La inteligencia artificial ha entrado de lleno en el ámbito de la investigación científica, no solo como herramienta de análisis, sino también como coautora. Sin embargo, esta integración está provocando una "revisión de cuentas" urgente en el mundo de la publicación académica. Un estudio de Science Advances ha revelado que al menos el 13.5% de los resúmenes biomédicos en 2024 fueron procesados con modelos de lenguaje grandes (LLMs), una cifra que subraya la omnipresencia de la IA en la creación de contenido científico.
La preocupación no radica en la mejora del estilo de escritura que la IA puede ofrecer, sino en los riesgos inherentes. La revista Nature informó en abril de 2025 que decenas de miles de publicaciones de ese año podrían contener referencias generadas por IA que son inválidas. Una prepublicación de 2026, que auditó 111 millones de referencias en 2.5 millones de artículos, estimó 146.932 citaciones "alucinadas" solo en 2025. Esta proliferación de información incorrecta amenaza la fiabilidad del corpus científico.
La aparición de herramientas como "Academic Humanizer", que eliminan los patrones de escritura de IA de los trabajos de investigación, añade otra capa de complejidad al debate. Mientras sus desarrolladores argumentan que mejora la claridad y la voz, especialmente para hablantes no nativos de inglés, los críticos lo ven como una forma de deshonestidad académica en la "carrera armamentista de detección de IA". Las herramientas actuales de detección de IA son, además, poco fiables, produciendo falsos positivos y dificultando la labor de los editores.
Las implicaciones son profundas. La integridad del proceso de revisión por pares también está en entredicho; un estudio estimó que al menos el 15.8% de las revisiones del ICLR 2024 fueron asistidas por IA y que esto podría afectar las puntuaciones y las probabilidades de aceptación. La industria editorial se enfrenta a un desafío dual: cómo aprovechar las ventajas de la IA para la eficiencia y la calidad, sin comprometer la originalidad, la veracidad y la ética.
En este contexto, la comunidad científica y editorial debe establecer un diálogo honesto sobre el equilibrio entre la prohibición total, que sería infructuosa, y la apertura total a las herramientas de IA. Es esencial que las instituciones traten el uso de la IA como parte de la cadena de suministro de la investigación y establezcan controles de evidencia, procedencia y responsabilidad antes de que las herramientas futuras hagan aún más imposible la detección. La confusión entre estilo y confianza debe resolverse para salvaguardar la credibilidad de la ciencia.