Introducción 112
El artículo de Bu, Li, Jiang y Liu (2026) analiza la incorporación de los grandes modelos de lenguaje (LLM) en el ámbito museístico y propone una nueva concepción de la denominada inteligencia de los museos. Los autores señalan que las tecnologías digitales se han utilizado tradicionalmente para facilitar la difusión de contenidos mediante audioguías, pantallas multimedia, sistemas de conocimiento y herramientas de apoyo a la curaduría. Sin embargo, estos recursos dependen en gran medida de información predefinida y ofrecen una capacidad limitada de adaptación a las necesidades e intereses de los visitantes.
Frente a este modelo estático, los LLM permiten desarrollar sistemas interactivos capaces de mantener conversaciones, adaptar explicaciones, relacionar diferentes piezas, facilitar la navegación y utilizar herramientas externas. El estudio organiza estas aplicaciones en dos grandes ámbitos: la inteligencia interactiva, orientada al visitante, y la inteligencia de apoyo o backstage intelligence, dirigida a profesionales y procesos institucionales. Esta clasificación permite comprender los LLM no únicamente como herramientas tecnológicas, sino como componentes integrados en contextos culturales, educativos y organizativos específicos.
Resumen y principales resultados
En el ámbito de la inteligencia interactiva se identifican guías conversacionales, interacciones basadas en personajes y sistemas de razonamiento interactivo. Estos últimos incluyen adaptación al perfil del usuario, navegación y conexión con herramientas externas. Las aplicaciones pueden funcionar mediante interfaces situadas junto a las piezas, dispositivos móviles, robots o entornos de realidad extendida. Para incorporar conocimiento especializado, los trabajos revisados recurren principalmente a ingeniería de prompts, ajuste fino (fine-tuning) y generación aumentada mediante recuperación (RAG). Esta última permite fundamentar las respuestas en bases de datos, grafos de conocimiento o fondos documentales del museo.
En la inteligencia de apoyo, los LLM se emplean en la generación narrativa, interpretación de exposiciones, creación de preguntas para diferentes públicos, diseño de experiencias, estructuración de datos, construcción de conjuntos de datos y evaluación de la experiencia del visitante. El análisis bibliográfico muestra un crecimiento muy acusado de las investigaciones entre 2023 y 2025. La ingeniería de prompts constituye la estrategia técnica predominante, mientras que el fine-tuning presenta una utilización menor debido a sus mayores exigencias de datos y recursos. También predominan las interfaces convencionales y los dispositivos móviles frente a robots y entornos inmersivos.
Comentario y análisis
Uno de los aspectos más relevantes del trabajo es que sitúa la automatización museística más allá de la simple generación automática de textos. Los LLM pueden intervenir en la organización del conocimiento, la interpretación documental, la interacción con los visitantes y determinados procesos profesionales. No obstante, los autores advierten sobre problemas especialmente importantes para los museos: alucinaciones, sesgos culturales, falta de control sobre la procedencia del conocimiento, escasa integración con los sistemas institucionales y dificultades para mantener las soluciones a largo plazo.
El artículo destaca además la necesidad de evaluar específicamente la alineación de los sistemas con los valores institucionales, la sensibilidad cultural, la coherencia interpretativa y la procedencia de la información. Asimismo, considera insuficiente el predominio de prototipos aislados y plantea arquitecturas sostenibles, interoperables y conectadas con los sistemas de gestión de colecciones, bases de datos y plataformas museísticas existentes. En consecuencia, el futuro de los LLM en los museos depende no solo de mejorar los modelos, sino también de fortalecer la gobernanza del conocimiento, la supervisión curatorial y la integración tecnológica institucional.
No hay comentarios:
Publicar un comentario