Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Similars in
SciELO 
Permalink
INTRODUCCIÓN
Desde hace algunos años casi todas las personas del mundo han escuchado hablar, de una u otra manera, de la Inteligencia Artificial Generativa (GenAI) señalando que éstas están revolucionando la forma de hacer las cosas, mejorando la productividad, los procesos, las tareas, reduciendo tiempos y costos, creando imágenes, cuentos, audios, videos inéditos, entre otras muchas cosas más (Al Naqbi et al., 2024), donde la GenAI con mayor difusión y popularidad en el mercado es el ChatGPT (OpenAI).
Sin embargo, existen muchas otras GenAI especializadas que permiten a los usuarios desarrollar tareas más específicas y que han sido desarrolladas por grandes corporaciones como Google, Meta y Microsoft (Ahmed et al., 2024; Gupta, 2024; Tramallino y Marize, 2024; Chakraborty et al., 2024).
Una reciente investigación publicada por la Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura (UNESCO, 2023a) determinó que más del 90% de instituciones educativas a nivel mundial no orientan, formalmente, a su comunidad académica sobre las diferentes GenAI que existen ni cuáles son sus posibles usos como herramientas colaborativas, a pesar que diferentes investigadores como la de Moya & Eaton (2023), Laker & Sena (2023), Hussain (2023) y Chocobar (2023), han señalado que es necesario actualizar las prácticas educativa.
Esto genera que las personas tampoco desarrollen ni potencien nuevas competencias digitales, mejoren su pensamiento crítico, incrementen su creatividad, entre otros aspectos que el uso de las GenAI logra (Singh, 2023).
En ese sentido, es necesario e indispensable lograr un cambio de mentalidad para que las personas implementen y difundan el uso de las GenAI trabajando con ellas, no en su contra, logrando así mejorar los procesos del negocio, generar nuevos modelos de negocio, teniendo presente siempre las regulaciones necesarias en su uso (Orchard & Tasiemski, 2023; Fosso et al., 2023).
Cabe señalar que, cuando el usuario conoce y utiliza diferentes GenAI desarrolla y potencia habilidades tecnológicas que son indispensables para el uso eficiente de estas herramientas (Ryzkho et al., 2024), generando mayor conocimiento y responsabilidad ética en el uso y aplicación (Tramallino y Marize, 2024).
Todo lo anterior, nos lleva a poder determinar que muchos usuarios desconocen los diferentes tipos de GenAI disponibles y qué acciones determinadas se pueden realizar con ellas como, por ejemplo, crear una imagen a partir de descripciones textuales, textos con fuentes bibliográficas confiables, convertir audios en texto, redactar poemas, traducir textos a diferentes idiomas, etc. (Menacho et al., 2024).
Esto, genera cierta frustración en los usuarios quienes al no encontrar ninguna investigación que haya sintetizado las principales GenAI y su uso no saben a cuáles acudir. Además, este desconocimiento por parte del usuario desconozca su uso correcto y no emplee las instrucciones correctas (Prompts), que lo puede llevar a obtener resultados que no satisfacen sus requerimientos ni expectativas (Matz et al., 2024; Dwivedi et al., 2023; Orchard & Tasiemski, 2023) y, en el peor de los casos, que las respuestas obtenidas sean “alucinaciones” de las GenAI causadas por el efecto GIGO (Garbage In Garbage Out) las cuales son falsas y engañosas (Costa et al., 2024; Ooi et al., 2023).
En base a todo lo señalado anteriormente surge la pregunta de investigación ¿Cuáles son las diferentes GenAI que hay disponibles y para qué se utilizan?, teniendo como objetivo general identificar las principales GenAI disponibles y cuáles son sus usos.
Las principales limitaciones de la investigación estuvieron referidas a que la mayoría de investigaciones sólo mencionan y analizan el ChatGPT, además de estar relacionadas a temas de salud y educación, existiendo muy pocas investigaciones que hablaran de la diversidad de GenAI y sus usos.
Esto genera la necesidad de realizar una investigación que señale las diferentes GenAI disponibles y sus principales usos sirviendo de base para que cualquier estudiante, docente y/o trabajador sepa a cuál escoger, a dónde encontrarla y qué hacer para obtener los mejores resultados.
METODOLOGÍA
La investigación es de tipo cualitativa, basada en la revisión documental de artículos científicos seleccionados de las bases de datos Scopus, ScienceDirect, EBSCOhost, Scielo y Redalyc bajo la metodología PRISMA (Hernández y Mendoza, 2018; Checasaca et al., 2022).
Criterios de elegibilidad y búsqueda
Son aquellos que permiten determinar qué artículos son considerados para la investigación y cuáles son rechazados. Para esto se determinaron los criterios de inclusión que artículos científicos tuvieran DOI, estuviesen escritos bajo la metodología IMRyD, publicados entre el 2021 y 2024, de idioma inglés y/o español, publicaciones arbitradas y que respondieran la pregunta y objetivo de la investigación.
Los criterios de exclusión son los artículos científicos publicados antes del 2021, sin DOI, artículos de opinión, revistas, editoriales, cartas al editor, capítulos de libros, ponencias, en idiomas diferentes al inglés y/o español, que no siguieran la metodología IMRyD, artículos duplicados, y que no respondieran la pregunta ni objetivo de la investigación.
Estrategias de búsqueda
Las palabras clave utilizadas y operador booleano fueron “Generativa Artificial Intelligence” OR “Inteligencia Artificial Generativa” AND “Uses” OR “Usos” para el rango de años 2021 y 2024.
Scopus: (“Generative Artificial Intelligence” OR “Inteligencia Artificial Generativa” OR “GenAI” AND “Uses” OR “Usos”)
Años: 2021 - 2024
Sólo: Artículos de revisión y de investigación
Idioma: Español e inglés
Palabras clave: Generative Artificial Intelligence, ChatGPT, Artificial Intelligence Tools, Generative AI, GPT, GenAI.
Acceso: Abierto
ScienceDirect: (“Generativa Artificial Intelligence” OR “GenAI” AND “Uses” OR “Inteligencia Artificial Generativa”)
Búsqueda: Avanzada
Sólo: Artículos de revisión y de investigación
Años: 2021 - 2024
Idioma: Español e inglés
EBSCOhost: (“Generativa Artificial Intelligence” AND “Uses” OR “Inteligencia Artificial Generativa” AND “Usos”)
Búsqueda: Avanzada
Años: 2021 - 2024
Sólo: Publicaciones académicas arbitradas y a texto completo
Idioma: Español e inglés
Scielo: (“Generativa Artificial Intelligence”, OR “Inteligencia Artificial Generativa” OR “GenAI”)
Redalyc: (“Generativa Artificial Intelligence” OR “GenAI” AND “Use” OR “Inteligencia Artificial Generativa”)
Proceso de selección de datos
Como como se aprecia en la Tabla 1 y Figura 1, en el proceso de búsqueda de artículos científicos y aplicando los criterios de inclusión señalados se encontraron 489 artículos para los años 2021 al 2024.
Luego del análisis del total de artículos se descartaron 437 porque no respondían la pregunta ni objetivo de investigación y también se descartaron los artículos que sólo mencionaran al ChatGPT y no otras GenAI por considerarlos repetitivos y que no aportaban novedad a la investigación, quedando, finalmente, 52 artículos para su análisis.
Además, se aprecia que la mayor cantidad de artículos seleccionados fue de Scopus (38.46%), seguido de EBSCOhost con 25%, Scielo con 19.23%, ScienceDirect con 15.38% y Redalyc con 1.92%.
Tabla 1: Selección de artículos después del descarte
| Base de datos | Total de artículos | Artículos descartados | Artículos seleccionados | % |
|---|---|---|---|---|
| Scielo | 19 | 9 | 10 | 19.23% |
| Scopus | 89 | 69 | 20 | 38.46% |
| ScienceDirect | 18 | 10 | 8 | 15.38% |
| EBSCOhost | 359 | 346 | 13 | 25.00% |
| Redalyc | 4 | 3 | 1 | 1.92% |
| Total general | 489 | 437 | 52 | 100.00% |
Nota: La tabla muestra el proceso de descarte y la selección de artículos por base datos. Elaboración: Propia.
RESULTADOS
Del total de 52 artículos, 41 (78.85%) fueron en inglés y 11 (21.15%) en español como se muestra en la Tabla 2 y Figura 2.
Tabla 2: Distribución por idiomas de los artículos seleccionados.
| Idioma | Cantidad | % |
|---|---|---|
| Español | 11 | 21.15% |
| Inglés | 41 | 78.85% |
| Total general | 52 | 100.00% |
Nota: La tabla muestra la distribución del idioma de los 52 artículos seleccionados. Elaboración: Propia.
Nota: La figura muestra la distribución del idioma de los 52 artículos seleccionados. Elaboración: Propia.
Figura 2: Distribución por idiomas de los artículos seleccionados.
De igual manera, un aspecto importante fue que la revisión sistemática se realizó para el rango de años 2021 al 2024. Sin embargo, los resultados de todas las bases de datos arrojaron artículos sólo para el 2023 con 30.77% y 2024 con 69.23% (Tabla 3 y Figura 3).
Esto permite validar que la investigación realizada es un importante aporte a la literatura científica al existir muy pocos artículos que hayan realizado tal análisis.
Tabla 3: Cantidad de artículos seleccionados por año.
| Año | Cantidad | % |
|---|---|---|
| 2023 | 16 | 30.77% |
| 2024 | 36 | 69.23% |
| Total general | 52 | 100.00% |
Nota: La figura muestra la distribución por año de los 52 artículos seleccionados. Elaboración: Propia.
Nota: La figura muestra la distribución por año de los 52 artículos seleccionados. Elaboración: Propia.
Figura 3: Cantidad de artículos seleccionados por año.
Proceso de interacción con las GenAI
El uso de las GenAI requiere que el usuario posea determinadas habilidades lograr los mejores resultados (Singh, 2023). En ese sentido, existen tres aspectos resaltantes en el uso de las GenAI:
Está referido que los usuarios deben saber dar las instrucciones adecuadas conocidas como Prompts, para obtener los mejores resultados (Matz et al., 2024; Dwivedi et al., 2023; Orchard & Tasiemski, 2023)
Está referido a que las GenAI pueden generar información errada y poco confiable llamadas “alucinaciones” debiendo siempre corroborar que los resultados estén alineados a lo solicitado y siendo comparados con otros resultados obtenidos (Costa et al., 2024; 2023; Ooi et al., 2023).
Está referido a que existe una parte ética en el uso de las GenAI donde se deben emplear estrategias de supervisión que verifiquen el uso correcto de éstas (Laker & Sena, 2023).
En la Figura 4, se explica que la interacción con la GenAI que inicia cuando el usuario define un objetivo y busca la GenAI adecuada, lo cual demuestra la importancia de conocer diferentes herramientas y su uso.
Seguidamente, se dan las instrucciones (Prompts) claras, precisas y bien redactadas y la GenAI emite una respuesta o que el usuario toma como resultado e interpreta y compara con sus expectativas y con el objetivo trazado. Si está satisfecho, finaliza la interacción con la GenAI, caso contrario, iniciará nuevamente el proceso.
A medida que el usuario va utilizando las GenAI va desarrollando mayores habilidades de utilización de las diferentes herramientas, descripción de los Prompts obteniendo mejores resultados.
Instrucciones adecuadas (Prompts) para las GenAI para obtener mejores resultados
Para obtener los mejores resultados al emplear las GenAI es necesario que las solicitudes o preguntas escritas por los usuarios conocidas como Prompts estén bien redactadas, sean precisas y relevantes.
En ese sentido, para obtener los mejores resultados es importante escribir, por ejemplo, las siguientes instrucciones como se muestra en la Figura 5.
Cabe precisar que, muchas veces, es mejor escribir las instrucciones en inglés para obtener mejores resultados.
Las diferentes GenAI y sus principales usos como herramientas colaborativas
Los resultados de las GenAI se agruparon de acuerdo con la similitud de los usos. Así, del total de 52 artículos analizados, 36 autores (69.23%) mencionan y/o analizan sólo al ChatGPT como la única o más eficiente GenAI dejando de mencionar otras muy importantes y más adecuadas para determinadas tareas (Tabla 4).
Tabla 4: Las GenAI más mencionadas por los autores como herramientas colaborativas.
| GenAI | Usos como herramienta colaborativa | Autores |
|---|---|---|
| ChatGPT; Bard AI (Gemini); Copilot AI; Perplexity AI | Son herramientas multimodales que ayudan a los usuarios a generar y potenciar habilidades de comunicación para expresarse mejor, traducir textos a varios idiomas, interpretar información densa y compleja, escribir artículos y ensayos, guiones, identificar errores, expandir su vocabulario. Además, habilidades artísticas, generar contenido, crear imágenes a partir de texto, almacenar imágenes y crear nuevas a partir de las existentes, buscar información, generar y traducir códigos de programación, entre otras más. Uno de los grandes beneficios, es la reducción del tiempo para generar contenido teniendo en cuenta las especificaciones dadas, adaptándose a las tareas solicitadas. Permite buscar información, respondiendo detalladamente a las preguntas de los usuarios sobre temas específicos, logra eficiencia en las tareas, y también es utilizado como herramienta de entretenimiento y juego. Además, ayuda a tomar mejores decisiones al proporcionar información detallada y clara sobre temas específicos. Ayuda a obtener información que permita trazar mejores y más claros objetivos, minimizar el tiempo de desarrollo de tareas, desarrollar nuevos productos y servicios de marketing, responder preguntas con información detallada, consistente y con fuentes bibliográficas. Se integra con herramientas ofimáticas para mejorar la productividad, como la redacción de documentos y el análisis de datos. Se recomienda emplear el idioma inglés y dar las instrucciones adecuadas (prompts). | Galdo et al. (2024); Gonzáles et al. (2024); Gupta & Yang (2024); Hermann & Puntoni (2024); Fosso et al. (2024); Talaei et al. (2024); Canillas y Canillas (2024); Arias et al. (2024); Tshidi & Dewa (2024); Tramallino y Marize (2024); Fosso et al. (2024); Gupta (2024); Matz et al. (2024); Costa et al. (2024); Schneider (2024); Lai (2024); Menacho et al. (2024); Rodrigues et al. (2024); García et al. (2024); Alpizar y Martínez (2024); Giordano et al. (2024); Huy et al. (2024); Szczesniewski et al. (2024); Hassani & Sirimal (2024); Reid (2024); Ooi et al. (2023); Hussain (2023). Dwivedi et al. (2023); Hyun & Kim (2023); Horak et al. (2023); Laker & Sena (2023); Moya & Eaton (2023); Orchard & Tasiemski (2023); Singh (2023); Lopezosa et al. (2023); Peña et al. (2023); Korzynski et al. (2023); Chervenak et al. (2023) |
| DALL-E; Midjourney; Stability IA; Meta AI | Estas herramientas permiten crear imágenes a partir de indicaciones textuales. Son utilizadas para la creación de ayudas visuales y materiales. | Ahmed et al. (2024); Cetina (2024); Hermann & Puntoni (2024); Aksoy & Kursun (2024); Lim et al. (2024); Casas et al. (2024); García et al. (2024); Lopezosa et al. (2023); Peña et al. (2023); Zhou & Lee (2024); Jiménez (2024) |
| OpenAI Text Classifier; OpenAI Text Classifier; GPT-2 Output Detector; Copyleaks AI Content Detector; GPTRadar; Winston AI; CopyScape; Plagibot; Writer AI Content Detector, GPTZero AI; Turnitin AI Text Classifier | Son utilizadas como herramientas de antiplagio para ver la originalidad de los trabajos presentados, artículos científicos, manuscritos, ensayos, trabajos. Estas GenAI permiten garantizar la originalidad del contenido de publicaciones e investigaciones, detectando el contenido generado por IA | Ryzkho et al. (2024); García et al. (2024) |
Nota: La tabla muestra el grupo de las principales GenAI con mayores investigadores. Elaboración: Propia.
En la Tabla 5, se muestra otro grupo de GenAI menos señaladas por los investigadores pero que son muy importantes conocer por parte de los usuarios que quieren desarrollar tareas específicas como tesis, manuscritos, complementos del Google Chrome, interactuar con el CANVA, transcribir audios y videos, etc.
Tabla 5: Diferentes GenAI y sus usos específicos.
| GenAI | Usos como herramienta colaborativa | Autores |
|---|---|---|
| Scriptbakery AI; BookScout AI; StoryFit | Para realizar investigaciones como tesis, artículos científicos, planes de negocio. Estas GenAI permiten gestionar metadatos, digitalizar manuscritos, analizar los textos para evaluar si cumplen con los requerimientos de la editorial y seleccionar los mejores, modelar las respuestas del público, emitir informes | Ryzkho et al. (2024) |
| Sider AI; Gene AI | Facilitan el trabajo al insertarse como extensiones en los navegadores de Internet como Chrome o Edge | Ryzkho et al. (2024) |
| Grammarly AI; Magic Write con CANVA; Eleven Labs; Channel | Ayuda a desarrollar trabajos de investigación, a corregir la redacción de sus manuscritos o proyectos, a generar texto rápido a partir de algunas palabras clave, a generar audios de alta calidad en cualquier voz y estilo, a generar gráficos personalizados acorde a los datos proporcionados. | Peres et al. (2023) |
| AudioLM; Imagen Video; Phenaki; Whisper; DragGAN | Ayudan en la creación de audios, música, videos, transcribir archivos de video, crear imágenes tridimensionales. | Ooi et al. (2023) |
| Writesonic; Jasper; ProWritingAid; Scalenut; Rytr; TextCortex AI | Permiten mejorar los niveles de comunicación de los usuarios al ser capaces de buscar información, crear contenido nuevo y asistido, hacer resúmenes, redactar correos, gestionar proyectos y trabajos grupales, realizar análisis estadísticos, integrar las redes sociales y redactar post y generar videos. | Malakar & Leeladharan (2024) |
| Scopus AI | Permite sintetizar evidencia de bases de datos académicas. Crea resúmenes basados en metadatos y resúmenes de documentos indexados en Scopus, ayudando a los investigadores a acelerar el proceso de revisión de la literatura, identificar autores clave, explorar palabras clave relevantes y detectar lagunas en la investigación. | Aguilera et al. (2024) |
| Chatsonic AI | GenAI que permite una conversación avanzada y está diseñada para diálogos detallados e interactivos | García et al. (2024) |
| Adobe Firefly AI | Herramienta creativa para generar y editar contenido visual | |
| Claude (Anthropic) | Permite un mayor detalle en las investigaciones cualitativas, mediante una mejor análisis conceptual | Rodrigues et al. (2024) |
| Tutor AI | Permite crear tutores de IA personalizados | Lai (2024) |
| Nolej AI | Permite crear cursos interactivos personalizados | |
| Open Assistant | Estas GenAI permiten crear su propio chatbot de IA sin código al ser de acceso abierto. | Walczak & Cellary (2023) |
Nota: La tabla muestra el grupo de GenAI para tareas más específicas. Elaboración: Propia.
En la Tabla 6, se evidencia que sólo un autor (Macalintal, 2024) realizó una descripción de GenAI para diferentes usos como redactar obituarios, difundir artículos o noticias, redactar reseñas, analizar noticias, entre otros.
Tabla 6: Diferentes GenAI y sus usos más especializados
| GenAI | Usos como herramienta colaborativa | Autores |
|---|---|---|
| Tribute Technology | Ayuda a redactar obituarios para los seres queridos en situaciones especiales | |
| Castpush AI | Permite difundir sus artículos o noticias a través de múltiples canales, combinando estilos, voz, agregando emojis, traduciendo textos y generación de ideas. | |
| RevMake | Ayuda a redactar reseñas de lugares que han sido visitados siendo una herramienta muy importante para captar clientes. | |
| Wocstreet | Herramienta que analiza noticias proporcionando información crítica que ayudará al estudiante y docente a comentar noticias. | |
| Stocknews AI | Herramienta que ayuda a analizar artículos financieros en tiempo real, ahorrando tiempo y permitiendo tomar decisiones informadas. | |
| Babble AI | Herramienta que permite crear chatbots personalizados que pueden participar en conversaciones con los usuarios, similares a las humanas. | |
| Rupt | Herramienta que realiza análisis financieros de las acciones en la bolsa brindando información basada en hechos para tomar mejores decisiones sobre inversiones. | |
| Genei | Herramienta que permite resumir lecturas y elaborar blogs, artículos e informes. | |
| Radio GPT | Herramienta que permite automatizar radio para crear contenido combinado con tecnología de voz de AI. | |
| Newswriter | Herramienta que permite redactar comunicados de prensa atractivos y optimizados. | |
| Powerly AI | Permite realizar publicaciones en redes sociales, crear chatbots y generar contenido. | |
| TextFX | Esta GenAI comprende 9 herramientas que permiten expandir las posibilidades de escritura generando texto creativo. Está basada en Gemini. | |
| AIGPT | Permite debatir sobre diferentes temas como tendencias tecnológicas, tipos de aprendizaje, etc. | |
| Brief AI | Herramienta que permite preparar actas de reuniones de forma automática. | |
| TLDR AI | Ayuda a resumir documentos a textos cortos y fáciles de entender. | Macalintal (2024) |
| Spark AI | Son un conjunto de herramientas para acelerar y simplificar el trabajo generando y editando correos electrónicos, generando respuestas o correos nuevos rápidamente. Además, ayuda a resolver los falsos positivos en los manuscritos. | |
| HeyScience | Acelera la investigación descubriendo información oculta en los documentos, permitiendo escribir ensayos y tareas. | |
| Consensus | Es un importante motor de búsqueda de información experta para realizar investigaciones científicas, generar resúmenes o contenido en distintos estilos. | |
| Scisummary | Herramienta que ayuda a resumir artículos científicos y manuscritos de investigación. | |
| Graphy AI | Herramienta que ayuda a elaborar y crear contenido, siendo utilizado para vender cursos. | |
| Clarity AI | Herramienta que evalúa, analiza y proporciona información ambiental y social. | |
| Feedly AI | Herramienta que permite leer feeds de las redes sociales, recopilando las fuentes que se le especifiquen. |
Nota: La Tabla muestra el grupo de GenAI para tareas especializadas. Elaboración: Propia.
Enlaces electrónicos de las diferentes GenAI
Además, de conocer las diferentes GenAI y sus usos, se consideró importante señalar los enlaces electrónicos de acceso (links) para cada GenAI, encontrando un total de 65 diferentes GenAI.
Así, en la Tabla 7, se presentan los links de acceso para cada una de las 65 GenAI identificadas, siendo de gran ayuda para los usuarios.
Tabla 7: Enlaces electrónicos de acceso de las diferentes GenAI.
Nota: La tabla muestra los enlaces de acceso de cada una de las 65 GenAI identificadas para mayor facilidad de los usuarios. Elaboración: Propia.
DISCUSIÓN
La investigación es una revisión sistemática de la literatura para los años 2021 al 2024 con el objetivo de identificar las principales GenAI disponibles y sus usos como herramientas colaborativas, permitiendo que muchos investigadores conozcan que no sólo existe el ChatGPT sino que hay una gran variedad de otras GenAI para realizar tareas específicas.
La investigación llega a determinar que, a pesar de existir una gran cantidad de GenAI disponibles en el mercado que ofrecen múltiples ventajas para realizar tareas y diferentes actividades colaborativas, la gran mayoría de investigadores se han concentrado en analizar y señalar al ChatGPT como la principal herramienta colaborativa, seguido del Bard AI (Gemini) y Copilot (Giordano et al., 2024; Huy et al., 2024; Hyun & Kim, 2023; Horak et al., 2023; Szczesniewski et al., 2024; Ooi et al., 2023; Hassani & Sirimal, 2024) y muy pocos se han propuesto investigar y aportar sobre las demás GenAI existentes.
De igual manera, las investigaciones han asumido que los usuarios dominan la forma correcta de escribir las instrucciones que se le deben dar a las GenAI, llamados Prompts, no señalando en sus investigaciones el proceso de cómo realizarlo (Matz et al., 2024; Dwivedi et al., 2023; Orchard & Tasiemski, 2023). Esto ha generado que muchos usuarios obtengan resultados incorrectos o no estén satisfechos con los obtenidos y, en el peor de los casos, consideren como válidos los resultados cuando estos no son correctos causados por el efecto GIGO (Costa et al., 2024; Ooi et al., 2023).
Además, los resultados muestran que los usuarios emplean las GenAI, mayormente, para buscar, sintetizar, resumir, parafrasear, redactar información nueva o existente, generar audios, gráficos, imágenes, videos, música, imágenes tridimensional, detectar antiplagio y originalidad de documentos y traducir textos a cualquier idioma (Giordano et al., 2024; Huy et al., 2024; Hyun & Kim, 2023; Horak et al., 2023; Szczesniewski et al., 2024; Ooi et al., 2023; Hassani & Sirimal, 2024; Ryzkho et al., 2024; Peres et al., 2023; Macalintal, 2024; Lim et al., 2024; Casas et al., 2024; Ooi et al., 2023; Malakar & Leeladharan, 2024).
También las emplean para para redactar correos, realizar análisis estadísticos, post, generar códigos de programas y chatbots, aunque en menor grado (Malakar & Leeladharan, 2024; Macalintal, 2024; Walczak & Cellary, 2023).
Sin embargo, y siendo corroborado por la reducida cantidad de investigaciones que lo mencionan, los usuarios no utilizan las GenAI para redactar obituarios, difundir artículos o noticias, redactar reseñas, analizar noticias, entre otros, porque desconocen que existen este tipo de herramientas colaborativas (Macalintal, 2024).
