La Inteligencia Artificial puede ser representada como inteligencia aplicada, entendida como “la suma de tecnología inteligente e ingenio humano aplicada al núcleo de un negocio [u otro tipo de actividad], en todas las funciones y procesos, para abordar los complejos retos a los que se enfrentan las compañías” (Accenture, 2017). Para Margaret Rouse, “la Inteligencia Artificial es la simulación de procesos de inteligencia humana por parte de máquinas, especialmente sistemas informáticos. Estos procesos incluyen el aprendizaje (la adquisición de información y reglas para el uso de la información), el razonamiento (usando las reglas para llegar a conclusiones aproximadas o definitivas) y la autocorrección” (Rouse, 2017). Por eso es que “los investigadores en Inteligencia Artificial se ocupan del desarrollo de sistemas informáticos que producen resultados que normalmente asociaríamos con la inteligencia humana” (Harmon & King, 1988, p. 4-8). Por lo tanto, la tecnología artificial combina inteligencia con tecnología e implica a un sinnúmero de ciencias que combinadas con el pensamiento humano permiten crear tecnologías inteligentes que generan nuevas formas de trabajo y solución a problemas de las organizaciones.
En palabras de Eduardo Mangarelli, (Knight Center, 2018), Inteligencia Artificial es la capacidad de la tecnología que se apoya en el software para aprender de la realidad y de los datos y con ello poder tomar decisiones de forma automática o ayudarnos a tomar decisiones correctas. Según Mangarelli, los reportes o las herramientas de visualización de datos o el big data no es Inteligencia Artificial, la Inteligencia Artificial es lo que está detrás de eso para sacar datos relevantes o patrones y luego dicha información permite la toma de decisiones acertadas.
A partir de la revolución industrial, las organizaciones han seguido reinventándose y cada vez aparecen nuevos cambios y transformaciones. En la actualidad, la IA es ya un fenómeno transformador del mundo empresarial y comunicacional, dejando los laboratorios académicos para volcarse a la experimentación de todo lo que se ha investigado durante años y de manera especial en la última década en la comunicación algorítmica, empleada para la generación de contenidos sobre todo en dos vertientes. Por un lado en el periodismo y, por otro, en la gestión de la comunicación de las organizaciones desde donde se desarrollan contenidos para la gestión de la comunicación.
Existe una estrecha relación entre Inteligencia Artificial y algoritmos. Para Diakopoulos (2015, p. 400) un algoritmo es una serie de pasos realizados a través de una computadora que permiten resolver un problema particular o lograr un resultado definido. Refiriéndonos más estrechamente a comunicación, para Idoia Salazar (2018, p. 296) es la Inteligencia Artificial a través de los algoritmos la que actualmente está escribiendo noticias. El uso de algoritmos se ha perfeccionado a través del machine learning o el aprendizaje automático, que tiene la capacidad de aprender de lo que hacen y permite la construcción de algoritmos y extraer conocimiento a partir de conjuntos de datos (Berlanga, 2016, p. 10).
La aplicación de la IA en el campo periodístico puede hacer mucho más que producir informes de sismos, deportes e historias de ganancias corporativas o financieras como hasta ahora se lo ha visto. Puede permitir a los periodistas analizar datos, identificar patrones, proyectar tendencias e ideas procesables de múltiples fuentes para finalmente construir un producto o la base de un producto periodístico. La IA permite al hombre transportarse a otro mundo y convertir datos y palabras habladas en texto, al texto lo convierte en audio y video, le permite analizar escenas, buscar objetos, rostros, textos o colores y, con todo ello, construir contenidos en tiempos record, que hasta la actualidad nunca antes han sido vistos.
Todas las organizaciones independientemente de su razón de ser y por su naturaleza propia generan datos y, ahora mismo, con el apoyo de las máquinas se puede procesar esta inmensa cantidad de información. Pero es también por la Inteligencia Artificial que se ha logrado el manejo de este activo que antes lo realizaba el ser humano en proporciones mínimas a las que ahora se puede lograr.
Para David Negrete, (citado en Alonso, 2018) las tecnologías son el único medio para conectar con generaciones más tecnológicas tanto por la forma en que se relacionan, comunican y colaboran, siendo el teléfono, las redes sociales o la mensajería instantánea los tres soportes principales.
Por tanto, la comunicación también cambia y evolucionan las formas de generar contenidos para los públicos. En este proceso la Inteligencia Artificial, el big data y la automatización son las principales causas de este paso evolutivo, tanto en el campo periodístico como en el institucional.
Para Idoia Salazar (2018, p. 296) “los robots y la Inteligencia Artificial ayudarán en la automatización y mejora de muchos de los procesos manuales que hacemos en la actualidad. Pero estas tecnologías traen consigo temores y desconcierto derivados de su rápida aparición y de la desinformación”. Es por ello que se hace necesario transparentar a los lectores el uso de las herramientas de Inteligencia Artificial, para realizar el análisis o tratamiento de una historia convertida en noticia de una manera sencilla, sin tecnicismos (Hansen, Roca-Sales, Keegan, & King, 2017, p. 2)
Autores como Marconi & Francesco (2017, p. 2) le atribuyen a la automatización esta nueva forma de hacer noticias o generar contenidos periodísticos: artificial journalism, automated journalism, robot journalism y algorithm journalism. Como explican Túñez-López, Valdiviezo-Abad y Toural-Bran (2019). El periodismo ha ido evolucionando progresivamente hacia un periodismo informatizado, primero, y un periodismo digitalizado, después, que abre las puertas de tiempos y espacios informativos a un emergente periodismo artificial que engloba los textos informativos creados a través de algoritmos que imitan las rutinas productivas del periodista. Esa imitación es la tarea de la máquina que ha sido programada para transformar series de datos en relatos informativos con todas las convenciones de redacción de noticias en las series lingüísticas y paralingüísticas del texto y respetando las directrices del denominado estilo informativo.
Los autores argumentan que, si ponemos el foco de atención en el periodista y en el resultado, es decir, en el texto, el proceso experimentado es una evolución hacia el periodismo artificial (artificial journalism) como contrapunto a un periodismo artesanal en el que el trabajo informativo en las redacciones remitía a un proceso manufacturado. “En cuatro décadas la transformación del modo de producir y difundir noticias ha sido absoluta. De un periodismo en papel impreso a través de linotipia, con encaje artesano de las matrices de plomo y composición manual de la página para ajustar el texto real al espacio disponible, hemos derivado hacia un periodismo con difusión automática desde terminales de movilidad; de maquetas dibujadas a mano en una pauta de papel página a página, con la ayuda del tipómetro para medir en cíceros para realizar el cálculo de medidas tipográficas y fijar caracteres necesarios para llenar cada espacio en función del tamaño de la caja y del cuerpo de letra elegido, hemos pasado a trabajar sobre templates sin limitación de espacio en las que conviven lenguajes textuales, auditivos y visuales sin apenas limitación; hemos sustituido la bidireccionalidad a través del correo postal o de llamadas telefónicas desde terminales fijos por la interacción en tiempo real con video, voz y texto a través de todo tipo de terminales y soportes” (Túñez-Lopez, Valdiviezo-Abad y Toural-Bran, 2019).
También reflejan otras denominaciones que coinciden en identificar al periodismo como solución tecnológica para producir noticias u otras tareas periodísticas como informes, curación o incluso análisis y visualización de datos (Gao et al., 2014; Shearer, Basile y Geiger, 2014; Broussard 2015; Carlson 2014; Young y Hermida 2015), pero que diferencian su denominación en función de la identificación del agente generado: automated journalism (Carlson, 2014), algorithm journalism (Diakopoulos, 2015; Dörr, 2016) y robot journalism (Oremus, 2015).
El periodismo ha ido evolucionando progresivamente hacia un periodismo informatizado, primero, y un periodismo digitalizado, después. En el periodismo artificial la intervención cognitiva se sustituye, pues, por la actuación silente, invisible, del algoritmo. Se referencia como robot a modo de metáfora o de sinécdoque que permite referenciar la actuación intangible del proceso informático con el que se recrea un proceso de creación en el que el ensamblaje y la interpretación de signos y símbolos se realiza por máquinas que han sido programadas para ejecutar esa función a través de procesos de imitación de las dinámicas cognitivas” (Túñez-López, Valdiviezo-Abad y Toural-Bran, 2019).
Esta ola de automatización en el campo periodístico involucra a la Inteligencia Artificial o a las tecnologías cognitivas como principal factor de desarrollo (Marconi & Siegman, 2017, p. 2). Por tanto, la evolución tecnológica ha llegado también a la creación y conceptualización de las noticias trascendiendo de los procesos y los canales de difusión (Vállez & Codina, 2018, p. 760). En el estudio Scenarios for the future of journalism (Journalism 2025) Kasem, Van-Waes y Wannet (2015) brindan una perspectiva sobre el futuro del periodismo hasta el 2025 a través del parecer de periodistas, editores, filósofos, editores jefes, científicos, expertos en tecnología y gerentes dentro y fuera del sector periodístico. Uno de los dos elementos que se proyectan como básicos en el futuro del periodismo es la tecnología, claramente digital y móvil, y el otro es la producción y difusión de noticias, elementos en los que internet y los algoritmos juegan un papel importante y expectante en el futuro del periodismo.
Las principales razones que se esgrimen para explicar la automatización de contenidos y, de modo general, de las salas de redacción de los medios de comunicación, son:
• Facilitar el trabajo de los periodistas al analizar grandes cantidades de datos.
• Producir mayor cantidad de contenidos a gran velocidad.
• Personalizar los contenidos para los lectores.
• Agregar valor diferenciado en los contenidos en relación a las noticias de otros medios.
• Reducir tiempos en la producción de noticias.
• Ampliar la cobertura en la difusión de los acontecimientos.
• Aprovechar las potencialidades de la tecnología.
• Generar nuevas formas de ingresos económicos para los medios de comunicación.
Un estudio elaborado por Túñez-López, Toural-Bran y Cacheiro-Requeijo (2018), en el que se encuestó a 366 periodistas españoles sobre el grado de conocimiento de los procesos de automatización en las labores de la profesión periodística, evidenció que desde las redacciones no se ve a la automatización como un elemento de riesgo que sustituya la labor del periodista redactando contenidos sino que aún se vislumbra como un aporte a su trabajo para trabajar con bases de datos, distribuir o difundir información elaborada, generar relación más personalizada con los públicos y llegar a ellos a través de diversos canales, de manera más personalizada e incluso para lograr mantener una relación más personalizada con las fuentes.
En este mismo estudio, los periodistas consideran que los robots pueden mayoritariamente elaborar contenidos relacionados con la actualidad meteorológica y temas de servicios, pero consideran en menor medida su aplicación en noticias de sucesos, sociedad, cultura y política.
Otro informe realizado por Alexander Fanta (2017, p. 10) vinculado a agencias de comunicación y periodistas en Estados Unidos y España, afirma que los campos de uso más comunes para los periodistas de robots son en el siguiente orden: las finanzas, los deportes, elecciones en el campo de la política, sobre cifras oficiales de educación, desempleo y bienes raíces.
En el campo de la comunicación estratégica, la automatización y el big data son elementos que han aportado a la generación de datos y con el apoyo de dispositivos computacionales se ha logrado la interpretación de los mismos para diferentes usos. El objetivo de la automatización es usar esos datos para alimentar algoritmos que permitan crear y distribuir contenido, y no solo para el análisis o la toma de decisiones sino también para la generación de nuevas estrategias de comunicación como la difusión de mensajes desde las organizaciones y para el fomento de las relaciones con los públicos. La proyección es clara hacia el uso de estas plataformas dentro de la comunicación estratégica. Sin embargo, el estudio del big data en la comunicación es relativamente nuevo, enfocándose de manera especial en la comunicación de marketing y de forma más incipiente en las relaciones públicas (Moreno, Athaydes, & Navarro, 2018, p. 89).
La automatización del marketing ha incorporado varios procesos de forma automática a canales de comunicación y mensajes para cada uno de ellos, distribuyéndolos en tiempo real. Sin embargo, la generación de contenido no ha llegado a su desarrollo. Lo que se hace es una personalización de contenido, de estructuras o de atributos de una oferta (Heimbach, Kostyra, & Hinz, 2015, p. 131) que previamente han sido elaborados y registrados en una plataforma.
Para Moreno et al.(2018, p. 90) el big data y los algoritmos plantean a futuro nuevas oportunidades y desafíos para los profesionales en comunicación estratégica porque se cree que potenciarán y mejorarán las áreas de trabajo para generar nuevas relaciones y fortalecer las actuales con públicos que se encuentren en los diferentes entornos y a través de variados productos y soportes. Ahora mismo los algoritmos ya ayudan a los profesionales de la comunicación estratégica y del marketing en la planificación y ejecución de rutinas de mensajería.
La automatización de noticias se produce a través de la aplicación de la Inteligencia Artificial a los procesos de producción de la información. Esta automatización recae sobre la identificación de rutinas periodísticas que, bajo un proceso de configuración técnica, pueden ser traducidas en algoritmos que entregarán como producto final contenidos periodísticos. El proceso es sencillo: observar qué y cómo hacen las cosas los periodistas para identificar comportamientos patronímicos que puedan ser reproducidos por máquinas de modo que el resultado final sea igual. Se analizan también las noticias hasta encontrar estructuras y modos de narrar estandarizados que puedan sintetizarse en plantillas como parte de un proceso que, cada vez más, va mejorando por el perfeccionamiento de actuales tecnologías como el machine learning.
Las herramientas tecnológicas identificadas en el campo de la comunicación digital son diversas. Sin embargo, muchas de las herramientas computacionales que los periodistas están utilizando hoy en día no fueron desarrolladas para la profesión sino que estaban destinadas a responder un conjunto de problemáticas no específicas del ámbito periodístico (Hansen et al., 2017, p. 5) y relacionadas con otros campos del conocimiento como la computación, la informática o la estadística. La conexión existente entre áreas y profesionales es latente y aventura una gran proyección de trabajo a futuro. Sin embargo, también existen voces que advierten sobre la necesidad de que expertos tecnólogos involucrados en el diseño de herramientas basadas en la Inteligencia Artificial y periodistas redoblen esfuerzos en cuanto a romper barreras de comunicación entre colectivos y a la creación de nuevos espacios de trabajo conjunto. Será en este marco, en el del trabajo conjunto entre comunicadores y desarrolladores, donde las nuevas herramientas de generación de contenido alcancen un nivel de eficacia y eficiencia mayor (Hansen et al., 2017, p.2) y logren que la oferta de este tipo de contenidos mejore la actual, en la que destacan las siguientes iniciativas:
• Wibbitz es una herramienta rápida y fácil de usar para hacer videos editoriales, de contenidos, promocionales y de otras características. Es utilizada por USA Today, Reuters News Tracer para crear videos cortos.
• News Tracer es una herramienta de predicción algorítmica de Reuters que ayuda a los periodistas a evaluar la integridad de un tuit.
• BuzzBot, el software de BuzzFeed recopila información de fuentes locales en eventos relacionados con las noticias.
• Quakebot es una herramienta creada por Los Angeles Times para generar automáticamente informes de terremotos en los momentos en que éstos se ocasionen.
• Heliograf de The Washington Post, un robot que escribe noticias breves sobre política y cubre eventos deportivos.
• Cámaras robóticas, aviones no tripulados y drones, son recursos que se emplean con mayor frecuencia para generar contenidos periodísticos en los medios de comunicación. Se han empleado para hacer capturas de imágenes y video en zonas conflictivas para los reporteros o en lugares a los que con frecuencia resulta de difícil acceso, así como también para evidenciar diferentes acontecimientos naturales o incluso para recoger datos científicos que luego serán convertidos en lenguaje divulgativo.
• Herramientas de control de versiones: son robots que reescriben historias humanas en un lenguaje más simple para ser leídas por diferentes tipos de lectores, como niños y adultos. Lo emplea la agencia de noticias holandesa ANP.
• La BBC está desarrollando software de traducción de video automatizado y lo que denominan “public service algorithm” o algoritmos de servicio público que se usan para alfabetizar a la audiencia en el uso de algoritmos y en el modo de personalizar el uso de aplicaciones de forma correcta.
• Yleisradio, la compañía de radiodifusión pública de Finlandia, (YLE) que desarrolla Voitto, la primera aplicación que usa un asistente inteligente para establecer un diálogo continuo con los usuarios con el que genera unas 100 historias y 250 ilustraciones por semana. También los avances en traducción simultánea automatizada de contenidos a otros idiomas, con ejemplos como el de la agencia de noticias finlandesa STT que traduce sus noticias al inglés y al sueco.
Estas iniciativas de la BBC y de Yle se enmarcan en la tendencia de las radiodifusoras públicas europeas de orientar su departamento de innovación hacia la automatización como un espacio de futuro que están explorando.
En el periodismo artificial se emplean plantillas que ponen datos previamente tabulados en palabras, empleando así el Natural Language Generation y se logran contenidos periodísticos. Existen sistemas creados en plataformas NLG (Natural Language Generation) y NLP (Natural Language Processing). NLG hace referencia a la generación de lenguaje natural, es decir que convierte los datos estructurados con plantillas en una narrativa escrita entendible para el común de los humanos. Mientras que el NLP es el procesamiento del lenguaje natural que entiende y contextualiza el texto. Para comprenderlo mejor: NLG escribe y NLP lee (Marconi & Siegman, 2017, pp. 10–11).
Los beneficios que trae la Inteligencia Artificial a las salas de redacción para la elaboración de contenidos es sorprendente y, al contrario de lo que parece una desaparición del periodista, se requieren perfiles profesionales mucho más preparados en este campo de la computación para que puedan generar estadística, interpretarla y luego de un proceso de elaboración de contenidos por las máquinas validarla, para garantizar la veracidad y credibilidad de la noticia. La Inteligencia Artificial requiere de reporteros para actuar como científicos o analistas de datos (Hansen et al., 2017, p. 8)
Para Alexander Fanta (2017, p. 4), la generación automatizada de texto y los algoritmos de búsqueda de noticias podrían dejar a los reporteros y equipos de monitoreo sin trabajo en el futuro. Aunque también hay criterios de otros pensadores que creen que el periodista no desaparecerá y que se hace necesario se perfeccione, mejore sus técnicas de investigación y adquiera nuevos conocimientos para su labor profesional.
Al pulsar el grado de conocimiento de la penetración de la robotización y la actitud de los periodistas españoles Túñez-López, Toural-Bran y Cacheiro-Requeijo destacaron diez resultados descriptivos en sí mismos de las noticias generadas por algoritmos y bots o, si se prefiere, del periodismo artificial (2018, pp. 754-757):
• Es una realidad desconocida
• No se ve como algo que vaya a impactar en la profesión Los robots se ven como un complemento, no como un sustituto
• Las noticias creadas a través de Inteligencia Artificial solo se ven como complemento a las que elaboran los redactores humanosSe admite que podría robotizar la redacción de noticias en temas de información complementaria, como el tiempoLa mayoría cree que no es posible robotizar la elaboración de información en las grandes áreas, sobre todo en Política y en SociedadLa empresa se ve como posible interesada en la automatización porque tendría un impacto positivo sobre su modelo de negocio ya que lograría aumentar la productividad y se abaratarían los costes de producción
• Se podría dar más por menos. La reducción de costes se empareja con un aumento de la cantidad de la información que se pusiera a disposición de los públicos
• El impacto será más sobre el empleo que sobre la calidad del producto
• La imagen de la profesión no se verá muy afectada
El reto es latente para editores, reporteros y desarrolladores de los medios de comunicación, ya que el contar con datos implica una responsabilidad y un conocimiento para el manejo de los mismos. Es por ello que la formación profesional implica tiempo y costo; sin embargo, es necesaria y fundamental para los profesionales, indistintamente si están en una sala de redacción grande o pequeña, asumir este desafío que se convierte en un combate permanente y con gran proyección de futuro.
Para aprovechar mejor y utilizar responsablemente la IA en las noticias, el primer paso es entender la tecnología en sí (Marconi & Siegman, 2017, p. 1). Si no se hace una correcta lectura de los algoritmos, considerando el contexto de los mismos, pueden ser propensos al sesgo, lo mismo que sucede con los seres humanos. De ahí obedece el cuidado al tratamiento de dicha información para generar historias o noticias. Entonces cabe preguntarse: ¿cómo entendemos y mitigamos posibles sesgos en la creación de modelos de aprendizaje automático? La respuesta requiere el apoyo técnico y humano de profesionales involucrados en el campo de la creación de las tecnologías o incluso otros profesionales.
En el periodismo artificial el eje de interés por controlar los contenidos que transmiten los medios de comunicación se desplazaría de la elaboración del texto (sería ejecutado por un sistema informático) al proceso de creación de bases de datos y de los algoritmos. Se abre, de este modo, la puerta al debate sobre la ética y la deontología en el periodismo artificial, que entronca con el informe sobre Robótica en el que se establece un Código Ético de Conducta aprobado por el Parlamento Europeo en 2017. Como explica Salazar, es necesario profundizar en la roboética diferenciando las normas para creadores de robots y para los robots creados porque “no se debe confundir la ética en la robótica con la ética en las máquinas, es decir, una ética que obligue a los propios robots a adherirse a reglas éticas” (2018, p. 311).
Existe una variada tipología de herramientas que se emplean para un desarrollo del periodismo artificial. Sin embargo, a través de la siguiente propuesta se intenta evidenciar las de mayor uso o las que los periodistas de los medios de comunicación emplean para el manejo de datos con IA:
• DocumentCloud: es una herramienta que permite gestionar documentos por temas, destacar datos, hacer apuntes, compartirlos en la web: https://www.documentcloud.org/
• Tableau: plataforma de análisis de datos gratuita que permite crear y compartir gráficos de manera sencilla. Generalmente se emplea por los periodistas para graficar de manera interactiva contenidos que sean entendibles para los lectores: https://www.tableau.com
• The Sensible Code Company: plataforma digital que utiliza técnicas de Inteligencia Artificial para detectar automáticamente las tablas en un documento y los convierte o agrupa de forma ordenada de acuerdo a los intereses: https://sensiblecode.io/
• Visual Investigative Scenarios (VIS): plataforma que ayuda a los periodistas de investigación a visualizar datos a través de un lenguaje visual simple de las redes de corrupción, negocios, delitos, crimen organizado y otras irregularidades: https://vis.occrp.org/
• Open Refine: herramienta gratuita que permite trabajar con datos que presentan errores tipográficos, para luego organizarlos y corregirlos de forma rápida y correcta: http://openrefine.org
• Open Spending: plataforma gratuita, abierta y global para buscar, visualizar y analizar datos fiscales de los gobiernos en todo el mundo. Permite buscar, aportar y cargar datos para alimentar la base, así como también hacer visualizaciones avanzadas: https://openspending.org/
• Open Corporates: base de datos libre con información de más de 100 millones de empresas y responsables de las mismas a nivel mundial. La búsqueda que se puede hacer es libre y de fácil acceso, se emplea el nombre de la empresa, los nombres de los responsables o las direcciones: https://opencorporates.com/
• Overview: es una plataforma de libre acceso que ayuda a leer y analizar miles de documentos de manera rápida y fácil de usar. En ella se pueden buscar textos completos, hacer visualizaciones, identificar entidades, agrupar temas y otras acciones. https://www.overviewdocs.com
• Open Calais: esta herramienta procesa el texto que se envía y devuelve datos de entidades, eventos, relaciones y etiquetas sociales. El desarrollador de esta plataforma es Thomson Reuters: http://www.opencalais.com
• Detective.io: es una plataforma que permite analizar datos de forma colaborativa, estructurando y organizando investigaciones según la información de la red: https://www.detective.io/
• Google Trends: permite identificar palabras o frases más buscadas en tiempo, ubicación geográfica e idiomas por parte de los usuarios en red, logrando así conocer las búsquedas más populares y con ello encontrar temas de interés para coberturas periodísticas: https://trends.google.com/trends/?geo=US
• Flourish: es una aplicación gratuita que permite hacer gráficos interactivos y visualmente atractivos a partir de los datos que reposan en una hoja de Excel. Al estar fusionada con Google News Lab la versión premium es gratuita para los medios de comunicación: https://flourish.studio
• Natural Language de Cloud: aplicación fácil de usar que permite descubrir la estructura y el significado de textos a través de modelos de aprendizaje automático de Google. Se emplea también para entender los sentimientos transmitidos en los textos: https://cloud.google.com/natural-language
• ICIJ Offshore Leaks Database: es una base de datos que recoge información de varias compañías y de fondos en paraísos fiscales: https://offshoreleaks.icij.org/
• Investigative Dashboard: es una base de datos a nivel mundial que ayuda a periodistas a localizar personas, empresas y activos en todo el mundo. Recopila información de representantes de diferentes empresas como también reportes financieros: https://investigativedashboard.org/
• La Navaja Suiza del Reportero Gráfico: manual para periodistas de investigación que condensa la experiencia del equipo de Ojo-publico.com sobre reportajes de profundidad con un fuerte componente de análisis de datos y desarrollo de aplicaciones periodísticas: https://ojo-publico.com/215/la-navaja-suiza-del-reportero-y-el-metodo-ojopublico
• Marine Traffic: base de datos que permanentemente está en actualización y brinda la facilidad de rastrear las salidas, recorridos y llegadas de embarcaciones marítimas: https://www.marinetraffic.com
• Personas de interés: es una base de datos creada por Organized Crime & Corruption Reporting Project (OCCRP) quienes elaboraron una lista de personas y empresas de interés en México y Centroamérica, que han figurado en casos de crimen organizado, narcotráfico, corrupción u otras actividades ilícitas. Es una base que cuenta con datos de archivos judiciales, registros de propiedades e informes de inteligencia: https://www.personadeinteres.org/
• Registro de compañías de Panamá y propiedades de Miami: sitios que registran información sobre las empresas de Panamá y las propiedades en Miami, se puede buscar la información por nombre de empresa o por el nombre de las personas. Panamá: https://ohuiginn.net/panama; Miami: https://www8.miamidade.gov/global/home.page
• Opta: en esta plataforma se registran, analizan y distribuyen datos de eventos deportivos en vivo. Es un proceso de datos de forma rápida, confiable y segura que brinda una infinidad de soluciones para los periodistas: https://www.optasports.com