Nota: Español Conocimientos o experiencia esperados: Cierta familiaridad con el funcionamiento práctico de las herramientas de IA y los modelos de lenguaje de gran escala (LLM) —por ejemplo, haber utilizado ChatGPT o herramientas similares, o haber investigado o informado sobre temas relacionados con la IA— ayudará a aprovechar mejor el recorrido técnico. No es necesario saber programar, pero se espera que los participantes se sientan cómodos trabajando con conceptos técnicos, como arquitecturas de modelos y principios básicos de diseño experimental. Nivel: Intermedio/avanzado Qué se espera que aprendan los participantes: En esta sesión, participarás en un experimento en vivo dentro de una sala de chat junto con agentes de IA e intentarás descubrir quién es humano y quién no. Después, mostraremos cómo funciona por dentro. Utilizando una plataforma real de investigación diseñada para experimentos de ciencias sociales, recorreremos la misma arquitectura que permite a los científicos estudiar rigurosamente el comportamiento humano con IA. También mostraremos cómo ese mecanismo idéntico, despojado de consentimiento y transparencia, es el que impulsa las redes de bots y la fabricación de consensos supuestamente espontáneos en internet. Al finalizar, los participantes habrán experimentado de primera mano cuán convincentemente pueden los LLM imitar a las personas; comprenderán por qué las señales en las que confiamos para detectar una IA ya están dejando de funcionar; tendrán una mejor comprensión de cómo informar sobre investigaciones científicas realizadas con LLM; y se llevarán una lista práctica de preguntas para evaluar cualquier afirmación sobre el comportamiento de una IA o cualquier sección de comentarios sospechosamente coordinada que llegue a sus manos. Requisitos técnicos: No es necesario instalar nada. Los participantes solo necesitarán una computadora portátil o un smartphone con navegador para acceder al enlace de una sala de chat en vivo durante la sesión. ¿Se necesita algo de los participantes con anticipación? No se requiere software especializado ni ninguna configuración previa. Puede resultar útil leer de antemano una breve introducción sobre qué es un LLM y cómo generan respuestas los chatbots. De esta manera, el tiempo de la sesión podrá dedicarse directamente a la arquitectura y sus implicancias, en lugar de a los conceptos básicos. Al comienzo de la actividad en la sala de chat se mostrará una breve nota de consentimiento y contextualización.
----------
Expected skills or background: Some familiarity with how AI/LLM tools work in practice (e.g. having used ChatGPT or similar, or having reported on/researched AI-related topics) will help attendees get more out of the technical walkthrough. No coding required, but comfort engaging with technical concepts (model architectures, experimental design basics) is expected.
Level: Intermediate/Advanced
What's expected for attendees to learn: In this session, you'll join a live chatroom experiment alongside AI agents and try to work out who's human and who isn't. Then we'll pull back the curtain on how it works. Using a real research platform built for social-science experiments, we'll walk through the same architecture that lets scientists rigorously study human behavior with AI and show how the identical mechanism, stripped of consent and transparency, is what powers bot networks, and manufactured "grassroots" consensus online. Attendees will leave with a hands-on feel for how convincingly LLMs can imitate people, why the cues they rely on to spot AI are already failing, a better understanding of how to report on science conducted with LLMs, and a practical checklist for questioning any AI-behavior claim or any suspiciously coordinated comment section that crosses their desk.
Technical requirements: None to install. Attendees just need a laptop or smartphone with a browser to join a live chatroom link during the session.
AI agents are already acting on behalf of your audiences — retrieving, summarising and delivering information before a person ever reaches your journalism. The signals that make journalism trustworthy — attribution, uncertainty, chronology, editorial intent — are exactly what machine processing tends to strip out. In the first half of this workshop, participants audit a selection of their own content against the Agent Readiness Layer: a practical framework mapping each human user need against what an agent requires to serve it faithfully. The audit tends to be revealing.
The second half moves from diagnosis to design. Groups identify the biggest gaps in their content, metadata and editorial workflow — and sketch what changes would make their journalism genuinely agent-ready without sacrificing the judgment that makes it worth retrieving. Participants leave with a prioritised gap analysis and concrete next steps. Grounded in the User Needs Model and its application across major news organisations globally — and timed to mark the model's 10th anniversary.
----- Los agentes de IA ya están actuando en nombre de las audiencias: recuperan, resumen y entregan información antes de que una persona llegue directamente al contenido periodístico. Sin embargo, las señales que hacen que el periodismo sea confiable —como la atribución, la gestión de la incertidumbre, la cronología o la intención editorial— son precisamente las que los sistemas de IA tienden a perder durante el procesamiento. En la primera parte de este taller, los participantes analizarán una selección de sus propios contenidos utilizando el marco de la Agent Readiness Layer, una herramienta práctica que relaciona las necesidades de las personas usuarias con los requisitos que un agente de IA necesita para representar fielmente un contenido. Los resultados de esta evaluación suelen ser reveladores. La segunda parte estará dedicada al diseño de soluciones. En grupos, los participantes identificarán las principales brechas en sus contenidos, metadatos y flujos de trabajo editoriales, y diseñarán cambios concretos para que su periodismo esté realmente preparado para ser interpretado y distribuido por agentes de IA, sin perder el criterio editorial que le da valor. Al finalizar el taller, cada participante contará con un análisis priorizado de las principales áreas de mejora y un plan de acción con pasos concretos para avanzar hacia una estrategia de agent readiness. La propuesta se basa en el User Needs Model y en su aplicación en importantes organizaciones periodísticas de todo el mundo, coincidiendo además con el décimo aniversario de este modelo.
