Los artículos científicos con IA plantean un problema que va más allá de identificar quién ha escrito un texto: comprobar si detrás hay ciencia. Un experimento del periodista Benjamin Skuse, publicado en IEEE Spectrum y realizado con la colaboración de IEEE Access, ilustra la dificultad. Dos trabajos elaborados con inteligencia artificial llegaron a sus controles editoriales. Ambos fueron frenados antes de la revisión por pares, pero por motivos distintos. El filtro funcionó. La pregunta es cuánto trabajo puede soportar.
Un artículo impecable sobre una investigación inexistente
Según relata Skuse, su primer intento consistió en utilizar versiones gratuitas de ChatGPT y Gemini para construir un artículo sobre solitones ópticos, su antiguo campo de investigación doctoral. Tras unas dos docenas de instrucciones, tenía texto, figuras, referencias y formato académico. Solo faltaba un detalle: haber realizado la investigación.
La apariencia resultó convincente, pero las referencias lo delataron. STM Integrity Hub detectó doce citas fantasma y otra herramienta no pudo validar veinticuatro referencias. Una referencia no verificable no es automáticamente falsa, pero el conjunto bastaba para poner en duda el trabajo.
Un especialista consultado también señaló afirmaciones físicas discutibles. El envoltorio académico estaba conseguido; el contenido requería conocimientos y tiempo para evaluarlo. Justo lo que no se genera pulsando «regenerar respuesta».
Cuando la IA también realiza el experimento
El segundo intento utilizó FARS, un sistema que coordina agentes para proponer investigaciones, ejecutar experimentos computacionales y redactar resultados. Generó una propuesta en 21 minutos; al día siguiente comunicó que había terminado el experimento y después redactó el artículo en unas dos horas.
Aquí había una diferencia fundamental: el sistema sí había ejecutado trabajo computacional, aunque sus resultados no fueron validados independientemente.
Skuse retiró el aviso que identificaba el documento como generado automáticamente y lo remitió para la prueba acordada. Las referencias eran reales, pero el equipo editorial consideró excesiva la dependencia de preprints, trabajos todavía no revisados por pares. También encontró anomalías en las figuras, incluida una etiqueta sin sentido.
Eso no demuestra que citar preprints sea fraudulento ni que toda investigación automatizada carezca de valor. Demuestra que superar una comprobación bibliográfica está lejos de garantizar ciencia fiable. Ninguno de los dos artículos fue aceptado ni llegó a revisión por pares.
Publicar o perecer, ahora con producción automática
La IA entra en un sistema que ya premiaba publicar constantemente. Según Jenny Mahoney, editora gerente de IEEE Access, la revista recibe unos 60.000 manuscritos anuales y acepta aproximadamente el 20 %. El promedio de invitaciones necesarias para conseguir revisores ha aumentado un 50 % desde 2018.
Automatizar la comprobación de referencias, duplicados o resultados puede ayudar. Pero abaratar la producción de artículos sin reforzar su evaluación aumenta el atasco. Y utilizar IA no convierte por sí solo un trabajo en basura: la cuestión es la calidad de las pruebas, la transparencia y la reproducibilidad.
El desafío consiste en exigir datos, métodos y trazabilidad suficientes para comprobar lo que se afirma, independientemente de quién redacte. Porque si fabricar un artículo lleva minutos y verificarlo exige horas, el recurso escaso de la ciencia ya no será el texto.
Será alguien con tiempo para desconfiar de él.