OpenAI amplía la beca de IA de Lenfest con hasta 10 millones de dólares en apoyo
OpenAI ha duplicado su apoyo al Lenfest Institute, comprometiendo 5 millones de dólares en financiación, además de hasta 5 millones en créditos de software y asistencia de ingeniería. La ampliación de OpenAI y Lenfest lleva un ambicioso experimento en redacciones a una fase más exigente: demostrar que los sistemas de IA desarrollados localmente pueden beneficiar a medios más allá de la cohorte original.
El Programa de Colaboración y Becas de IA de Lenfest comenzó incorporando ingenieros de IA a tiempo completo dentro de organizaciones periodísticas participantes. Esos becarios trabajaron durante dos años con equipos editoriales, de producto, ingresos y tecnología. Ahora, Lenfest planea reclutar a un grupo más amplio de medios y convertir los proyectos exitosos en herramientas, plugins, marcos de trabajo y guías de implementación reutilizables.
Este enfoque cuestiona un patrón habitual en la tecnología para el periodismo. Las redacciones suelen recibir acceso temporal a nuevo software sin obtener el personal, la gobernanza ni el conocimiento técnico necesarios para controlarlo. Lenfest apuesta por que los empleados integrados y la infraestructura compartida pueden generar un valor más duradero que las demostraciones breves o los proyectos de consultoría externa.
La ampliación de OpenAI y Lenfest cambia la escala del programa
El nuevo compromiso financia más que otra ronda de experimentos. Financia un intento de convertir trabajo específico de cada redacción en infraestructura compartida.
El Lenfest Institute anunció la ampliación el 28 de septiembre de 2026. OpenAI aporta 5 millones de dólares en financiación directa y hasta 5 millones mediante créditos de software y apoyo de ingeniería. La compañía afirma que esto duplica su respaldo previo al programa.
La iniciativa original se lanzó en octubre de 2024 con el apoyo de OpenAI y Microsoft. Inicialmente incorporó becarios en cinco organizaciones periodísticas metropolitanas, a las que siguieron participantes adicionales. Desde entonces, el programa ha trabajado con 11 organizaciones periodísticas estadounidenses, según la más reciente ampliación de la beca.
Entre los medios participantes figuran The Philadelphia Inquirer, The Seattle Times, The Baltimore Banner, Newsday, Chicago Public Media y The Minnesota Star Tribune. Boston Globe Media, The Dallas Morning News, ProPublica y NEWSWELL de Arizona State University también han participado.
La primera ronda de financiación combinó efectivo con software empresarial, almacenamiento en la nube y créditos de IA generativa. Cada medio inicial recibió apoyo para un becario de ingeniería de IA a tiempo completo durante dos años. Estos empleados fueron contratados por las organizaciones periodísticas, en lugar de ser asignados por OpenAI, Microsoft o Lenfest.
Ese detalle organizativo importa. Un ingeniero contratado localmente responde ante el medio y trabaja dentro de sus estructuras editoriales y empresariales existentes. Puede observar problemas recurrentes, probar posibles soluciones y revisar proyectos junto con las personas que deberán utilizarlos.
Jim Friedlich, director ejecutivo y CEO del Lenfest Institute, declaró a Nieman Journalism Lab que cada becario se convirtió en el primer empleado de IA a tiempo completo de su organización. También subrayó que los becarios seguían teniendo libertad para utilizar las tecnologías que mejor se ajustaran al trabajo.
La próxima cohorte mantendrá ese modelo integrado. Lenfest también está considerando organizaciones fuera del segmento de periódicos metropolitanos, incluidas operaciones de televisión local y organizaciones estatales de periodismo de servicio público.
También está cambiando el alcance del resultado previsto. Durante el piloto, un becario podía crear una interfaz de búsqueda, una herramienta publicitaria o un flujo de trabajo de datos públicos para un único medio. Ahora Lenfest quiere que los proyectos sólidos se conviertan en recursos reutilizables que cientos de organizaciones puedan adoptar.
Ese objetivo exige mucho más que publicar código fuente. Una redacción pequeña necesita documentación, orientación de seguridad, apoyo para el despliegue, métodos de evaluación y una descripción clara del problema que se está resolviendo. También necesita una forma de mantener el sistema después de que termine la beca original.
Por lo tanto, la nueva financiación respalda dos capas conectadas. Los becarios integrados seguirán desarrollando soluciones dentro de organizaciones individuales. Lenfest desarrollará la capacidad técnica necesaria para empaquetar y distribuir trabajos seleccionados en el conjunto más amplio del sector periodístico.
Esta estructura hace que el anuncio sea más relevante que otra subvención corporativa. La ampliación de OpenAI y Lenfest pondrá a prueba si la innovación en las redacciones puede trasladarse sin perder el conocimiento local que la hizo útil.
Por qué los ingenieros integrados superan a los pilotos temporales de IA
La afirmación central de Lenfest es que la adopción responsable de IA depende más de la confianza y el conocimiento organizativo que del acceso a un modelo concreto.
Las redacciones pueden adquirir software rápidamente. No pueden obtener comprensión institucional a través de una pantalla de activación de cuenta. Las prácticas de información, políticas de correcciones, sistemas publicitarios, archivos y relaciones con la audiencia varían ampliamente entre medios.
Un proveedor externo suele ver el flujo de trabajo descrito en un informe de proyecto. Un ingeniero integrado experimenta el flujo de trabajo tal como lo usan realmente los miembros del personal. Esa diferencia influye en qué problemas reciben atención y qué herramientas propuestas sobreviven al uso diario.
Lenfest afirma que los proyectos más sólidos comenzaron con un problema organizativo definido, no con una función de IA predeterminada. Los becarios entrevistaron a colegas, observaron trabajo repetitivo, crearon pequeños prototipos y evaluaron si esos prototipos mejoraban el trabajo.
Los hallazgos del piloto del programa hacen hincapié en la confianza, la integración local y la selección de problemas. Según se informa, la adopción aumentó a medida que el personal comenzó a tratar a los becarios como colegas que entendían su trabajo.
Este enfoque también cambia la definición de experiencia en IA dentro de una redacción. El conocimiento sobre modelos sigue siendo importante, pero la comunicación y la traducción se vuelven igualmente importantes. Un ingeniero debe explicar las limitaciones técnicas a periodistas, directivos, equipos de ventas y revisores legales sin ocultar las compensaciones.
La orientación previa de Lenfest para la contratación refleja esa necesidad. Las organizaciones participantes buscaban ingenieros que entendieran Python, JavaScript, modelos de IA y trabajo de implementación complejo. Sin embargo, los medios también priorizaron la humildad, la comunicación transversal y la capacidad de operar dentro de una cultura orientada por una misión.
El programa rechazó la idea de que la familiaridad con asistentes de programación por sí sola calificara a alguien para liderar la adopción en una redacción. Su guía de contratación advierte contra candidatos que conocen herramientas populares, pero carecen de una comprensión fundamental de la IA.
Esa combinación de profundidad técnica y credibilidad interna es costosa. Muchos medios locales no pueden incorporar fácilmente a un ingeniero con experiencia mientras mantienen la cobertura informativa y otras operaciones esenciales. La financiación de las becas reduce esa barrera inicial.
Los créditos abordan una barrera diferente. Una redacción puede probar modelos, servicios en la nube y software empresarial sin asumir de inmediato el coste operativo total. La asistencia de ingeniería puede reducir el tiempo necesario para resolver problemas de integración.
Sin embargo, los créditos no crean por sí solos una capacidad duradera. Las asignaciones de uso caducan, las interfaces de los modelos cambian y los sistemas experimentales requieren mantenimiento. Una redacción aún necesita empleados capaces de evaluar proveedores, gestionar el acceso a los datos y decidir cuándo no debe utilizarse la automatización.
Por eso la estructura integrada es el verdadero mecanismo del programa. El software hace posible la experimentación, pero el becario conecta esa experimentación con las necesidades organizativas y las normas editoriales.
Un ejemplo práctico procede del acceso a archivos. Un medio puede combinar su archivo informativo con generación aumentada por recuperación, o RAG. RAG recupera documentos relevantes antes de que un modelo genere una respuesta, lo que reduce la dependencia de la memoria interna del modelo.
Construir ese sistema exige más que conectar un archivo a un chatbot. El medio debe decidir qué documentos están disponibles, cómo se citan los resultados, cómo se propagan las correcciones y si puede aparecer material confidencial. Son decisiones editoriales y de gobernanza tanto como decisiones de ingeniería.
El mismo principio se aplica cuando cualquier organización crea una base de conocimiento de IA. La calidad de la recuperación depende de la información subyacente, las reglas de acceso y el proceso de evaluación. Una interfaz pulida no puede compensar una gestión deficiente de las fuentes.
La ampliación de OpenAI y Lenfest respalda, por tanto, un modelo laboral, no solo un paquete tecnológico. Su éxito depende de si dos años de trabajo integrado crean hábitos y capacidades que persistan después de que termine el apoyo de la subvención.
La IA en las redacciones va más allá de la producción de noticias
Los proyectos más reveladores de la beca tratan a un medio como una empresa operativa completa, no simplemente como una fábrica de artículos.
El debate público sobre la IA en las redacciones suele centrarse en el texto generado. Ese enfoque suscita preocupaciones inmediatas sobre precisión, autoría, sustitución de empleos y divulgación. Estas preocupaciones son legítimas, pero cubren solo una parte de las operaciones de un medio.
Los participantes de Lenfest han explorado la búsqueda en archivos, la prospección publicitaria, la modelización de donantes, el crecimiento de suscripciones, la personalización de audiencias, el seguimiento de reuniones públicas y los flujos de trabajo de producción. Otros proyectos abordaron la eficiencia operativa y la transición de sistemas impresos a la publicación digital.
The Philadelphia Inquirer trabajó en una interfaz conversacional para sus archivos. Una interfaz de este tipo puede ayudar al personal a localizar coberturas anteriores, identificar el contexto informativo y recuperar conocimiento institucional oculto tras metadatos inconsistentes.
The Seattle Times inicialmente planeó trabajo relacionado con analítica publicitaria y apoyo a ventas. Newsday se centró en la síntesis y agregación de datos públicos. Chicago Public Media exploró la transcripción, la traducción y la síntesis, según las condiciones originales del programa.
Estos proyectos reflejan las presiones financieras a las que se enfrentan los medios locales. Mejores herramientas de información son valiosas, pero los medios también necesitan ingresos por suscripciones, rendimiento publicitario, relaciones con donantes y operaciones más eficientes.
Un sistema de prospección publicitaria, por ejemplo, puede ayudar a un equipo de ventas a identificar empresas que encajen con los productos disponibles. Un modelo de donantes puede ayudar a una redacción sin ánimo de lucro a priorizar el contacto. Un monitor de reuniones públicas puede señalar puntos relevantes del orden del día, dejando la verificación y la información en manos de los periodistas.
La cuestión clave no es si estas tareas utilizan IA. Es si los sistemas producen mejoras medibles sin crear errores inaceptables, problemas de privacidad o influencia editorial oculta.
Esa distinción evita que el programa se convierta en una colección de demostraciones tecnológicas. Un prototipo puede parecer convincente durante una presentación y, sin embargo, añadir trabajo durante las operaciones habituales. El personal puede dedicar más tiempo a revisar sus resultados del que ahorra mediante la automatización.
Lenfest afirma que sus becarios utilizaron experimentación a pequeña escala y evaluación continua. La próxima fase debe hacer visibles esos métodos de evaluación. Otros medios necesitarán conocer las condiciones en las que una herramienta tuvo éxito, los patrones de fallo observados y el tiempo de personal requerido.
La reutilización entre redacciones ofrece una prometedora mejora de eficiencia. The Baltimore Banner aprovechó el trabajo de The Philadelphia Inquirer mientras desarrollaba sus propias herramientas de descubrimiento de noticias. Los becarios también intercambiaron código, ideas de producto, métodos técnicos y lecciones de implementación.
Sin embargo, reutilizar no significa copiar un producto terminado sin cambios. Una organización de medios públicos, un periódico comercial, un medio de investigación sin ánimo de lucro y una estación de televisión local tienen sistemas y responsabilidades diferentes. Los componentes compartidos deben permitir la configuración local sin debilitar las salvaguardas.
La cohorte más amplia presionará a Lenfest para resolver ese problema de portabilidad. Una herramienta diseñada en torno al archivo de un gran periódico metropolitano quizá no se adapte a una biblioteca de transcripciones televisivas. Un flujo de trabajo para donantes puede tener poca relevancia para un editor basado en suscripciones.
Las guías de implementación reutilizables podrían ser tan valiosas como el código reutilizable. Una guía puede describir requisitos de datos, necesidades de personal, cuestiones de contratación, procedimientos de evaluación y señales de alerta. Ese conocimiento ayuda a un editor a descartar proyectos inadecuados antes de gastar recursos limitados.
La expansión del programa hacia la televisión local y el periodismo estatal de servicio público creará una prueba exigente. Estas organizaciones trabajan con distintos formatos de medios, calendarios de publicación, cobertura geográfica y expectativas de la audiencia.
El éxito demostraría que el modelo integrado puede generar métodos transferibles respetando las variaciones locales. El fracaso sugeriría que los resultados más sólidos del piloto dependieron en gran medida de participantes con recursos excepcionalmente amplios y de un estrecho apoyo de las becas.
Esta es la tensión central de la siguiente fase. Lenfest quiere que la innovación se convierta en infraestructura compartida, pero el valor de los ingenieros integrados proviene de su atención al contexto local.
La relación de financiación aún merece escrutinio
El apoyo de un proveedor de IA puede reforzar la capacidad de las redacciones, al tiempo que profundiza la dependencia de los editores respecto de las empresas que están transformando el descubrimiento de información.
OpenAI presenta la expansión como apoyo a un periodismo local sostenible y responsable. Los editores participantes reciben financiación, trabajo técnico, créditos y acceso a conocimientos de ingeniería que, de otro modo, serían difíciles de obtener.
Esos beneficios son concretos. No eliminan el conflicto más amplio entre los editores y las plataformas de IA.
Los productos de búsqueda generativa responden cada vez más a preguntas sin dirigir a los usuarios a los reportajes que sustentan esas respuestas. Los editores afrontan incertidumbre sobre el tráfico de referencias, la atribución, los derechos de autor, las licencias y el valor a largo plazo de sus archivos.
Un estudio de Columbia Journalism Review basado en 34 entrevistas describe una relación tensa entre plataformas y editores. Su estudio sobre editores y plataformas señala que muchas organizaciones de noticias carecen de los recursos necesarios para negociar acuerdos de licencia o emprender litigios.
El programa Lenfest no se describe como un acuerdo de licencia de contenidos. Según los informes, el acuerdo original excluía los intercambios de datos en tiempo real y los derechos de entrenamiento. Esa separación debería mantenerse explícita a medida que se desarrolle la colaboración.
Incluso sin condiciones de licencia, los créditos de software pueden influir en las decisiones técnicas. Una redacción puede construir en torno a un proveedor porque sus servicios están subvencionados durante la beca. Migrar posteriormente puede requerir nuevas integraciones, evaluaciones, revisiones de seguridad y formación del personal.
Lenfest ofrece un contrapeso importante. Los becarios trabajan para sus organizaciones anfitrionas y pueden elegir otras tecnologías. Esa independencia otorga a los editores más control que un programa basado en el uso obligatorio de los modelos de un único proveedor.
La prueba práctica será si esa libertad se mantiene durante la implementación. La documentación pública debería identificar qué sistemas pueden funcionar entre proveedores, cuáles dependen de servicios propietarios y qué implicaría una migración.
El programa también necesita evidencia más allá de las listas de proyectos. El anuncio identifica muchas aplicaciones útiles, pero no publica un conjunto estándar de resultados para toda la cohorte. Los lectores aún no pueden comparar adopción, tiempo ahorrado, efectos sobre los ingresos, precisión o costes de mantenimiento.
Esa carencia no demuestra que los proyectos hayan fracasado. Significa que las afirmaciones sobre un modelo probado requieren una interpretación cuidadosa. El piloto ha producido ejemplos creíbles y lecciones organizativas, mientras que la evidencia de un impacto amplio y repetible sigue siendo incompleta.
El riesgo editorial necesita una presentación igualmente clara. Un sistema utilizado para investigar archivos puede omitir material relevante o mostrar afirmaciones desactualizadas. Un monitor de reuniones públicas puede pasar por alto formulaciones inusuales. Un sistema de personalización de audiencias puede limitar la exposición o amplificar supuestos defectuosos.
La revisión humana reduce esos riesgos, pero no los resuelve automáticamente. Los revisores necesitan acceso a las fuentes, una responsabilidad clara y tiempo suficiente para cuestionar un resultado. Un paso de aprobación meramente nominal pierde sentido cuando las expectativas de rapidez hacen imposible una verificación cuidadosa.
Los sistemas orientados al negocio también requieren escrutinio. Los modelos de donantes y las herramientas publicitarias pueden procesar información conductual sensible. Los editores deben definir qué datos entran en esos sistemas, quién puede acceder a los resultados y durante cuánto tiempo permanece disponible la información.
Las organizaciones de noticias locales dependen en gran medida de la confianza de la comunidad. Un despliegue de IA mal gobernado puede dañar esa confianza más rápido de lo que una pequeña mejora de eficiencia puede repararla.
El enfoque de Lenfest en personal integrado proporciona una base creíble para una adopción responsable. Un becario puede desarrollar políticas internas junto con los sistemas técnicos y responder cuando los empleados identifiquen riesgos.
Aun así, la beca no puede sustituir la rendición de cuentas de los editores. Los editores y directivos deben decidir qué usos se alinean con su misión. Los financiadores y proveedores no deberían establecer esos límites mediante configuraciones predeterminadas de software o incentivos con fecha de vencimiento.
La versión más sólida del programa publicará los fracasos junto con los éxitos. Saber por qué se detuvo un piloto puede evitar que cientos de pequeños editores repitan el mismo error.
Tres señales mostrarán si el modelo puede escalar
La siguiente fase debe juzgarse por la retención de talento, los sistemas portables y resultados comprensibles de manera independiente.
La primera señal es si los editores participantes retienen a sus becarios o crean puestos permanentes comparables. Lenfest afirma que se espera que varios becarios permanezcan como empleados a tiempo completo. Una retención confirmada demostraría que los editores valoran suficientemente esa capacidad como para respaldarla más allá de la beca.
La retención también revela si la financiación creó un proyecto temporal o una función organizativa duradera. Un sistema sin responsable se deteriorará a medida que cambien las API, los modelos, los requisitos de seguridad y las prácticas de las redacciones.
La segunda señal es si otros editores despliegan las herramientas y marcos reutilizables. Lenfest quiere que el trabajo exitoso de las becas beneficie a cientos de organizaciones de noticias. Ese objetivo exige una adopción observable fuera de la cohorte original.
Un despliegue significativo debería implicar más que descargar código. Los editores deberían poder instalar una herramienta, adaptarla a sus datos, formar al personal, evaluar los resultados y mantenerla sin ayuda continua del becario original.
La documentación será un indicador crítico. Los paquetes útiles deberían describir requisitos técnicos, decisiones de gobernanza, modos de fallo conocidos y costes operativos previstos. También deberían identificar dónde sigue siendo obligatorio el juicio humano.
La tercera señal es si Lenfest publica evidencia comparable sobre resultados y riesgos. Los materiales actuales del programa ofrecen ejemplos detallados, pero no proporcionan un marco de medición común para todos los proyectos.
Ese marco no necesita reducir el periodismo a una única puntuación de eficiencia. Los distintos proyectos requieren medidas diferentes. Un sistema de archivo podría medir la precisión de recuperación y la adopción por parte del personal, mientras que un proyecto de suscripciones podría medir la conversión y la retención.
El paso importante es definir el éxito antes de la expansión. Las medidas transparentes ayudarían a los editores más pequeños a distinguir un sistema útil de una demostración impresionante. También darían a los financiadores una base más clara para decidir qué merece apoyo continuado.
La posición de Microsoft añade otra variable. Participó en la primera cohorte, pero no había decidido si renovaría su compromiso tras el ciclo existente, según la estructura de financiación reportada. Una renovación preservaría una base de financiación con múltiples proveedores. Una retirada haría más prominente el papel de OpenAI.
La expansión OpenAI Lenfest merece atención porque lleva el debate más allá de si los periodistas deberían usar IA. Muchas organizaciones de noticias ya la están probando en reportajes, productos, ingresos y operaciones internas.
La pregunta más útil es quién controla esa adopción. Los editores necesitan personas que comprendan su misión, datos, flujos de trabajo y comunidades. También necesitan suficiente independencia técnica para rechazar usos inadecuados y cambiar de proveedor.
Lenfest apuesta a que los ingenieros integrados pueden proporcionar esa capa que falta. El nuevo apoyo brinda al instituto la oportunidad de extender el modelo más allá de un pequeño grupo de editores relativamente destacados.
Ahora el programa debe demostrar transferencia sin imponer uniformidad. Debe mostrar capacidad duradera después de que expiren los créditos, adopción útil más allá de la cohorte y salvaguardas que sigan siendo eficaces bajo la presión diaria.
Para los líderes de las redacciones, la acción inmediata es sencilla: observar qué retienen los participantes, qué pueden reutilizar quienes están fuera y qué resultados hace medibles Lenfest. Esas señales revelarán si la expansión OpenAI Lenfest desarrolla una capacidad independiente en las redacciones o genera otro ciclo de experimentación subvencionada.
