La Inteligencia Artificial se ha convertido en uno de los grandes temas de nuestro tiempo. Desde los algoritmos que deciden qué vemos en redes sociales hasta los sistemas que organizan el trabajo, la educación o la salud, su presencia se multiplica. Pero más allá del entusiasmo que despierta en gobiernos, empresas y medios, la IA también plantea interrogantes profundos sobre el conocimiento, el poder y la cultura.
En este contexto, la Historia (como disciplina, como práctica social, como forma de pensar el pasado) no queda al margen. ¿Qué implica investigar, enseñar o divulgar Historia en tiempos de IA? ¿Qué oportunidades se abren y qué riesgos se corren? ¿Estamos ante una revolución metodológica o ante una nueva forma de “colonización tecnológica” con lo que eso implica?
Este artículo propone abrir algunas reflexiones para pensar los vínculos entre Historia e Inteligencia Artificial. No desde la mirada acrítica por lo nuevo, sino desde una perspectiva situada y desde la izquierda. Porque si la Historia es, como decía Enzo Traverso, un campo de batalla por los sentidos del pasado, entonces también lo es por las herramientas con las que lo construimos.
Tecnología, poder y sociedad: pensar la IA desde las Ciencias Sociales
Antes de preguntarnos qué puede hacer la Inteligencia Artificial por la Historia, conviene detenernos en una cuestión más profunda: los vínculos entre tecnología y sociedad, o entre tecnología y capitalismo. Porque si algo nos enseñan las Ciencias Sociales, y el marxismo especialmente, es que ninguna tecnología es neutral. Toda herramienta técnica está atravesada por relaciones de poder, intereses económicos, valores culturales y conflictos sociales.
La IA no escapa a esta lógica. Como plantea Mark Coeckelbergh (2023), pensar la IA exige situarla en el entramado más amplio de las relaciones entre tecnología y sociedad. No es un simple instrumento que los historiadores pueden usar “a voluntad”, sino un artefacto social cargado de sesgos, de género, de clase, raciales, que afectan tanto su diseño como sus resultados. Kate Crawford (2022) va más allá y sostiene que la IA debe entenderse como una “estructura de poder que combina infraestructura, capital y mano de obra”, alimentada por redes extractivistas que explotan recursos naturales, datos personales y trabajo humano precarizado. No es una tecnología que está en el “aire” o en una “nube” abstracta. Está hecha por empresas, con intereses concretos, con objetivos y destinos comerciales en la mayoría de los casos, que utilizan recursos físicos (muchas veces dañinos para el ambiente) para sostener su productividad.
Este punto de vista ha llevado a autores como Nick Couldry y Ulises Mejías (2023), a advertir que los sistemas algorítmicos no solo organizan información, sino que colonizan formas de vida, apropiándose de datos y subjetividades en función de intereses corporativos. En muchos casos las empresas desarrolladoras utilizan datos públicos, o compran datos de nuestras vidas que están merodeando por las redes, para hacer un uso privado, para sacar un beneficio y una ganancia. Desde ese lugar orientan nuestras búsquedas, deseos y hasta prácticas. Es un proceso que convierte la información (y el conocimiento generado colectivamente, y en muchos casos con recursos públicos) en mercancía, profundizando los puntos de vista, sesgos y lógicas que ya existen en el sistema capitalista.
Esto implica que no se puede establecer una distinción artificial entre tecnología y sociedad y entre “medios y fines”, en términos más generales. Desde el momento en que se piensan y desarrollan (con millones de dólares de por medio en cada decisión), estos sistemas incorporan puntos de vista, objetivos y perspectivas funcionales a quienes realizan dichas inversiones. Laura Alemany (2022) señala que “los sistemas de inteligencia artificial, incluso los basados en datos, incorporan las subjetividades de los equipos que los crean y de los grupos sociales que los financian”, lo que puede resultar perjudicial para sectores históricamente excluidos, que tienen menor capacidad de incidir en el desarrollo de esas tecnologías, pero que en muchos casos las necesitan en su vida cotidiana o están incorporadas en distintos procesos de explotación. En otras palabras, la IA, como el resto de las tecnologías a las que puede estar asociada, no produce efectos sociales homogéneos, sino que reproduce, y a menudo amplifica, las tensiones y conflictos del sistema capitalista.
Por eso, cualquier intento de incorporar la IA a la investigación o enseñanza de la Historia debe partir de una mirada crítica sobre sus condiciones de producción. No se trata de negar sus potencialidades, que son muchas y muy interesantes, como desarrollaremos más abajo, sino de entender que esas potencialidades están mediadas por intereses, exclusiones y disputas. Y que, como toda tecnología, la IA también produce ganadores y perdedores.
Del giro digital al giro algorítmico: investigar Historia en tiempos de IA
La relación entre historiadores y fuentes ha sido siempre un eje central del oficio histórico. Desde el paradigma empirista de Leopold von Ranke, que proponía “contar la historia tal como realmente sucedió” a partir del estudio crítico de documentos, hasta los enfoques más interpretativos de la Escuela de los Annales, la forma de vincularse con las fuentes ha atravesado múltiples giros epistemológicos. A comienzos del siglo XXI, la digitalización masiva de archivos y bibliotecas marcó un nuevo punto de inflexión. El llamado “giro digital” permitió acceder a fuentes antes inaccesibles, realizar búsquedas automatizadas, traducir documentos y organizar bibliografía con herramientas como lectores de PDF o gestores de referencias. Como señalaba ya hace una década Lara Putnam (2016), esta transformación amplió los horizontes para hacer historia. Un ejemplo es la llamada “Historia Transnacional”, en tanto que la accesibilidad a archivos lejanos, la posibilidad de traducir fácilmente textos, y de conectar experiencias en distintas partes del mundo, habilitó nuevas preguntas que antes estaban limitadas por las propias barreras físicas para la investigación histórica. Pero esto también introdujo nuevos riesgos como la pérdida de contexto, la dependencia de filtros algorítmicos y la invisibilización de fuentes no digitalizadas. En muchos casos el exceso de información no necesariamente mejora la calidad de las investigaciones. Los filtros de esa montaña de bites están dados por sistemas que privilegian cierta información sobre otra, ciertos artículos y libros sobre otros (en general del mundo académico anglosajón y adaptados a criterios académicos mercantilizados) y ciertos paradigmas o “modas” en las ciencias sociales. Basta hacer una búsqueda en Google sobre cualquier tema histórico y observar que las bases de datos, idiomas y “registro” está inclinado hacia esas zonas.
La incorporación de tecnologías basadas en IA profundiza este giro. Herramientas como Transkribus, que utilizan redes neuronales para transcribir manuscritos y otras fuentes antiguas a formato digital (incluso en idiomas que ya no existen, lo cual es espectacular), permiten procesar documentos antiguos con una precisión inédita y habilita el acceso a personas no especialistas a bucear en temas y documentos antes impensables. Cualquier persona, aunque no sea especialista en lenguajes como el hebreo, el idish, o el español e inglés antiguo, puede resolver esa distancia en algunos pasos, con la instrucción técnica necesaria para manejar esas aplicaciones.
Incluso herramientas de acceso público más conocidas como ChatGPT o Gemini son muy precisas actualmente a la hora de transcribir fuentes. Basta colocar la foto de un texto y en pocos segundos se puede obtener una transcripción digital que a su vez puede ser traducida con cierta precisión. Una vez más: estas herramientas también tienen “alucinaciones”, errores, sesgos, y muchos problemas para contextualizar ciertos documentos, lo que lleva a problemas si no se tiene un conocimiento previo y no se realiza un chequeo posterior. Pero en tal caso son problemas propios del oficio.
Hay preguntas más profundas para hacer que si la máquina comete errores o no: ¿qué lenguas y estilos fueron priorizados en el entrenamiento de los modelos? ¿Qué decisiones curatoriales orientan el uso de estas herramientas?
El caso del “Fondo Biscari” en el Archivo Histórico de Catania es ilustrativo. Allí se combinaron Transkribus y ChatGPT para digitalizar y normalizar 366 cartas del siglo XVIII. El modelo de lenguaje extrajo entidades clave y organizó la información, pero fue necesaria una revisión humana para corregir errores, evitar invenciones y contextualizar los datos. La IA no reemplazó al historiador: lo obligó a reformular sus preguntas, a precisar sus hipótesis y a asumir un rol activo en la curaduría de datos. Otro ejemplo es el análisis de la “Sacrobosco Collection”, un corpus de tratados astronómicos publicados entre 1472 y 1650. Mediante algoritmos no supervisados, se identificaron patrones textuales, transformaciones editoriales y nodos de difusión del conocimiento en Europa. Pero este tipo de investigación exige una colaboración estrecha entre historiadores, físicos, informáticos y lingüistas, y una capacidad crítica para interpretar los resultados más allá de la estadística.
En paralelo, varios autores han señalado el desafío de abordar las fuentes “nacidas digitalmente”, es decir aquellos registros que pueden servir para hacer historia pero que ya de por si se encuentran en formatos digitales, mediados por herramientas con dominios corporativos: redes sociales, blogs, foros, bases de datos automatizadas. Como advierten Brügger y Milligan (2018), estas fuentes requieren nuevas metodologías de preservación y análisis, y una atención especial a la distinción entre contenido humano y generado por bots ¿qué harán, por ejemplo, los historiadores dentro de 50 años cuando se topen con decenas de fake News, fotos y videos falsos generados por IA? Desde ya, en el pasado también existieron las fake news, pero estamos ante un salto en calidad que obliga a repensar algunos problemas. La proliferación de textos, imágenes y narrativas producidas por IA obliga a una curaduría más sofisticada, capaz de detectar sesgos, manipulaciones y anacronismos.
En este contexto, algunos autores proponen una “hermenéutica digital” (Krämer, 2023): una reflexión crítica sobre cómo los algoritmos filtran, jerarquizan y presentan la información. El riesgo del “presentismo algorítmico”, es real. Pensemos que gran parte de lo que consumimos en internet fue “subido” en los últimos 30 años, pleno neoliberalismo. Las IA y otras herramientas entrenadas sobre esos datos, incluso para referir al pasado, e incluso basándose en documentos del pasado, en realidad están mediadas por la visión de los contemporáneos. Lo que para nosotros es relevante, destacable, digitalizable y “subible” seguramente no es lo mismo que lo que era para personas en la edad media u otros periodos. Más allá de que ese “nosotros” es algo bien indefinido en la medida en que no todos tenemos la misma posibilidad de “alimentar” a la web de documentos. Ya de por si los archivos o bibliotecas de los países imperialistas tienen mucha más presencia en las búsquedas y temáticas trabajables digitalmente que lo que se puede hallar en países dependientes o semi coloniales. Basta ver la escasez de fuentes digitalizadas de los archivos nacionales en comparación con los de Francia, España o Inglaterra. Y se agrava si los modelos fueron entrenados con datos recientes, excluyendo fuentes marginales, lenguas no hegemónicas o archivos no digitalizados.
En síntesis, la IA abre nuevas posibilidades para la investigación histórica, pero también exige una reflexión profunda sobre el oficio, que llama a una visión más sistémica e integral de los abordajes. Ya no se trata solo de acceder a más fuentes, sino de saber qué preguntas hacer, cómo interpretar los resultados y poder identificar qué sesgos están en juego. El historiador no desaparece: se transforma en curador, programador, analista y crítico de las tecnologías que median su vínculo con el pasado.
Enseñar Historia en tiempos de IA: entre la fascinación tecnológica y el pensamiento crítico
Si nos corremos del ámbito de la investigación y pasamos a las aulas, también observamos tensiones. La irrupción de la Inteligencia Artificial en el ámbito educativo ha generado una ola de “entusiasmo” en ciertos sectores acríticos. Promesas de personalización del aprendizaje, acceso masivo a contenidos, retroalimentación inmediata y nuevas formas de interacción parecen anunciar una “revolución pedagógica”. Pero, como fue advertido, cada incorporación de tecnologías en la educación ha estado acompañada de expectativas desmesuradas, muchas veces desligadas de una reflexión profunda sobre sus implicancias metodológicas, epistemológicas y éticas. Por no hablar de que en mano de gobiernos ajustadores, rápidamente se las ve como posibles herramientas para atacar derechos laborales.
La IA no escapa a esta lógica. En el campo de la enseñanza de la Historia, algunos estudios la presentan como un “catalizador” pedagógico destacando sus ventajas técnicas sin problematizar suficientemente sus supuestos de diseño, sus sesgos ideológicos o su coherencia curricular. Pero evaluar con rigor una tecnología implica remontarse a su concepción: ¿qué problemas pretendía resolver? ¿Qué criterios se usaron para seleccionar los datos de entrenamiento? ¿Qué intereses comerciales la impulsan? Muchas de las plataformas de IA disponibles no fueron diseñadas con fines pedagógicos, y mucho menos para enseñar Historia en contextos específicos como el argentino o latinoamericano. Su incorporación acrítica puede reforzar estereotipos, homogeneizar contenidos y dificultar el desarrollo de una mirada histórica situada. La pandemia de COVID-19 aceleró la adopción de plataformas digitales propietarias, consolidando una “historia empaquetada” que reduce la diversidad epistémica y limita el pensamiento crítico.
Sin embargo, también es cierto que la IA ofrece herramientas de gran potencial para enriquecer la experiencia didáctica. Un ejemplo es el canal de YouTube Matt Reconstructs History, que con sistemas de generación de imágenes por IA y fuentes pictográficas, reconstruye con cierto realismo escenarios históricos, ofreciendo una experiencia más vivencial y “atrapando” en el relato de los hechos. Los chats bots históricos son otro ejemplo: plataformas que ofrecen hablar con personajes históricos en base a cientos de datos y documentos cargados en sus sistemas.
Estas herramientas pueden dialogar con enfoques historiográficos como la “Historia contrafactual”, que Richard Evans definió como un método para explorar rutas no elegidas y entender la contingencia histórica. Bajo supervisión docente, los modelos de lenguaje podrían ayudar a imaginar escenarios alternativos, formular hipótesis y debatir sobre causalidad, estructuras y actores históricos. Pero sin ese encuadre pedagógico, corren el riesgo de caer en la simplificación, el anacronismo o la distorsión.
Por ejemplo, al simular un diálogo con Juana de Arco, algunos chatbots han incorporado conceptos feministas contemporáneos o referencias políticas modernas que descontextualizan el sentido histórico. Lo mismo ocurre con cronologías automáticas que jerarquizan eventos sin criterios historiográficos claros, o con generadores de imágenes que representan legionarios romanos con armaduras anacrónicas o paisajes modernos, mezclando arte renacentista, fantasía y arqueología real. En otros casos se ha visto cómo la generación de imágenes de personajes históricos femeninos tienden a “sextualizarlas”, generando imágenes bajo estándares hegemónicos de belleza, alejados tanto de las representaciones disponibles como de una propia historicidad sobre esos modelos. Estos errores no son anecdóticos: revelan los sesgos presentes en los datos de entrenamiento y en los valores que orientan el diseño de las tecnologías. Al pedir imágenes de mujeres líderes antiguas, las plataformas suelen relegarlas a roles secundarios o actualizar su indumentaria según estereotipos actuales. ¿Son sesgos del presente, del pasado o del algoritmo? Por eso, enseñar Historia con IA exige una mirada crítica y una reflexión constante sobre los límites y potencialidades de cada herramienta.
Pensar la Historia con IA
La incorporación de la Inteligencia Artificial en el campo de la Historia no es un asunto técnico ni marginal. Interpela profundamente al quehacer historiográfico, a la enseñanza y a la divulgación del pasado. Supone un “regreso” a preguntas clásicas: ¿qué es una fuente?, ¿qué significa interpretar?, ¿cómo se construye el conocimiento histórico? pero en un nuevo escenario marcado por algoritmos, automatización y plataformas digitales.
Las tecnologías basadas en IA habilitan nuevas formas de acceder, procesar y visualizar información histórica. Pero también reproducen sesgos, imponen filtros y pueden consolidar narrativas hegemónicas. No se trata de decir si estamos a favor o en contra de la IA (cuyo desarrollo expresa tendencias más amplias que exceden un campo determinado), sino de pensarla críticamente: como artefacto social, como estructura de poder, como herramienta que puede ser apropiada desde una perspectiva situada, reflexiva y, por qué no, emancipadora.
¿Podemos a través de estas herramientas pensar otros futuros, sociedades alternativas al capitalismo? ¿Formas de producción, arte y creación emancipadas de la esclavitud asalaridada? Como dijimos, las tecnologías no escapan a su época ni a su contexto, pero tal vez pueden ser un buen campo de experimentación y desarrollo de la imaginación histórica.
La Historia, entendida como campo de batalla por los sentidos del pasado, no puede dejar de problematizar los marcos socio-técnicos que median su producción. Este desafío no debe asumirse de forma defensiva. Por el contrario, puede ser una oportunidad para revalorizar lo específico del oficio historiográfico: la capacidad de formular preguntas, de establecer diálogos entre pasado y presente, de construir sentidos desde las luchas que nos tocan dar en nuestra época. El diálogo con la IA puede y debe habilitar nuevas vetas de indagación y fortalecer una mirada crítica sobre las sociedades que diseñan estas tecnologías y sobre las cuales hacemos Historia.
Bibliografía
Alemany, L. (2022). Inteligencia artificial y valores. En: ¿Aprendizaje automágico? Santa Fe: VERA Editorial Cartonera.
Álvarez-Sepúlveda, H. A. (2023). La Inteligencia Artificial como catalizador en la enseñanza de la Historia: retos y posibilidades pedagógicas. Revista Tecnológica-Educativa Docentes 2.0, 16(2), 318–325.
Brügger, N.; Milligan, I. (2018). The SAGE Handbook of Web History. California: SAGE Publications.
Clark, V. (2024). The Future of History in the Age of AI. Historica.
Coeckelbergh, M. (2023). La filosofía política de la inteligencia artificial: Una introducción. Madrid: Ediciones Cátedra.
Couldry, N.; Mejías, U. (2023). El costo de la conexión: Cómo los datos colonizan la vida humana y se la apropian para el capitalismo. Buenos Aires: Ediciones Godot.
Crawford, K. (2022). Atlas de Inteligencia Artificial. Poder, política y costos planetarios. Ciudad Autónoma de Buenos Aires: FCE.
Donovan, M. (2024). How AI is helping historians better understand our past. MIT Technology Review.
Eberle, O. et al. (2024). Historical insights at scale: A corpus-wide machine learning analysis of early modern astronomic tables. Science Advances, 10(43).
El-Hajj, H. et al. (2022). An Ever-Expanding Humanities Knowledge Graph: The Sphaera Corpus. Datenbank-Spektrum, 22(2), 153–162.
Fiormonte, D. (2022). El gran reinicio del conocimiento y su impacto en las Humanidades Digitales. Publicaciones de la Asociación Argentina de Humanidades Digitales, 3.
González-Gallardo, C.-E. et al. (2023). Yes but… Can ChatGPT Identify Entities in Historical Documents? ACM/IEEE Joint Conference on Digital Libraries (JCDL).
Griffiths, R. (2022). Transkribus in Practice: Improving CER. The Digital Orientalist.
Herrera, C. A. C. et al. (2024). Integración de la inteligencia artificial en la enseñanza de la historia mundial: perspectivas y desafíos. Polo del Conocimiento, 9(5), 1799–1819.
Iggers, G. G. (1998). La ciencia histórica en el siglo XX. Coyoacán: Idea Books.
Katz de Gugenheim, A. (2022). Historiador, fuentes y tecnología: ¿Llegó la hora de cambiar el paradigma? Cuadernos Judaicos, 39, 115–138.
Krämer, S. (2023). Should we really ‘hermeneutise’ the Digital Humanities? Journal of Cultural Analytics, 7(4).
Mateus, G. (2025). Del manuscrito antiguo al nuevo mundo: Transkribus como herramienta metodológica. Red de Humanidades Digitales.
Putnam, L. (2016). The Transnational and the Text-Searchable: Digitized Sources and the Shadows They Cast. The American Historical Review, 121(2), 377–402.
Romein, C. A. et al. (2020). State of the Field: Digital History. History, 105(365), 291–312.
Spiegel, A. (2024). Inteligencia artificial: ideas, propuestas y recursos para enseñar hoy mirando al futuro. Rosario: Homo Sapiens Ediciones.
Spina, S. (2023). Artificial Intelligence in archival and historical scholarship workflow: HTS and ChatGPT. Umanistica Digitale, 7(16), 125–140.
Traverso, E. (2023). La historia como campo de batalla: Interpretar las violencias del siglo XX. Buenos Aires: Fondo de Cultura Económica Argentina.
Zuboff, S. (2020). La era del capitalismo de la vigilancia. Barcelona: Ediciones Paidós.
Leave a Reply