«Liquid Content» necesita una columna vertebral

Imagina que escribes un texto una sola vez. Luego, una persona lo lee en su móvil mientras va en tranvía, otra lo escucha como un podcast mientras sale a correr, una tercera lo recibe como un módulo de aprendizaje interactivo y una IA extrae las dos frases que alguien acaba de pedir en un chat. Eso es el «contenido líquido».

Sin reescribir, sin copiar y pegar, sin decir «necesitaríamos esto en otra versión». El contenido adopta la forma que el momento requiere.

Esa es la idea que hay detrás de Liquid Content. Y sigo pensando que es genial.

Pero el simple hecho de ser líquido no es sinónimo de calidad. El agua es líquida. Y también lo es el café derramado.

Si el contenido se adapta a cualquier formato sin que haya nada que lo sustente, la flexibilidad se convierte rápidamente en arbitrariedad. El significado se va diluyendo, un poco más con cada formato, hasta que al final nadie puede decir exactamente qué se quería decir en realidad.

Durante mucho tiempo, se trataba principalmente de una cuestión de comodidad. Hoy en día, es una cuestión de confianza.

Porque el Reader ya no es solo un ser humano. Cada vez más, es una máquina la que procesa, resume y difunde nuestro contenido. Georges-Simon Ulrich, director de la Oficina Federal de Estadística, lo expresó muy bien en su serie «Alfabetización de datos»: cuando la IA carece de datos fiables, no señala la laguna. La llena. Con algo que suena plausible. Él lo llama «certeza aparente».

👉 https://www.netzwoche.ch/news/2026-06-14/gute-daten-helfen-mensch-und-maschine

Una IA que lee contenido fluido pero no estructurado hace precisamente eso. Se dedica a adivinar lo que debería saber. Y, mientras lo hace, parece muy segura de sí misma.

Suiza está hablando de lo que hay que hablar, casi

No es casualidad que ahora todo el mundo hable de los «datos preparados para la IA». El Plan de Acción sobre IA de Suiza ha dedicado un pilar específico a este tema. Se trata de la calidad de los datos, los metadatos, la interoperabilidad y plataformas como metadata.swiss. Un trabajo importante que se debería haber hecho hace tiempo.

Para mí, a este debate le falta un aspecto. Casi siempre gira en torno a los conjuntos de datos, es decir, tablas, registros y cifras. Pero una gran parte de nuestro conocimiento no se encuentra en absoluto en los conjuntos de datos. Se encuentra en los contenidos: en documentos, normas, materiales didácticos y manuales.

Y ahí es precisamente donde la preparación para la IA es más deficiente: en el nivel del contenido. Un conjunto de datos puede estar perfectamente documentado, y aun así el texto que lo acompaña puede ser un batiburrillo de texto en PDF del que ninguna máquina pueda distinguir con fiabilidad qué es normativo y qué es un ejemplo, qué es una definición y qué es una nota al pie.

¿De qué se compone una columna vertebral?

Una estructura básica para el contenido no es tan espectacular como parece. En el fondo, se reduce a unas pocas cosas.

El contenido se divide en bloques significativos, no es un batiburrillo de texto continuo. En bitmark los llamamos «bits». Cada uno tiene su propio significado y contexto. Se puede acceder a cada uno de forma individual y, por lo tanto, citarlos, en lugar de decir simplemente «en algún lugar de la página 23». Y si algo cambia, ese bit concreto se puede actualizar sin tener que volver a revisar todo el documento.

Suena muy técnico, pero en realidad se trata simplemente de una organización coherente. La misma organización que el Plan de Acción exige a nivel de datos (metadatos procesables por máquinas, control de versiones, claridad semántica), aplicada un nivel más abajo, al contenido en sí.

Aquí es donde entra en juego bitmark

Cualquiera que me conozca ya se imagina por dónde va esto. Esta misma base es lo que hemos estado construyendo con bitmark durante años.

bitmark es un estándar suizo abierto para contenidos. Es legible tanto para máquinas como para personas, y está diseñado desde el principio para la IA, en lugar de ser una adaptación posterior. Cada bit lleva consigo su contexto, sus metadatos y su dirección. La IA no tiene que adivinar nada; puede ir directamente a la fuente.

Y como el contenido y la presentación están claramente separados, el mismo fragmento puede aparecer como una tarjeta de aplicación, una página impresa, una respuesta en un chat o un clip de audio. Por lo tanto, el «contenido líquido» no es lo contrario de la estructura. Es su recompensa. Solo la sólida columna vertebral que hay debajo hace posible, en primer lugar, la forma fluida que hay encima, sin que el significado se diluya.

Quizás ese sea el quid de la cuestión en todo este debate sobre la preparación para la IA: hablamos mucho de la forma que debería adoptar el contenido en última instancia, y muy poco del esqueleto que lo sostiene.

Una IA que reconozca nuestro contenido como una fuente fiable no aparece de la nada. Tenemos que crearla. Poco a poco.

Lo líquido arriba. Lo sólido abajo. Ambos se necesitan mutuamente.

Enlaces: Plan de Acción sobre IA de Suiza · Asociación bitmark ‧ Netzwoche: Los buenos datos ayudan a las personas y a las máquinas