La inteligencia artificial está impactando en cómo descubrimos, producimos y compartimos conocimiento. En este contexto, las bibliotecas académicas tienen un papel decisivo: acompañar a su comunidad en el uso crítico y responsable de estas tecnologías. Para lograrlo, el personal necesita competencias concretas que combinen ética, comprensión tecnológica, evaluación rigurosa y aplicación con propósito. Este post presenta y desarrolla las principales competencias para que los equipos identifiquen qué habilidades deben fortalecer y cómo traducirlas en acciones útiles para sus servicios y proyectos cotidianos.

La Association of College & Research Libraries ha aprobado el documento AI Competencies for Academic Library Workers, que ofrece un marco ordenado y accesible para el personal de bibliotecas universitarias. No se centra solo en usar herramientas; propone entender sus implicaciones, evaluar su calidad y decidir con criterio cuándo conviene implementarlas. La aprobación por parte de la Junta Directiva da respaldo institucional a estas competencias y anima a integrarlas en planes de formación, políticas y procedimientos. El valor del marco radica en su equilibrio: atiende a la vez a derechos, equidad y calidad informativa, sin olvidar los cambios en el mercado laboral y el impacto ambiental.

Para facilitar su adopción, el documento organiza las competencias en cuatro áreas: Consideraciones éticas, Conocimiento y comprensión, Análisis y evaluación, y Uso y aplicación. Juntas conforman un itinerario que va de los principios a la práctica. A continuación, se desarrollan cada área y sus subapartados, con énfasis en capacidades observables que el personal puede ejercitar en tareas como la docencia, el apoyo a la investigación, la gestión de colecciones y la comunicación interna. La meta es doble: proteger a las personas y a la institución, y aprovechar con realismo las oportunidades que ofrece la IA cuando añade valor a los servicios bibliotecarios.

Principales competencias de inteligencia artificial para personal bibliotecario universitario

1. Consideraciones éticas

La primera competencia pide actuar con responsabilidad a lo largo de todo el ciclo de vida de la IA. Implica facilitar y defender un acceso más equitativo a tecnologías y alfabetización en inteligencia artificial, identificando y mitigando barreras como costes, licencias o infraestructuras centralizadas. También invita a comprender cómo los modelos de código abierto pueden alinear transparencia y acceso amplio con valores bibliotecarios. En paralelo, exige promover la equidad en datos y diseño: reconocer que los conjuntos de entrenamiento pueden ser poco representativos, detectar sesgos en la afinación de sistemas y resultados, y trabajar para corregirlos. Esta mirada ética debe impregnar tanto la evaluación de herramientas como las conversaciones con proveedores y unidades académicas.

La ética incluye, además, proteger autonomía y privacidad, diversidad cultural y derechos de propiedad intelectual en el uso de sistemas de IA. Supone respetar la información personal y lo que se entrega en interacciones con herramientas, y asumir la complejidad jurídica de la propiedad intelectual y cultural. Requiere asegurar la rendición de cuentas en diseño y uso, con transparencia sobre selección de datos, explicabilidad de salidas y avisos claros de los sistemas empleados, apoyando salidas más exactas y fiables. Finalmente, pide considerar impactos amplios: visibilizar el trabajo oculto que sostiene la IA, atender a su huella ambiental y abogar por tecnologías más eficientes, describir riesgos y oportunidades para el aprendizaje, y comprender cómo la adopción de IA transforma el empleo.

2. Conocimiento y comprensión

El segundo bloque establece la base conceptual. Pide desarrollar una comprensión elemental de tecnologías de IA y su terminología: aprendizaje automático, modelos multimodales, prompting y búsqueda semántica. Subraya que los modelos generativos producen resultados por patrones y probabilidades, y diferencia entre IA generativa (crea contenido), discriminativa (clasifica) y predictiva (anticipa a partir de datos). Reconoce que la IA está incrustada en productos cotidianos y que puede combinarse con otras funciones dentro de un mismo servicio, como buscadores o intérpretes de código. Añade dos piezas clave para bibliotecas: los RAG, que conecta respuestas con fuentes externas para hacerlas contrastables, y la IA agente, con autonomía para fijar metas y ejecutar tareas.

También demanda entender atribución y detección: mantenerse al día con las recomendaciones de manuales de estilo y editoriales para reconocer el uso de IA, y saber que los detectores de texto generado no son plenamente fiables ni infalibles. Pide, además, una dieta informativa diversa y actualizada: seleccionar fuentes confiables sobre IA en el trabajo del conocimiento; seguir miradas de bibliotecas, ONG, tecnólogos, educadores, analistas y especialistas en ética; y participar en seminarios y formación continua. Por último, incorpora una competencia normativa: comprender políticas y regulaciones aplicables en el contexto institucional y territorial, el efecto de marcos existentes como privacidad educativa o sanitaria, y las novedades en fair use y derechos de autor sobre salidas generativas y datos de entrenamiento.

3. Análisis y evaluación

La tercera área conecta la teoría con decisiones concretas. Comienza por explicar tecnologías de inteligencia artificial y su impacto en servicios y recursos bibliotecarios, clasificando herramientas en categorías útiles para la educación superior. Desde ahí, pide describir aplicaciones en procesos y servicios, explicar a colegas y público cómo se aplican a la labor propia y seleccionar herramientas adecuadas para casos de uso reales. La evaluación de beneficios y riesgos es central: valorar la calidad y desempeño de las herramientas frente a los riesgos o la inversión, considerar efectos en enseñanza e investigación, y en el aprendizaje y desarrollo cognitivo del estudiantado. Todo ello incluyendo la influencia de sesgos en qué información se destaca u oculta.

La mirada evaluativa es multifacética: pondera capacidades técnicas (exactitud, relevancia, robustez) junto a aspectos éticos (transparencia, explicabilidad, sesgos y equidad) y sus implicaciones para el pensamiento crítico y las competencias investigadoras. Se completa con la evaluación situada en tareas: identificar ventajas y límites de herramientas concretas para casos de uso del puesto; y detallar funciones, características y capacidades necesarias en servicios específicos. Este enfoque evita adopciones acríticas y ayuda a documentar decisiones, comunicar criterios a los equipos y alinear la tecnología con objetivos curriculares, necesidades de descubrimiento, gestión de colecciones y metas institucionales de acceso y equidad.

4. Uso y aplicación

La cuarta área insiste en que usar IA depende del contexto y de su alineación con valores bibliotecarios; no siempre es necesario ni beneficioso. Propone aplicar IA para eficiencia y mejora de calidad, analizando procesos automatizables, identificando herramientas que aceleren tareas e implantando flujos que impulsen la misión de la biblioteca. También sugiere emplearla para facilitar comunicación y colaboración: demostrar usos que mejoran el trabajo en equipo, automatizar tareas de coordinación y elegir soluciones que ordenen la circulación de información. La competencia incluye dominar estrategias de prompting: comprender cómo estructura y lenguaje del encargo afectan salidas, diseñar instrucciones claras para distintas tareas y iterar para mejorar precisión y rendimiento.

El bloque se completa con dos líneas decisivas para bibliotecas universitarias. La primera es explorar capacidades de la inteligencia artificial para la innovación: identificar oportunidades en servicios y operaciones, experimentar con herramientas variadas y aplicarlas de manera creativa a problemas reales, generando soluciones nuevas. La segunda es seleccionar herramientas con criterios de accesibilidad y usabilidad: comprender principios de accesibilidad y cómo se aplican al diseño y despliegue de IA, detectar de qué manera reduce barreras y mejora la experiencia de grupos diversos, y priorizar soluciones que pongan la inclusión en el centro. Así, la adopción es gradual, responsable y orientada a resultados que benefician a toda la comunidad académica.

En conjunto, estas competencias ofrecen una guía práctica para que las bibliotecas académicas integren la inteligencia artificial sin perder de vista sus valores esenciales. Ética para proteger derechos y equidad. Conocimiento para orientar con rigor. Evaluación para decidir con evidencia. Aplicación para mejorar procesos, comunicación e innovación con accesibilidad. Adoptarlas no es un trámite, es una inversión en la calidad del servicio y en la confianza de la comunidad. El siguiente paso es planificar formación, revisar políticas y documentar decisiones. Con un enfoque progresivo y compartido, la biblioteca universitaria seguirá siendo un aliado crítico y constructivo en la era de la IA.

También te puede interesar ...

España es el país europeo con mayor número de socios en bibliotecas públicas Baratz en el I Encuentro de Directores de Bibliotecas y TICs del SUE Baratz patrocina la XXI Asamblea Anual de la Red de Bibliotecas Universitarias (Rebiun 2013) La biblioteca de la Universidad Central de Ecuador se pasa a AbsysNet