Inteligencia Artificial, lenguajes de marcas y el futuro de la edición

Introducción

En las últimas décadas hemos asistido a transformaciones tecnológicas que han modificado profundamente las prácticas de producción editorial. Entre ellas, los lenguajes de marcas ocupan un lugar central: si bien existen desde hace décadas, hoy adquieren una importancia renovada en el marco de la evolución del intercambio de información entre máquinas y personas (a través de máquinas). La irrupción de la Inteligencia Artificial (IA) acelera esta tendencia y obliga a pensar de qué modo se reorganizan los oficios de la edición.

El eje de esta reflexión parte de un enfoque de análisis que hunde sus raíces en la tradición marxista: observar cómo las innovaciones tecnológicas reconfiguran la organización del trabajo, los roles profesionales y la tasa de ganancia del capital. Este tipo de mirada —que Marx introdujo, pero que incluso economistas y teóricos no marxistas reconocen como válida— nos permite entender las tensiones actuales en la industria editorial.

Mi posición es clara: el futuro de la edición —especialmente en el ámbito científico— estará marcado por la integración entre IA + lenguajes de marcas, en tensión con el modelo todavía extendido de IA + DTP (Desktop Publishing, programas como InDesign o QuarkXPress).

Evolución de los lenguajes de marcas

Los lenguajes de marcas no son un invento reciente. Surgen como recursos para describir y estructurar documentos, distinguiendo contenido de forma. Veamos algunos hitos fundamentales:

  • SGML (Standard Generalized Markup Language) en los años 80: primera gran normalización para documentos estructurados, lenguaje utilizado sobre todo en ámbitos técnicos y científicos.

  • HTML (HyperText Markup Language) en los 90: llevó la idea del marcado a la web, masificando su uso.

  • XML (eXtensible Markup Language) en los 2000: consolidó la idea de documentos estructurados y semánticos, adoptado por sectores editoriales, jurídicos y bibliográficos.

  • Lenguajes especializados como LaTeX, TEI, JATS y DocBook: aportaron marcos de estandarización para áreas específicas (publicaciones académicas, textos humanísticos, documentación técnica).

  • Markdown y derivados: simplificaron la curva de aprendizaje, permitiendo a más usuarios producir contenido estructurado de manera ligera y flexible.

En síntesis

De ser meros recursos de escritura y composición, los lenguajes de marcas pasaron a sostener la dimensión semántica y estructural de la comunicación científica y editorial.

IA + DTP versus IA + lenguajes de marcas

La combinación de IA con programas de maquetación (IA + DTP) permite automatizar tareas como ajustar tipografía, redistribuir texto o aplicar estilos predefinidos. Sin embargo, el archivo final sigue siendo un objeto gráfico: para otro software o para otra IA, ese documento es simplemente texto en un cuadro, sin información semántica. Esto limita sus posibilidades de interoperabilidad y la reutilización en otros entornos, por ejemplo para integrarse a otras cadenas de producción más complejas.

Por el contrario, la integración de IA con lenguajes de marcas actúa sobre un documento con estructura explícita, entendiendo qué es un título, subtítulo, cita, nota al pie o referencia bibliográfica. Esto habilita la reutilización del contenido en múltiples formatos de salida (PDF, HTML, EPUB, XML, bases de datos), facilita la preservación a largo plazo y permite que otros sistemas e IA procesen el material sin pérdida de información, integrándose a flujos de trabajo globales.

La diferencia clave entre ambos enfoques es sencilla: mientras que IA + DTP maqueta, la IA + lenguajes de marcas entiende el contenido, su estructura y su significado, lo que abre posibilidades mucho mayores para una automatización e interoperabilidad más avanzada y compleja.

Consecuencias en el mundo del trabajo editorial

  1. Reconfiguración de oficios Traductores, correctores, diseñadores y coordinadores deberán adaptarse a un ecosistema donde la IA asume parte de las tareas rutinarias (o repetitivas). Los oficios no van a desaparecer, pero se verán transformados: la corrección, por ejemplo, se desplaza hacia el control de calidad semántico y no solo tipográfico.

  2. Escasez de profesionales híbridos Actualmente hay pocos profesionales que combinen formación editorial con dominio de lenguajes de marcas. Esta falta de perfiles híbridos constituye un cuello de botella para la adopción de IA + lenguajes de marcas, y quienes logren desarrollar ambas competencias tendrán una ventaja estratégica en el mercado laboral.

  3. Resistencia cultural y profesional Muchos trabajadores defienden su oficio con el argumento de que la IA nunca podrá captar las sutilezas de la traducción o la corrección. Sin embargo, todo indica que se trata de una cuestión de tiempo de entrenamiento de los modelos. La historia tecnológica nos muestra que las tareas inicialmente “imposibles de automatizar” terminaron siendo absorbidas por las máquinas.

  4. Tasa de ganancia del capital La adopción de IA + lenguajes de marcas permite a las editoriales reducir tiempos de producción y costos, lo que incrementa la rentabilidad del capital. Sin embargo, este aumento de eficiencia genera tensiones laborales, ya que muchos trabajadores deberán adaptar sus roles hacia tareas de mayor valor agregado que la IA no pueda automatizar.

Paralelo histórico: el sistema internacional de medidas

Podemos trazar un paralelo entre la estandarización de los lenguajes de marcas y la creación del Sistema Internacional de Medidas (SI) en el ámbito científico y técnico.

  • El SI permitió unificar planos, fórmulas y cálculos bajo un mismo lenguaje cuantitativo, facilitando la cooperación global entre científicos e ingenieros.
  • De modo análogo, los lenguajes de marcas permiten hoy unificar la comunicación editorial y científica bajo estructuras comunes, garantizando que la información pueda circular, transformarse y preservarse más allá de plataformas propietarias.

En ambos casos, la clave es la estandarización como condición de interoperabilidad global.

Conclusión

El futuro de la edición no se decidirá en una dicotomía entre máquinas y humanos, sino en cómo organizamos y gestionamos el conocimiento. La IA aplicada a programas de maquetación seguirá siendo útil, pero su alcance es limitado: solo “maqueta” el contenido. En cambio, la IA integrada a lenguajes de marcas transforma al documento en un nodo de comunicación inteligente, capaz de interactuar con otros sistemas, preservarse a largo plazo y adaptarse a múltiples formatos y soportes.

Para quienes estudian edición, el desafío es desarrollar habilidades que les permitan trabajar en este nuevo paradigma, donde la línea entre la tradición editorial y la tecnología semántica se convierte en un terreno compartido. Aquí es donde se definirá la verdadera transformación del oficio editorial en la era de la Inteligencia Artificial: los profesionales deberán complementar y supervisar a la IA, aportando juicio, criterio y creatividad.