Álvaro Cuéllar*
Imagen de una teta mecánica generada con ChatGPT (OpenAI) a partir de una descripción textual elaborada por el autor.
Tienes un proyecto humanístico cuya realización depende necesariamente del apoyo de la computación. No sabes cómo abordar esa parte técnica; de hecho, no te interesa y, en cierto modo, incluso la desprecias. Decides entonces contratar a un equipo informático especializado. Superas los siempre estimulantes trámites burocráticos para conseguir financiación, y una vez en marcha, todo parece prometedor: te aseguran que lo que planteas es sencillo, que lo tendrán listo en poco tiempo, que no es nada comparado con los proyectos «serios» a los que están acostumbrados. Pero el tiempo pasa y el resultado no llega. Pasa más tiempo aún y el proyecto empieza a estancarse. Cada pequeño ajuste se convierte en un problema; cualquier matiz que para ti es fundamental resulta incomprensible para ellos. Te desesperas. A los pocos meses, el equipo te informa de que están dedicando más tiempo del previsto y que deberás pagar más si quieres continuar. De lo contrario, se detendrá todo.
Y así, el proyecto queda abandonado. Meses. A veces, años. Sin resultados.
Los informáticos han sabido aprovechar esa necesidad. En ocasiones honestamente, en otras no tanto. Siempre prometiendo soluciones, pero pocas veces comprendiendo del todo lo que queríamos. El entendimiento nunca fue completo y, durante años, nos consolamos con una excusa razonable: no podíamos hacerlo de otro modo.
Pero eso ha cambiado.
Hoy, gracias a la irrupción de las inteligencias artificiales generativas, ese muro empieza a derrumbarse. Estas herramientas, entrenadas con miles de millones de datos, no solo producen respuestas plausibles: son capaces de entender instrucciones complejas escritas en lenguaje natural. Es decir, podemos describir con nuestras palabras lo que queremos hacer —un proceso, una búsqueda, un filtrado, una tarea técnica— y la IA nos ayuda a construirlo. Paso a paso. Corrigiendo, reformulando, aprendiendo con nosotros. No se trata de magia. Se trata de una nueva forma de colaboración.
Los lingüistas computacionales dirán que estas máquinas no entienden nada, que no hay conciencia, ni intención, ni inteligencia real detrás. Que son loros estocásticos, repitiendo patrones con apariencia de sentido. Tienen razón. Pero tras varios años usando la IA prácticamente a diario, yo solo puedo decir una cosa: «Ojalá mis informáticos me entendieran como me entiende ChatGPT».
Porque lo hace. O, al menos, lo simula tan bien que el resultado es práctico, tangible y, lo más importante, certero. ¿Significa esto que ya no necesitamos a nadie? No exactamente. Pero sí significa que podemos avanzar mucho más por nosotros mismos. Que la escritura —nuestra herramienta natural— se ha convertido también en un puente hacia la acción técnica. Que ya no tenemos que delegar desde el principio. Podemos empezar solos, experimentar, construir.
Esta nueva etapa de libertad técnica no es una promesa futura, sino una realidad palpable. Sirvan como ejemplo tres proyectos recientes en los que la inteligencia artificial generativa no solo ha facilitado el trabajo del humanista, sino que lo ha hecho posible.
1. Biblioteca Digital Prolope: un repertorio online para la producción lopesca
La Biblioteca Digital Prolope, cuya conceptualización comenzó hace más de diez años a cargo del profesor Ramón Valdés, nació con el loable objetivo de ofrecer ediciones críticas digitales de las comedias de Lope de Vega. Durante años el proyecto avanzó con entusiasmo, pero también con enormes dificultades técnicas: cada nueva funcionalidad requería la ayuda de informáticos externos, con sus discusiones, esperas y desesperación habitual. La dependencia era estructural. Llegó un punto de estancamiento donde ya no era posible continuar y las exigencias económicas eran cada vez más demandantes. El proyecto quedó en un letargo permanente.
Sin embargo, recientemente, tres doctorandos y humanistas digitales —Anna Abate, Emanuele Leboffe y David Merino— decidieron cambiar de enfoque. En lugar de seguir colaborando con las empresas con la esperanza de que resolvieran los obstáculos técnicos, optaron por afrontarlos directamente. En vez de seguir esperando soluciones externas, aplicaron sus conocimientos previos y recurrieron estratégicamente a herramientas de inteligencia artificial generativa (IAG) para optimizar los procesos. Gracias a un trabajo ágil, lograron en pocas semanas desbloquear tareas que llevaban años sin resolverse. Lo que antes parecía inabordable se volvió eficiente, claro y, sobre todo, gestionado desde dentro por quienes comprenden a fondo los objetivos del proyecto.
Hoy, la Biblioteca Digital Prolope está a punto de poder mostrar al mundo el grueso de la producción lopesca en ediciones críticas de la mayor calidad y cumpliendo los estándares computacionales más exigentes.
2. TEXORO: un buscador textual para la literatura del Siglo de Oro
Inspirado por ese ejemplo, decidí aplicar la misma lógica a uno de mis propios proyectos, TEXORO, un buscador que trabaja con más de 3000 obras teatrales del Siglo de Oro, escritas por unos 400 dramaturgos, que he construido junto con el profesor Germán Vega durante los últimos 8 años. Desde el inicio, TEXORO nació con una ambición clara: permitir búsquedas en el vasto conjunto textual que hemos reunido. Pero la realidad técnica nos superó. Y los intentos de contratar a informáticos para mejorar el sistema fueron espantosos: presupuestos imposibles, falta de comprensión de lo que pedíamos, resultados estancados.
Frustrado, decidí hace unas semanas asumir el control. Poco a poco, y sin apenas conocimientos previos sobre gestión web, comencé a construir el sistema desde cero, no en soledad, sino acompañado de la IA. Describí lo que quería. Pedí ejemplos. Fui adaptando fragmentos de código, entendiendo cómo funcionaban los índices invertidos, la paginación, la indexación personalizada. Con la ayuda constante de ChatGPT —respondiendo a mis preguntas, corrigiendo mis errores, guiando los pasos técnicos— logré levantar una estructura de búsqueda potente y rápida, funcional. Y lo más importante: diseñada desde dentro. Lo que durante años había parecido un callejón sin salida se convirtió en un proyecto viable y sostenible. Sin empresas externas. Sin promesas incumplidas. Solo con paciencia, voluntad y una IA siempre dispuesta a acompañar el proceso.
Ahora TEXORO permite toda clase de búsquedas y da por fin una respuesta ágil a los investigadores del Siglo de Oro sobre las ocurrencias de sus consultas.
3. Thal-IA: redes neuronales para la detección caligráfica de manuscritos
Un tercer ejemplo, igualmente revelador, es el del proyecto Thal–IA, dirigido por la profesora Sònia Boadas. Uno de los objetivos de este proyecto es construir redes neuronales convolucionales capaces de identificar la caligrafía de autores como Lope de Vega o Calderón de la Barca y realizar rastreos masivos con el objetivo de encontrar manuscritos desconocidos de estas manos. Este tipo de tarea, hasta hace muy poco, habría requerido un equipo de ingenieros especializados en visión por computador, procesamiento de imágenes y entrenamiento de modelos.
Pero en esta ocasión, el enfoque fue otro. Con ChatGPT como copiloto, el equipo se embarcó en una simbiosis constante entre humanismo y técnica: desde la conversión y binarización de imágenes antiguas hasta la segmentación de líneas y el diseño de arquitecturas neuronales, cada paso se fue construyendo a partir de conversaciones, pruebas y ajustes compartidos con la IA. La herramienta no solo proporcionaba soluciones, sino también explicaciones comprensibles y opciones alternativas. De esa interacción nació un flujo de trabajo realista, adaptado a las necesidades del proyecto y sin las demoras típicas de la subcontratación técnica.
Hoy, Thal–IA avanza con modelos entrenados que reconocen manuscritos barrocos con una precisión que supera el 95 % de acierto en la mayoría de casos. Pero lo más importante no es solo el resultado, sino el proceso: fue diseñado y guiado por humanistas que ya no necesitan ayuda para programar.
4. Conclusión
Conseguir resolver tus necesidades digitales no es fácil. Requiere tiempo, esfuerzo y una buena dosis de prueba y error. Pero cuando por fin logras desarrollar una herramienta que responde a tus necesidades —por sencilla que sea—, la sensación es profundamente satisfactoria. Cada línea que escribes por ti mismo, cada pequeño avance, es también un paso hacia la autonomía intelectual. Porque pocas cosas resultan tan liberadoras como no depender de agentes externos para llevar a cabo tu propia investigación. Quizá por eso, al pensar en este momento de transición, me viene a la mente la célebre imagen de La libertad guiando al pueblo. Una figura orgullosa a la que debemos aspirar, que avanza decidida, en medio del caos, sacando un pecho fuera al puro estilo Delacroix, como diría nuestra Rigoberta.
* Álvaro Cuéllar González es investigador en humanidades digitales especializado en aplicar inteligencia artificial y técnicas estilométricas al teatro del Siglo de Oro; codirige el proyecto ETSO y la plataforma TEXORO. Es conocido por desarrollar métodos computacionales para atribución de autoría y análisis textual, incluido el hallazgo de La francesa Laura como obra de Lope de Vega.