--- title: "«Un encuentro cercano de tipo atlético»: cómo Gannett tuvo que pausar sus crónicas deportivas escritas por IA" description: "Gannett pausó sus crónicas deportivas por IA tras la burla por «un encuentro cercano de tipo atlético». El fallo no fue el modelo: fue publicar sin revisar." slug: "gannett-cronicas-deportivas-ia-encuentro-cercano" url: "https://catalizadora.ai/blog/gannett-cronicas-deportivas-ia-encuentro-cercano" cluster: "casos-ia" author: "Pablo Estrada" published_at: "2026-08-26T08:03:56.041+00:00" updated_at: "2026-08-26T18:44:29.801879+00:00" read_minutes: "7" lang: "es" --- # «Un encuentro cercano de tipo atlético»: cómo Gannett tuvo que pausar sus crónicas deportivas escritas por IA > Gannett pausó sus crónicas deportivas por IA tras la burla por «un encuentro cercano de tipo atlético». El fallo no fue el modelo: fue publicar sin revisar. ## La cronología **Día 0.** Gannett, el mayor grupo de diarios de Estados Unidos, puso a funcionar un sistema de inteligencia artificial que redactaba crónicas de deporte escolar en varios de sus periódicos locales, entre ellos el Columbus Dispatch de Ohio. La decisión tenía una lógica de negocio impecable. Cada fin de semana se juegan miles de partidos de secundaria, ningún diario local tiene reporteros para cubrirlos todos y los resultados llegan ya ordenados, en forma de marcador. Convertir una tabla de datos en un párrafo legible parecía, sobre el papel, el trabajo ideal para una máquina. **Día 1.** Los textos empezaron a salir publicados y los lectores se toparon con frases que ningún periodista escribiría. Un partido reñido quedó descrito como «un encuentro cercano de tipo atlético» —*close encounter of the athletic kind*, en el original en inglés—. Las crónicas no mencionaban a los jugadores, repetían la misma estructura de una nota a la otra y sonaban a formulario rellenado. En un diario local, donde la nota del partido del viernes es justamente la que la familia recorta y guarda, la diferencia se notó de inmediato. **Horas/días después.** Las capturas circularon primero entre lectores y periodistas, después en redes y finalmente en la prensa nacional. La burla fue tan amplia que Gannett detuvo el experimento en todos sus diarios y anunció que revisaría el sistema junto con el proveedor de la tecnología antes de retomarlo. > El sistema escribió exactamente lo que se le pidió; lo que faltó no fue inteligencia artificial, sino alguien que leyera la nota antes de imprimirla. ## Qué pasó, en detalle El experimento se apoyaba en una premisa razonable: la cobertura de deporte escolar es enorme en volumen, mínima en presupuesto y muy repetitiva en estructura. Un sistema automático que tomara el marcador final y produjera tres párrafos podía llenar decenas de páginas que de otro modo quedarían vacías. Gannett lo activó en varios de sus títulos y las notas salieron firmadas por el diario, en la web y en papel, sin señal visible para el lector de que no había un reportero detrás. El problema apareció apenas se leyeron seguidas. Las crónicas describían los partidos con un vocabulario extrañamente ceremonioso, evitaban los nombres propios de los jugadores y encadenaban la misma secuencia de oraciones cambiando solo los números. «Un encuentro cercano de tipo atlético» se volvió la frase emblema porque condensa el defecto: es gramaticalmente correcta, es técnicamente cierta —el partido fue cerrado— y es completamente ajena a cómo un ser humano cuenta un partido de secundaria. La reacción no vino de un ente regulador ni de un competidor, sino de los propios lectores. En cuestión de días la historia dejó de ser sobre deporte escolar y pasó a ser sobre el diario. Gannett pausó el uso del sistema en todos sus mercados. El detalle que le dio peso al caso es el contexto: la automatización llegó en un momento en el que los grupos de prensa locales de Estados Unidos, Gannett incluido, venían reduciendo redacciones. Lo automatizado no era un complemento del reportero local, era la sección entera. [Cobertura en The Washington Post](https://www.washingtonpost.com/nation/2023/08/31/gannett-ai-written-stories-high-school-sports/). ## Por qué pasó El modelo no alucinó, no insultó a nadie, no inventó un resultado. Hizo su trabajo con lo que le dieron, y lo que le dieron era un marcador: dos nombres de equipo, dos números y una fecha. Un sistema de generación de texto alimentado con datos así solo puede producir variaciones sobre «A le ganó a B». Cuando además se le pide que no repita las mismas frases —una exigencia sensata para no publicar cincuenta notas idénticas— el sistema busca sinónimos y rodeos cada vez más elaborados. De ahí nace «un encuentro cercano de tipo atlético»: es lo que produce una máquina obligada a decir algo original sobre un dato pobre. Ese es el mecanismo técnico. El fallo de proceso está un paso antes y es mucho más simple: la salida iba directo a publicación. No había una muestra que alguien leyera cada mañana, no había una regla automática que detuviera una nota sin un solo nombre propio, y el canal de destino incluía la imprenta, que es el canal menos reversible que existe. Una corrección en la web se hace en dos minutos; un periódico impreso no se puede editar. Detrás hay una trampa económica que se repite en cualquier automatización de volumen: el atractivo del proyecto era producir mucho a costo casi cero, y revisar mucho cuesta. Mientras más grande es el volumen, más caro parece revisarlo y más tentador resulta saltarse ese paso. Pero la revisión no era un trámite de calidad opcional: en un producto editorial, la revisión *es* el producto. Al quitarla, lo que se automatizó no fue la redacción, fue la publicación sin control. ![Gráfico con los datos del caso Gannett: crónicas deportivas escolares escritas por IA, pausadas en 2023](/img/casos/gannett-cronicas-deportivas-ia-encuentro-cercano-datos.jpg) *El mayor grupo de diarios de Estados Unidos pausó en 2023 su experimento de crónicas deportivas automáticas después de que una sola frase —«un encuentro cercano de tipo atlético»— se volviera viral.* ## Dónde te puede pasar a ti No hace falta tener una imprenta para repetir este error. Hace falta tener un proceso que publique o envíe sin que nadie mire. - **El bot de atención que contesta fuera de su terreno.** Un asistente entrenado con la información de tu web responde bien las preguntas frecuentes, y cuando le preguntan algo que no está en sus datos, igual contesta: llena el vacío con una redacción plausible sobre garantías, plazos o coberturas que tu empresa nunca ofreció. El cliente no distingue entre una respuesta con respaldo y una respuesta bien redactada. - **Las cotizaciones generadas en lote.** Si el sistema arma la propuesta con un precio que salió de la memoria del modelo y no de tu tabla de precios vigente, el error no queda en un chat: queda en un PDF con tu logo, en el correo de un cliente, con fecha y firma. - **La cobranza y los recordatorios masivos.** Un mensaje de mora enviado a mil contactos a la vez es tan irreversible como la imprenta. Si el campo de saldo viene vacío o el nombre no se resolvió, no mandaste mil mensajes: mandaste mil problemas de atención al cliente para el lunes. - **El contenido de marca y las descripciones de producto.** Publicar cien fichas o veinte artículos por semana funciona hasta que alguien lee tres seguidos y detecta la misma plantilla, o encuentra una característica que tu producto no tiene. Ahí el daño no es un texto malo, es la sospecha de que nada de lo que publicas fue revisado. La pregunta incómoda de hoy es esta: de todo lo que tu empresa mandó ayer al cliente de forma automática —mensajes, cotizaciones, publicaciones, correos—, ¿quién fue la última persona que lo leyó, y puedes decir su nombre? ## Cómo se evita **1. Muestreo obligatorio antes de publicar.** Definí un número fijo —diez piezas al día, o el 5% del lote— que una persona lee completas antes de que salga nada. No es revisar todo: es tener evidencia diaria de cómo suena la salida real. Si el muestreo encuentra un fallo, se detiene el lote entero, no solo la pieza. **2. Marca los canales irreversibles y ponles un freno humano.** Haz la lista de los destinos que no se pueden corregir: imprenta, envío masivo de WhatsApp o correo, publicación en redes, documentos con firma. Todo lo que caiga en esa lista pasa por una aprobación explícita. Lo reversible puede ir automático; lo irreversible, nunca. **3. Reglas de rechazo automáticas, antes que el juicio humano.** Un candado barato atrapa el 80% de los casos: si la pieza no contiene ningún nombre propio, si repite la plantilla de la pieza anterior en más de cierto porcentaje, si supera o no llega a un rango de longitud, si incluye una frase de una lista negra, no se publica y va a una bandeja de revisión. Esto se implementa en una tarde. **4. Sin datos suficientes, no se genera.** Declara los campos mínimos que exige cada tipo de contenido y haz que el sistema se quede callado cuando falten. Un espacio vacío es un problema editorial; un texto florido que disfraza que no había información es un problema de credibilidad. Que la máquina pueda decir «no tengo con qué» es un requisito de diseño, no una limitación. **5. Un dueño con nombre y un botón de pausa de un clic.** Cada automatización necesita una persona responsable de su calidad, un tablero donde vea cuántas piezas salieron y cuántas se corrigieron, y la capacidad de apagarla sin abrir un ticket. Gannett tardó días en pausar; tu equipo debería tardar treinta segundos. ## Cómo lo hacemos en Catalizadora Cuando montamos un bot de atención con **Cortex**, las capacidades se declaran de forma explícita: lo que no está declarado, no existe. El asistente no improvisa una respuesta cuando le preguntan por algo fuera de su terreno; los precios y las condiciones salen de las tablas del cliente, no de la memoria del modelo, y hay señales definidas que escalan la conversación a una persona antes de que el sistema tenga que inventar. Es el equivalente operativo de la regla cuatro: sin datos, no se genera. Todo lo que el sistema dice queda en **Atlas**, con registro completo e inalterable de cada conversación. Eso permite hacer lo que en el caso Gannett nadie pudo hacer a tiempo: leer una muestra real de lo que se envió, no una demo, y saber con qué información se produjo cada respuesta. Y la tasa de intervención humana está a la vista en **Faro**. No es una métrica de vanidad: es el número que avisa que algo se degradó antes de que lo note un cliente. Si sube, hay un problema; si baja a cero, casi siempre significa que nadie está mirando. La regla, en una línea: si nadie lee una muestra de la salida antes que el cliente, eso no está automatizado, está publicado sin revisar. --- *Este es uno de los casos documentados en nuestra hemeroteca de fallas de IA. Todos con su fuente enlazada, y todos con la misma conclusión: el problema casi nunca es el modelo.* ## Preguntas frecuentes ### ¿Qué pasó después con las crónicas deportivas escritas por IA de Gannett? Tras la ola de burlas, Gannett pausó el uso del sistema en todos sus diarios y anunció que revisaría la herramienta junto con el proveedor antes de retomarla. El caso quedó como una de las referencias más citadas sobre automatización de contenido sin revisión editorial. ### ¿El problema fue el modelo de inteligencia artificial? No. El sistema recibió un marcador —dos equipos, dos números y una fecha— y produjo lo único que se puede producir con eso: variaciones cada vez más rebuscadas sobre «A le ganó a B». El fallo estuvo en el proceso, que llevaba esa salida directo a publicación, incluida la imprenta, sin que nadie leyera una muestra. ### ¿Significa esto que no conviene usar IA para generar contenido a escala? No. Significa que la generación a escala necesita datos suficientes y un paso de control proporcional al volumen. Con campos mínimos obligatorios, reglas de rechazo automáticas y una muestra diaria revisada por una persona, el mismo caso de uso funciona sin exponer la marca. ### ¿Cómo sé si mi empresa tiene este riesgo hoy? Haz una pregunta concreta sobre lo que salió ayer de forma automática —mensajes, cotizaciones, publicaciones, correos— y averigua quién fue la última persona que lo leyó. Si no hay un nombre, o si el destino era un canal que no se puede corregir, ya tienes el mismo diseño que falló en Gannett. --- Source: https://catalizadora.ai/blog/gannett-cronicas-deportivas-ia-encuentro-cercano Author: Pablo Estrada — AI Catalysts, LLC (catalizadora.ai)