Quality Perceptions and Intended Engagement in Response to AI-Generated and AI-Assisted News

Resumen Técnico: Percepciones de Calidad e Intención de Compromiso en Respuesta a Noticias Generadas y Asistidas por IA

Planteamiento del Problema
La integración de la Inteligencia Artificial (IA) en la producción de noticias, particularmente a través de Modelos de Lenguaje Extensos (LLM), presenta un desafío crítico para comprender la recepción de la audiencia. Si bien la IA ofrece potencial de eficiencia, el escepticismo del público sigue siendo alto; investigaciones previas sugieren que las audiencias suelen desconfiar del contenido generado por IA, particularmente en contextos políticos, y prefieren las noticias escritas por humanos. Sin embargo, la literatura existente a menudo confunde las actitudes preexistentes con la evaluación real del contenido, asumiendo frecuentemente que la aversión surge de una percepción de menor calidad. Además, la mayoría de los estudios previos son anteriores a las capacidades de la IA generativa moderna, y pocos han logrado desvincular las evaluaciones iniciales de calidad (realizadas sin conocimiento de la autoría) de las reacciones posteriores a la divulgación. Este estudio aborda estas brechas examinando si las audiencias perciben diferencias de calidad entre las noticias escritas por humanos, las asistidas por IA y las generadas íntegramente por IA cuando la autoría es desconocida, y cómo la divulgación de la participación de la IA influye en las intenciones de compromiso.

Metodología
Los autores realizaron un experimento de encuesta online entre sujetos, preregistrado, en la Suiza de habla alemana (N = 599). Los participantes fueron reclutados mediante cuotas de edad y género y asignados aleatoriamente a una de tres condiciones:

1. Escrita por un humano: fragmentos de artículos originales de periodistas.
2. Asistida por IA: artículos originales reescritos por ChatGPT sin pérdida de información.
3. Generada por IA: artículos cortos generados enteramente por ChatGPT basándose únicamente en el título y la entradilla originales.

Flujo Experimental:

1. Evaluación de Calidad (Ciego): Los participantes leyeron dos fragmentos de 150 palabras y calificaron ambos en tres dimensiones de calidad: pericia (claridad, coherencia, exhaustividad, concisión, redacción), legibilidad (aburrido, agradable, interesante, animado, placentero) y credibilidad (sesgado, imparcial, objetivo) utilizando una escala Likert de 1 a 5. Crucialmente, realizaron esta calificación antes de saber cómo se produjo el texto.
2. Divulgación: Se informó a los participantes sobre el método de producción real (humano, asistido por IA o generado por IA).
3. Intenciones de Compromiso: Los participantes informaron su disposición a (a) continuar leyendo el artículo específico y (b) leer noticias generadas por IA en el futuro.

Resultados Clave

• Percepción de Calidad (Ciego): No hubo diferencias estadísticamente significativas en la pericia, legibilidad o credibilidad percibida entre las tres condiciones. Las pruebas de equivalencia (TOST) confirmaron que los lectores evaluaron los artículos asistidos por IA y los generados por IA como estadísticamente equivalentes en calidad a los escritos por humanos. En consecuencia, las hipótesis H1–H6 (que predecían calificaciones de calidad más bajas para las condiciones de IA) fueron rechazadas.
• Compromiso a Corto Plazo (Post-Divulgación): Tras conocer la participación de la IA, los participantes en ambas condiciones (asistida por IA y generada por IA) reportaron una disposición significativamente mayor a continuar leyendo el artículo específico en comparación con el grupo de control escrito por humanos (tamaños de efecto moderados a grandes, d de Cohen = 0.53 y 0.61, respectivamente).
• Actitudes a Largo Plazo: A pesar del aumento del interés inmediato, no hubo una diferencia significativa en la disposición general de lectura de noticias generadas por IA en el futuro entre ninguna de las tres condiciones. Las hipótesis H9 y H 10 (que predecían un aumento en la disposición futura) fueron rechazadas.
• IA Asistida vs. IA Generada: El análisis exploratorio no encontró diferencias significativas entre las condiciones de IA asistida y la de generación total de IA en ninguna medida.

Contribuciones Clave

1. Desacoplamiento de la Calidad y la Fuente: El estudio proporciona evidencia empírica de que, en la era de los LLM, la calidad del mensaje (credibilidad, legibilidad, pericia) de las noticias generadas por IA es percibida como comparable a la del periodismo humano cuando la fuente es desconocida. Esto desafía la suposición de que la aversión a las noticias de IA es impulsada por una inferioridad percibida del texto en sí mismo.
2. El Efecto de la "Curiosidad" de la Divulgación: La investigación demuestra un desacoplamiento parcial entre la calidad del contenido y la aceptación de la fuente. Si bien la divulgación no degradó la calidad percibida del texto, desencadenó un aumento en las intenciones de compromiso a corto plazo. Los autores interpretan esto no como una aceptación genuina o construcción de confianza, sino como una respuesta impulsada por la curiosidad o un escrutinio intensificado (un "heurístico de automatización") donde los lectores quieren reexaminar el texto para detectar rastros de IA.
3. Distinción entre Interés Situacional y Sostenido: Los hallazgos resaltan que una sola exposición al contenido generado por IA, incluso con la divulgación, es insuficiente para cambiar las actitudes más amplias y a largo plazo hacia la IA en el periodismo. El interés situacional (impulsado por la novedad o la incongruencia) no se tradujo en un interés individual sostenido o en intenciones de lectura futuras.

Significancia y Reivindicaciones
El artículo sostiene que sus hallazgos contribuyen a una comprensión matizada de la relación entre la transparencia de la IA, la percepción del lector y la credibilidad periodística. Argumenta que, si bien las noticias generadas por IA pueden igualar la calidad de mensaje percibida de las noticias humanas, la divulgación del uso de IA no necesariamente "construye confianza" o "mejora el compromiso" de manera significativa o a largo plazo. En cambio, la divulgación puede disparar momentáneamente la curiosidad sin alterar el escepticismo profundo o los hábitos de lectura.

Los autores mantienen la modestia en sus conclusiones, señalando que el estudio mide intenciones autoinformadas en lugar de comportamientos reales y depende de una única muestra nacional. Enfatizan que su diseño aísla el efecto de la divulgación sobre el compromiso, pero no prueba una aceptación sostenida. El estudio sugiere que el "heurístico de automatización" sigue siendo una fuerza poderosa, donde los lectores pueden juzgar el contenido como competente pero seguir siendo reticentes respecto a la fuente, lo que indica que la transparencia por sí sola puede no resolver la tensión entre la eficiencia de la IA y las expectativas de rendición de cuentas humana en el periodismo.