Archivero de museo

Archivero de museo

Role Overview

Un Archivero de museo es responsable de adquirir, organizar, preservar y proporcionar acceso al patrimonio documental de un museo — abarcando registros institucionales, colecciones fotográficas, correspondencia, expedientes de exposiciones, registros de donantes, historias orales y documentación relacionada con los objetos. A diferencia del registrador de colecciones (collections registrar), que hace el seguimiento de los objetos físicos, el archivero gestiona el rastro documental, tanto en papel como digital, que contextualiza esos objetos: expedientes de investigación de procedencia, notas curatoriales, informes de tratamientos de conservación y la memoria administrativa de la propia institución.

En la práctica, los archiveros de museo operan en la intersección de las ciencias de la preservación, la gestión de la información y la investigación histórica. Trabajan en instituciones del patrimonio cultural que abarcan desde grandes museos enciclopédicos con archivos de millones de documentos hasta pequeñas instituciones especializadas donde un único archivero gestiona desde libros de adquisiciones del siglo XIX hasta correspondencia por correo electrónico nacida digital de la década de 1990.

El entorno operativo se caracteriza por limitaciones crónicas de recursos, crecientes retrasos en el procesamiento de colecciones, una demanda cada vez mayor de acceso remoto digital por parte de los investigadores y el desafío inminente de la preservación digital — en particular, los formatos heredados, los soportes obsoletos y el crecimiento exponencial del correo electrónico institucional y los activos digitales que la mayoría de los museos aún no han abordado de manera sistemática.

Cómo la IA está transformando este rol

La transformación no se presenta como una única ola disruptiva, sino como una serie de mejoras puntuales de capacidades que están reconfigurando discretamente dónde invierten su tiempo los archiveros y qué decisiones siguen siendo exclusivamente humanas.

El cambio más inmediato se da en la generación de descripciones y metadatos. Históricamente, los archiveros han dedicado la mayor parte de su tiempo de procesamiento a redactar instrumentos de descripción —los documentos jerárquicos que hacen localizables las colecciones. Las herramientas de IA entrenadas con estándares de descripción archivística (EAD, DACS, Dublin Core) ahora pueden elaborar borradores de descripciones a nivel de carpeta y de documento a partir de material escaneado, reduciendo el tiempo por caja de horas a minutos. El rol del archivero pasa de ser redactor a editor y responsable de control de calidad.

El reconocimiento óptico de caracteres (OCR) ha madurado hasta el punto de que la correspondencia manuscrita del siglo XIX —considerada durante mucho tiempo una barrera para la digitalización— ahora es procesable a escala con modelos como Transkribus, que aprende los estilos de escritura propios de cada institución. Esto abre colecciones que han permanecido inaccesibles durante décadas debido a los atrasos en la transcripción.

En el ámbito del acceso, la búsqueda basada en IA empieza a sustituir las interfaces de catálogo limitadas a palabras clave. Las herramientas de búsqueda semántica permiten a los investigadores interrogar las colecciones en lenguaje natural y mediante conceptos temáticos, en lugar de requerir un vocabulario controlado que tradicionalmente obligaba al investigador a conocer la terminología archivística de antemano. Esto modifica la función del archivero en los servicios de referencia: menos tiempo traduciendo las preguntas de los investigadores al lenguaje del catálogo y más tiempo dedicado a la interpretación contextual compleja y a las cuestiones de procedencia.

El flujo de trabajo de la investigación de procedencia también está cambiando. Actualmente, las herramientas de IA pueden contrastar los historiales de los objetos con bases de datos de arte expoliado, registros de la época nazi y patrones de adquisición colonial a una velocidad que ningún investigador humano puede igualar. Esto tiene relevancia tanto comercial como ética: los museos se enfrentan a una presión legal y reputacional creciente en materia de procedencia, y la IA se está convirtiendo en una herramienta de cribado inicial antes de la revisión experta humana.

Tareas que la IA puede automatizar

• Transcripción masiva de documentos manuscritos utilizando modelos HTR (Reconocimiento de Texto Manuscrito), especialmente para formatos estandarizados como libros de registro, registros y documentos basados en formularios
• Generación de borradores de instrumentos de descripción a partir del contenido de carpetas escaneadas, produciendo descripciones conformes a DACS que los archivistas luego revisan y perfeccionan
• Detección de duplicados en grandes colecciones digitalizadas, identificando imágenes o documentos casi idénticos que inflan el recuento de la colección
• Extracción de metadatos de archivos nacidos digitales: obtención de fechas de creación, autoría, datos de geolocalización e información de formato automáticamente durante la ingestión
• Etiquetado temático e indexación por palabras clave mediante modelos de PNL entrenados en vocabularios archivísticos (Library of Congress Subject Headings, Getty AAT)
• Identificación de formatos y evaluación técnica de archivos digitales, señalando formatos obsoletos, archivos corruptos y riesgos de preservación durante el ingreso digital
• Respuestas rutinarias a consultas de referencia a las preguntas comunes de los investigadores sobre el alcance de la colección, políticas de acceso y derechos de reproducción mediante bases de conocimiento asistidas por IA
• Detección de señales de alerta de procedencia contrastando con bases de datos publicadas de materiales robados, saqueados o reclamados para su repatriación

Habilidades cada vez más valiosas

• Capacidad de valoración archivística — decidir qué conservar, qué destruir y qué transferir — sigue siendo irreductiblemente humana. La IA puede detectar patrones en grandes grupos documentales, pero el razonamiento institucional, jurídico e histórico que sustenta las decisiones de conservación exige un conocimiento contextual que ningún modelo actual puede ofrecer con fiabilidad.

• Experiencia en investigación de procedencia y restitución está adquiriendo una importancia estratégica creciente. A medida que la IA se encarga del cribado inicial, cobran cada vez más valor los archiveros capaces de realizar investigaciones históricas en profundidad sobre adquisiciones de la época colonial, el expolio durante el Holocausto y las reclamaciones de bienes culturales indígenas. Para ello se necesitan habilidades de investigación multilingüe, conocimientos de derecho internacional y criterio diplomático.

• Estrategia de preservación digital — especialmente en lo relativo a entornos de emulación, planificación de migración de formatos y valoración de materiales nacidos digitales — es una carencia de competencias en toda la profesión que la IA no cubre. Alguien tiene que decidir qué merece la pena conservar del archivo de correos electrónicos de un museo de 2003 y cómo hacerlo.

• Relacionarse con comunidades y partes interesadas, especialmente con comunidades descendientes, naciones indígenas y familias donantes, requiere construir vínculos y una sensibilidad cultural que la IA no puede reproducir. Los programas de historia oral y las iniciativas de archivos comunitarios dependen de la confianza humana.

• Control de calidad de los resultados de IA e ingeniería de prompts para flujos de trabajo archivísticos se está convirtiendo en una habilidad práctica. Los archiveros que saben configurar, evaluar y corregir las descripciones generadas por IA son más productivos que quienes tratan las herramientas de IA como cajas negras.

• Redacción de propuestas de subvención y promoción para financiar la digitalización y la preservación sigue siendo trabajo humano, y la capacidad de argumentar de forma convincente a favor de la inversión archivística está cada vez más vinculada a la demostración de una productividad potenciada por la IA.

Competencias que pierden relevancia

• Transcripción manual de documentos mecanografiados o impresos legibles — esto ya es en gran medida automatizable, y dedicar un tiempo considerable a ello supone un uso ineficiente de la pericia profesional.
• Catalogación MARC repetitiva de materiales de archivo sencillos con procedencia clara y formatos estándar.
• Mantenimiento del catálogo de fichas físicas y reformateo de instrumentos de descripción heredados — las instituciones que aún realizan estas tareas manualmente se están quedando atrás.
• Memorización de términos de vocabularios controlados — cuando las herramientas de descripción asistidas por IA sugieren encabezamientos de manera automática, la competencia deja de ser de recuerdo y se convierte en evaluación.
• Triaje básico de referencias para preguntas que pueden responderse con instrumentos de descripción en línea bien estructurados e interfaces de catálogo.

Adopción actual de la IA en este sector

La adopción es desigual y depende del tamaño de la institución. Los grandes museos de investigación — el Smithsonian, el Museo Metropolitano de Arte, el Museo Británico — cuentan con equipos dedicados a la infraestructura digital y están ejecutando programas piloto con herramientas como Transkribus, integraciones de ArchivesSpace y flujos de PLN a medida. Los museos regionales de tamaño medio están empezando a adoptar plataformas de digitalización en la nube que incluyen asistencia de descripción mediante IA, pero la implementación suele limitarse por la capacidad del personal para configurar y mantener estos sistemas.

Los museos pequeños y especializados — que representan la mayoría de las instituciones — se encuentran en gran medida en una fase previa a la adopción, limitados por el presupuesto, el tamaño de la plantilla y la falta de soporte informático. Muchos todavía gestionan sus colecciones con hojas de cálculo o bases de datos heredadas, sin ningún programa de digitalización.

La comunidad profesional, a través de organizaciones como la Sociedad de Archiveros Estadounidenses (SAA), debate activamente la ética de la IA en la descripción archivística — en particular sobre el sesgo en el etiquetado temático automatizado, el riesgo de que la IA perpetúe los silencios históricos en la documentación de las colecciones y las cuestiones de propiedad intelectual relacionadas con los datos de entrenamiento derivados de materiales de archivo.

Por parte de los proveedores, plataformas como Preservica, CONTENTdm y ArchivesSpace están integrando funciones de IA de forma gradual. El mercado aún no se ha consolidado en torno a una plataforma de archivo nativa de IA dominante, lo que significa que las instituciones están ensamblando soluciones puntuales en lugar de flujos de trabajo de extremo a extremo.

Evolución futura del flujo de trabajo

La jornada laboral del archivero en los próximos cinco años probablemente se reorganizará en torno a tres modos de trabajo que ya existen pero aún no están claramente diferenciados:

Trabajo de configuración y supervisión — establecer flujos de procesamiento con IA, definir umbrales de calidad para la descripción automatizada, revisar excepciones señaladas y auditar los resultados en busca de sesgos o errores. Se trata de una labor nueva, que antes no existía, y que ocupará una parte cada vez mayor del tiempo.

Trabajo intelectual de alto criterio — decisiones de valoración, investigaciones complejas sobre la procedencia, negociaciones de repatriación, vinculación con la comunidad e interpretación de materiales ambiguos o sensibles. La IA no puede realizar este trabajo y la demanda institucional al respecto está aumentando.

Trabajo estratégico y de promoción — defender la inversión en conservación, establecer prioridades de digitalización, redactar solicitudes de financiación y posicionar el archivo dentro de la misión general y la programación pública del museo. Esta labor siempre ha existido, pero cobra mayor centralidad a medida que se espera que los archivos demuestren su impacto.

El trabajo de procesamiento rutinario —que ocupa la mayor parte del tiempo actual de muchos archiveros— se reducirá significativamente. Esto no implica necesariamente una reducción de personal a corto plazo; más bien, se traducirá en una reducción del trabajo pendiente. La mayoría de los archivos de museos arrastran retrasos de décadas en el procesamiento. El procesamiento asistido por IA permitirá a las instituciones abordar por fin colecciones que han sido inaccesibles para los investigadores durante generaciones.

Casos de uso comunes de IA

• Transkribus para la transcripción HTR de registros institucionales manuscritos, correspondencia de donantes y libros de contabilidad históricos
• Integraciones de ArchivesSpace + PLN para la redacción semiautomatizada de instrumentos de descripción y sugerencia de encabezamientos de materia
• Funciones de IA de Archivist's Toolkit / Preservica para la evaluación de riesgos de preservación digital y la identificación de formatos a gran escala
• Referencias cruzadas con JSTOR Global Plants / Getty Provenance Index para el cribado de procedencia frente a bases de datos de investigación publicadas
• Herramientas personalizadas basadas en GPT o Claude para redactar notas de alcance y contenido a nivel de colección a partir de listas de carpetas procesadas
• Google Vision API o AWS Rekognition para la descripción automatizada de imágenes y el marcado de reconocimiento facial en colecciones fotográficas (con importantes salvedades éticas)
• Flujos de reconocimiento de entidades nombradas (NER) para extraer nombres de personas, topónimos y fechas de grandes conjuntos documentales y alimentar ficheros de autoridad

Stack de IA recomendado

Este stack no es plug-and-play. La mayoría de las instituciones necesitarán un archivero digital o un bibliotecario de sistemas con habilidades de scripting (Python, XSLT) para conectar estas herramientas en flujos de trabajo coherentes.

Riesgos y desafíos

Amplificación de sesgos en las descripciones automatizadas. Los modelos de IA entrenados con instrumentos de descripción archivística existentes reproducirán los silencios, los enfoques eurocéntricos y el lenguaje deshumanizante que caracterizan a gran parte de la descripción archivística histórica. La asignación automática de materias puede distorsionar sistemáticamente o borrar a las comunidades marginadas. No es un riesgo teórico: ya está documentado en la literatura bibliotecaria y archivística.

Falsa seguridad en la verificación de procedencia. La IA puede contrastar con bases de datos conocidas, pero la ausencia de una señal de alerta no constituye una validación de procedencia. Las instituciones que tratan la verificación automatizada como diligencia debida suficiente, sin revisión experta humana, se exponen a riesgos legales y de reputación.

Deuda de preservación digital. Las herramientas de IA mejoran la descubribilidad y la descripción, pero no resuelven el problema de infraestructura de fondo: la preservación digital a largo plazo. Las instituciones que invierten en descripción asistida por IA sin atender el almacenamiento, la migración de formatos y la planificación de la sucesión construyen sobre cimientos inestables.

Desprofesionalización del personal. Si los archiveros noveles pasan sus años formativos revisando los resultados de la IA en lugar de redactar descripciones desde cero, la profesión corre el riesgo de perder la formación intelectual profunda que da sentido a la revisión experta. Es un riesgo de avance lento, pero real.

Dependencia del proveedor y soberanía de los datos. Las plataformas de IA en la nube que procesan contenido archivístico plantean interrogantes sobre quién es dueño de los datos de entrenamiento derivados de las colecciones institucionales y qué ocurre con el acceso cuando finalizan los contratos o los proveedores son adquiridos.

Consentimiento y privacidad en colecciones de historia oral y comunitarias. El procesamiento mediante IA de grabaciones de historia oral y de materiales aportados por la comunidad suscita cuestiones de consentimiento que los marcos archivísticos actuales no fueron diseñados para abordar.

Perspectivas a futuro (3–5 años)

El rol del archivero de museo no será eliminado por la automatización, pero se reestructurará sustancialmente. El cuello de botella del procesamiento que ha definido la profesión durante décadas —la brecha entre lo que las instituciones conservan y lo que pueden describir y hacer accesible— se reducirá significativamente a medida que los flujos de trabajo asistidos por IA se conviertan en práctica habitual. Esto supone una transformación genuina para el acceso a la investigación.

La profesión se dividirá en cierta medida entre archivistas técnicos, que configurarán y mantendrán los sistemas de procesamiento de IA, y archivistas especialistas en materias, centrados en la procedencia, la repatriación, la vinculación comunitaria y el trabajo interpretativo. Las instituciones más pequeñas tendrán dificultades para desarrollar cualquiera de esas capacidades sin servicios compartidos o infraestructuras basadas en consorcios.

El trabajo sobre repatriación y procedencia ganará peso en la identidad profesional del rol. La presión legal y ética sobre los museos en relación con colecciones de la época colonial, propiedad cultural indígena y bienes de la era del Holocausto se intensifica a nivel mundial, y los archiveros son pieza central de la infraestructura de investigación que respalda o impugna esas reclamaciones.

La experiencia de los investigadores mejorará notablemente. Las interfaces de descubrimiento impulsadas por IA harán accesibles los fondos archivísticos a investigadores no especializados que actualmente no pueden navegar los instrumentos de descripción. Esto incrementará la demanda de servicios de referencia archivística incluso aunque las consultas rutinarias se gestionen automáticamente: un aumento neto del contacto significativo con los investigadores.

Las instituciones que inviertan en infraestructura de preservación digital junto con herramientas de descripción con IA estarán en condiciones de ofrecer un acceso abierto genuino a sus colecciones. Aquellas que inviertan en IA sin abordar la infraestructura de preservación subyacente dispondrán de colecciones bien descritas, pero en riesgo de pérdida.

Reflexión final

El valor profesional fundamental del archivero de museo nunca ha residido en la capacidad de redactar descripciones con rapidez ni de transcribir con precisión textos manuscritos. Siempre ha sido el criterio para discernir qué merece preservarse, la pericia para contextualizar aquello que perdura y la responsabilidad ética de representar a las comunidades cuyas historias custodia. La IA está asumiendo el trabajo mecánico que durante demasiado tiempo ha consumido buena parte de esa capacidad profesional.

El riesgo no es la sustitución, sino la mala asignación de recursos. Las instituciones que aprovechen las ganancias de eficiencia que ofrece la IA para reducir la plantilla de archiveros, en lugar de atajar los retrasos, mejorar el acceso e invertir en tareas de procedencia y repatriación, no habrán comprendido lo esencial. La oportunidad para la profesión es redirigir la capacidad liberada hacia la labor intelectual y ética que solo los profesionales formados pueden realizar, y defender este argumento con la fuerza suficiente para que los responsables institucionales entiendan en qué están invirtiendo realmente.