Antes de que la inteligencia artificial comenzara a dejar huella visible en los repositorios de conocimiento colaborativo, las señales de alerta ya circulaban entre quienes los administran. La hipótesis inicial era relativamente optimista: los grandes modelos de lenguaje (LLM) automatizarían tareas de mantenimiento —formato, verificación de citas, enlaces rotos— liberando a los colaboradores humanos para trabajo editorial de mayor profundidad. Esa hipótesis resultó incorrecta.

Para octubre de 2024, un estudio documentó que aproximadamente el 5% de los artículos nuevos creados en agosto de ese año en la versión en inglés de la enciclopedia libre contenían contenido generado por IA. Los patrones eran identificables: estructuras sintácticas poco naturales, instrucciones de prompt filtradas en el texto, y afirmaciones genéricas sin respaldo verificable. Google, por su parte, ya entrenaba modelos para redactar artículos de estilo enciclopédico desde 2018, lo que anticipa la escala del problema.

De la regulación a la prohibición

La respuesta institucional evolucionó en etapas. Primero se intentó encuadrar la contribución de IA dentro de criterios de aceptabilidad: contenido "constructivo", fuentes confiables, eliminación de afirmaciones no verificables. Sin embargo, para marzo de 2026, la evidencia acumulada llevó a una prohibición completa del uso de LLM para redacción de artículos, restringiendo su aplicación a tareas de traducción y corrección menor. La directora de la Fundación Wikimedia había advertido años antes, en 2019, sobre los riesgos de tratar a la IA como solución escalable a problemas que son, en esencia, humanos.

El ciclo descendente que preocupa a los editores

Un ensayo ampliamente citado bajo el título "La muerte de Wikipedia" articuló el riesgo sistémico con precisión: a medida que los colaboradores reducen su participación ante la presencia creciente de contenido automatizado, aumenta la tentación institucional de cubrir ese vacío con más generación artificial. El resultado es un ciclo regresivo donde los humanos quedan atrapados en tareas de curaduría mecánica —revisando lo que producen las máquinas— en lugar de generar conocimiento original.

Esta dinámica invierte el argumento original a favor de la automatización. En lugar de que la IA libere tiempo humano para la creación, termina subordinando la creación humana a la producción de las máquinas. "Deseo que la IA se encargue de mis quehaceres para que yo pueda dedicarme a la creación, no que la IA realice mi creación mientras yo me ocupo de mis quehaceres", resumía una voz en redes sociales, capturando la tensión de fondo.

Lo que no puede automatizarse

La dimensión más difícil de cuantificar —y la más relevante para cualquier organización que dependa de conocimiento colectivo— es la pérdida de contexto y criterio editorial. Un wikipedista con experiencia no solo verifica datos: jerarquiza relevancia, detecta sesgos, reconoce lagunas que una métrica de completitud no captura. "La posible reducción cada año de nuestro grupo de talentosos escritores es la mayor amenaza", señalaba un editor, apuntando a la erosión silenciosa de capital editorial acumulado durante décadas.

La Fundación Wikimedia sostiene que el compromiso de sus colaboradores con el conocimiento enciclopédico confiable es algo que ningún modelo puede sustituir. Lo que está en juego no es solo la calidad de un repositorio en línea, sino el modelo mismo de producción de conocimiento verificable a escala: un activo que empresas, investigadores y sistemas de IA utilizan como fuente primaria de entrenamiento y referencia.