La IA generativa y la transformación digital ya cambiaron cómo se produce, distribuye y consume información en México —y eso abre un territorio de tesis casi completamente nuevo dentro de Comunicación y Periodismo. Estos 22 temas están organizados por área (redacción periodística, redes sociales, medios y negocio, audiencias, ética), cada uno con su pregunta de investigación lista para acotar.
Por qué este ángulo es distinto de un tema de comunicación general
Un tema de tesis de Comunicación sobre IA no es solo “usar IA para escribir noticias” —ese enfoque ya está bastante explorado y saturado. El ángulo con más potencial en 2026 es específico: qué le hace la IA a una práctica periodística o comunicativa concreta (la verificación de datos, la relación con la audiencia, el modelo de negocio de un medio), no la tecnología en abstracto. Cada tema de esta lista está formulado así, sobre una práctica concreta, no sobre la IA como fenómeno general.
Redacción y producción periodística con IA
- ¿Cómo cambia el proceso de verificación de datos en una redacción mexicana cuando se incorpora IA generativa a la redacción de notas informativas?
- ¿Qué diferencias de calidad, precisión y estilo existen entre notas informativas redactadas por periodistas y notas asistidas por IA sobre el mismo hecho noticioso?
- ¿Cómo perciben los periodistas mexicanos el riesgo de desplazamiento laboral frente a la automatización de la redacción de notas de rutina (deportes, finanzas, clima)?
- ¿Qué políticas editoriales de transparencia sobre uso de IA han adoptado (o no) los medios digitales mexicanos, y cómo se comunican al lector?
Estas cuatro preguntas comparten un componente empírico fuerte: requieren entrevistas o análisis de contenido real, no solo revisión bibliográfica. Un diseño productivo para este bloque es el análisis comparativo de contenido —tomar una muestra de notas generadas con y sin asistencia de IA sobre el mismo tema, y codificar sistemáticamente sus diferencias.
Redes sociales y algoritmos de distribución
- ¿Cómo influye el algoritmo de recomendación de TikTok en la agenda informativa que consumen los jóvenes mexicanos, comparado con medios tradicionales?
- ¿Qué estrategias usan los medios digitales mexicanos para adaptar su contenido a los cambios constantes en los algoritmos de distribución de Meta y X?
- ¿Cómo se propaga la desinformación generada o amplificada por IA en redes sociales durante coyunturas electorales en México?
- ¿Qué papel juegan los chatbots y asistentes de IA como fuente de noticias para audiencias jóvenes, y qué tan confiables perciben esa fuente?
Si tu diseño para este bloque implica observar comunidades o conversaciones dentro de una red social durante un periodo prolongado, conviene revisar primero el método de la netnografía aplicada a comunidades digitales, que explica cómo documentar ese tipo de campo de forma defendible ante un comité.
Modelo de negocio y economía de los medios
- ¿Cómo está afectando la caída de tráfico referido por buscadores de IA (respuestas generativas en lugar de enlaces) al modelo de ingresos publicitarios de los medios digitales mexicanos?
- ¿Qué modelos de licenciamiento de contenido a empresas de IA están negociando (o deberían negociar) los medios mexicanos para proteger su propiedad intelectual?
- ¿Es viable un modelo de suscripción para contenido periodístico verificado como respuesta a la saturación de contenido generado por IA?
Este bloque conecta con un problema estructural del periodismo digital que la IA generativa está acelerando, no inventando: la dependencia de tráfico de terceros (buscadores, redes) como fuente principal de ingresos. Una tesis en esta línea se fortalece si incluye datos reales de tráfico de al menos un medio mexicano dispuesto a compartirlos, aunque sea de forma anonimizada. Si no consigues ese acceso, una alternativa razonable es trabajar con datos públicos de tráfico agregados por herramientas de analítica externa, dejando claro en tu metodología que se trata de estimaciones, no de cifras internas confirmadas por el medio.
Audiencias y confianza
- ¿Cómo afecta saber que una noticia fue asistida por IA a la percepción de credibilidad de la audiencia mexicana?
- ¿Qué nivel de alfabetización mediática tienen los usuarios mexicanos de redes sociales para identificar contenido generado o manipulado por IA (deepfakes, imágenes sintéticas)?
- ¿Cómo cambia el consumo de noticias entre generaciones (Z, millennials, boomers) frente a fuentes mediadas por IA en México?
Comunicación política y gubernamental
- ¿Qué uso están dando los gobiernos estatales o municipales mexicanos a chatbots de IA como canal de comunicación con la ciudadanía?
- ¿Cómo se usa la IA generativa en campañas políticas mexicanas para producir contenido de comunicación persuasiva, y qué marco ético o legal la regula?
- ¿Qué riesgo representan los deepfakes de figuras políticas para la comunicación electoral en México, y cómo los detectan (o no) los medios de verificación?
Ética y deontología periodística
- ¿Qué códigos de ética han actualizado (o deberían actualizar) las escuelas de periodismo y los medios mexicanos frente al uso de IA generativa?
- ¿Cómo se gestiona la atribución y el crédito cuando una pieza periodística combina reporteo humano con contenido generado por IA?
- ¿Qué responsabilidad editorial existe cuando una herramienta de IA introduce un error factual en una nota publicada?
Comunicación organizacional y relaciones públicas
- ¿Cómo están usando las áreas de comunicación corporativa en México la IA generativa para la gestión de crisis de reputación en tiempo real?
- ¿Qué cambia en la relación entre las oficinas de prensa y los medios cuando la generación de boletines y comunicados se apoya en IA?
Cómo elegir tu tema entre estas 22 líneas
El criterio más útil no es cuál tema es más “de moda”, sino a qué fuentes tienes acceso real: si conoces a periodistas o editores dispuestos a ser entrevistados, los bloques de redacción, ética o modelo de negocio son viables; si tu fortaleza es el análisis de contenido a distancia (sin necesitar entrevistas), los bloques de redes sociales y audiencias se prestan mejor a un diseño basado en datos públicos y encuestas.
Cómo diseñar la metodología según el tipo de pregunta que elijas
No todas estas 22 preguntas piden el mismo tipo de estudio, y confundir el diseño con el tema es uno de los errores que más retrasa un protocolo de tesis. Las preguntas sobre percepción (credibilidad, confianza, alfabetización mediática) piden un diseño cuantitativo con encuesta a una muestra definida —por ejemplo, estudiantes universitarios de una ciudad, o usuarios activos de una red social concreta. Las preguntas sobre proceso editorial (verificación de datos, políticas de transparencia, atribución de crédito) piden entrevistas semiestructuradas a periodistas o editores, y un diseño cualitativo con análisis temático. Las preguntas sobre contenido (diferencias entre notas humanas y asistidas por IA, propagación de desinformación) piden análisis de contenido con una muestra de publicaciones y un libro de códigos definido antes de empezar a codificar.
Mezclar los tres tipos de pregunta en un solo protocolo —por ejemplo, querer medir percepción de audiencia y analizar contenido y entrevistar editores, todo en la misma tesis de licenciatura— es la razón más común por la que estos proyectos se atrasan. Elige un solo tipo de diseño y una sola pregunta central; las demás preguntas de esta lista pueden mencionarse como líneas futuras en tu discusión final, no como parte del alcance actual.
Qué literatura revisar antes de acotar tu protocolo
Antes de fijar tu pregunta definitiva, conviene revisar tres tipos de fuente. Primero, estudios académicos sobre IA generativa y periodismo publicados en revistas indexadas (Scopus, Redalyc, SciELO) de los últimos dos o tres años —este campo cambia rápido, y un estudio de 2021 sobre IA en medios ya puede estar desactualizado frente a las capacidades actuales de los modelos generativos. Segundo, reportes de organizaciones especializadas en periodismo digital que monitorean tendencias de la industria a nivel global y, cuando existen, en América Latina. Tercero, coberturas periodísticas mexicanas recientes sobre el tema que elijas —por ejemplo, si tu tema es sobre deepfakes electorales, revisa cómo medios mexicanos verificados cubrieron casos concretos durante procesos electorales recientes, no solo la literatura académica sobre el fenómeno en general.
Un error frecuente es citar únicamente literatura sobre IA y periodismo producida en Estados Unidos o Europa, sin contextualizar al caso mexicano. El marco regulatorio, la estructura del mercado de medios y los hábitos de consumo de noticias en México son distintos, y tu discusión final debe señalar explícitamente qué tanto los hallazgos de la literatura internacional aplican (o no) al contexto que estudiaste.
Riesgos éticos al recolectar tus datos
Si tu diseño incluye entrevistas a periodistas o editores, ten presente que algunas de las preguntas de esta lista —sobre desplazamiento laboral, errores editoriales o presión económica— pueden ser sensibles para quien las responde, y conviene ofrecer anonimato incluso si el entrevistado no lo pide explícitamente. Si tu diseño incluye análisis de contenido de redes sociales, revisa los términos de uso de la plataforma que vas a analizar antes de fijar tu método de recolección, porque algunas restringen el scraping automatizado incluso para fines académicos. Y si tu tema toca desinformación electoral, evita replicar o amplificar en tu propia tesis el contenido falso que estás analizando —descríbelo y codifícalo, pero no lo reproduzcas de forma que funcione como difusión adicional.
Cronograma realista para este tipo de tesis
Un protocolo con entrevistas a periodistas o editores suele tomar más tiempo del previsto por la dificultad de conseguir agenda con fuentes ocupadas —calcula al menos seis a ocho semanas solo para la fase de contacto y programación de entrevistas, además del tiempo de transcripción y análisis temático. Un diseño de análisis de contenido es más predecible en tiempo: una vez definido el libro de códigos, la recolección y codificación de una muestra manejable (entre 100 y 300 piezas, según tu alcance) puede completarse en tres a cuatro semanas. Una encuesta a estudiantes o usuarios de redes sociales depende del canal de distribución —si tienes acceso institucional a una base de estudiantes, la recolección puede cerrarse en dos semanas; si dependes de redes sociales abiertas, prevé al menos el doble de tiempo para alcanzar una muestra representativa. En cualquiera de los tres casos, reserva al menos dos semanas adicionales al final para el análisis y la redacción de resultados —esta fase casi siempre se subestima en el cronograma inicial.
Antes de acotar tu tema
Si prefieres ver el panorama completo de temas de Comunicación, no solo los relacionados con IA, revisa 24 temas de tesis de Comunicación y Periodismo. Y si todavía no tienes clara la estructura general de una tesis en esta carrera, empieza por cómo hacer una tesis de Comunicación, que explica los cuatro objetos posibles de estudio en la disciplina.
Errores comunes al elegir este tipo de tema
- Plantear el tema sobre “la IA en el periodismo” en general, sin acotar a una práctica o área específica.
- Asumir cifras de adopción de IA en medios mexicanos sin una fuente verificada —este es un campo que cambia rápido, y una cifra de hace un año puede ya no ser vigente.
- Diseñar un estudio que depende de acceso a datos internos de un medio (tráfico, ingresos) sin haber confirmado ese acceso antes de fijar el protocolo.
- Confundir la transformación digital en general (rediseño de sitios, apps) con el fenómeno más específico y actual de la IA generativa.
- Combinar varios tipos de diseño metodológico (encuesta, entrevista, análisis de contenido) en un solo protocolo de licenciatura sin el tiempo o los recursos para ejecutarlos todos con rigor.
Construye tu tesis sobre un fenómeno que sigue cambiando
El Editor de Tesify te ayuda a mantener tu planteamiento acotado y defendible mientras investigas un campo que se mueve rápido. Registro gratis, sin tarjeta.