Introducción
En los últimos tres años, bibliotecas de todo el mundo han estudiado o implementado la inteligencia artificial en tareas de catalogación, búsqueda y atención al usuario. Su adopción es generalizada, pero su implementación varía considerablemente. Para comprender cuál es el lugar que ocupa la inteligencia artificial, conviene conocer lo que la precedió.
La automatización de las bibliotecas no comenzó con el machine learning. Comenzó con tarjetas perforadas, lectores de códigos de barras y sistemas de seguridad electromagnéticos. La tecnología ha ido evolucionando a lo largo de décadas. El objetivo institucional se ha mantenido igual.
Este artículo recorre esa trayectoria, desde el proyecto MARC y los primeros sistemas de autopréstamo hasta la IA generativa y la analítica operativa. Examina los datos de despliegue a nivel mundial sobre la adopción actual y analiza cómo la IA está transformando la experiencia del usuario y las funciones profesionales.
Basándose en investigaciones publicadas y en datos de encuestas a nivel mundial que recogen las opiniones de más de 2.000 bibliotecarios de 109 países, junto con la experiencia adquirida en la implementación de esta tecnología en bibliotecas públicas, académicas y especializadas, este artículo analiza lo que está en juego cuando la inteligencia artificial se introduce en el entorno bibliotecario.
A lo largo de este artículo, el término «IA» se refiere, en sentido amplio, al aprendizaje automático y a los sistemas generativos. Cuando procede, se establece una distinción entre la automatización basada en reglas, la modelización estadística y la IA generativa.
Fundamentos históricos
La tecnología bibliotecaria ha evolucionado por dos vías paralelas que han ido convergiendo gradualmente: los sistemas de software que organizan y recuperan información, y los sistemas de hardware que gestionan la circulación, la seguridad y el acceso físico. Comprender ambas trayectorias permite entender mejor lo que representa hoy en día la inteligencia artificial.
Automatización del software
La automatización de los datos bibliotecarios comenzó a principios de la década de 1960, cuando las universidades experimentaron con ordenadores centrales, tarjetas perforadas y cintas magnéticas para estandarizar los registros de catálogo. El Proyecto Piloto MARC, puesto en marcha por la Biblioteca del Congreso en 1966, marcó un punto de inflexión. Los datos bibliográficos pasaron a ser legibles por máquina y transferibles entre instituciones. En 1971, OCLC puso en marcha la catalogación cooperativa, reduciendo el trabajo descriptivo redundante entre bibliotecas (NISO, 2012; Rosenheck, 1997).
A lo largo de los años setenta y ochenta, los sistemas integrados de bibliotecas formalizaron la gestión de la circulación, las adquisiciones y el catálogo (Breeding, 2009). En la década de los noventa se introdujeron los OPAC basados en la web y el acceso remoto (Borgman, 1996). La década de 2000 amplió las colecciones digitales e incorporó avances en el procesamiento del lenguaje natural a los sistemas de recuperación de información (Manning et al., 2008). En la década de 2010, las capas de descubrimiento incorporaron la clasificación por relevancia y la búsqueda federada como expectativas estándar (Breeding, 2015).
Conviene distinguir entre la búsqueda algorítmica y la IA generativa. La clasificación por relevancia y la búsqueda basada en el procesamiento del lenguaje natural mejoraron la búsqueda de información durante décadas, pero no generaron nuevas respuestas ni narrativas; lo que hicieron fue optimizar la forma en que se localizaban los registros existentes.
La introducción de los sistemas de IA generativa a partir de 2022 supone un cambio cualitativo. Sistemas como GPT-4 han demostrado su capacidad para sintetizar, resumir y generar texto a gran escala, generando respuestas que interpretan y contextualizan la información en lugar de limitarse a recuperarla.
Automatización del hardware
Mientras la automatización de los sistemas informáticos avanzaba entre bastidores, una transformación paralela reconfiguró la experiencia física de la biblioteca.
En 1970, la Biblioteca Pública de Saint Paul implementó el primer sistema de seguridad electromagnético Tattle-Tape, desarrollado por 3M. A principios de la década de 1990, esta tecnología protegía los fondos de más de 40 países (Breeding, 2015; Bibliotheca, 2001). En 1972, la Biblioteca de Kentish Town adoptó uno de los primeros sistemas de identificación por códigos de barras, lo que agilizó los flujos de trabajo de circulación y redujo los errores manuales (Tedd, 2007).
En 1992, 3M presentó el sistema de autopréstamo Modelo 5210, con lo que se generalizó el autoservicio en las bibliotecas antes de que el autopréstamo se convirtiera en la norma en el sector minorista. La tendencia fue constante: las bibliotecas adoptaron la automatización operativa desde el principio, normalmente como respuesta a las limitaciones de personal y a la creciente demanda.
El panorama mundial actual
El informe «The Pulse of the Library 2025», basado en las respuestas de más de 2000 bibliotecarios de 109 países, ofrece la visión global más completa sobre la adopción de la inteligencia artificial en el sector (Clarivate, 2025).
El 67 % de las bibliotecas afirma estar estudiando o implementando la inteligencia artificial. El 33 % indica que la está implementando de forma activa. Las restricciones presupuestarias siguen siendo el principal obstáculo, según el 62 % de los encuestados. Más de la mitad reconoce que la adopción de la inteligencia artificial requerirá una recualificación sustancial.
Las diferencias regionales son notables. Asia y Europa registran niveles de madurez en la implementación más elevados que Estados Unidos.
Fuente: Clarivate. (2025). Pulse of the Library 2025.
La perspectiva del usuario
Para los usuarios, la IA se integra en la biblioteca principalmente a través de los sistemas de búsqueda, la continuidad del servicio y la accesibilidad.
Descubrimiento y recomendación
Los catálogos tradicionales exigen precisión. Los usuarios deben saber qué buscar. Los sistemas potenciados por IA —incluidos el procesamiento del lenguaje natural (NLP) avanzado y, más recientemente, los modelos generativos— interpretan la intención semántica y muestran materiales relacionados sin necesidad de coincidencias exactas de palabras clave.
Herramientas como Primo Research Assistant y Alma AI Metadata Assistant utilizan modelos lingüísticos y otras técnicas de inteligencia artificial para enriquecer los registros y mejorar la clasificación por relevancia. Algunas se basan principalmente en el aprendizaje automático y la automatización basada en el procesamiento del lenguaje natural; las versiones más recientes incorporan modelos generativos capaces de producir resúmenes, sugerencias de metadatos o explicaciones contextuales. El resultado práctico es una búsqueda más fluida y un descubrimiento contextual más amplio.
No todas las experiencias de recomendación se basan en la IA generativa. Mucho antes de la llegada de los sistemas generativos, las bibliotecas ya utilizaban metadatos estructurados, vocabularios controlados y la curación editorial para impulsar los mecanismos de recomendación que ya determinaban lo que los usuarios veían en el momento de realizar un préstamo.
En 2023, por ejemplo, Bibliotheca y NoveList establecieron una alianza exclusiva que integra recomendaciones de libros seleccionadas directamente en los sistemas de autoservicio de Bibliotheca, vinculando el momento del préstamo con sugerencias personalizadas extraídas de la base de datos editorial de NoveList.
Usuaria utiliza el quiosco selfCheck 3000 en la Biblioteca Pública de Cincinnati.
Chatbots y servicio continuo
Los chatbots gestionan de forma fiable las preguntas frecuentes, las renovaciones, las reservas y las indicaciones de navegación (Aharony y Ben-Baruch, 2019; Lund y Wang, 2023). Su principal ventaja es la disponibilidad: el servicio funciona las 24 horas del día, independientemente del horario del personal.
Lo que los distingue de una simple sección de preguntas frecuentes digital es su alcance. Una revisión sistemática realizada por Crompton y Burke (2023) identificó cinco categorías distintas de aplicaciones de chatbots en las bibliotecas académicas, que van desde la retroalimentación automatizada y la predicción del comportamiento de los usuarios hasta la tutoría inteligente adaptada a los perfiles de cada estudiante. En conjunto, describen una capa de servicios capaz de apoyar a los usuarios desde el primer contacto con un tema, hasta la finalización de un proyecto de investigación.
Hay que tener en cuenta una advertencia importante en este sentido. Se ha documentado que los chatbots de uso general cometen errores en las tareas de referencia bibliográfica. Las bibliotecas que desarrollan chatbots entrenados con sus propias colecciones y políticas obtienen sistemáticamente resultados más fiables. En los entornos de referencia, una respuesta errónea dada con seguridad es peor que no dar ninguna respuesta.
La accesibilidad como infraestructura estructural
Algunas herramientas de accesibilidad incorporan ahora inteligencia artificial (como la traducción en tiempo real o los sistemas de voz adaptativa). Otras, como el hardware ajustable y los modos de alto contraste, se basan en técnicas de accesibilidad ya consolidadas, en lugar de en la inteligencia artificial.
Las tecnologías de conversión de texto a voz, las interfaces adaptativas, la traducción en tiempo real y el hardware ajustable cumplen ahora con los requisitos legales establecidos por la Ley de Accesibilidad Europea y las normas WCAG 2.1 AA, lo que proporciona a las instituciones un marco tanto normativo como operativo.
La capa de software por sí sola no lo dice todo. Los puntos de servicio físicos influyen en el acceso de manera igualmente directa. Los quioscos de autoservicio modernos incorporan altura ajustable para usuarios en silla de ruedas, modos de visualización de alto contraste, función integrada de conversión de texto a voz e interfaces multilingües que abarcan decenas de idiomas. Las puertas de seguridad están diseñadas con pasillos amplios para que la infraestructura destinada a proteger la colección no termine restringiendo el acceso a ella.
Los datos empíricos demuestran que el uso de estas herramientas se traduce en un aumento cuantificable de la autonomía de los usuarios con discapacidades visuales o motoras (Chauhan, 2024). En el caso de los grupos que históricamente han estado infrarrepresentados en el uso de las bibliotecas, el enfoque centrado en el cumplimiento tiende a subestimar lo que realmente está en juego.
Alfabetización informacional
Cuando un sistema es capaz de generar una respuesta que parece creíble en cuestión de segundos, evaluar esa respuesta es más importante que encontrarla.
La Asociación Americana de Bibliotecas definió en 1989 la alfabetización informacional como la capacidad de reconocer cuándo se necesita información y de localizarla, evaluarla y utilizarla de manera eficaz. Las directrices de la ACRL para 2025 amplían esa definición para incluir la alfabetización algorítmica y el análisis crítico de los sistemas generativos.
Haider y Sundin (2019) describen cómo la búsqueda ha evolucionado desde herramientas que responden a consultas hasta convertirse en «motores de sugerencias» que se anticipan a las necesidades antes de que se formule la consulta. Los sistemas de búsqueda de bibliotecas están avanzando en la misma dirección.
Enseñar a los usuarios a reconocer y evaluar ese cambio se está convirtiendo en algo tan fundamental como cualquier otra forma de alfabetización informacional.
La perspectiva profesional
Para los bibliotecarios, la IA supone una mayor eficiencia, cuestiones de gobernanza y una evolución de su función.
| Caso de uso | Qué cubre | Factores clave | Principales barreras |
|---|---|---|---|
| Automatización | Flujos administrativos rutinarios; almacenamiento y recuperación automatizados | Eficiencia operativa | Alto costo de infraestructura; complejidad de integración |
| Descubrimiento | Búsqueda mejorada con IA y aprendizaje automático; sistemas de recomendación | Ampliar el acceso a escala | Ética del consentimiento; dificultad para convertir pilotos en servicios |
| Chatbots | Consultas de referencia; renovaciones; orientación de navegación | Disponibilidad 24/7; consistencia | Resistencia del personal; preocupaciones de privacidad |
| Apoyo a la investigación | Apoyo a flujos de datos de investigación; revisión automatizada de literatura; curaduría; licencias | Volumen y velocidad de la publicación científica; crecimiento de la ciencia de datos en las instituciones | Derechos de autor; acceso equitativo; el rol de la biblioteca no siempre es reconocido |
| Alfabetización en IA | Capacitación de personal y usuarios en evaluación y ética de la IA | Riesgos sociales de la IA; mandato ético | El rol de la biblioteca no siempre cuenta con apoyo institucional |
| Analítica | Análisis de uso; planificación de servicios; previsión de la demanda | Diseño de servicios basado en evidencia | Habilidades técnicas; restricciones de GDPR y privacidad |
| Operaciones tecnológicas | Gestión de dispositivos; monitoreo del estado del sistema; reportes asistidos por IA | Visibilidad operativa en sucursales y puntos de servicio — p. ej., mediante libraryConnect LINK | Complejidad de integración; limitaciones de personal |
Adaptado de Cox y Mazumdar (2024), y Kautonen y Gasparini (2024).
Metadatos y catalogación automatizados
La catalogación ha sido tradicionalmente una de las tareas que más mano de obra requieren en una biblioteca. Las herramientas asistidas por IA y basadas en el aprendizaje automático generan ahora metadatos enriquecidos e identifican relaciones entre los materiales en una fracción del tiempo que antes se necesitaba.
Las mejoras en la eficiencia son reales, pero el escepticismo profesional las acompaña. Los datos de una encuesta de Clarivate (2025) indican que los profesionales de catalogación expresan el mayor nivel de preocupación por la adopción de la IA entre todos los roles bibliotecarios, con un 35 % que manifiesta una perspectiva negativa. Las herramientas avanzan más rápido que la confianza de la profesión en ellas.
Desarrollo predictivo de colecciones
Los sistemas de aprendizaje automático analizan los datos de circulación, la demanda no satisfecha y las tendencias de uso para fundamentar las decisiones de adquisición y deselección. Estos sistemas se basan en modelos estadísticos y análisis predictivos, en lugar de en la IA generativa.
El criterio humano sigue siendo fundamental en el proceso, pero los datos de entrada han cambiado considerablemente. Las decisiones sobre las colecciones, que antes se basaban principalmente en la experiencia profesional y en informes de uso limitados, ahora se basan en análisis de datos a gran escala y en modelos de tendencias que abarcan conjuntos de datos mucho más amplios.
Inteligencia operational
Los grandes sistemas bibliotecarios gestionan cientos de puntos de servicio y dispositivos distribuidos en todas las sucursales. La supervisión del rendimiento y la elaboración de informes han supuesto tradicionalmente una gran inversión de tiempo por parte del personal, con una visibilidad limitada entre las distintas sedes.
Las interfaces de consulta en lenguaje natural —a menudo asistidas por IA— integradas en plataformas de análisis permiten ahora al personal consultar datos operativos en lenguaje sencillo y generar paneles de control sin necesidad de asistencia técnica. Herramientas como libraryConnect LINK revelan patrones de uso e información comparativa sobre el rendimiento directamente a partir de datos del sistema en tiempo real, lo que ofrece a los administradores una visión más clara de las operaciones sin aumentar la carga administrativa en la generación de informes.
Con libraryConnect LINK, los bibliotecarios formulan sus consultas en un lenguaje sencillo y obtienen al instante paneles visuales sobre el uso y el rendimiento.
Reconfiguración de roles
La automatización y la inteligencia artificial asumen cada vez más las tareas rutinarias, al tiempo que aumenta la demanda de trabajo estratégico, ético y relacional (Cox, 2023; ACRL, 2025). Las respuestas a preguntas frecuentes, las renovaciones básicas y la generación de metadatos se automatizan cada vez más. La curación contextual, la mediación ética y la enseñanza de la alfabetización digital cobran mayor importancia en la profesión.
Sin embargo, esta transición no ocurre de la misma manera en todas partes. Un estudio aplicado en bibliotecas académicas de cuatro países árabes determinó que el estilo de liderazgo es un predictor de la adopción de IA más confiable que el propio entrenamiento técnico (Shal, Ghamrawi y Naccache, 2024). El liderazgo transformacional —definido por la visión estratégica, la apertura al cambio y la motivación de los equipos— marcó una diferencia notable en la percepción del personal sobre qué tan útiles y sencillas son las herramientas de IA. Por el contrario, el liderazgo transaccional no tuvo un impacto relevante.
El modelo justificó más del 94% de la variación en la actitud del personal hacia la tecnología. Esto conlleva una implicación estructural: para implementar la IA con éxito, las instituciones deben invertir tanto en formación técnica como en el desarrollo de líderes. Mientras que las herramientas pueden desplegarse de forma inmediata, la madurez cultural requiere más tiempo para consolidarse.
El papel no desaparece. Se transforma. El alcance y la eficacia de esa transformación dependen del liderazgo institucional.
La alfabetización en IA como competencia profesional
El reporte Pulse of the Library 2025 confirma esta tendencia: las bibliotecas que integran la IA en su formación oficial tienen una tasa de implementación del 28%, frente al 8% de las que no le dan prioridad institucional. Esta correlación entre capacitación y adopción es uniforme en todo el sector.
En octubre de 2025, la ACRL oficializó este cambio con un marco de competencias que abarca ética, conocimiento, evaluación y aplicación, posicionando la alfabetización en IA no como un “extra” técnico, sino como una nueva forma de gestionar el conocimiento.
La investigación de Kautonen y Gasparini (2024) resalta una brecha estructural recurrente. Muchas bibliotecas asignan la competencia en IA a una sola unidad operativa o redactan políticas sin integrarlas en la práctica. Su estudio con profesionales de bibliotecas escandinavas reveló que los enfoques holísticos —que combinan una orientación fundamental, experimentación práctica e intercambio entre departamentos— superan sistemáticamente a los modelos de capacitación aislados. En un caso concreto, los talleres para el personal llevaron directamente al desarrollo de un curso de IA para los usuarios de la biblioteca.
El acceso a las herramientas rara vez es lo que frena a las bibliotecas; lo que limita la adopción de la IA de manera más constante es la ausencia de estructuras institucionales (tiempo, permisos y apoyo interdepartamental) que permitan al personal experimentar, cometer errores y desarrollar un criterio real sobre cuándo y cómo utilizar estos sistemas.
Mientras la IA se encarga de las tareas rutinarias, los bibliotecarios se centran en la estrategia, la ética y la alfabetización digital.
¿Qué sigue?
La siguiente fase de la IA en las bibliotecas se está configurando en torno a tres roles distintos: las bibliotecas como educadoras, que ayudan a los usuarios a navegar la IA de forma crítica, como plataformas de personalización, que anticipan las necesidades del lector, y como socios activos en el proceso de investigación. Cada uno representa un cambio significativo en la forma en que las bibliotecas definen su valor.
Las bibliotecas como educadoras en IA
Si hay un papel emergente que distingue a la biblioteca de cualquier otro punto de acceso, es el de enseñar a las personas a interactuar con la IA de manera crítica. Las plataformas comerciales tienen interés en usuarios que confíen sin cuestionar; las bibliotecas tienen el mandato histórico de hacer lo contrario.
Guías sobre el uso responsable de la IA generativa, talleres sobre la detección de desinformación y cursos sobre la evaluación de fuentes sintéticas son las nuevas formas de alfabetización informacional. La Universidad de Leeds, por ejemplo, lanzó una iniciativa de transformación digital alineada con su visión Knowledge for All 2030, situando la alfabetización digital y en IA como una prioridad estratégica central.
Personalización a escala
La idea de una biblioteca que anticipe lo que un usuario quiere leer a continuación, que adapte la presentación de la información a los estilos de aprendizaje individuales y que ofrezca materiales antes de que el usuario sepa pedirlos, está técnicamente al alcance.
La tensión es clara: una personalización profunda requiere datos profundos. Y los datos detallados sobre los hábitos de lectura son precisamente lo que las bibliotecas se han negado históricamente a recopilar. El modo en que las instituciones equilibren la personalización con la privacidad será una de las preguntas definitorias de la próxima década.
La IA como socio de investigación
En las bibliotecas académicas y de investigación, la IA se está integrando en el propio proceso científico. Las revisiones bibliográficas automatizadas, la identificación de brechas de investigación y el análisis de tendencias en grandes conjuntos de publicaciones forman parte cada vez más del trabajo de los investigadores.
El papel del bibliotecario académico, en este contexto, se desplaza hacia una asociación metodológica: entender no solo dónde reside la información, sino cómo los algoritmos moldean lo que los investigadores encuentran y qué perspectivas se amplifican o se ignoran.
Bibliotecas como la Biblioteca Pública de Nueva York están incorporando la alfabetización en inteligencia artificial en sus talleres e iniciativas de educación digital.
Conclusión
La inteligencia artificial no llegó a las bibliotecas como una disrupción externa. Surgió de una trayectoria de décadas de automatización progresiva, donde cada fase expandió las capacidades de los sistemas y planteó nuevas interrogantes sobre el papel de las instituciones.
Lo que distingue a la fase actual es su escala y su capacidad interpretativa. La IA y los sistemas algorítmicos avanzados moldean ahora cómo se descubre, se accede y se evalúa la información. Para los usuarios, esto se traduce a menudo en servicios más rápidos y accesibles. Para los profesionales, significa dedicar menos tiempo a flujos de trabajo repetitivos y más a tareas que requieren un juicio crítico profundo.
A medida que los sistemas de IA se vuelven más capaces, la demanda de supervisión humana y experiencia contextual crece a la par. Las bibliotecas que comenzaron con un problema claro por resolver —reducir el tiempo de catalogación, ampliar los horarios de servicio o mejorar el descubrimiento de recursos— avanzan de forma más deliberada que aquellas que empezaron centrándose únicamente en la tecnología.
Con más de 100 países en alguna etapa de adopción de IA, el sector ya no debate si debe participar. El trabajo actual consiste en construir la capacidad institucional para hacerlo bien.
Principales referencias
En este ámbito se ha elaborado un conjunto básico de documentos que todo profesional bibliotecario que trabaje con IA debería conocer. A continuación se presentan organizados por áreas.
Ética y posicionamiento institucional
ACRL — AI Competencies for Academic Library Workers (2025)
Un marco de competencias que define lo que los profesionales de las bibliotecas deben saber sobre IA, desde su uso básico hasta su evaluación crítica y su promoción. Aprobado por la Junta Directiva de la ACRL en octubre de 2025.
ARL — Guiding Principles for Artificial Intelligence (2024)
Principios rectores para las bibliotecas de investigación en Estados Unidos. Abarca la gobernanza, la equidad algorítmica y el papel del bibliotecario como mediador responsable.
IFLA — Statement on Libraries and Artificial Intelligence (2020)
El documento ético fundamental para las bibliotecas que trabajan con la inteligencia artificial. Define los principios de libertad intelectual, privacidad, equidad y transparencia. Un punto de partida imprescindible para cualquier política interna.
Descubrimiento, búsqueda e inteligencia operativa
Bibliotheca — libraryConnect LINK (Análisis basados en IA)
Inteligencia operativa basada en IA integrada en LINK. El personal puede formular preguntas en lenguaje natural sobre los datos de los dispositivos y de uso, y recibir paneles visuales e informes comparativos, lo que facilita la planificación basada en datos y la supervisión del sistema.
EBSCO — AI Insights: Library Research Platforms
Resultados del programa piloto de IA de EBSCO, que incluyen datos sobre búsquedas en lenguaje natural, resúmenes por documento y eficiencia en la investigación.
Ex Libris — Primo Research Assistant
Un asistente de IA generativa integrado en Primo. Un ejemplo concreto de cómo se puede incorporar la IA en las herramientas de búsqueda que ya se utilizan en las bibliotecas académicas.
NISO ODI — Generative AI and Web-Scale Discovery (2025)
Analiza las tensiones y expectativas que genera la IA generativa en los sistemas de búsqueda. La NISO considera que el impacto de la situación actual es comparable al que tuvo la llegada de la búsqueda a escala web en 2010.
Implementación
ALA — Creating Generative AI Policies: A Guide for Public and Academic Libraries
Una guía práctica para elaborar políticas sobre IA generativa. Abarca el ámbito de aplicación, la privacidad de los datos, la comunicación con los usuarios y los procesos de revisión.
OCLC / University of Calgary — Implementing an AI Reference Chatbot (Hanging Together, 2024)
Uno de los relatos más detallados que existen sobre la implementación de un chatbot de referencia en una biblioteca académica. Abarca las lecciones aprendidas, los protocolos de escalamiento y cómo medir el éxito.
PCC (Library of Congress) — Task Group on AI and Machine Learning for Cataloging and Metadata — Final Report
Informe oficial sobre cómo se están integrando la inteligencia artificial y el aprendizaje automático en los procesos de catalogación y metadatos en los Estados Unidos. Perspectiva institucional y de normalización.
Referencias
Aharony, N., & Ben-Baruch, G. (2019). Chatbots in academic libraries: An exploratory study. Journal of Academic Librarianship, 45(6), 102113.
Association of College and Research Libraries. (2025). AI competencies for academic library workers.
Bibliotheca. (2001). The Tattler (Winter, 2001).
Borgman, C. L. (1996). Why are online catalogs still hard to use? Journal of the American Society for Information Science.
Breeding, M. (2009). Next-generation library catalogs.
Breeding, M. (2015). Library services platforms.
Chauhan, S. P. S. (2024). Enhancing accessibility in special libraries.
Clarivate. (2025). Pulse of the Library 2025 report.
Cox, A. M. (2023). How libraries can respond to generative AI.
Cox, A. M., & Mazumdar, S. (2024). Defining artificial intelligence for librarians. Journal of Librarianship and Information Science, 56(2), 330–340.
Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education: The state of the field. International Journal of Educational Technology in Higher Education, 20(1).
Haider, J., & Sundin, O. (2019). Invisible search and online search engines: The ubiquity of search in everyday life. Routledge.
Kautonen, H., & Gasparini, A. A. (2024). B-Wheel: Building AI competences in academic libraries. Journal of Academic Librarianship, 50(3).
Lund, B. D., & Wang, T. (2023). Chatting about ChatGPT.
Manning, C. D., Raghavan, P., & Schütze, H. (2008). Introduction to information retrieval.
National Information Standards Organization. (2012). 50 years of MARC.
Rosenheck, J. (1997). The development of the Online Computer Library Center.
Shal, T., Ghamrawi, N., & Naccache, H. (2024). Leadership styles and AI acceptance in academic libraries in higher education. The Journal of Academic Librarianship, 50(2), Article 102849.
Tedd, L. A. (2007). The use of barcodes in libraries.
Síguenos o escríbenos
También te puede interesar
Insights + Tendencias
Partner Summit ON AIR 2026: sintonizando el futuro de la innovación bibliotecaria
Sintonizando el futuro: descubre la Partner Summit ON AIR 2026 en Barcelona, donde los partners de EMEA y Latinoamérica se reunieron para dar paso a una nueva era de innovación en bibliotecas.
Bibliotheca fortalece su presencia en Latinoamérica durante la FIL Guadalajara 2025
Bibliotheca participó por quinta vez en la FIL Guadalajara, acercándose a más bibliotecas de LATAM junto a sus partners y destacando Hublet como solución líder.
Tejiendo futuros en la era digital: Bibliotheca presente en COBAES 2025
Bibliotheca participó en COBAES 2025 en Barranquilla, destacando su innovación tecnológica y compromiso con el futuro de las bibliotecas en Latinoamérica.