La gente detrás de Jmail vuelve a poner el foco en los llamados Epstein files con un experimento que mezcla archivo, búsqueda y narrativa automatizada: Jikipedia, una especie de clon de Wikipedia que transforma el contenido de los correos electrónicos atribuidos a Jeffrey Epstein en fichas enciclopédicas sobre su entorno. La noticia la ha contado The Verge a través de su editor de fin de semana, Terrence O’Brien, describiendo un sitio que no se limita a “volcar documentos”, sino que intenta ordenarlos y convertirlos en retratos legibles de personas, lugares y tramas de relación.
La premisa es fácil de entender si piensas en una caja llena de cartas viejas y notas sueltas. Puedes dejarla tal cual, caótica e intimidante, o puedes crear un archivador con pestañas: nombres, direcciones, empresas, fechas. Jikipedia se presenta como ese archivador, con una diferencia crucial: el “archivero” no es un equipo humano revisando página por página, sino un sistema que genera textos mediante IA.
De buzón desbordado a “entradas” con apariencia enciclopédica
Según lo descrito, Jikipedia toma el “tesoro” de datos que habría en los emails y lo convierte en dossieres generados por IA. En cada entrada, el sistema intenta condensar información básica de una persona y su relación con Epstein: cuántos mensajes intercambiaron, detalles biográficos generales, conexiones con otras figuras y referencias a eventos o encuentros.
Lo interesante es el formato. Presentarlo como una enciclopedia no es un simple maquillaje estético: es una decisión que influye en cómo lo leemos. Una entrada “tipo Wikipedia” suena a algo estable, verificable, con autoridad. Es como ver un uniforme: aunque no sepas quién está dentro, tiendes a asumir que “es alguien oficial”. Aquí conviene bajar el volumen de esa impresión. La estructura puede parecer familiar y confiable, pero el contenido nace de un proceso automático que, por definición, puede equivocarse.
Qué afirma incluir: visitas, conocimiento posible y hasta leyes
Las entradas, siempre según la descripción de The Verge, no se quedan en “esta persona aparece en correos”. Jikipedia incorpora capas más delicadas: menciones a visitas a propiedades de Epstein, posibles indicios sobre si alguien pudo conocer sus crímenes y referencias a leyes que podrían haberse vulnerado. Este punto es el que convierte la herramienta en algo potencialmente explosivo, porque pasa de mapear relaciones a sugerir implicaciones.
Aquí hay un matiz importante: un email puede registrar logística, invitaciones, itinerarios o favores, pero convertir eso en una conclusión sobre conocimiento o responsabilidad es una operación interpretativa. Es como encontrar una agenda con un número de teléfono y afirmar que esa llamada prueba una conspiración. Puede ser una pista, puede ser nada. La diferencia entre “dato” e “inferencias” es el tipo de detalle que separa una investigación sólida de un relato que suena bien.
Propiedades y escenarios: cuando el lugar también se convierte en personaje
Jikipedia no se limita a personas. También habría entradas sobre propiedades de Epstein: cómo se adquirieron y qué actividades se alega que ocurrieron allí. Esto apunta a una idea útil en investigación documental: los lugares cuentan historias. Un mismo nombre aparece en correos, en vuelos, en visitas, en invitaciones; una propiedad aparece como punto de encuentro, como infraestructura, como escenario.
Convertir inmuebles en “páginas” puede ayudar a que el lector entienda patrones. Es similar a poner chinchetas en un mapa: de pronto ves rutas y concentraciones que, en una hoja suelta, pasan desapercibidas. El riesgo, otra vez, está en cómo se narra lo “presunto”. Un sistema automático puede mezclar testimonios, rumores, documentos y contextos sin distinguir jerarquías de fiabilidad como lo haría un editor humano.
Negocios y banca: el rastro corporativo también entra en la enciclopedia
Otro bloque que se menciona es el de los negocios vinculados a Epstein, incluyendo su relación con JPMorgan Chase. Aquí el interés cambia: no es el círculo social, es el circuito económico. En casos de alto perfil, entender el dinero y los intermediarios suele ser tan revelador como seguir invitaciones o contactos. Poner estas conexiones en una interfaz de consulta puede facilitar que periodistas, investigadores o ciudadanos encuentren puntos de partida.
Aun así, una cosa es listar “aparece en correos” o “se menciona en tal contexto”, y otra redactar un texto con tono de dossier que sugiera causalidad. En temas corporativos, una frase mal encajada puede convertirse en acusación. Y una acusación, aunque sea errónea, tiende a viajar más rápido que su corrección.
IA con “citas” aparentes: el espejismo de la verificación
El propio artículo advierte de un detalle clave: las entradas son generadas por IA. A simple vista, puede parecer que el sitio “cita fuentes”, lo que da sensación de rigor. El problema es que la apariencia de cita no garantiza exactitud. En el mejor de los casos, el sistema está señalando fragmentos o referencias internas al corpus; en el peor, podría estar construyendo una narrativa con huecos rellenados de forma incorrecta.
La verificación de datos tiene algo de trabajo artesanal. Se parece a revisar una receta: no basta con que el plato “huela” a lo correcto; tienes que comprobar ingredientes, cantidades y pasos. Con la IA ocurre lo mismo: puede producir un texto fluido, coherente y convincente aunque contenga errores. Ese es el tipo de equivocación más peligroso, porque no “chirrían” a primera lectura.
Correcciones y reclamaciones: lo que promete el equipo de Jmail
Según se cuenta, la cuenta de Jmail en X ha indicado que implementarán funciones para que los usuarios puedan reportar inexactitudes y solicitar cambios. Ese mecanismo, si se diseña bien, es más que un buzón de quejas: puede ser un sistema de control de calidad comunitario. Si se diseña mal, puede convertirse en un campo de batalla donde gana quien grita más fuerte o quien coordina mejor campañas de edición.
Aquí importa el detalle de cómo se valida una corrección. ¿Se exige evidencia documental? ¿Se registra un historial de cambios? ¿Queda visible qué parte fue generada automáticamente y qué parte fue revisada? Las plataformas que aspiran a parecerse a enciclopedias suelen aprender, con los años, que la confianza se construye con trazabilidad: poder ver de dónde sale cada afirmación y quién la revisó.
Entre el interés público y el daño colateral
Herramientas como Jikipedia se mueven en una frontera incómoda. Por un lado, hacen accesible un volumen de información que, sin ayuda, sería inmanejable. Por otro, convierten material sensible en perfiles listos para compartir, con el riesgo de que un error se amplifique y afecte a personas que no han cometido delito alguno o que solo aparecen de forma tangencial.
También hay un dilema de consumo informativo. Cuando un tema ya es mediático, una “enciclopedia” alimentada por documentos puede convertirse en gasolina para lecturas apresuradas: capturas de pantalla, hilos, afirmaciones sin contexto. La misma herramienta que ayuda a investigar puede facilitar conclusiones rápidas, sobre todo si el texto tiene el tono de un dossier “cerrado”.
La clave está en el uso: como punto de partida, no como sentencia. Como índice, no como veredicto. Como lupa, no como martillo.
Cómo leer Jikipedia sin caer en trampas
Si te acercas a algo así, conviene pensar en Jikipedia como un mapa dibujado por una máquina: útil para orientarte, poco fiable para decidir dónde poner el pie sin mirar. Lo más valioso suele ser la capacidad de encontrar relaciones y referencias que luego puedas comprobar por tu cuenta, con documentos primarios, contexto legal y contraste de fuentes.
Para periodistas, puede funcionar como herramienta de preinvestigación: localizar nombres, fechas, lugares, patrones de contacto. Para el público general, puede ser una forma de entender “quién es quién” en un conjunto de archivos abrumador. En ambos casos, la precaución es la misma: no confundir un texto bien escrito con un texto verdadero, y no tratar una inferencia automatizada como si fuera una conclusión probada.