
Priess-Buchheit, J., Nilsonne, G., Alavi, M., van den Hoven, M., Marušić, A., Errington, T. M., Smith, G., Pazik-Aybar, A., Baker, M., Grinbaum, A., Miller, K., & Freeman, A. (2026). Open science and the effects of generative artificial intelligence in scientific exchange: Policy options for reliable research. European Parliament, Directorate-General for Parliamentary Research Services. https://doi.org/10.2861/8224000
El informe analiza cómo la inteligencia artificial generativa está transformando la comunicación científica y qué consecuencias puede tener para el futuro de la ciencia abierta (Open Science). Su planteamiento central es que la IA puede convertirse en una herramienta extraordinariamente valiosa para democratizar el conocimiento, facilitar el acceso a la información científica y mejorar la búsqueda, recuperación, comprensión y reutilización de los resultados de investigación. Sin embargo, también puede introducir riesgos importantes para la fiabilidad del sistema científico, especialmente cuando se utiliza sin transparencia, sin mecanismos adecuados de supervisión o dependiendo de infraestructuras tecnológicas opacas.
El documento plantea que la cuestión fundamental ya no consiste en determinar si la inteligencia artificial generativa debe incorporarse a la investigación científica, puesto que su utilización es cada vez más extensa, sino en establecer bajo qué condiciones institucionales, tecnológicas y normativas puede contribuir a una ciencia más abierta, rigurosa y confiable. La IA puede ayudar a analizar grandes cantidades de información, sintetizar resultados, facilitar la comunicación entre disciplinas y hacer accesibles publicaciones científicas a públicos que tradicionalmente han encontrado barreras lingüísticas, técnicas o económicas. De este modo, puede reforzar algunos de los principios fundamentales de la ciencia abierta: accesibilidad, colaboración, reutilización del conocimiento y participación de la sociedad.
No obstante, el informe advierte de que esta transformación también puede debilitar los mecanismos tradicionales de comunicación científica. Uno de los principales peligros es la pérdida de trazabilidad o procedencia de la información (provenance). Cuando los sistemas generativos producen resúmenes, explicaciones, referencias bibliográficas o nuevos contenidos a partir de múltiples fuentes, puede resultar difícil identificar qué información procede de una investigación original, qué parte ha sido transformada por un algoritmo y cuáles son las fuentes que sustentan realmente las afirmaciones. Esta pérdida de transparencia dificulta la verificación de los resultados y puede favorecer la circulación de información incorrecta o de referencias inexistentes.
Otro problema destacado es la denominada sobrecarga sintética de información científica (synthetic overload). La facilidad para producir textos, resúmenes, artículos y documentos mediante inteligencia artificial puede provocar un crecimiento exponencial de contenidos que supera la capacidad de investigadores, revisores, editores y sistemas de información para comprobar su calidad. El resultado podría ser una literatura científica cada vez más abundante, pero no necesariamente más rigurosa. En este escenario, distinguir entre conocimiento contrastado, contenido generado automáticamente y publicaciones de escaso valor científico se convierte en una tarea cada vez más compleja.
El informe también llama la atención sobre la dependencia de infraestructuras tecnológicas poco transparentes. Una parte creciente de la investigación puede quedar condicionada por plataformas privadas, modelos comerciales y servicios digitales cuyo funcionamiento interno no siempre es accesible para la comunidad científica. Esto plantea interrogantes sobre la soberanía tecnológica, la protección de los datos, la autonomía de los investigadores y la capacidad de las instituciones públicas para controlar los sistemas que intervienen en la producción y difusión del conocimiento. Además, si el acceso a las herramientas más avanzadas depende de recursos económicos, pueden ampliarse las desigualdades entre universidades, centros de investigación y países.
La reproducibilidad constituye otra dimensión fundamental. La investigación científica debe permitir que otros investigadores puedan examinar los procedimientos utilizados, consultar los datos originales y comprobar cómo se han obtenido determinados resultados. Cuando la inteligencia artificial interviene en el análisis, la redacción o la interpretación de datos, es necesario documentar adecuadamente su utilización, identificar las herramientas empleadas y conservar información suficiente sobre los procesos realizados. Sin estas garantías, resulta más difícil reconstruir el proceso investigador y determinar la responsabilidad sobre los resultados publicados.
A partir de este diagnóstico, el Parlamento Europeo propone abordar la inteligencia artificial generativa como una cuestión estratégica de política científica y no simplemente como una innovación tecnológica. El informe defiende que el intercambio de conocimiento científico debe considerarse una infraestructura de interés público. Para ello, resulta necesario reforzar las competencias digitales y de inteligencia artificial de los investigadores, mejorar la transparencia sobre el origen de los contenidos, garantizar la reproducibilidad de los resultados, promover la inclusión y desarrollar capacidades tecnológicas propias que reduzcan dependencias excesivas.







