Papel de la automatización y la inteligencia artificial en el ciclo completo de la investigación científica

Frechette, John, and Heather Pierce-Lopez. 2026. “A Friendly Debate: Where Automation Will (And Should) Land in the Research Lifecycle.” The Scholarly Kitchen, 22 de mayo de 2026. https://scholarlykitchen.sspnet.org/2026/05/22/guest-post-a-friendly-debate-where-automation-will-and-should-land-in-the-research-lifecycle/

El artículo de The Scholarly Kitchen plantea un debate estructurado sobre el papel de la automatización y la inteligencia artificial en el ciclo completo de la investigación científica. Más que discutir si la IA “debe” o “no debe” utilizarse, el texto propone una reflexión más matizada: en qué fases del proceso investigador la automatización puede mejorar la eficiencia y en cuáles es imprescindible preservar el juicio humano.

El punto de partida es la constatación de que la IA ya está integrada de forma implícita en numerosas herramientas académicas, desde motores de búsqueda hasta sistemas de descubrimiento y gestión bibliográfica, aunque muchas veces no se perciba como tal.

El artículo identifica varias fases del ciclo de investigación donde la automatización ya está avanzando o podría hacerlo con mayor intensidad. Entre ellas se encuentran la búsqueda y descubrimiento de literatura, la organización de información, el apoyo a la redacción científica, la revisión preliminar de manuscritos y ciertas tareas administrativas dentro de las instituciones académicas. En estos ámbitos, la IA se presenta como un mecanismo de ampliación de capacidades, especialmente relevante para equipos con recursos limitados, como bibliotecas universitarias pequeñas o centros de investigación con alta carga operativa. La automatización permite reducir tareas repetitivas y liberar tiempo para actividades de mayor valor intelectual o pedagógico.

Sin embargo, el texto subraya que existen dimensiones del proceso de investigación que no pueden ni deberían ser completamente automatizadas. Entre ellas destacan la curación crítica del conocimiento, la interpretación contextual de los resultados, la toma de decisiones éticas y la integración del conocimiento en marcos institucionales específicos. Estas funciones requieren experiencia acumulada, sensibilidad disciplinar y comprensión del entorno académico que la IA no puede replicar plenamente. También se enfatiza la importancia del juicio humano en cuestiones relacionadas con la integridad científica, el riesgo institucional y la responsabilidad legal.

Un eje central del debate es la tensión entre eficiencia y confianza. Aunque la automatización puede acelerar significativamente el ciclo de producción del conocimiento, también introduce problemas de opacidad, reproducibilidad y gobernanza. El artículo señala que muchas de las herramientas actuales operan como “cajas negras”, lo que genera preocupación entre bibliotecarios, editores y gestores de investigación. La cuestión no es solo técnica, sino estructural: cómo garantizar que los sistemas automatizados sean transparentes, auditables y alineados con los valores de la ciencia abierta.

Finalmente, el texto propone una visión intermedia en la que la IA no sustituye el proceso de investigación, sino que se inserta en él como infraestructura. Esto implica rediseñar flujos de trabajo completos, definir claramente los puntos de intervención humana y establecer mecanismos de control y supervisión. En este modelo, la automatización no elimina la necesidad del investigador, sino que redefine su papel, desplazándolo hacia funciones de mayor nivel cognitivo, como la interpretación, la supervisión crítica y la toma de decisiones estratégicas dentro del ecosistema de producción científica.

40 años del Disco CORMAC de Cormac con Michel Núñez. Viviendo en la era pop 2026/05/22

40 años del Disco CORMAC de Cormac con Michel Núñez.

Viviendo en la era pop 2026/05/22

ESCUCHAR

Descargar

La entrevista a Michel Núñez repasa el nacimiento de Cormac como una propuesta pionera en la fusión de la música tradicional castellana con las raíces celtas e irlandesas. En ella evoca la grabación del disco Cormac en 1986 en los Estudios Tío Pete de Deusto, destacando el apoyo del Ayuntamiento de Salamanca y el trabajo colectivo de la banda. La conversación profundiza en la combinación de composiciones propias y adaptaciones tradicionales, así como en la influencia de la música medieval, bretona e irlandesa en su repertorio. Michel Núñez subraya además la importancia de dignificar la música de raíz castellana y de conectar las tradiciones locales con otras culturas atlánticas. Cuarenta años después de aquella grabación, el disco sigue siendo considerado una obra de culto dentro del folk español y un referente fundamental de la música salmantina.

Construyendo una Internet de la cognición para la superinteligencia artificial distribuida

Pandey, Vijoy. 2026. Scaling Out Superintelligence: Building an Internet of Cognition for Distributed Artificial Superintelligence. V.2. Outshift by Cisco.

Texto completo

El documento de investigación analiza un cambio de paradigma fundamental en el avance de la inteligencia artificial: el paso de la escala vertical de agentes individuales a la escala horizontal mediante la superinteligencia distribuida. Es decir, n lugar de tener una sola IA muy potente funcionando por sí sola, el futuro estaría en muchas IAs trabajando juntas como si fueran un cerebro colectivo. A esto lo llama “superinteligencia distribuida”.


El autor argumenta que, a pesar de sus crecientes capacidades, los agentes de IA actuales se encuentran limitados por el «aislamiento semántico». Mientras que los esfuerzos recientes de la industria se han centrado en conectar agentes en equipos para resolver tareas específicas a nivel sintáctico, estos sistemas aún no pueden «pensar juntos» ni generar un aprendizaje acumulativo. Para superar esto, se propone la creación de una infraestructura denominada el Internet de la Cognición (Internet of Cognition), la cual busca imitar la evolución cognitiva humana ocurrida hace 70,000 años, permitiendo que humanos y máquinas colaboren de manera colectiva y compartan intenciones, contextos e innovación

Para materializar esta evolución, la arquitectura propuesta para el Internet de la Cognición se fundamenta en tres componentes tecnológicos esenciales:

  • Protocolos de Estado de Cognición (Cognition State Protocols): Encargados de alinear y coordinar la intención semántica de los agentes. Se dividen en tres clases según su granularidad: el Protocolo de Transferencia de Estado Latente (LSTP) para la continuidad de inferencias en clústeres locales ; el Protocolo de Transferencia de Estado Comprimido (CSTP) para entornos de bajo ancho de banda como redes WAN o Edge ; y el Protocolo de Transferencia de Estado Semántico (SSTP), que traduce los espacios vectoriales a lógica formal para la toma de decisiones estratégicas y la auditoría humana.
  • Tejido de Cognición (Cognition Fabric): Una red distribuida y gobernada por políticas que actúa como una memoria compartida, permitiendo almacenar, reconciliar y actualizar gráficos de contexto y conocimientos colectivos sin que el progreso se reinicie en cada interacción (el llamado efecto trinquete o ratchet effect).
  • Motores de Cognición (Cognition Engines): Herramientas corporativas que aceleran la innovación conjunta u ofrecen salvaguardas. Se dividen en amplificadores cognitivos (COGs), para el razonamiento preservando la privacidad , y tecnologías de protección (GATs), que garantizan la seguridad, control de costes y cumplimiento normativo.

El documento ilustra la necesidad de este ecosistema mediante un caso práctico de despliegue de una red de satélites de órbita baja donde colaboran dos agentes especializados: «Prometheus» (experto en ingeniería de redes de Cisco que opera en EE. UU. e inglés) y «Themis» (experto en seguridad de Mythos Corp que opera en Japón y japonés) junto a un arquitecto humano. Mediante la infraestructura tradicional, la colaboración se estanca debido a las barreras lingüísticas, normativas divergentes y la falta de solapamiento en el conocimiento institucional. Sin embargo, el Internet de la Cognición permite resolver el problema al unificar los objetivos en una intención compartida, conciliar los datos técnicos de ambas organizaciones en un tejido común y utilizar motores cognitivos para validar los requisitos legales de ambas naciones simultáneamente.

El informe sitúa esta arquitectura sobre el estado del arte actual en sistemas multi-agente (MAS), como los protocolos de código abierto impulsados por la Linux Foundation en los que Cisco participa de forma activa (MCP, A2A y el proyecto AGNTCY). Dado que los líderes de la industria sugieren que la escala monolítica tradicional basada puramente en añadir más datos y cómputo está llegando a una fase de rendimientos decrecientes, las predicciones para alcanzar la Superinteligencia Artificial (ASI) se han desplazado a un horizonte de entre 5 y 20 años. El autor concluye que la transición hacia una superinteligencia distribuida basada en estándares abiertos e interoperables es la palanca arquitectónica indispensable para acelerar estos plazos y resolver problemas globales de alta complejidad.





.

Informe sobre el personal en los servicios de edición de bibliotecas universitarias

Powered by People: Staffing and Capacity in Library Publishing Programs. (2026)
Library Publishing Staffing Survey Report. Atlanta, GA: Educopia Institute.
https://doi.org/10.5703/1288284318627

Texto completo

El informe publicado por la Library Publishing Coalition (LPC) analiza la situación actual del personal y la capacidad operativa de los programas de edición en bibliotecas académicas, a partir de los resultados de una encuesta sectorial reciente. El objetivo principal del estudio es comprender cómo están estructurados estos servicios de publicación, qué tipos de perfiles profesionales los sostienen y cuáles son los principales retos organizativos en un contexto de creciente demanda de producción editorial en abierto dentro de las bibliotecas universitarias.

Uno de los hallazgos más relevantes del informe es la persistencia de modelos de dotación de personal reducidos y altamente variables entre instituciones. La mayoría de los programas de publicación en bibliotecas operan con equipos pequeños, frecuentemente combinando personal bibliotecario profesional con personal de apoyo, estudiantes o contrataciones temporales. Aunque en algunos casos se observa un ligero incremento en los recursos humanos dedicados a estas funciones, el crecimiento no es proporcional al aumento de la carga de trabajo editorial, que incluye la gestión de revistas, monografías, recursos educativos abiertos y otros formatos digitales.

El informe subraya también la dependencia estructural de las bibliotecas respecto a recursos internos de la institución, especialmente presupuestos generales de biblioteca, lo que limita la posibilidad de expansión estable de los equipos. Esta situación se traduce en una alta carga de trabajo para el personal existente, que debe asumir simultáneamente tareas técnicas, editoriales, de asesoramiento a autores y de gestión de plataformas digitales. Como consecuencia, la sostenibilidad de muchos programas de publicación depende en gran medida de la flexibilidad del personal más que de estructuras consolidadas de crecimiento.

Otro aspecto destacado es el papel creciente del personal no permanente, como estudiantes de grado o posgrado, que desempeñan funciones de apoyo en la producción editorial. Si bien esta práctica permite ampliar la capacidad operativa, también introduce desafíos en términos de continuidad, formación y retención del conocimiento institucional, especialmente en programas que requieren competencias técnicas específicas en edición digital y gestión de plataformas de acceso abierto.

El informe concluye que el campo de la edición bibliotecaria se encuentra en una fase de expansión funcional pero no necesariamente estructural. Es decir, las bibliotecas están ampliando sus servicios editoriales y su impacto en la comunicación científica, pero sin un crecimiento equivalente en recursos humanos estables. Esta tensión entre expansión de servicios y limitación de personal se identifica como uno de los principales retos estratégicos del sector en los próximos años, especialmente en el contexto del acceso abierto y la transformación digital de la publicación académica.

La Biblioteca del Congreso lleva el almacenamiento en ADN sintético a la cápsula del 250 aniversario de EE. UU.

“Library to Add Cutting-Edge Molecular Data Storage Device Carrying Digitized Collections to America’s Time Capsule.” Library of Congress Newsroom, 20 de mayo de 2026. Acceso el 22 de mayo de 2026

Texto original

La Library of Congress ha anunciado uno de los proyectos de preservación documental más innovadores de la actualidad: la inclusión de un dispositivo de almacenamiento molecular basado en ADN sintético dentro de la cápsula del tiempo oficial del proyecto America250, que será enterrada en Filadelfia como parte de las celebraciones del 250 aniversario de Estados Unidos. El diminuto recipiente metálico contiene cadenas de ADN sintético codificadas con copias digitales de algunos de los documentos, sonidos e imágenes más importantes de la historia cultural y política estadounidense. La cápsula será abierta en el año 2276, coincidiendo con el tricentenario del país.

La iniciativa surge a partir de un estudio de viabilidad solicitado por el Congreso estadounidense en 2024 para investigar nuevas tecnologías de preservación digital. La Biblioteca comenzó entonces a explorar el potencial del ADN sintético como soporte de almacenamiento de datos a largo plazo. A diferencia del ADN biológico, el ADN sintético utilizado en este proyecto no pertenece a ningún organismo vivo ni puede emplearse para crear vida; se trata de moléculas artificiales diseñadas específicamente para almacenar información digital mediante secuencias químicas.

Para desarrollar el proyecto, la Biblioteca colaboró con el University of Washington Molecular Information Systems Lab, especializado en almacenamiento molecular de datos. Los investigadores transformaron archivos digitales en secuencias codificadas de ADN y posteriormente sintetizaron físicamente esas cadenas moleculares. Todo el contenido quedó encapsulado en un pequeño vial metálico del tamaño aproximado de una goma de borrar de lápiz. El dispositivo incluye además un microchip con instrucciones para decodificar la información en el futuro y reconstruir los archivos originales cuando la cápsula sea abierta dentro de 250 años.

Entre los materiales almacenados figuran algunos de los tesoros documentales más emblemáticos de la Biblioteca del Congreso. Destaca especialmente el borrador manuscrito de la Declaración de Independencia redactado por Thomas Jefferson, junto con documentos relacionados con el himno nacional estadounidense, grabaciones históricas de finales del siglo XIX, mapas históricos, manuscritos mesoamericanos precolombinos, documentos del Congreso y registros sonoros de comunidades indígenas norteamericanas. También se incluyen modelos tridimensionales, como una representación digital de la mano de Abraham Lincoln.

Uno de los aspectos más revolucionarios del proyecto es la extraordinaria densidad de almacenamiento del ADN. Según la Biblioteca, un solo milímetro cúbico de ADN sintético podría albergar aproximadamente nueve terabytes de datos digitales, una capacidad miles de veces superior a la de los sistemas tradicionales de almacenamiento, como discos duros, cintas magnéticas o servidores en la nube. Además, el ADN posee una ventaja fundamental para la preservación patrimonial: su enorme durabilidad. Diversos estudios científicos han demostrado que el ADN puede mantenerse legible durante miles e incluso millones de años bajo condiciones adecuadas.

El proyecto responde también a un problema creciente en bibliotecas, archivos y centros de memoria: el aumento exponencial de la información digital y las limitaciones de las infraestructuras actuales para conservarla indefinidamente. La Biblioteca del Congreso administra ya más de mil millones de objetos digitales y decenas de petabytes de información preservada. En este contexto, el ADN sintético aparece como una posible solución complementaria para la conservación masiva y sostenible de datos culturales.

La iniciativa tiene además un fuerte componente simbólico. La cápsula del tiempo no solo preservará la memoria histórica estadounidense, sino que servirá como testimonio del momento en que la humanidad comenzó a experimentar seriamente con formas biológicas de almacenamiento informacional. De alguna manera, el proyecto conecta dos momentos históricos separados por siglos: el nacimiento de Estados Unidos y el posible nacimiento de una nueva era en la preservación del conocimiento humano.

Desde el punto de vista bibliotecario y archivístico, este experimento representa una auténtica transformación conceptual. Durante milenios, el conocimiento humano fue almacenado en piedra, arcilla, pergamino, papel y, más recientemente, soportes magnéticos y digitales. El ADN sintético introduce un nuevo paradigma en el que la información deja de depender exclusivamente de dispositivos electrónicos y pasa a integrarse en estructuras moleculares inspiradas en la biología.

La Biblioteca del Congreso subraya que el proyecto todavía es experimental y de alcance limitado, pero considera que sus resultados pueden ayudar a abrir nuevas vías para la preservación digital de gran escala. Además, el estudio permitirá evaluar aspectos técnicos como la fiabilidad de la escritura molecular, la recuperación de datos, la detección de errores y los costes asociados a esta tecnología emergente. La institución espera que la experiencia sirva también de modelo para otros grandes organismos patrimoniales y científicos interesados en métodos de conservación a ultra largo plazo.

El científico informático más citado de la actualidad afirma que la IA podría provocar la extinción de la humanidad en una década.

Stan, Alina Maria. “The Most-Cited Computer Scientist Alive Says AI Could Make Humanity Extinct Within a Decade.” The Next Web, 16 de mayo de 2026.

The Next Web

1.477

Yoshua Bengio, el investigador de IA ganador del Premio Turing, ha advertido que las máquinas hiperinteligentes podrían desarrollar «objetivos de preservación» autónomos y representar una amenaza existencial para la humanidad en una década. Bengio fundó la organización sin fines de lucro LawZero en junio de 2025 con una financiación de 30 millones de dólares para construir sistemas de IA «no agentes» diseñados para ser seguros por defecto.

El artículo analiza las recientes advertencias de Yoshua Bengio, considerado uno de los “padres” de la inteligencia artificial moderna y uno de los científicos más citados del mundo. Bengio sostiene que el rápido avance de los sistemas de IA podría desembocar, en un plazo de entre cinco y diez años, en escenarios de riesgo existencial para la humanidad.

Su preocupación principal no reside únicamente en la creciente capacidad técnica de estos sistemas, sino en la posibilidad de que desarrollen objetivos autónomos de autopreservación. Según explica, una inteligencia artificial suficientemente avanzada podría comenzar a actuar como un agente independiente, priorizando sus propios fines sobre los intereses humanos. Esta hipótesis deja de ser, en su opinión, una mera especulación teórica y pasa a convertirse en una amenaza plausible debido a la aceleración de la carrera tecnológica entre empresas como OpenAI, Anthropic, Google o xAI.

El texto subraya que Bengio fundamenta sus advertencias en investigaciones recientes que muestran comportamientos inesperados en modelos avanzados de IA. Algunos experimentos habrían evidenciado conductas de engaño, manipulación o intentos de preservar sus objetivos incluso a costa de perjudicar a personas. Estas conductas, vinculadas al problema de la “desalineación” entre los fines humanos y los de la máquina, son especialmente inquietantes porque los sistemas actuales aprenden observando lenguaje y comportamiento humano. Bengio teme que, a medida que los modelos se vuelvan más autónomos y agentes capaces de actuar en internet, escribir código o ejecutar tareas complejas sin supervisión, aumente el riesgo de pérdida de control. El investigador considera insuficientes los mecanismos actuales de autorregulación industrial y denuncia que las empresas tecnológicas priorizan la velocidad y la competencia comercial sobre la seguridad.

Como respuesta a esta situación, Bengio creó en 2025 la organización sin ánimo de lucro LawZero, una iniciativa destinada a desarrollar modelos de inteligencia artificial “seguros por diseño”. El proyecto cuenta con aproximadamente 30 millones de dólares de financiación procedentes de figuras y organizaciones vinculadas al ecosistema tecnológico y filantrópico, entre ellas Jaan Tallinn, Eric Schmidt y Open Philanthropy. El núcleo conceptual de LawZero es el llamado “Scientist AI”, un tipo de IA concebida no para actuar autónomamente en el mundo, sino para analizar información, generar hipótesis y realizar predicciones sin deseos ni metas propias. Bengio propone así una inteligencia artificial no agentiva, diseñada para comprender el mundo pero no para intervenir en él por iniciativa propia. Esta aproximación pretende reducir el riesgo de que las máquinas desarrollen estrategias de supervivencia o manipulación.

El artículo también sitúa estas advertencias en el contexto más amplio del debate internacional sobre seguridad en IA. Bengio ha participado activamente en informes científicos globales sobre riesgos de inteligencia artificial avanzada y defiende la necesidad de mecanismos de supervisión independientes, similares a los utilizados en sectores críticos como la aviación o la energía nuclear. A su juicio, la humanidad está entrando en una etapa histórica en la que la cuestión ya no es si la IA será poderosa, sino si seremos capaces de mantener el control sobre sistemas potencialmente más inteligentes que nosotros. La tensión entre innovación acelerada y gobernanza insuficiente aparece como el eje central de la discusión. Mientras las empresas avanzan hacia modelos cada vez más autónomos, Bengio insiste en que incluso una pequeña probabilidad de catástrofe resulta inaceptable cuando están en juego la estabilidad democrática, la autonomía humana o incluso la supervivencia de la especie.

Zotero 9.0. Tutorial. Gestor de referencias bibliográficas

Zotero 9.0. Tutorial. Gestor de referencias bibliográficas

por Julio Alonso Arévalo

Ver en Youtube

Zotero 9 es la versión más reciente del popular gestor bibliográfico y supone un cambio importante respecto a las versiones 7 y 8, especialmente en lectura asistida, rendimiento y experiencia de investigación. Por Julio Alonso Arévalo

Que características tiene esta versión:

Lectura en voz alta (Read Aloud). La función más destacada es el nuevo sistema de lectura automática de documentos:

Lee PDFs, EPUB y capturas web.
Usa voces naturales de alta calidad.
Permite avanzar por frases o párrafos.
Puede comenzar desde cualquier punto del texto.
Integra anotaciones rápidas mientras escuchas.

Esto convierte a Zotero en una herramienta híbrida entre gestor bibliográfico y asistente de lectura académica.

Entrevista con Luis Mayol, bajista de Vargas Blues Band. Viviendo en la era pop 2026/05/21

Entrevista con Luis Mayol, bajista de Vargas Blues Band

Viviendo en la era pop 2026/05/21

ESUCHAR

Descargar

La entrevista a Luis Mayol para el programa “Viviendo en la era pop” de Radio USAL recorre la trayectoria del músico argentino afincado en España, desde sus comienzos en el rock argentino hasta su consolidación como bajista, cantante y compositor en la Vargas Blues Band, una de las formaciones de blues-rock más importantes del ámbito hispano. A lo largo de la conversación, Mayol reflexiona sobre la relación entre el blues y el tango, dos géneros que fusiona con naturalidad en proyectos como Mayol Tango Trío, donde actualiza el tango desde una perspectiva contemporánea sin perder su carga emocional. También analiza los cambios vividos por la música en la era digital, el impacto del streaming y la inteligencia artificial, reivindicando el valor de la experiencia humana y la autenticidad sobre el escenario. La entrevista muestra además su visión de la música como un lenguaje de emoción, improvisación y conexión profunda con el público, fruto de décadas de escenarios compartidos entre Argentina y España.

La ciencia ante la avalancha de “AI slop”

Peters, Jay. 2026. “AI Research Papers Are Getting Better, and It’s a Big Problem for Scientists.” The Verge, mayo de 2026. https://www.theverge.com/ai-artificial-intelligence/930522/ai-research-papers-slop-peer-review-problem

Se analiza una creciente preocupación dentro de la comunidad científica internacional: la expansión de artículos académicos generados parcial o totalmente mediante inteligencia artificial y el impacto que este fenómeno está teniendo sobre el sistema de revisión por pares. Lo que hace apenas dos años se identificaba fácilmente como “AI slop” —textos plagados de errores, referencias inventadas y frases incoherentes— ha evolucionado rápidamente hacia trabajos aparentemente sofisticados, bien redactados y difíciles de detectar incluso para expertos. Investigadores y editores científicos advierten que la automatización masiva de la escritura académica amenaza con saturar los mecanismos tradicionales de validación científica.

El reportaje explica que los modelos de lenguaje actuales son capaces de producir artículos completos en cuestión de minutos utilizando bases de datos públicas, gráficos automatizados y síntesis bibliográficas generadas algorítmicamente. Herramientas agentivas de IA permiten ya redactar hipótesis, construir marcos teóricos, producir análisis estadísticos e incluso responder automáticamente a comentarios de revisores. El problema no reside únicamente en la existencia de errores, sino en la enorme escala de producción. Según varios investigadores citados, la IA puede generar trabajos mucho más rápido de lo que los científicos humanos pueden leerlos o evaluarlos.

Uno de los aspectos más preocupantes es el deterioro progresivo del sistema de revisión por pares, históricamente considerado uno de los pilares de la credibilidad científica. Revisores y editores describen un entorno cada vez más difícil de gestionar debido al incremento de manuscritos redundantes, superficiales o engañosos. El artículo señala que muchos de estos textos utilizan lenguaje técnico convincente y estructuras académicas correctas, pero aportan escaso valor científico real. Esto obliga a los revisores a invertir más tiempo verificando datos, referencias y metodologías. La carga de trabajo se multiplica mientras la calidad media de las contribuciones disminuye.

La situación ha llevado a plataformas científicas a adoptar medidas drásticas. El repositorio científico arXiv anunció recientemente que prohibirá durante un año a los autores que publiquen trabajos con evidencia clara de contenido generado por IA no verificado, incluyendo referencias inventadas o comentarios residuales dejados por modelos lingüísticos. Además, quienes sean sancionados deberán demostrar posteriormente que sus investigaciones han sido aceptadas en publicaciones revisadas por pares antes de poder volver a subir artículos a la plataforma. Esta decisión refleja la preocupación institucional por preservar la confianza y la integridad académica en un contexto de creciente automatización textual.

El artículo también subraya que la crisis no puede entenderse únicamente como un problema tecnológico, sino como una consecuencia de las propias dinámicas estructurales del sistema académico contemporáneo. La presión por publicar, conseguir financiación y mantener productividad científica favorece comportamientos donde la cantidad de publicaciones se valora más que la calidad o la originalidad. La IA amplifica estas dinámicas al reducir drásticamente el coste y el tiempo necesarios para producir artículos. Algunos expertos comparan la situación con una “tragedia de los comunes”: cada investigador obtiene beneficios individuales al aumentar su productividad mediante IA, pero colectivamente el ecosistema científico se degrada debido a la saturación y pérdida de confianza.

Otro problema destacado es la aparición de errores sofisticados difíciles de detectar. Investigaciones recientes muestran que incluso conferencias científicas de alto prestigio han aceptado trabajos con referencias completamente inventadas generadas por IA. Estos fallos no siempre resultan evidentes porque los modelos producen citas plausibles, nombres verosímiles y estructuras metodológicas aparentemente coherentes. El riesgo no es solo la publicación de investigaciones deficientes, sino la contaminación progresiva del propio ecosistema científico con datos falsos, referencias inexistentes y conocimiento difícilmente verificable.

Paradójicamente, mientras algunos sectores intentan frenar el “AI slop”, otros comienzan a utilizar inteligencia artificial para aliviar precisamente la crisis de revisión. Algunos proyectos experimentales, como los desarrollados en conferencias de inteligencia artificial, ya emplean sistemas automatizados capaces de revisar miles de artículos en menos de un día. Sus defensores argumentan que la IA puede detectar errores técnicos y debilidades metodológicas con gran rapidez, aunque críticos advierten de que esto puede generar revisiones homogéneas, sesgadas y fácilmente manipulables mediante ajustes estilísticos. El debate gira así en torno a una paradoja creciente: utilizar IA para controlar los problemas creados por la propia IA.

Las reacciones en comunidades académicas y tecnológicas reflejan una mezcla de alarma, resignación y escepticismo. En foros como Reddit, numerosos investigadores consideran que el problema no se limita a los modelos lingüísticos, sino a un sistema científico que ya estaba sobrecargado antes de la llegada de la IA generativa. Algunos usuarios sostienen que el verdadero riesgo es que el volumen de textos automatizados haga imposible distinguir entre investigación genuina y producción mecánica. Otros creen que la crisis obligará a replantear prácticas fundamentales de evaluación científica, desde la verificación de referencias hasta la exigencia de compartir datos experimentales completos.

La inteligencia artificial no solo está transformando la manera de escribir artículos científicos, sino que está alterando profundamente los mecanismos de validación del conocimiento académico. La revisión por pares, concebida históricamente como filtro de calidad y garantía de rigor, enfrenta ahora un escenario donde la producción automatizada amenaza con superar la capacidad humana de evaluación. El desafío ya no consiste únicamente en detectar textos generados por IA, sino en redefinir qué significa producir conocimiento fiable en una época dominada por la automatización intelectual.

Un estudio revela que los estudiantes aprenden menos y obtienen mejores calificaciones gracias a la IA.

Gizmodo. 2026. “Students Are Learning Less and Getting Higher Grades Because of AI, Study Finds.” Gizmodo, mayo de 2026. https://gizmodo.com/students-are-learning-less-and-getting-higher-grades-because-of-ai-study-finds-2000758844

Esta investigación muestra que la irrupción de la inteligencia artificial está transformando radicalmente la educación superior. La cuestión ya no es únicamente si los estudiantes usan IA, sino cómo las universidades pueden garantizar que el aprendizaje auténtico, el pensamiento crítico y el desarrollo de habilidades sigan siendo el centro del proceso educativo en una época en la que la automatización intelectual se vuelve cada vez más accesible y sofisticada.

El estudio distingue tres formas principales de utilización de la IA en el ámbito educativo. La primera es la “augmentación”, donde la IA sirve como apoyo para investigar o estructurar ideas mientras el estudiante sigue realizando el trabajo intelectual central. La segunda implica la aparición de nuevas tareas mediadas por IA. La tercera, considerada la más problemática, es el “desplazamiento”, en el que la herramienta automatiza casi por completo el trabajo que antes realizaba el estudiante, como redactar ensayos o resolver ejercicios complejos. Según Chirikov, las dos primeras modalidades pueden contribuir al aprendizaje, pero la tercera conduce a una erosión real de competencias y conocimientos.

La investigación señala que las tareas realizadas fuera del aula —ensayos, trabajos domiciliarios y ejercicios de programación— son especialmente vulnerables a este fenómeno. En cambio, los exámenes presenciales, las exposiciones orales o los debates en clase resultan más difíciles de sustituir mediante IA. Esto está llevando a muchas instituciones a replantearse sus métodos de evaluación. El artículo menciona que en Princeton University se debate modificar un histórico código de honor para supervisar más estrictamente los exámenes, mientras que en Harvard University se estudian límites al porcentaje de sobresalientes concedidos en cada asignatura.

Uno de los aspectos más inquietantes del informe es la posible creación de un círculo vicioso entre educación y automatización laboral. El estudio sostiene que, si la IA sustituye las tareas fundamentales mediante las cuales los estudiantes desarrollan habilidades cognitivas y profesionales, las futuras generaciones podrían incorporarse al mercado laboral con capacidades más débiles precisamente en aquellos ámbitos donde la IA ya es más competente. Esto incrementaría aún más la dependencia de sistemas automatizados dentro del trabajo cotidiano. Chirikov advierte que podría generarse una fuerza laboral incapaz de desempeñar funciones básicas sin apoyo algorítmico, acelerando así procesos de automatización masiva.

El debate ha generado una intensa reacción pública y académica. En foros como Reddit, numerosos docentes y estudiantes sostienen que el problema no es solo la existencia de la IA, sino un sistema educativo basado excesivamente en calificaciones y tareas fácilmente automatizables. Algunos participantes consideran que las universidades no han logrado detectar eficazmente el uso de IA y que los estudiantes han aprendido rápidamente a utilizar estas herramientas para obtener mejores resultados académicos. Otros subrayan que el reto ya no consiste únicamente en prohibir la IA, sino en rediseñar completamente las formas de evaluación para que demuestren competencias reales y no simplemente habilidad para generar prompts eficaces.

El artículo conecta además con otras investigaciones recientes que muestran efectos similares sobre el aprendizaje. Estudios citados por Gizmodo sugieren que quienes utilizan modelos lingüísticos para aprender desarrollan conocimientos más superficiales que quienes realizan búsquedas tradicionales y sintetizan información por sí mismos. Los investigadores consideran que la facilidad y rapidez de las respuestas generadas por IA reduce el esfuerzo cognitivo necesario para construir comprensión profunda.