Bibliotecario de referencia universitaria

Bibliotecario de referencia universitaria

Descripción general del rol

Un bibliotecario de referencia universitaria se sitúa en la intersección de la arquitectura de la información, el apoyo académico y la metodología de investigación. En el entorno de una universidad investigadora, esta función va mucho más allá de responder preguntas en un mostrador de ayuda. Los bibliotecarios de referencia crean y mantienen guías de investigación especializadas por materia, enseñan alfabetización informacional a estudiantes de grado y posgrado, asesoran al profesorado en el desarrollo de colecciones y gestionan complejos acuerdos de licencias para recursos electrónicos.

La realidad operativa es exigente. Un único bibliotecario de referencia en una universidad investigadora de tamaño medio puede dar soporte a entre tres y cinco departamentos académicos, gestionar una cartera de cientos de bases de datos con licencia, atender consultas de investigación que van desde una primera bibliografía comentada de un estudiante de primer año hasta una revisión sistemática de la literatura de un doctorando, y contribuir al mismo tiempo a la documentación de acreditación que demuestre el impacto formativo de la biblioteca.

La presión institucional se ha intensificado. Los presupuestos universitarios han venido recortando las adquisiciones de las bibliotecas durante más de una década, obligando a los bibliotecarios a justificar cada renovación de suscripción con datos de uso. Al mismo tiempo, los estudiantes llegan cada vez más con la expectativa de obtener respuestas a la velocidad de Google, lo que genera una tensión entre la profundidad de la orientación experta y la rapidez que los usuarios esperan. La propuesta de valor del bibliotecario de referencia —conocimiento profundo del dominio, pericia en evaluación de fuentes y estrategia de investigación— es precisamente lo que la inteligencia artificial empieza a aproximar ahora, lo que convierte a este perfil en una de las historias de transformación más relevantes de la educación superior.

Cómo la IA está transformando este rol

La transformación no se presenta como un único acontecimiento disruptivo. Se está acumulando mediante una serie de sustituciones en los flujos de trabajo que, de forma silenciosa, redistribuyen el tiempo que los bibliotecarios de referencia dedican a sus tareas.

IA conversacional en el punto de necesidad. Herramientas como LibraryH3lp integradas con motores de IA y los despliegues institucionales de ChatGPT o Claude a través de API están gestionando ya una parte significativa de las consultas de referencia de primer nivel: dudas sobre formato de citas, ayuda para navegar por bases de datos, preguntas sobre horarios y acceso, y construcción básica de búsquedas booleanas. En instituciones como la Universidad Estatal de Carolina del Norte y la Universidad de Míchigan, los pilotos de chat con IA han absorbido entre el 30 y el 50% del volumen de chat que antes requería respuesta humana, liberando a los bibliotecarios de la tarea repetitiva de clasificar consultas.

Descubrimiento de literatura asistido por IA. Plataformas como Elicit, Consensus, Research Rabbit y las funcionalidades de IA de Semantic Scholar están modificando la forma en que los estudiantes de posgrado y el profesorado afrontan las revisiones bibliográficas. Los estudiantes acuden a las consultas habiendo utilizado ya la IA para cartografiar un área de investigación, lo que desplaza el rol del bibliotecario de presentar fuentes a evaluar críticamente las bibliografías generadas por IA en busca de citas alucinadas, vacíos de cobertura y puntos ciegos metodológicos.

Inteligencia en catálogos y metadatos. Las capas de descubrimiento mejoradas con IA —Ex Libris Primo con clasificación por aprendizaje automático, el ajuste de relevancia con IA de EBSCO— están reduciendo las barreras para encontrar materiales, una dificultad que históricamente justificaba una parte importante de la instrucción en referencia. La pregunta «¿cómo encuentro las cosas?» se está volviendo menos común; en cambio, cobra protagonismo la pregunta «¿cómo evalúo y sintetizo lo que he encontrado?».

Automatización de revisiones sistemáticas. Herramientas como Rayyan, Covidence y Nested Knowledge ya automatizan el cribado de títulos y resúmenes mediante clasificadores entrenados. Los bibliotecarios de referencia especializados en revisiones sistemáticas de ciencias de la salud o ciencias sociales están viendo cómo su papel pasa de ejecutar el cribado a diseñar la estrategia de búsqueda, validar las decisiones del cribado automatizado y documentar la metodología para cumplir con PRISMA.

Tareas que la IA puede automatizar

• Responder preguntas de referencia direccionales y de procedimiento (horarios, acceso, impresión, navegación básica)
• Generar cadenas de búsqueda booleana iniciales a partir de preguntas de investigación en lenguaje natural
• Dar formato a las citas en estilos APA, MLA, Chicago y otros a partir de datos bibliográficos sin procesar
• Elaborar borradores iniciales de guías temáticas de investigación mediante la agregación de contenido existente de LibGuides y descripciones de bases de datos
• Filtrar grandes volúmenes de resultados de búsqueda por relevancia en flujos de trabajo de revisiones sistemáticas
• Generar resúmenes de estadísticas de uso e informes de solapamiento de colecciones para decisiones de renovación de suscripciones
• Transcribir y resumir grabaciones de consultas de investigación para la documentación de seguimiento
• Identificar registros duplicados y metadatos inconsistentes en los flujos de trabajo de mantenimiento del catálogo
• Redactar contenido didáctico para módulos de alfabetización informacional a partir de objetivos de aprendizaje
• Monitorizar nuevas publicaciones en un área temática y alertar al profesorado o a estudiantes de posgrado mediante fuentes automatizadas de difusión selectiva de la información

Habilidades cada vez más valiosas

Evaluación crítica de los resultados de investigación generados por IA. A medida que los estudiantes entregan revisiones bibliográficas asistidas por IA que contienen DOI alucinados, atribuciones erróneas y revistas inexistentes de apariencia verosímil, los bibliotecarios de referencia capaces de auditar sistemáticamente estos resultados se convierten en socios esenciales de la integridad académica. Esto requiere no solo destrezas de verificación de fuentes, sino también comprender cómo fallan los grandes modelos lingüísticos en contextos bibliográficos.

Consultoría en metodología de la investigación. La consulta se está desplazando hacia etapas más tempranas. En lugar de ayudar a alguien a encontrar fuentes, los bibliotecarios asesoran cada vez más sobre el diseño de investigación: qué tipo de base de evidencia requiere una pregunta, si corresponde una revisión de alcance o una revisión sistemática, cómo construir una estrategia de búsqueda reproducible que resista el escrutinio de la revisión por pares.

Alfabetización de datos y gestión de datos de investigación. Los mandatos de financiación de los NIH, la NSF y la Fundación Gates exigen ahora planes de gestión de datos como condición para la concesión de subvenciones. Los bibliotecarios con experiencia en repositorios de datos, estándares de metadatos como Dublin Core y DataCite, y los principios de datos FAIR tienen una demanda que ninguna IA puede sustituir por el momento.

Diseño didáctico para la alfabetización informacional en la era de la IA. Enseñar a los estudiantes no solo a encontrar información, sino a interrogar la información generada por IA —comprender la procedencia, reconocer errores que suenan convincentes, triangular a través de fuentes primarias— es una nueva competencia instructiva que requiere tanto habilidad pedagógica como fluidez técnica.

Negociación con proveedores y estrategia de licencias. A medida que editoriales como Elsevier, Springer y Wiley incorporan funciones de IA en sus plataformas e intentan renegociar las condiciones de licencia para captar los derechos de los datos de entrenamiento de IA, los bibliotecarios con dominio de contratos y experiencia en negociación protegen los intereses institucionales de maneras que requieren juicio humano y conocimiento institucional.

Bibliotecariado integrado y alianza con el profesorado. Los bibliotecarios que se integran en equipos de investigación, asisten a reuniones de laboratorio, contribuyen a las propuestas de subvención y coescriben secciones metodológicas están construyendo relaciones que la IA no puede replicar. Este modelo se está expandiendo en las instituciones R1 como respuesta directa a la mercantilización de la referencia básica.

Habilidades que están perdiendo relevancia

• Memorizar la sintaxis de búsqueda específica de cada base de datos (la mayoría de las plataformas ahora aceptan lenguaje natural)
• Formateo manual de citas y construcción de bibliografías
• Realizar búsquedas exhaustivas en el catálogo en nombre de usuarios que ahora pueden hacerlo por sí mismos con ayuda de la IA
• Mantener colecciones de referencia impresas estáticas como recursos principales de investigación
• Impartir instrucción introductoria sobre "cómo usar una base de datos" a audiencias de pregrado generales, tarea que cada vez más asumen los tutoriales producidos por los proveedores y los chats de IA
• Compilar manualmente resúmenes de actualización bibliográfica para el profesorado
• Realizar la clasificación rutinaria de préstamos interbibliotecarios para documentos disponibles a través del acceso abierto o del descubrimiento asistido por IA

Adopción actual de la IA en este sector

La adopción es desigual y depende de cada institución, pero la dirección es consistente. Las grandes universidades de investigación de la categoría R1 son las que más han avanzado, impulsadas por la infraestructura informática, la experimentación financiada con subvenciones y la presión del profesorado. Las universidades de artes liberales de menor tamaño avanzan más lentamente, limitadas por el presupuesto y la dotación de personal.

Los despliegues más extendidos actualmente se dan en los servicios de descubrimiento y en el chat. Prácticamente todos los grandes proveedores de sistemas integrados de bibliotecas — Ex Libris, OCLC, Innovative Interfaces — han incorporado el aprendizaje automático en las funciones de ordenación por relevancia y de recomendación. Se están llevando a cabo proyectos piloto de chat con IA en decenas de instituciones miembros de la ARL (Association of Research Libraries), aunque la mayoría sigue operando en modo supervisado o híbrido, en lugar de funcionar de manera totalmente autónoma.

Las bibliotecas de ciencias de la salud van por delante de las bibliotecas universitarias generales en la adopción de la IA, impulsadas por las exigencias del flujo de trabajo de las revisiones sistemáticas propias de la medicina basada en la evidencia. La inversión de la Biblioteca Nacional de Medicina en el procesamiento del lenguaje natural biomédico y en herramientas como la búsqueda asistida por IA de PubMed han normalizado la investigación aumentada por IA en contextos clínicos y de salud pública.

La comunidad profesional está abordando activamente las implicaciones. La ACRL (Association of College and Research Libraries) publicó su primera guía del marco de alfabetización en IA en 2023, y el debate en la Conferencia Anual de la ALA y en la Charleston Conference ha pasado de «¿deberíamos implicarnos con la IA?» a «¿cómo la gobernamos de forma responsable?».

Evolución futura del flujo de trabajo

El mostrador de referencia, como ancla física y conceptual, continúa su largo declive. Lo que lo sustituye es un modelo distribuido y centrado en la consulta, donde los bibliotecarios actúan más como asesores de investigación integrados que como guardianes de la información.

En un plazo de tres a cinco años, el flujo de trabajo probable en una universidad de investigación se perfila así: la IA gestiona de forma autónoma todas las consultas de primer nivel, con protocolos de derivación a personal humano para preguntas complejas o sensibles. Los bibliotecarios dedican la mayor parte de su tiempo a consultas programadas, integrados en equipos de investigación, impartiendo formación en competencias informacionales a estudiantes de últimos cursos y posgrado, y gestionando la infraestructura institucional de conocimiento: repositorios, sistemas de gestión de datos y flujos de trabajo de publicación en acceso abierto.

La entrevista de referencia —esa conversación estructurada que ayuda al investigador a articular lo que realmente necesita— se vuelve más valiosa, no menos, porque los sistemas de IA despliegan tal cantidad de información que el problema pasa de la escasez a la sobreabundancia y la incertidumbre sobre la calidad. Los bibliotecarios capaces de ayudar a los investigadores a navegar esa abundancia con rigor metodológico desempeñan una función que difícilmente puede ser asumida por la automatización.

El desarrollo de colecciones estará cada vez más basado en datos, y las herramientas de IA analizarán patrones de uso, solapamiento de citas y disponibilidad en acceso abierto para generar recomendaciones de suscripción. Pero las decisiones finales —especialmente en lo relativo a cancelaciones que afectan a comunidades de investigación específicas— requerirán el juicio humano sobre prioridades institucionales, relaciones con el profesorado y estrategia de investigación a largo plazo.

Casos de uso comunes de IA

Preparación de consultas de investigación. Antes de una consulta programada, el bibliotecario utiliza una herramienta de IA para generar un mapa preliminar de la literatura sobre el tema del usuario, identificando revistas clave, autores principales y artículos recientes con alto número de citas. Esto permite que la consulta se centre en la estrategia y la evaluación, en lugar de en la orientación básica.

Desarrollo de estrategias de búsqueda para revisiones sistemáticas. Un bibliotecario de ciencias de la salud emplea IA para generar términos de búsqueda candidatos y encabezamientos MeSH a partir de un marco PICO; a continuación, afina la estrategia manualmente antes de ejecutarla en MEDLINE, Embase y CINAHL.

Redacción de guías temáticas (LibGuides). Un bibliotecario temático utiliza un flujo de trabajo basado en ingeniería de prompts para generar un primer borrador de una guía de investigación para un nuevo programa interdisciplinario, incorporando bases de datos relevantes, revistas clave y orientación sobre gestión de citas, para luego editarlo en términos de precisión y especificidad institucional.

Análisis de solapamiento de colecciones. Con herramientas mejoradas con IA de OCLC o Intota, un bibliotecario de desarrollo de colecciones analiza el solapamiento entre las suscripciones actuales y la disponibilidad en acceso abierto para identificar posibles candidatos a cancelación antes de las negociaciones presupuestarias.

Diseño de instrucción en competencias informacionales. Un bibliotecario utiliza un asistente de IA para generar preguntas de cuestionario, ejercicios basados en escenarios y el texto de una rúbrica para un módulo integrado de competencias informacionales en un curso de escritura de primer año; posteriormente lo revisa y ajusta para garantizar la coherencia pedagógica.

Auditoría de citas para bibliografías generadas por IA. Un bibliotecario desarrolla un flujo de trabajo de verificación —que combina la consulta de DOI, la comprobación cruzada en Google Scholar y la verificación en bases de datos— para auditar las bibliografías entregadas por los estudiantes en busca de alucinaciones de la IA, e imparte este flujo de trabajo como parte de la enseñanza de métodos de investigación.

Stack de IA recomendado

Descubrimiento y mapeo bibliográfico

• Elicit — revisión estructurada de literatura con extracción de evidencia
• Research Rabbit — visualización y descubrimiento de redes de citas
• Semantic Scholar — corpus de investigación abierto con funciones de relevancia impulsadas por IA
• Connected Papers — mapeo visual de literatura para campos desconocidos

Apoyo para revisiones sistemáticas

• Rayyan — cribado asistido por IA de títulos y resúmenes
• Covidence — flujo de trabajo completo para revisiones sistemáticas con soporte de cribado mediante aprendizaje automático
• Nested Knowledge — síntesis avanzada y funciones de revisiones vivas

Apoyo en referencia e instrucción

• LibraryH3lp o LibAnswers de Springshare con integración de IA — soporte de chat por niveles
• LibGuides de Springshare con asistencia de redacción mediante IA — desarrollo de guías temáticas
• Zotero con complementos de IA — gestión de citas y anotación

Inteligencia de la colección

• OCLC Collection Manager — análisis de solapamiento y comparativa de rendimiento
• Unsub — análisis de desagregación de suscripciones para negociaciones de paquetes de revistas
• Ex Libris Alma Analytics con funciones de IA — decisiones sobre la colección basadas en el uso

Productividad general y contenido

• Claude o ChatGPT (despliegue de API institucional) — redacción, resumen, preparación de consultas
• Otter.ai o transcripción basada en Whisper — documentación de consultas

Riesgos y desafíos

La alucinación en contextos bibliográficos es un problema de seguridad del paciente e integridad académica. En ciencias de la salud, una cita de ensayo clínico alucinada en una revisión sistemática no es un error menor. Los bibliotecarios de referencia se están convirtiendo cada vez más en la última línea de defensa contra los errores bibliográficos generados por IA que llegan a la investigación publicada, lo que genera cuestiones de responsabilidad legal y profesional que el campo aún no ha resuelto por completo.

Dependencia del proveedor y soberanía de los datos. A medida que las funciones de IA se integran en las plataformas licenciadas, las bibliotecas corren el riesgo de volverse dependientes de los sistemas de IA de los proveedores que procesan datos de búsqueda de los usuarios, registros de consultas y actividad investigadora institucional. Las implicaciones para la privacidad según FERPA y las condiciones bajo las cuales los proveedores pueden usar estos datos para el entrenamiento de modelos aún no están estandarizadas ni suficientemente reguladas.

Riesgo de descualificación profesional. Si la IA se encarga del trabajo de referencia rutinario durante varios años, la cantera de bibliotecarios que desarrollan una profunda experiencia a través de ese trabajo rutinario podría reducirse. La preocupación no es inmediata, pero es estructuralmente similar a lo que ocurrió en otras profesiones donde la automatización eliminó la fase de aprendizaje práctico.

Brechas de equidad y acceso. Los servicios bibliotecarios potenciados por IA requieren infraestructura tecnológica institucional sólida, presupuestos para formación del personal y relaciones con proveedores de las que las instituciones más pequeñas —colegios comunitarios, HBCU, universidades regionales— a menudo carecen. El riesgo es una brecha cada vez mayor en la calidad del apoyo a la investigación entre las instituciones con buenos recursos y las que tienen pocos recursos.

Resistencia institucional a la redefinición del rol. Los administradores de bibliotecas y los líderes universitarios acostumbrados a medir el valor de la referencia a través del número de transacciones pueden no reconocer o financiar el cambio hacia consultas de alto contacto y el apoyo integrado a la investigación. Demostrar el valor de menos interacciones pero más profundas requiere nuevos marcos de evaluación que muchas instituciones aún no han desarrollado.

Brechas de alfabetización en IA dentro de la profesión. Una parte significativa de la actual fuerza laboral de bibliotecarios de referencia ingresó a la profesión antes de que la IA generativa fuera una realidad práctica. La infraestructura de educación continua para la competencia en IA está subdesarrollada en relación con el ritmo del cambio, lo que genera capacidades desiguales entre instituciones y cohortes.

Perspectivas a futuro (3–5 años)

El rol del bibliotecario de referencia no desaparecerá, sino que se bifurcará. En las instituciones con intensa actividad investigadora, el rol evolucionará hacia algo más cercano a un metodólogo de la investigación y especialista en infraestructura de la información — profundamente integrado en los flujos de trabajo investigativos, contribuyendo a propuestas de subvención, gestionando repositorios de datos y enseñando métodos de investigación a nivel de posgrado. Es posible que el título cambie; "research data librarian", "scholarly communications librarian" y "embedded research consultant" ya son más frecuentes en las instituciones R1 de lo que lo eran hace cinco años.

En las instituciones centradas en la docencia, la presión será diferente. Con una menor producción investigadora y una mayor población de estudiantes de grado, la función de instrucción en alfabetización informacional seguirá siendo central, pero el contenido de esa enseñanza se desplazará sustancialmente hacia la evaluación de IA, la verificación de fuentes y la ética de la investigación en un entorno informativo mediado por IA.

Las instituciones que mejor transiten esta transición serán aquellas que inviertan en la recualificación de sus bibliotecarios actuales, redefinan las descripciones de los puestos para reflejar la nueva propuesta de valor y construyan marcos de evaluación que capturen la profundidad de la consulta y el impacto en la investigación, en lugar del volumen de transacciones. Las que no lo hagan verán cómo sus departamentos de referencia se vacían gradualmente, a medida que la IA asume el trabajo visible y cuantificable, mientras que el trabajo invisible y de alto valor queda sin reconocer ni financiar.

La cuestión de la identidad profesional es real. La biblioteconomía de referencia se ha definido históricamente en torno al acceso: conectar a las personas con la información. En un entorno donde el acceso a la información ya no es el cuello de botella, la profesión necesita un nuevo principio organizador. El candidato más convincente es la calidad epistémica: ayudar a investigadores, estudiantes e instituciones a navegar por un entorno informativo en el que la abundancia y la falta de fiabilidad coexisten, y donde la capacidad de evaluar, verificar y sintetizar es más escasa que la de recuperar.

Reflexión final

La experiencia más profunda del bibliotecario de referencia —saber no solo dónde reside la información, sino si es fiable, cómo se ha producido y qué significa realmente para una pregunta de investigación específica— es precisamente lo que los grandes modelos de lenguaje simulan de forma convincente pero ejecutan de manera poco fiable. Esa brecha entre la simulación y la fiabilidad concentra el valor futuro de la profesión.

Los bibliotecarios que prosperarán en los próximos cinco años no serán quienes se resistan a las herramientas de IA ni quienes las adopten sin sentido crítico, sino aquellos que desarrollen una relación sofisticada y crítica con estos sistemas: comprendiendo sus modos de fallo lo suficiente como para detectarlos, sus fortalezas lo suficiente como para aprovecharlas y sus limitaciones lo suficiente como para explicárselas a los investigadores que dependen cada vez más tanto de la IA como de los bibliotecarios sin entender plenamente ninguna de las dos.

Se trata de una versión más difícil e intelectualmente exigente del oficio. Pero también es una versión más defendible.