Curaduría e Inteligencia Artificial

---

Inteligencia artificial en museos: tecnología sí, pero con criterio patrimonial.

---

Antes de incorporar inteligencia artificial a una colección, conviene formular una pregunta esencial: ¿quién conserva el criterio cuando decide el algoritmo?

La inteligencia artificial ha entrado con fuerza en el debate museológico. Puede clasificar imágenes, enriquecer metadatos, acelerar búsquedas, detectar patrones, traducir contenidos, generar descripciones, identificar rostros en fotografías históricas o ayudar a gestionar grandes volúmenes de información. Para muchos museos, especialmente aquellos que conservan fondos amplios y poco descritos, estas posibilidades resultan muy útiles.

Sin embargo, el uso de IA en patrimonio cultural no puede entenderse como una simple mejora técnica. Un museo no trabaja con datos neutros. Trabaja con memoria, identidad, ausencia, poder, representación, contexto histórico y responsabilidad pública. Por eso, la pregunta no es solo qué puede hacer la IA, sino cómo debe usarse, con qué límites, con qué supervisión y desde qué criterios museológicos.

El Patrimonio No Es Solo Información.

Partimos de una idea que creemos es muy importante: el patrimonio no es un conjunto fijo de objetos o registros, sino un proceso dinámico de memoria, identidad y negociación social. Esta visión resulta fundamental «para comprender los riesgos de automatizar tareas patrimoniales sin suficiente reflexión crítica» (Mostofian, N. y Foka, A., 2025)..

Una colección digital puede parecer un sistema ordenado de imágenes, fechas, nombres, materias y descripciones. Pero detrás de cada registro hay decisiones históricas: qué se conservó, qué se descartó, quién fue nombrado, quién quedó invisible, qué palabras se usaron y qué categorías se impusieron. Cuando una IA procesa esos datos, no parte de una realidad limpia, sino de una memoria ya construida por instituciones, épocas y criterios curatoriales.

Por eso, aplicar IA a colecciones patrimoniales exige algo más que competencia tecnológica. Exige conocimiento histórico, sensibilidad cultural, lectura crítica de los metadatos y capacidad para detectar sesgos.

El riesgo de automatizar el sesgo.

Uno de los grandes problemas es que la IA puede amplificar desigualdades ya presentes en las colecciones. El «sesgo no aparece únicamente en el algoritmo; muchas veces ya está en el archivo» (Mostofian, N. y Foka, A., 2025).

Los ejemplos son claros. Las mujeres pueden estar menos representadas o aparecer descritas solo en relación con hombres. Las clases populares pueden quedar ocultas frente a élites políticas, económicas o familiares. Determinadas comunidades pueden aparecer clasificadas con términos coloniales, racistas, paternalistas o desactualizados. Algunos materiales conflictivos —fotografías vinculadas a esclavitud, colonialismo o violencia— pueden permanecer conservados, pero sin una contextualización adecuada.

Si una IA aprende de esos registros sin revisión humana, puede reproducir esas mismas distorsiones con apariencia de objetividad. La eficacia técnica no garantiza justicia interpretativa. Un sistema puede clasificar rápido y, al mismo tiempo, clasificar mal desde el punto de vista cultural.

La IA Como Ayuda; No Como Sustitución.

Proponemos un enfoque «presencia humana», es decir, una inteligencia artificial integrada en procesos supervisados por profesionales humanos. Esta idea es especialmente importante para los museos. La IA puede ayudar a descubrir relaciones, sugerir cartelas, detectar similitudes, agrupar imágenes o recuperar materiales invisibles, pero no debe sustituir el juicio curatorial.

La decisión sobre qué se conserva, cómo se describe, qué se muestra, qué se oculta, qué se contextualiza y qué relatos se construyen sigue siendo una responsabilidad profesional. La IA puede ofrecer indicios; el museo debe aportar interpretación.

Desde EVE Museos e Innovación, esta distinción resulta central. La tecnología puede ser una herramienta valiosa para la gestión de colecciones y la mediación cultural, pero solo cuando está integrada en una estrategia museológica clara. No se trata de incorporar IA porque sea una tendencia, sino de definir qué problema resuelve, qué valor añade y qué riesgos introduce.

Dos Módulos Imprescindibles: Expertos y Datos.

Se plantea un marco mínimo compuesto por dos módulos: la experiencia experta de dominio y las colecciones entendidas como información y datos (Mostofian, N. y Foka, A., 2025).

• El primer módulo, la experiencia experta, recuerda que los profesionales de museos aportan conocimiento contextual, histórico, ético y cultural. Son quienes pueden evaluar si una clasificación es adecuada, si una identificación es fiable, si una descripción resulta problemática o si un resultado automático necesita corrección.
• El segundo módulo, las colecciones como datos, obliga a mirar críticamente la infraestructura documental del museo. Antes de aplicar IA, conviene revisar la calidad de los metadatos, la estructura de las bases de datos, los vocabularios utilizados, las lagunas documentales, los criterios de catalogación y las posibles desigualdades heredadas.

Sin buenos datos, la IA produce resultados frágiles. Sin criterio experto, esos resultados pueden convertirse en errores institucionales.

Tecnología, Curaduría y Colaboración

Uno de los conflictos más frecuentes se produce entre prioridades técnicas y curatoriales. Los equipos tecnológicos suelen valorar precisión, rendimiento, velocidad y eficiencia. Los equipos curatoriales atienden al contexto, la ambigüedad, la representación, la sensibilidad histórica y las consecuencias sociales de una clasificación.

Ambas miradas son necesarias. La implementación responsable de IA en museos exige colaboración interdisciplinar. Curadores, documentalistas, museólogos, educadores, especialistas digitales, tecnólogos y responsables institucionales (m/f) deben trabajar sobre objetivos compartidos.

Este es uno de los terrenos donde podemos aportar una mirada integradora: conectar la tecnología con el proyecto museológico, la gestión de colecciones, la experiencia del visitante, la accesibilidad, la comunicación y la ética patrimonial.

IA para Hacer Visible lo Oculto.

La inteligencia artificial también puede abrir oportunidades reales. Puede ayudar a localizar materiales olvidados, identificar fotografías anónimas, relacionar documentos dispersos, enriquecer descripciones y facilitar el acceso a colecciones que hasta ahora permanecían poco visibles.

Pero incluso en estos casos, la decisión final no debe delegarse en la máquina. Hacer accesible un material difícil implica preguntarse cómo se contextualiza, qué públicos pueden verse afectados, qué lenguaje se utiliza y qué responsabilidades asume el museo.

La IA puede descubrir. El museo debe interpretar.

Calidad del Proyecto con el Uso de IA.

La inteligencia artificial no resolverá por sí sola los problemas estructurales de los museos. No corregirá automáticamente los sesgos de las colecciones, no sustituirá la investigación curatorial y no garantizará una comunicación más inclusiva si se aplica sin método.

Su valor dependerá de la calidad del proyecto que la incorpore. Cuando se usa con criterio, puede mejorar la gestión de colecciones, ampliar el acceso, enriquecer los metadatos, recuperar historias silenciadas y fortalecer la relación entre patrimonio y sociedad.

El futuro no estará en museos gobernados por algoritmos, sino en instituciones capaces de combinar inteligencia artificial, juicio humano, ética patrimonial y estrategia museológica.

5 Ideas clave Sobre Curaduría e Inteligencia Artificial.

• La inteligencia artificial en museos debe aplicarse con supervisión humana y criterio patrimonial.
• Los datos de las colecciones no son neutrales: pueden contener sesgos históricos, sociales, coloniales, de género o de clase.
• La IA puede mejorar clasificación, búsqueda, metadatos y accesibilidad, pero no debe sustituir el juicio curatorial.
• El enfoque human-in-the-loop permite integrar tecnología, ética, contexto histórico y responsabilidad profesional.
• Debemos incorporar a nuestros procesos profesionales una visión integral para conectar IA, museología, museografía, colecciones, públicos y comunicación cultural.

Nota del Autor.

En EVE Museos e Innovación acompañamos a museos, centros patrimoniales e instituciones culturales que necesitan incorporar tecnología, inteligencia artificial o procesos de digitalización sin perder el control museológico del proyecto. Nuestro trabajo consiste en ayudar a definir una estrategia clara: qué colecciones deben priorizarse, qué datos conviene revisar, qué riesgos éticos pueden aparecer, qué usos públicos son adecuados y cómo convertir la tecnología en una herramienta útil para la conservación, la interpretación, la accesibilidad y la experiencia del visitante.

La IA puede ser una oportunidad extraordinaria para los museos, pero solo si se implanta con método, criterio profesional y responsabilidad patrimonial. En ese equilibrio entre innovación, relato, gestión de colecciones y comunicación pública es donde EVE aporta valor: diseñando soluciones museológicas y museográficas que no se limitan a incorporar tecnología, sino que la integran al servicio de la misión cultural de cada institución.

Recursos Bibliográficos:

Candela, G. (2025): Nuevos enfoques para la publicación y reutilización de datos en el sector del patrimonio cultural. Anuario ThinkEPI, 19, e19a05.

DE-BIAS Project Consortium (2023): DE-BIAS: recomendaciones y herramientas para una descripción más inclusiva de las colecciones digitales de patrimonio cultural.

Fernández Maïssa, M. y Sánchez-Jiménez, R. (2026): Uso de tecnologías semánticas en las colecciones digitales de bibliotecas, archivos y museos de España. Revista Española de Documentación Científica, 49(1), 1813.

IAPH. (2026): Ética e inteligencia artificial en el ámbito patrimonial. Revista PH.

UNESCO (2021): Recomendación sobre la ética de la inteligencia artificial. París: UNESCO.

UNESCO (2025). MONDIACULT 2025: inteligencia artificial y cultura. París: UNESCO.

Foka, A., Attemark, J. y Wahlberg, F. (2022): Women’s Metadata, Semantic Web, Ontologies and AI: Potentials in Critically Enriching Carl Sahlin’s Industrial History Collection. En T. Stylianou-Lambert, A. Bounia, & A. Heraclidou (editores), Emerging Technologies and Museums. Berghahn Books.

Foka, A. y Griffin, G. (2024): AI, Cultural Heritage, and Bias: Some Key Queries That Arise from the Use of GenAI. Heritage, 7(11), 6125–6136.

Kizhner, I., Terras, M., Rumyantsev, M., Khokhlova, V., Demeshkova, E., Rudov, I. y Afanasieva, J. (2021): Digital cultural colonialism: Measuring bias in aggregated digitized content held in Google Arts & Culture. Digital Scholarship in the Humanities, 36(3), 607–640.

Mostofian, N. y Foka, A. (2025): Heritage Professionals and AI: Reflections on Current and Future Practices. Digital Humanities in the Nordic and Baltic Countries Conference Publications.

Smyth, H., Nyhan, J. y Flinn, A. (2021): Opening the “Black Box” of Digital Cultural Heritage Processes: Feminist digital humanities and critical heritage studies. En Routledge International Handbook of Research Methods in Digital Humanities. Routledge.

Tzouganatou, A. (2018): Can Heritage Bots Thrive? Toward Future Engagement in Cultural Heritage. Advances in Archaeological Practice, 6(4), 377–383.

Villaespesa, E. y Murphy, O. (2021): This is not an apple! Benefits and challenges of applying computer vision to museum collections. Museum Management and Curatorship, 36(4), 362–383.

Zaga, C. y Lupetti, M. L. (editores) (2022): Diversity, Equity and Inclusion in Embodied AI: Reflecting on and Re-imagining our Future with Embodied AI. 4TU.Federation.

Para más información sobre Curaduría e Inteligencia Artificial: info@evemuseos.com / Tlf. (0034) 600320681 (España) / (0052) 3318939356 (América).