Problema
Un vacío editorial que las redacciones tradicionales no podían llenar.
La audiencia joven ha migrado a formatos verticales, contenido "soft news" y ritmo continuo. La estructura de una redacción tradicional — presentador humano, set físico, agenda fija — no escala a la frecuencia ni al costo que exige competir en ese terreno. La pregunta no era si convenía experimentar con IA, sino cómo hacerlo sin romper la línea editorial de una casa de medios de cobertura nacional.
Contexto
Grupo Fórmula, 2023 — antes del boom mainstream de IA generativa.
NAT se lanzó en marzo de 2023 — antes de que "IA generativa" fuera vocabulario de junta directiva. En ese momento no había manuales, no había marcos, no había casos precedentes en la región. Toda decisión — de plataforma, gobernanza, línea editorial — se tomó bajo incertidumbre real, no bajo la comodidad de copiar lo que otro ya había resuelto.
Decisión
No un experimento. Producción, con gobernanza desde el día cero.
La decisión ejecutiva fue tratar a NAT como producto en producción, no como demo. Eso significa: presencia continua en plataformas, calendario editorial, responsable humano identificado, procedimiento de revisión antes de publicar y política interna alineada con la línea editorial del grupo. Nada de "salir a probar y ver qué pasa".
Arquitectura
Pipeline modular: síntesis de voz, generación visual, orquestación y publicación.
Cuatro capas independientes que se pueden actualizar sin tumbar el sistema: (1) generación de guiones con revisión editorial humana; (2) síntesis de voz entrenada específicamente para NAT; (3) generación visual y animación; (4) publicación en canales con cadencia programada. Cada capa tiene su propio umbral de aprobación y su punto de auditoría.
Ejecución
De concepto a aire en menos de un trimestre.
La entrega en producción no fue el hito interesante — lo interesante fue mantener la operación estable durante los meses siguientes, iterar sobre feedback real de audiencia y sostener la responsabilidad editorial sin que la novedad se convirtiera en excusa para bajar el estándar.
Resultado
Presencia continua, cobertura internacional y precedente institucional.
NAT sigue activa en producción tres años después. Su cuenta pública (@nat_tvoai) mantiene actividad regular. El caso se convirtió en referencia académica sobre IA aplicada al periodismo en América Latina — y trascendió el uso periodístico original a formatos de contenido de marca en Iberoamérica.
Aprendizaje
La barrera no fue tecnológica. Fue institucional.
Las herramientas para construir a NAT existían — imperfectas, pero suficientes. La barrera real era institucional: convencer a un consejo de que se podía asumir el riesgo reputacional, alinear a legal, redacción y producción alrededor de un producto que la industria aún no sabía nombrar, y definir un marco de responsabilidad cuando el "presentador" no es una persona. Ese sigue siendo el bloqueo real de casi todos los proyectos que llegan al escritorio de un CAIO.
Gobernanza
Responsabilidad humana identificada, siempre.
Cada pieza publicada por NAT tiene un editor humano responsable. El proceso de aprobación no se salta ni por urgencia ni por volumen. Cuando aparecen áreas grises — un tema sensible, una nota que puede leerse de dos maneras — el default es escalar, no publicar rápido. Esa disciplina es lo que hace la operación defendible ante escrutinio externo.
Evidencia externa
Terceros que documentaron el caso.
-
Reuters Institute · University of Oxford
"Meet NAT, an AI-generated presenter offering soft news to Mexican audiences"
Ver publicación → -
Reuters Institute — programa académico
AI and the Future of News / Journalism
Ver programa → -
Latin American Journalism Review · Knight Center
Medios, facultades y gobiernos experimentan con IA en presentadores de noticias
Ver artículo → -
LinkedIn News
"Ella es NAT — la primera presentadora de TV en LATAM creada con IA"
Ver historia → -
Universidad Diego Portales · Vergara 240
Entrevista sobre IA y periodismo
Ver entrevista →
Relacionado