IA reescribiendo la historia: qué pasa si los algoritmos deciden qué recordamos

IA · MEMORIA HISTÓRICA · ALGORITMOS QUE EDITAN EL PASADO

Este artículo encaja con tus piezas sobre futuro político algorítmico, como qué pasa cuando una IA decide qué es verdad en internet o cómo sería una democracia donde una IA elige tu voto. Allí miras el futuro; aquí miramos el pasado: quién controla lo que queda registrado de él.

1. Del álbum familiar al laboratorio de IA

Empieza en algo aparentemente inocente: subes una foto en blanco y negro de tus abuelos a una app, pulsas un botón y, en segundos, aparece una versión restaurada, coloreada e incluso animada. Parpadean, sonríen, giran la cabeza. Es emocionante. Parece magia. Es deep learning.

Herramientas como Deep Nostalgia de MyHeritage han popularizado este gesto hasta niveles masivos: más de cien millones de animaciones de fotos familiares en pocos años, convertidas en vídeos cortos perfectos para redes sociales y grupos de WhatsApp. De repente, archivos privados se vuelven contenido compartible y, a veces, viral.

Lo potente de estas herramientas no es solo la calidad técnica, sino lo emocional. No “miran” el pasado como lo haría un historiador, sino como lo haría un algoritmo entrenado para generar caras agradables, bien iluminadas, con movimientos suaves. Es un pasado optimizado para emocionarnos, no para incomodarnos.

Cuando esa lógica salta del álbum familiar a escenas de guerras, dictaduras o genocidios, la línea se vuelve muy fina. Ahí es donde la memoria histórica deja de ser solo un tema cultural y se convierte en un problema de producto: qué hace exactamente tu plataforma cuando alguien sube una imagen del pasado para “mejorarla”.

2. Restaurar no es neutro: el riesgo de embellecer el horror

En los últimos años se han multiplicado los casos polémicos: proyectos que colorean fotos de presos del Khmer Rouge en Camboya, imágenes de campos de concentración o retratos de víctimas del Holocausto, presentados como “acercar la historia a las nuevas generaciones”. La reacción de historiadores y memoriales suele ser la misma: cuidado, no estamos hablando de filtros bonitos, sino de violencia real.

Cuando coloreas, suavizas arrugas, quitas ruido o “arreglas” la expresión facial de alguien asesinado por un régimen, estás tomando decisiones editoriales fuertes: qué tono de piel, qué luz, qué emoción. Estás añadiendo información que nunca estuvo en el original. Y si no lo marcas claramente como reconstrucción especulativa, el usuario medio lo leerá como documento auténtico.

El problema crece cuando estas imágenes se desconectan del contexto. Reaparecen compartidas años después, sin marcas de agua ni avisos, compitiendo en el mismo feed con memes y vídeos virales. Lo que nació como un “experimento” acaba circulando como archivo histórico. Y a la larga, los límites entre documento y fantasía se desdibujan.

Tu pieza sobre deepfakes de Martin Luther King ya apunta a esto: cuando generas vídeo hiperrealista de figuras históricas, no solo “juegas” con su imagen, estás creando nuevas capas de memoria que compiten con los archivos reales. La IA transforma la historia en un espacio editable, y es muy fácil que el espectáculo se coma al testimonio.

3. Buscadores y feeds como nuevos archivos nacionales

Cuando pensamos en memoria histórica, solemos imaginar archivos estatales, bibliotecas, museos, centros de documentación. Pero para la mayoría de personas menores de 30, la puerta de entrada al pasado es otra: la caja de búsqueda y el feed infinito.

Investigaciones recientes en estudios de memoria digital hablan de “memoria conectiva” y “memoria de la multitud” para describir cómo las redes sociales y sus algoritmos reordenan lo que una comunidad recuerda y olvida. No es solo qué contenidos existen, sino cómo se priorizan, recomiendan y vuelven a aparecer en aniversarios, hashtags y tendencias.

Aquí entra el concepto de memoria algorítmica: sistemas de IA que filtran, rankean y resumen información a tal escala que, de facto, deciden qué historias permanecen visibles en el espacio público y cuáles quedan enterradas en la página 15 de resultados. Ya no es una bibliotecaria quien te guía, sino una función de ranking optimizada para clics, retención y “seguridad de marca”.

Si cruzas esto con asistentes de IA que responden en lenguaje natural, el efecto se amplifica. En lugar de una lista de enlaces, recibes una narrativa ya preestructurada. Si preguntas “qué pasó realmente en tal protesta, en tal guerra, en tal dictadura”, la respuesta que leas puede convertirse en tu versión por defecto del pasado, aunque esté incompleta, sesgada o mal citada. Por eso tiene tanto sentido pensar en asistentes híbridos como los que analizas en asistentes de IA para noticias, donde la máquina no opera sola, sino supervisada y con trazabilidad de fuentes.

4. Cuando la corrección política se convierte en historia alternativa

Un caso reciente lo hizo muy visible: el lanzamiento del generador de imágenes históricas de Gemini. Usuarios denunciaron que el modelo representaba a soldados nazis como personas racialmente diversas o que generaba padres fundadores de Estados Unidos como personas negras o asiáticas en contextos donde históricamente eran hombres blancos. El objetivo era combatir sesgos, pero el resultado fue una distorsión del registro histórico.

Google terminó admitiendo que “se había equivocado” en la forma de aplicar diversidad en contextos históricos concretos y pausó esta función para revisarla. La lección es incómoda: incluso con buena intención, si intentas arreglar injusticias del presente reescribiendo la representación del pasado sin etiquetarlo como ficción, acabas fabricando una historia alternativa.

El dilema se parece al que planteas en la nueva guerra fría de la IA entre Estados Unidos, China y Europa: cada bloque geopolítico quiere modelos alineados con sus valores. En el terreno de la memoria histórica eso se traduce en algo muy concreto: tres versiones del mismo siglo veinte, según quién entrene y despliegue los algoritmos.

5. Moderación, derecho al olvido y agujeros en el archivo

A la vez, la regulación empuja en la dirección opuesta: borrar. El derecho al olvido, la retirada de discursos de odio, la eliminación de contenidos ilegales. En la Unión Europea, el Reglamento de Servicios Digitales (DSA) obliga a las grandes plataformas a gestionar mejor los riesgos de desinformación, odio y daño social, y a dar transparencia sobre cómo moderan contenido.

Esto es razonable cuando hablamos de delitos claros, pero en la frontera con la memoria histórica la cosa se complica. ¿Qué pasa con testimonios incómodos, archivos que muestran brutalidad policial, documentos que evidencian abusos de empresas o gobiernos? La línea entre “proteger” y “borrar huellas” puede ser muy fina, sobre todo cuando gran parte del pasado reciente solo existe ya en forma digital.

Las tensiones son visibles en los choques entre plataformas y reguladores. La Comisión Europea ha tenido que recordar públicamente a empresas como Meta que el objetivo no es censurar opiniones legítimas, sino retirar contenido ilegal y garantizar sistemas de moderación auditables. En paralelo, algunas plataformas reducen inversión en verificación de datos y apuestan por sistemas abiertos de anotaciones comunitarias, con resultados desiguales.

Entre los dos extremos —todo vale y lo borramos casi todo— falta una capa: políticas pensadas específicamente para memoria histórica. Igual que exiges procesos serios cuando hablas de algoritmos de policía predictiva, necesitamos estándares claros sobre qué se puede editar, sintetizar o deindexar cuando afectan a crímenes, violencias y derechos humanos.

6. IA como aliada de archivistas e historiadores

No todo son distopías. Las mismas técnicas que pueden distorsionar el pasado también están permitiendo rescatarlo. Modelos de reconocimiento de texto transcriben a gran velocidad documentos manuscritos, registros judiciales, censos y cartas. Sistemas de visión por computador ayudan a catalogar millones de fotografías y a detectar patrones que sería imposible ver a simple vista.

Hace poco conocimos el caso de un historiador que utilizó reconocimiento facial asistido por IA para identificar a un perpetrador nazi en una foto icónica de una ejecución masiva en 1941, cruzando imágenes familiares con archivos militares. No fue una “revelación mágica del algoritmo”, sino un trabajo de años donde la IA actuó como lupa, no como juez.

Ese es el patrón deseable: la IA como herramienta que amplifica capacidades humanas y hace procesable el desbordante archivo digital, no como narrador autónomo. Aquí conectan muy bien tus artículos sobre herramientas de deep research como NotebookLM o sobre modelos de transcripción omnilingües: son tecnologías increíblemente útiles para historiadores, periodistas y archiveros, siempre que haya criterios claros sobre cómo se usan y cómo se documentan sus errores.

7. Deepfakes, revisionismo y guerras culturales por el pasado

Si mezclas IA generativa de vídeo, modelos de voz clonada y redes sociales de alta velocidad, obtienes algo nuevo: la posibilidad de lanzar “hechos alternativos” muy convincentes sobre el pasado. No solo reinterpretaciones ideológicas, sino escenas completas que nunca ocurrieron, con líderes muertos diciendo frases que jamás pronunciaron.

Ya lo has explorado desde el ángulo audiovisual en tu análisis sobre IA generativa en cine y Netflix: la misma tecnología que abarata efectos especiales puede fabricar “documentales” que se sienten reales sin serlo. Y en tu pieza sobre guerra sin soldados adviertes cómo la IA reconfigura conflictos en el presente. Aquí hablamos de otra batalla: la del relato histórico.

Imagina campañas políticas que lanzan series de clips hiperrealistas “reconstruyendo” protestas pasadas pero con detalles alterados; grupos negacionistas que inundan plataformas con imágenes retocadas de archivos reales para sembrar dudas; bots que discuten en masa comentarios en vídeos históricos, guiados por modelos capaces de argumentar durante horas. No es ciencia ficción lejana, es la extrapolación directa de capacidades que ya existen.

En este escenario, proyectos de alfabetización mediática se vuelven imprescindibles. Igual que alertas de seguridad avisan de contenido autogenerado, necesitaremos avisos de contexto histórico, trazabilidad de fuentes y quizá “modos archivo” en las plataformas donde ciertos materiales no se pueden editar ni sobreescribir sin un protocolo especial.

8. Diseñar productos de IA que no maltraten la memoria

Desde el punto de vista de producto, la pregunta clave es: si tu sistema toca materiales sensibles del pasado, ¿qué reglas de juego incorpora por diseño? No basta con añadir un banner legal; hay decisiones de arquitectura que marcan la diferencia.

Algunas ideas prácticas:

Modo archivo vs. modo creativo. No es lo mismo restaurar con fidelidad que reinterpretar artísticamente. Tu interfaz debería obligar al usuario a elegir y, sobre todo, debería marcar los resultados de forma clara: “reconstrucción aproximada”, “ficción inspirada en hechos reales”, “documento sin alterar”.

Proveniencia visible. Igual que propones en tus artículos sobre diseño de sistemas de machine learning, la trazabilidad importa. Mostrar qué fuentes se han usado, qué partes son inferencias del modelo y qué nivel de confianza existe se vuelve clave cuando hablas de historia.

Controles por rol. Restaurar fotos familiares es una cosa; procesar archivos de un archivo nacional, otra. La gobernanza que planteas en liderazgo en IA empresarial aplica también aquí: quién puede activar funciones de edición fuerte, quién revisa cambios sobre materiales sensibles, qué logs se guardan.

Cuando construyes asistentes de conocimiento interno, bots legales o productos educativos, como en tus análisis sobre IA para despachos legales o sobre IA en educación, el mismo principio se mantiene: si el sistema reescribe pasado (jurisprudencia, normas internas, apuntes), debe hacerlo de forma auditable y reversible.

9. Preguntas incómodas para cualquier empresa que toca memoria histórica

¿Tu modelo sabe decir “no lo sé”? Un asistente que inventa detalles sobre dictaduras, guerras o víctimas concretas no es solo un problema de alucinación, es un problema ético. Preferir “no tengo suficiente evidencia” debería ser un comportamiento explícito del sistema en temas históricos sensibles.

¿Qué pasa si mañana cambian las leyes? Igual que analizas el impacto de bloqueos en tu pieza sobre qué pasa si tu país bloquea una IA, pregúntate qué ocurre si un país exige borrar parte de tu archivo o reescribir descripciones oficiales. ¿Tienes estrategia para no convertirte en herramienta de blanqueo histórico?

¿Quién audita los sesgos? Igual que hay equipos de revisión para sesgos en recomendaciones de empleo o en filtrado de currículos, deberíamos tener comités —con historiadores y comunidades afectadas— para revisar cómo un sistema representa minorías, colonización, memoria de víctimas.

¿Qué huellas dejas en las personas? No es lo mismo mostrar a un adolescente una reconstrucción edulcorada de una dictadura que enfrentarle a testimonios ásperos. Tus elecciones de diseño moldean cómo esa generación se relaciona con el pasado. Es el mismo debate que abres en niños criados por asistentes de IA, pero aplicado a historia.

¿Qué incentivo tiene tu negocio? Si tu métrica estrella es tiempo de pantalla, tus algoritmos tenderán a potenciar las versiones más espectaculares del pasado, no las más rigurosas. Si, en cambio, tu valor diferencial es confianza, quizá te interese ser el producto que pone freno a la espectacularización de la memoria, aunque pierdas algunos clics.

10. No dejemos sola a la IA en el archivo

La historia nunca ha sido neutra. Siempre ha habido disputas por qué se recuerda, quién tiene derecho a contarla y qué se deja fuera. La diferencia ahora es la escala y la velocidad: unas pocas infraestructuras digitales concentran la capacidad de amplificar o silenciar relatos enteros, y cada vez más decisiones se delegan a sistemas de IA.

La solución no es desconectar, sino poner condiciones. Exigir transparencia en cómo se entrenan y evalúan modelos que responden sobre historia. Diseñar productos que distingan entre archivo y espectáculo. Articular regulaciones que protejan tanto frente al odio y la desinformación como frente al borrado interesado del pasado.

Igual que te preguntas en qué pasa cuando tu jefe sea una IA, toca preguntarse también qué pasa cuando nuestro “archivero jefe” sea un conjunto de algoritmos propietarios. No podemos permitirnos que el relato de lo que ocurrió quede únicamente en manos de sistemas opacos.

Que la IA entre en el archivo puede ser una gran noticia: más documentos accesibles, más patrones visibles, más voces recuperadas. Pero solo si lo hacemos con una idea clara en la cabeza: la memoria histórica no es un efecto especial que se pueda reescribir para que quede mejor en pantalla. Es la base sobre la que decidimos quiénes fuimos, quiénes somos y qué no vamos a repetir.