa. Pero no puede sustituir el criterio editorial.

Una persona revisa que los horarios sean correctos, que los nombres propios estén bien escritos, que el tono sea el adecuado y que la información refleje lo que realmente dice la fuente.

La IA prepara, el humano valida. Esta es la combinación que funciona.