Cómo trabajamos en el Observatorio IA
Esta página explica el método editorial del observatorio: qué fuentes usamos, cómo redactamos cada pieza, cuándo actualizamos y cómo gestionamos errores. La transparencia metodológica es un activo, no un debe.
El Observatorio IA en Empresas no realiza benchmarks técnicos propios. Aplica un enfoque editorial de agregación rigurosa: sintetiza las evaluaciones publicadas por fuentes de referencia internacionales y las aterriza al contexto de la pyme española añadiendo encaje normativo (RGPD, AI Act), precios en euros y casos de uso reales del tejido empresarial nacional.
Enfoque editorial
La mayoría de comparativas y análisis sobre IA que circulan en castellano padecen uno de tres problemas: son refritos del marketing de los fabricantes, traducciones automáticas de blogs en inglés sin criterio local, o benchmarks técnicos que no responden a las preguntas que hace una empresa española.
Nuestro enfoque es distinto. Leemos sistemáticamente las fuentes especializadas internacionales más serias del sector — informes anuales, benchmarks vivos, encuestas de adopción, análisis de fondos de inversión — y destilamos lo importante en castellano para una lectora tipo: directora de RRHH, responsable de IT, gerente de pyme, mando intermedio que tiene quince minutos para leer y necesita decidir si algo le afecta.
Esa destilación añade tres cosas que las fuentes internacionales no cubren:
- Encaje normativo español y europeo: RGPD aplicado a IA, AI Act, criterios de la AEPD, obligaciones específicas para empresas españolas.
- Precios reales en euros y planes disponibles en España (no traducciones automáticas de pricing en dólares).
- Casos de uso del tejido empresarial nacional: qué hace una asesoría de 12 personas, qué hace un despacho de abogados de 30, qué hace una pyme industrial de 80.
No realizamos pruebas técnicas propias de los agentes IA. No tenemos laboratorio de benchmarks. No declaramos haber probado lo que no hemos probado. Cuando una afirmación procede de una fuente externa, lo decimos y citamos la fuente.
Fuentes que usamos
Categorizamos nuestras fuentes en tres tipos según función. Las priorizamos por independencia (fuentes neutras antes que de los propios fabricantes), recencia (informes recientes antes que antiguos) y rigor metodológico (benchmarks reproducibles antes que opiniones).
Evaluación técnica independiente
Artificial Analysis
LMSYS Chatbot Arena
Stanford HAI · AI Index Report
Análisis empresarial y adopción
Encuestas de adopción y mapas de mercado de fondos de inversión y consultoras. Nos sirven para contextualizar tendencias y validar lo que decimos sobre adopción real.
- a16z — Mapa anual del estado de la IA empresarial.
- McKinsey · State of AI — Encuesta anual global con datos sectoriales.
- BCG, Deloitte — Informes anuales de adopción IA en pymes y grandes empresas.
- Gartner — Magic Quadrants e Hype Cycles cuando son accesibles públicamente.
Contexto español y europeo
Aquí es donde añadimos el ángulo que ninguna fuente internacional cubre bien.
- ONTSI — Observatorio Nacional de Tecnología y Sociedad. Datos de adopción IA en pymes españolas.
- AEPD — Criterios sobre RGPD aplicado a IA, decisiones automatizadas, derechos del interesado.
- INCIBE — Ciberseguridad e IA en pymes.
- Fundación COTEC — Datos de innovación e IA en España.
- AI Act / Reglamento Europeo de IA — Texto oficial y guías de aplicación de la Comisión Europea.
Proceso de redacción
Cada pieza del observatorio sigue el mismo proceso, sin atajos:
Selección del tema
Un titular reciente, un cambio normativo, una pregunta que llega repetidamente de empresas clientas.
Recopilación de fuentes
5-7 fuentes principales independientes, publicadas en los últimos 3 meses cuando es posible.
Identificación de consensos
Buscamos puntos donde 4 o más fuentes coinciden. Esos consensos son la columna vertebral.
Aterrizaje al contexto local
Añadimos lo que las fuentes internacionales no cubren: precio en euros, RGPD, AI Act, casos pyme española.
Veredicto por perfil
No buscamos un ganador absoluto. Diferentes perfiles de empresa tienen diferentes ganadores.
Verificación factual
Cifras con fuente y fecha. Afirmaciones verificables enlazadas a la fuente primaria.
Piezas vivas y actualizaciones
Algunas piezas — sobre todo las comparativas de agentes IA — tienen una URL fija y se actualizan cuando hay cambios relevantes (lanzamiento de nueva versión, cambio de precio, decisión regulatoria importante).
Cada actualización queda registrada en un changelog visible al final de la pieza, con fecha y resumen de qué ha cambiado. El Schema JSON-LD dateModified se actualiza también, lo que permite que motores generativos como ChatGPT, Claude, Perplexity o Gemini citen la versión más reciente.
Una comparativa de IA escrita en marzo y nunca tocada queda obsoleta en seis semanas. Mantener URLs vivas con dateModified actualizado es el equivalente moderno a "esta enciclopedia se reedita cada año": el lector confía en que lo que lee refleja el estado actual del mercado.
Autoría e independencia
Toda la producción editorial del observatorio aparece firmada por Ana María González, Directora de Ciberaula. La redacción se realiza con asistencia de modelos de IA, lo declaramos abiertamente porque sería absurdo lo contrario en un observatorio dedicado precisamente a IA, pero la decisión editorial — qué fuentes usar, qué afirmar, qué descartar, qué recomendar — es siempre humana.
Ciberaula es una empresa de formación bonificada. Vendemos cursos, incluidos cursos de inteligencia artificial. Esto crea un potencial conflicto de interés que abordamos así:
- Cuando una recomendación lleva a un curso del catálogo, va en un bloque diferenciado al final ("Si quieres formarte en esto"), nunca camuflada en el cuerpo del artículo.
- No recibimos pagos de OpenAI, Anthropic, Microsoft, Google, Mistral ni de ninguno de los proveedores que analizamos.
- No hay enlaces de afiliación a planes de pago de los agentes IA.
Errores y correcciones
Cuando detectamos un error en una pieza ya publicada, lo corregimos visiblemente en el changelog y actualizamos la fecha de modificación. No borramos errores en silencio. Si el error es relevante (cifra incorrecta, fuente mal citada, afirmación que se demuestra falsa), lo señalamos explícitamente arriba del artículo durante un mes.
Si encuentras un error en alguna pieza, escríbenos: admision@ciberaula.com.
Contacto editorial
Para correcciones, sugerencias temáticas o consultas sobre metodología:
- Email: admision@ciberaula.com
- Teléfono: 915 30 33 87
- WhatsApp: +34 620 505 230