La investigación científica atraviesa una transformación silenciosa pero decisiva. No se manifiesta en laboratorios futuristas ni en rupturas espectaculares, sino en una modificación profunda del gesto académico más elemental: escribir. Los modelos de lenguaje basados en inteligencia artificial ya producen textos científicos fluidos, normativos y formalmente publicables. Esta evolución abre posibilidades reales, al tiempo que plantea interrogantes de fondo sobre la calidad del conocimiento que se genera.
Un estudio reciente publicado en Science aporta una base empírica sólida para analizar este cambio. La investigación, desarrollada por un equipo internacional liderado desde la Universidad de Cornell, examina más de dos millones de manuscritos científicos, decenas de miles de informes de evaluación y cientos de millones de consultas académicas. Sus conclusiones confirman un aumento significativo de la productividad entre los investigadores que utilizan herramientas de inteligencia artificial, con efectos especialmente visibles entre quienes no tienen el inglés como lengua de trabajo habitual.
Yian Yin, profesor adjunto de Ciencias de la Información en la Ann S. Bowers College of Computing and Information Science de Cornell y autor principal del estudio, resume el alcance del fenómeno con claridad: «Estamos observando un patrón muy extendido en distintos campos científicos. Se trata de un cambio profundo en el ecosistema de producción del conocimiento que exige una revisión muy seria de cómo evaluamos la ciencia que financiamos».
Uno de los efectos más relevantes señalados por el estudio es la reducción de la barrera lingüística. Durante décadas, el dominio del inglés académico ha funcionado como un filtro silencioso de reconocimiento científico. La inteligencia artificial atenúa ese obstáculo. Permite a muchos investigadores formular hipótesis con mayor claridad, respetar las convenciones editoriales y acceder con más facilidad a los circuitos internacionales de publicación. Según el análisis, los investigadores de instituciones asiáticas incrementaron su producción entre un 43 % y un 89 % tras adoptar herramientas de lenguaje basadas en IA.
Keigo Kusumegi, doctorando en Ciencias de la Información y primer autor del trabajo, subraya esta dimensión inclusiva del fenómeno: «Para muchos investigadores, el principal beneficio no es producir más ideas, sino poder expresarlas con claridad en un idioma que no es el propio». A su juicio, esta corrección lingüística puede contribuir a reducir desigualdades históricas en la circulación del conocimiento científico.
Sin embargo, el estudio revela un efecto más ambivalente. Aunque los textos ganan en coherencia formal y legibilidad, sus conclusiones tienden en algunos casos a perder densidad analítica. La facilidad para generar formulaciones convincentes desde el punto de vista lingüístico no garantiza la solidez metodológica ni la fuerza del razonamiento. Los autores constatan que, a diferencia de los textos escritos íntegramente por humanos, los artículos con alta probabilidad de haber sido redactados con asistencia de IA presentan menores tasas de aceptación en revistas científicas, pese a su corrección formal.
El propio Yin lo formula con cautela: «La calidad del lenguaje ha dejado de ser una señal fiable de calidad científica. Un texto puede estar muy bien escrito y, aun así, aportar poco conocimiento». Esta desconexión entre forma y contenido introduce una dificultad adicional para editores, revisores y agencias de financiación.
El problema adquiere una dimensión estructural. Los sistemas de evaluación actuales descansan en gran medida sobre criterios cuantitativos y señales indirectas de excelencia. En un contexto de inflación de publicaciones, distinguir entre contribuciones relevantes y producción rutinaria se vuelve cada vez más costoso. La abundancia de textos bien redactados eleva el umbral de atención crítica y debilita los mecanismos tradicionales de selección.
Paul Ginsparg, profesor de Cornell y fundador de la plataforma arXiv, participa en el estudio desde esta preocupación institucional. A su juicio, «el riesgo no está en la herramienta, sino en un sistema de evaluación que no ha cambiado al ritmo de la tecnología». La inteligencia artificial actúa como acelerador en un entorno académico que ya premia la rapidez y el volumen.
Para las instituciones científicas españolas y latinoamericanas, el desafío va más allá de la adopción técnica. Afecta a la definición misma de lo que se considera valor científico. La inteligencia artificial puede facilitar la internacionalización de las publicaciones y reducir desigualdades lingüísticas, siempre que se integre en una reflexión más amplia sobre los criterios de evaluación. La metodología, la reproducibilidad y la solidez de los datos deben seguir ocupando el centro del juicio académico.
Los autores del estudio reclaman mayor transparencia en el uso de inteligencia artificial en la redacción científica. Esta exigencia no busca descalificar la herramienta, sino preservar una distinción esencial entre asistencia editorial y producción intelectual. «La IA puede ayudar a escribir mejor», recuerda Yin, «pero no formula hipótesis, no genera intuición teórica ni sustituye el juicio crítico».
La ciencia no progresa por acumulación mecánica de textos, sino por confrontación razonada de ideas y exigencia metodológica. A medida que la frontera entre lenguaje y conocimiento se vuelve más porosa, se impone una vigilancia renovada. La eficacia retórica impresiona. El conocimiento, en cambio, sigue construyéndose despacio.
