Archivo de la etiqueta: Fraude

Un investigador que se atribuyó el mérito de un artículo como responsable principal, ahora asegura que el fraude fue obra de su estudiante

In Preparation. “PI Who Took Credit For Paper Clarifies Fraud Was Student’s Independent Work”. 18 de agosto de 2026. Artículo original en In Preparation

Se aborda un problema recurrente en la investigación científica: la responsabilidad de los investigadores principales sobre los trabajos realizados en sus laboratorios y, en particular, la apropiación del mérito por parte de investigadores sénior frente a la responsabilidad cuando aparecen problemas.

El artículo imagina la reacción de Richard Alderman, investigador principal del Whitehead Institute, después de que un supuesto artículo publicado en Nature fuera retractado por fraude científico. Según la pieza, Alderman había presentado inicialmente el trabajo como la culminación de la visión de su laboratorio y había concedido entrevistas atribuyéndose el éxito de los resultados. Sin embargo, tras descubrirse que varias figuras habían sido manipuladas y que algunos experimentos ni siquiera se habían realizado, el investigador cambia radicalmente su posición y afirma que el fraude fue obra exclusiva de una estudiante de posgrado. 

La ironía se construye precisamente alrededor de esta asimetría entre mérito y responsabilidad. Cuando los resultados son positivos, el investigador principal aparece como líder del proyecto y habla de «nuestro» trabajo y de la investigación desarrollada bajo su dirección; cuando se descubre el fraude, sostiene que apenas tuvo participación y que la estudiante trabajaba de forma completamente independiente. La protagonista ficticia, Mei-Lin Huang, habría realizado los experimentos, analizado los datos y preparado el primer borrador, mientras que el investigador principal asegura retrospectivamente que su filosofía de supervisión consiste en proporcionar autonomía a los estudiantes. La frase resulta deliberadamente mordaz: la independencia que antes podía presentarse como una virtud de la formación científica se convierte, después del fraude, en una forma de eludir la responsabilidad por la supervisión. 

Uno de los aspectos más críticos del artículo es la cuestión de la autoría científica. Ante la pregunta de por qué aparece como autor principal o autor de correspondencia si afirma no haber intervenido en el trabajo, el personaje responde que la autoría sénior es prácticamente honorífica: demostraría que el trabajo se realizó en su laboratorio, con su financiación y bajo su mentoría, pero no implicaría necesariamente haber revisado los datos o comprobado personalmente los experimentos. Esta afirmación, presentada como una exageración satírica, apunta a una discusión real sobre las responsabilidades asociadas a la autoría. La autoría científica no debería entenderse únicamente como un reconocimiento jerárquico, sino que implica responsabilidades respecto a la integridad y fiabilidad del trabajo publicado. 

El artículo también pone el foco en la desigual distribución de las consecuencias del fraude científico. Mientras la estudiante ficticia se enfrenta a la expulsión y a la posible destrucción de su carrera científica, el investigador principal asegura que no devolverá la financiación, no abandonará su cátedra y no sufrirá consecuencias profesionales. La universidad, además, expresa su confianza en él. Esta parte constituye probablemente la crítica más incisiva del texto: cuando se producen casos de mala conducta científica, las responsabilidades pueden recaer de manera desproporcionada sobre investigadores jóvenes y con menor poder institucional, mientras que quienes ocupan posiciones de autoridad pueden conservar buena parte de su prestigio y sus recursos. 

Más allá del caso ficticio, el texto plantea una cuestión importante para la integridad científica: ¿hasta dónde llega la responsabilidad de un investigador principal sobre los trabajos desarrollados por los miembros de su grupo? El debate no se limita a determinar quién falsificó o manipuló los datos. También obliga a preguntarse quién supervisó el proyecto, quién comprobó los resultados, quién aprobó el manuscrito y quién decidió presentarlo como evidencia científica. La sección de comentarios refuerza precisamente esta interpretación: algunos lectores señalan que la apropiación del mérito por parte de investigadores sénior es un fenómeno más frecuente que los casos de fraude que llegan a hacerse públicos y que, en ocasiones, la contribución de investigadores jóvenes queda invisibilizada mientras el reconocimiento se concentra en el responsable del laboratorio. 

El texto cuestiona las estructuras jerárquicas de la ciencia, la autoría honorífica, la supervisión de los investigadores en formación y la distribución de las consecuencias ante la mala conducta científica. Aunque los personajes y la situación descrita son satíricos, el problema que plantea es muy real: la integridad de una publicación no depende únicamente de la persona que manipula los datos, sino también de las estructuras de supervisión, las prácticas de autoría y los sistemas institucionales que permiten que un trabajo llegue a publicarse. 

¿Sigue siendo un fraude el artículo científico? La ciencia, la creatividad y el factor humano en la era de la IA

Three scientists discussing annotated research paper at wooden table in laboratory

Tregoning, John S. “Is the scientific paper still a fraud?” PLOS Biology, vol. 24, n.º 8, 2026, e3003912. Publicado el 4 de agosto de 2026. DOI: 10.1371/journal.pbio.3003912 https://journals.plos.org/plosbiology/article?id=10.1371/journal.pbio.3003912

John S. Tregoning recupera una provocadora idea formulada en 1963 por el inmunólogo y premio Nobel Peter Medawar: “el artículo científico es un fraude”. La expresión no se refiere al fraude científico entendido como falsificación, plagio o fabricación de datos, sino a que el formato convencional del artículo científico ofrece una representación engañosa de cómo se desarrolla realmente la investigación.

El esquema habitual —planteamiento del problema, metodología, resultados y conclusiones— presenta la ciencia como un proceso lineal, ordenado y casi inevitable, cuando en realidad investigar implica dudas, caminos descartados, errores, intuiciones, cambios de rumbo, casualidades y decisiones humanas.

El autor sostiene que el artículo científico oculta buena parte del proceso creativo que existe detrás de los resultados. Las hipótesis aparecen en los artículos como si hubieran sido formuladas desde el principio de manera clara y racional, pero Medawar señalaba que muchas surgen mediante conjeturas, intuiciones y recorridos intelectuales difíciles de reconstruir. Para Tregoning, esta dimensión creativa no es un defecto de la ciencia, sino una de sus características fundamentales. La imaginación permite formular preguntas nuevas, encontrar conexiones inesperadas y decidir qué caminos experimentales merece la pena explorar.

Esta cuestión adquiere una nueva dimensión con la inteligencia artificial. Tregoning reconoce que la IA puede ser extraordinariamente útil, especialmente para trabajar con grandes conjuntos de datos que superan la capacidad de procesamiento humano, pero establece una diferencia esencial entre procesar información y generar auténtica imaginación científica. En su opinión, la ciencia necesita todavía esa capacidad humana para formular hipótesis, interpretar situaciones ambiguas y descubrir posibilidades que no estaban previamente determinadas por los datos. Por ello, la creciente automatización de la producción científica hace todavía más importante recordar que detrás de cada investigación existe una persona que formula preguntas, toma decisiones e interpreta resultados.

Otro problema importante es que los artículos científicos reconstruyen retrospectivamente la investigación como una historia coherente, aunque el trabajo real haya sido mucho más desordenado. En ocasiones, el experimento que aparece como primera figura fue en realidad el último que se realizó; determinados resultados pueden proceder de investigaciones independientes desarrolladas por personas diferentes o en momentos distintos. El investigador selecciona posteriormente aquellos datos que permiten construir una narración científica comprensible. Esto no significa necesariamente que exista manipulación: significa que la publicación científica exige transformar un proceso complejo y contingente en un relato estructurado.

Tregoning relaciona esta reconstrucción narrativa con uno de los grandes problemas de la ciencia contemporánea: la presión por publicar resultados positivos. Cuando los investigadores disponen de recursos limitados, existe una tendencia a realizar experimentos de los que esperan obtener resultados publicables. Los resultados negativos o los experimentos que no conducen a conclusiones interesantes tienen mucha menos presencia en la literatura. El sistema de publish or perish puede acabar influyendo incluso en las preguntas que los científicos deciden investigar, favoreciendo historias de éxito frente a la realidad mucho más irregular del proceso investigador.

El artículo también cuestiona la idea de que la escritura científica deba eliminar completamente la presencia del investigador. El uso de una voz impersonal y uniforme pretende transmitir objetividad, pero también borra las decisiones, perspectivas y elecciones de los autores. Tregoning considera que los investigadores son quienes deciden qué caminos seguir, qué datos seleccionar y cómo interpretar aquello que han encontrado. Incluso los revisores y editores intervienen en la construcción final del relato, porque sus observaciones pueden modificar qué aspectos se destacan y cómo se presenta la investigación.

Una de las consecuencias educativas de este modelo es especialmente interesante. Si los estudiantes aprenden ciencia fundamentalmente a través de artículos científicos, pueden adquirir una imagen falsa de cómo se hace investigación: podrían pensar que primero se formula una hipótesis perfectamente definida, después se realiza un experimento y finalmente se obtiene una conclusión. La realidad es mucho más exploratoria. La investigación científica avanza mediante tanteos, fracasos, resultados inesperados, modificaciones de hipótesis y decisiones que difícilmente pueden reflejarse en la estructura convencional de un artículo.

Tregoning no propone abandonar el artículo científico. Reconoce que continúa siendo la unidad fundamental de comunicación de la ciencia y que probablemente seguirá desempeñando ese papel durante mucho tiempo. Sin embargo, propone complementarlo con otras formas de comunicación, como congresos, blogs y redes sociales, que permitan mostrar mejor el proceso, las personas que participan en él y las circunstancias que rodean la producción del conocimiento. También menciona iniciativas que intentan modificar el modelo tradicional de publicación y revisión, como los preprints, Review Commons o el nuevo modelo editorial de eLife.

La conclusión resulta especialmente pertinente en el contexto actual de la IA generativa y la proliferación de contenidos científicos automatizados. Si los sistemas de IA pueden producir textos que imitan perfectamente la forma convencional de un artículo científico, existe el riesgo de confundir la calidad formal del producto con la calidad del proceso que lo ha generado. Para Tregoning, precisamente por eso debemos prestar más atención a aquello que tradicionalmente queda fuera del artículo: la innovación, la intuición, la imaginación, las decisiones y el razonamiento humano. El artículo científico no debería ser considerado la investigación misma, sino la manifestación externa y estructurada de un proceso intelectual mucho más complejo.

La ciencia no es solamente el resultado que aparece publicado; es también el conjunto de decisiones, dudas, experimentos, errores, intuiciones y descubrimientos humanos que hicieron posible llegar hasta él.

La IA generativa amenaza con desbordar las revistas científicas: el creciente desafío del fraude académico

Scott, Alex. Can we stop AI from flooding scientific journals? Chemical & Engineering News (C&EN), vol. 104, julio de 2026. Publicado por la American Chemical Society. https://cen.acs.org/policy/publishing/ai-fraud-science-journal-generative-ai/104/web/2026/07

La rápida expansión de la inteligencia artificial generativa está transformando el fraude científico al reducir drásticamente el tiempo y el esfuerzo necesarios para producir artículos aparentemente rigurosos. Lo que antes requería semanas o meses de trabajo —incluida la fabricación de datos, imágenes y referencias— ahora puede realizarse en cuestión de horas mediante herramientas de IA capaces de redactar manuscritos convincentes y difíciles de distinguir de investigaciones legítimas.

Según diversos expertos citados en el reportaje, la IA no ha creado el problema del fraude científico, pero sí ha multiplicado su escala y velocidad, actuando como un potente acelerador de un sistema ya afectado por la presión del «publicar o perecer». Como resume Ivan Oransky, cofundador de Retraction Watch, «la IA es un acelerador, no la chispa»: el sistema de «publicar o perecer» ya incentivaba malas prácticas, pero la IA ha multiplicado la velocidad y la escala con la que pueden cometerse.

El reportaje sostiene que el verdadero problema no es únicamente que existan investigadores deshonestos, sino que el ecosistema editorial carece de recursos suficientes para detectar el creciente volumen de manuscritos fraudulentos. Muchas revistas científicas dependen de editores y revisores voluntarios, sometidos a una enorme carga de trabajo, que difícilmente pueden comprobar la autenticidad de todos los datos, imágenes, referencias y análisis estadísticos que reciben. Esta vulnerabilidad convierte el sistema editorial en un objetivo especialmente atractivo para quienes utilizan la IA para fabricar investigaciones falsas.

El artículo explica que la IA permite automatizar prácticamente todas las fases de un fraude científico. Un modelo puede generar hipótesis plausibles, redactar una introducción convincente, describir una metodología aparentemente coherente, inventar resultados compatibles con esa metodología e incluso producir referencias bibliográficas inexistentes pero verosímiles. A ello se añade la posibilidad de crear gráficos, tablas e imágenes sintéticas difíciles de distinguir de las reales, lo que incrementa el riesgo de que estudios completamente ficticios lleguen a superar los controles editoriales iniciales.

Uno de los aspectos más preocupantes es el crecimiento de una auténtica industria del fraude científico. El artículo describe cómo las denominadas paper mills (fábricas de artículos científicos) están incorporando herramientas de IA para aumentar enormemente su productividad. Estas organizaciones venden manuscritos completos o autorías a investigadores necesitados de publicaciones para obtener promociones, financiación o estabilidad laboral. La IA reduce sus costes de producción y les permite generar cantidades de artículos que hace pocos años habrían resultado imposibles.

Frente a esta amenaza, está surgiendo un mercado paralelo de empresas especializadas en detectar fraudes científicos asistidos por IA. Estas compañías desarrollan herramientas capaces de identificar patrones lingüísticos sospechosos, analizar imágenes manipuladas, localizar referencias inexistentes, detectar duplicaciones de datos y descubrir inconsistencias estadísticas. Sin embargo, el artículo advierte que esta situación se asemeja a una carrera armamentística: conforme mejoran los sistemas de detección, también evolucionan las herramientas utilizadas por quienes producen investigaciones fraudulentas.

El texto insiste en que las soluciones puramente tecnológicas serán insuficientes si no cambian los incentivos del sistema científico. Mientras la carrera académica siga premiando principalmente el número de publicaciones, el factor de impacto o determinados indicadores bibliométricos, continuará existiendo una fuerte presión para producir artículos rápidamente, lo que favorece tanto el uso irresponsable de la IA como el crecimiento del fraude organizado. En consecuencia, los autores y expertos consultados consideran necesario revisar los modelos de evaluación científica y reforzar la cultura de la integridad investigadora.

El artículo también pone de relieve la importancia de aumentar la transparencia durante todo el proceso editorial. Entre las medidas propuestas figuran exigir la declaración explícita del uso de IA generativa, mejorar la revisión por pares, reforzar la comprobación de datos e imágenes antes de la publicación y promover mecanismos que faciliten la reproducibilidad de los resultados. Estas prácticas no eliminarían el fraude, pero elevarían considerablemente el coste y la dificultad de producir investigaciones falsas.

La conclusión del reportaje es que la inteligencia artificial no representa una amenaza aislada, sino un factor que acelera debilidades estructurales ya existentes en la comunicación científica. La tecnología facilita la creación de artículos fraudulentos a una velocidad sin precedentes, mientras que las revistas científicas, los revisores y las editoriales disponen de recursos limitados para detectarlos. Frenar esta tendencia requerirá combinar herramientas automáticas de detección, reformas en los procesos editoriales y, sobre todo, cambios profundos en los incentivos que gobiernan la evaluación y la publicación de la investigación científica.

La expansión de las paper mills: un análisis bibliométrico de más de 10.000 artículos científicos retractados

Retracted Paper Mill Papers across Year (2016–2024)

Cheng, Michelle W. T., Xinhua Yang y Ryan M. Allen. Tracking the Retracted Paper Mill Articles: A Bibliometric Study. Scientometrics (2026). https://doi.org/10.1007/s11192-026-05751-6

Las denominadas paper mills —empresas que elaboran manuscritos científicos fraudulentos y venden la autoría de esos trabajos a investigadores— se han convertido en una de las amenazas más serias para la integridad de la investigación científica. Este estudio constituye el análisis bibliométrico más amplio realizado hasta la fecha sobre este fenómeno, examinando 10.409 artículos retractados por estar vinculados a paper mills registrados en la base de datos Retraction Watch desde su creación hasta finales de 2024.

El objetivo de los autores es determinar la magnitud del problema, su evolución temporal, su distribución geográfica y disciplinaria, así como las principales características de estos trabajos fraudulentos. Los resultados muestran un crecimiento explosivo de las retractaciones, especialmente a partir de 2020, alcanzando un máximo histórico en 2023, lo que confirma que las paper mills han pasado de ser un problema marginal a representar un desafío estructural para el sistema mundial de publicación científica.

Uno de los hallazgos más llamativos es la enorme concentración geográfica de los artículos retractados. De los 10.409 trabajos analizados, 9.137 (87,8%) corresponden a autores cuya afiliación principal se encuentra en China, muy por delante de otros países como Etiopía, India, Pakistán o Arabia Saudí. No obstante, los autores advierten que estos datos describen únicamente la distribución de los casos registrados en la base de datos utilizada y no deben interpretarse automáticamente como una medida exacta de la prevalencia real del fraude científico en cada país. También destacan que la expansión de estas prácticas está estrechamente relacionada con la presión creciente por publicar en revistas indexadas, la utilización de indicadores bibliométricos para evaluar la carrera académica y la existencia de organizaciones comerciales que ofrecen manuscritos completos y plazas de coautoría a cambio de dinero.

El análisis revela igualmente una transformación en los ámbitos científicos afectados. Tradicionalmente, las paper mills se concentraban en áreas biomédicas, especialmente investigaciones relacionadas con cáncer, biología celular o genética. Sin embargo, el estudio muestra que durante los últimos años se ha producido un desplazamiento significativo hacia disciplinas como informática, ciencia de datos, inteligencia artificial, aprendizaje automático, algoritmos y modelos computacionales. La categoría con mayor número de retractaciones corresponde a Business and Technology (5.217 artículos), seguida por Business and Life Sciences (3.369) y Health Sciences (1.217). En cambio, las ciencias sociales y las humanidades presentan cifras mucho menores, aunque los autores advierten que ello no significa que estén exentas del problema. El análisis de palabras clave confirma esta evolución temática: mientras entre 2011 y 2016 predominaban términos biomédicos como cell, cells o cancer, entre 2021 y 2024 aparecen con mayor frecuencia conceptos como model, data, algorithm, learning y network.

Otro resultado relevante se refiere al tipo de publicaciones afectadas y a los modelos editoriales. La inmensa mayoría de los trabajos retractados son artículos de investigación, aunque en los últimos años también aumentan las retractaciones de comunicaciones a congresos, revisiones, metaanálisis y estudios clínicos, lo que indica que las paper mills están diversificando su actividad. Además, aproximadamente el 80 % de los artículos retractados se publicaron en revistas de acceso abierto, porcentaje muy superior al observado en revistas híbridas o de suscripción. Los autores aclaran, sin embargo, que esto no implica que el acceso abierto sea responsable del problema, sino que probablemente refleja una combinación de factores relacionados con los procesos editoriales, los sistemas de revisión y los mecanismos de detección utilizados por las editoriales. El estudio también calcula que el tiempo medio entre la publicación y la retractación fue de 709 días, aunque este intervalo ha variado considerablemente a lo largo del tiempo, reduciéndose de forma notable tras las grandes campañas de retractación derivadas del caso Hindawi.

En las conclusiones, los autores sostienen que las paper mills representan una amenaza incluso mayor que las revistas depredadoras, ya que consiguen infiltrar artículos fraudulentos en revistas consolidadas y aparentemente fiables, erosionando la confianza en el sistema de revisión por pares y en la literatura científica. Asimismo, advierten de que el desarrollo de la inteligencia artificial generativa podría facilitar la producción masiva de manuscritos falsos cada vez más difíciles de detectar, incrementando la sofisticación de estas organizaciones. Frente a esta situación, proponen reforzar la cooperación entre universidades, editoriales y organismos de integridad científica, desarrollar mejores herramientas de detección, ampliar la investigación empírica sobre las paper mills y fortalecer la formación ética de investigadores y estudiantes. En definitiva, el trabajo constituye una de las radiografías más completas disponibles sobre un fenómeno que amenaza la credibilidad de la comunicación científica internacional y que previsiblemente seguirá creciendo en los próximos años.

La compraventa de autorías científicas: un análisis de Nature destapa el mercado global del fraude académico

Research Information. 2026. “Paper Mills Expose Global Market for Authorship Fraud, Nature Analysis Finds.” Research Information, 27 de abril de 2026. https://www.researchinformation.info/news/paper-mills-expose-global-market-for-authorship-fraud-nature-analysis-finds

Un análisis publicado por Nature revela la existencia de un mercado internacional altamente organizado dedicado a la venta de autorías científicas, una de las manifestaciones más preocupantes del fraude en la comunicación académica. La investigación recopiló una base de datos con más de 18.700 anuncios publicados entre marzo de 2020 y abril de 2026 por siete grandes paper mills —empresas que producen artículos científicos fraudulentos o de escasa calidad y comercializan puestos de autoría—, poniendo de manifiesto que estas prácticas se han convertido en una industria transnacional con un elevado volumen económico.

El estudio muestra que el precio por ocupar la posición de primer autor oscila desde 57 dólares hasta más de 5.600 dólares, con una mediana cercana a los 800 dólares. Las ofertas se difundían principalmente mediante canales de Telegram y páginas web especializadas, dirigidas especialmente a investigadores sometidos a fuertes presiones para publicar, procedentes de regiones como Oriente Medio, Asia Central, Europa del Este e India. Además de artículos científicos, algunas organizaciones ofrecían también autorías en libros, patentes, premios académicos e incluso otros servicios destinados a mejorar artificialmente el prestigio profesional de los clientes.

Los investigadores sostienen que estos negocios van mucho más allá de la producción de manuscritos falsificados. En realidad, operan como empresas especializadas en la manipulación de la reputación científica, aprovechando un sistema académico donde las publicaciones siguen siendo el principal indicador para acceder a promociones, financiación y reconocimiento profesional. Esta dinámica alimenta un mercado que responde directamente a la presión del modelo de «publicar o perecer».

La investigación también demuestra que una parte de estos trabajos fraudulentos consigue superar los procesos editoriales y llegar a revistas científicas de prestigio. Al comparar cientos de anuncios con publicaciones reales, los autores identificaron 53 artículos publicados cuyos títulos coincidían con las ofertas de venta de autoría; únicamente cinco habían sido retractados. Entre las revistas afectadas aparecen publicaciones de grandes editoriales internacionales como Springer Nature, Wiley, Elsevier, Frontiers y Taylor & Francis, además de actas de congresos del IEEE, lo que evidencia que incluso los sistemas editoriales más consolidados siguen siendo vulnerables a estas prácticas.

El estudio concluyó que ocupar la posición de primer autor tiene un coste medio cercano a los 800 dólares, con precios que oscilan entre 57 y más de 5.600 dólares. Los resultados se describen en un preprint enviado al repositorio arXiv. La base de datos también pone de manifiesto el alcance internacional de las paper mills. Los investigadores localizaron anuncios en Telegram relacionados con operaciones en India, Irak y Uzbekistán, además de miles de anuncios procedentes de sitios web vinculados a empresas establecidas en Rusia, Letonia, Kazajistán y Ucrania. Las siete paper mills analizadas anunciaban la venta de puestos de autoría en artículos científicos, mientras que algunas también ofrecían la posibilidad de figurar como autores de libros de texto, patentes y otros productos académicos, además de servicio relacionados con la obtención de premios y reconocimientos académicos.

El análisis también sugiere que algunos manuscritos producidos por estas organizaciones llegan a publicarse. Los periodistas de Nature revisaron más de 600 anuncios vinculados a unos 400 artículos e identificaron 53 trabajos publicados cuyos títulos coincidían con los de los anuncios. Solo cinco de ellos habían sido retractados.

Los autores consideran que la base de datos recopilada puede convertirse en una herramienta valiosa para editores y editoriales científicas. El análisis de los anuncios permitirá desarrollar mecanismos automáticos para detectar manuscritos sospechosos, identificar revistas especialmente expuestas y comprender mejor las estrategias comerciales empleadas por estas organizaciones. En un contexto donde el fraude científico evoluciona rápidamente y se beneficia de nuevas tecnologías y plataformas digitales, disponer de este tipo de información resulta esencial para reforzar la integridad de la investigación y proteger la credibilidad de la literatura científica.

Descubren una red de 80.000 citas fraudulentas ocultas en los metadatos de publicaciones científicas

Besançon, Lonni; Cabanac, Guillaume; Labbé, Cyril; Magazinov, Alexander; di Scala, Jules; Tkaczyk, Dominika; Weber-Boer, Kathryn (2025). Detection of metadata manipulations: Finding sneaked references in the scholarly literature. Preprint enviado a Journal of the Association for Information Science and Technology (JASIST). arXiv:2501.03771. Disponible en: arXiv – Detection of metadata manipulations

La investigación demuestra que la infraestructura global de comunicación científica presenta una vulnerabilidad crítica: es posible manipular artificialmente el impacto académico insertando citas inexistentes en los metadatos de un artículo sin alterar el documento publicado, comprometiendo así la fiabilidad de los sistemas internacionales de evaluación basados en citación. Los resultados son extraordinariamente reveladores. El análisis de 4.077 documentos identificó más de 80.000 referencias fraudulentas insertadas artificialmente, distribuidas en 2.787 artículos manipulados.

Este trabajo constituye una de las investigaciones más inquietantes y relevantes de los últimos años en el ámbito de la integridad científica, al revelar una nueva forma de manipulación bibliométrica basada en la inserción de lo que los autores denominan “sneaked references” o referencias infiltradas. Se trata de citas que no aparecen en el texto visible ni en la bibliografía real de un artículo científico, pero que sí son introducidas artificialmente en los metadatos depositados en infraestructuras académicas como Crossref, permitiendo que sistemas bibliométricos las contabilicen como citas legítimas. El hallazgo cuestiona directamente la fiabilidad de numerosos indicadores de impacto científico utilizados globalmente, desde el índice h hasta métricas institucionales empleadas en rankings universitarios, financiación de proyectos o evaluación académica.

El estudio se centra inicialmente en el caso del International Journal of Innovative Science and Research Technology (IJISRT), una revista en la que los investigadores detectaron un patrón sistemático de inserción fraudulenta de referencias adicionales durante el registro de metadatos. Estas referencias eran invisibles para cualquier lector que consultara el PDF del artículo, pero aparecían en los registros enviados a Crossref, generando citas falsas que beneficiaban principalmente a artículos publicados en la misma revista. Este mecanismo constituye una variante sofisticada del conocido fenómeno del citation gaming, es decir, estrategias destinadas a inflar artificialmente el número de citas recibidas por revistas o artículos con el fin de mejorar indicadores de impacto y reputación científica.

Para detectar esta anomalía, los autores diseñan dos metodologías automatizadas innovadoras. La primera consiste en comparar la lista de referencias depositadas en los metadatos de Crossref con las referencias extraídas automáticamente del PDF mediante herramientas como GROBID, especializada en extracción estructurada de documentos académicos. La segunda técnica compara directamente el texto completo extraído del PDF con las cadenas textuales almacenadas en los registros de referencias de Crossref, utilizando algoritmos de similitud textual como la distancia de Levenshtein implementada en bibliotecas como RapidFuzz. Ambas metodologías buscan determinar si una referencia registrada en el sistema realmente aparece en el documento original o si ha sido añadida clandestinamente en la fase de indexación.

Los resultados son extraordinariamente reveladores. El análisis de 4.077 documentos identificó más de 80.000 referencias fraudulentas insertadas artificialmente, distribuidas en 2.787 artículos manipulados. Algunos artículos beneficiados llegaron a recibir cientos de citas indebidas, alcanzando cifras completamente anómalas en plataformas como Digital Science Dimensions o OpenAlex OpenAlex. El caso más extremo documentado en el artículo corresponde a un DOI que aparecía acreditado con aproximadamente 1.700 citas en Dimensions y 1.800 en OpenAlex, aunque una parte sustancial de esas citas provenían exclusivamente de referencias falsas introducidas en metadatos y nunca presentes en publicaciones reales. Esto demuestra que la manipulación logró atravesar múltiples sistemas de agregación científica y afectar directamente bases de datos utilizadas mundialmente para evaluar investigación.

Uno de los aspectos más preocupantes del estudio es que esta manipulación ocurre en una capa invisible para la mayoría de investigadores, bibliotecarios y evaluadores científicos. Tradicionalmente, las malas prácticas en citación implicaban añadir citas irrelevantes dentro del propio artículo, mediante coerción editorial o acuerdos entre autores. Sin embargo, el mecanismo identificado aquí opera después de la publicación, en el nivel de los metadatos depositados en infraestructuras centrales del ecosistema científico. Esto significa que incluso artículos perfectamente legítimos pueden convertirse, sin conocimiento de sus autores, en vehículos para generar citas artificiales que alteren métricas globales. El problema deja de ser un asunto editorial aislado para convertirse en una vulnerabilidad sistémica de la infraestructura internacional de comunicación científica.

Los investigadores intentaron además escalar el análisis a gran escala examinando más de 47 millones de documentos científicos procesados por Dimensions desde el año 2000, con el objetivo de detectar patrones similares en toda la literatura académica mundial. Aunque el procesamiento masivo presenta limitaciones técnicas, especialmente en la extracción automática de referencias desde archivos PDF, el estudio demuestra que existen mecanismos potenciales para auditar grandes volúmenes de literatura científica y detectar patrones anómalos de citación. Los autores también exploraron heurísticas basadas en referencias duplicadas dentro de registros Crossref como posible señal temprana de manipulación sistemática.

El artículo plantea profundas implicaciones para todo el ecosistema de comunicación científica. Si plataformas como Crossref, OpenAlex, Scopus o sistemas derivados utilizan metadatos potencialmente manipulados, entonces gran parte de los indicadores bibliométricos contemporáneos podrían estar sujetos a distorsiones invisibles. Los autores reclaman mecanismos de auditoría más rigurosos por parte de infraestructuras académicas, validaciones automáticas entre texto completo y metadatos depositados, así como mayor vigilancia sobre prácticas editoriales sospechosas. Más allá del caso específico investigado, el estudio abre una discusión fundamental sobre la fragilidad de los sistemas de evaluación científica contemporáneos y sobre cómo la obsesión por las métricas cuantitativas puede incentivar nuevas formas de fraude cada vez más sofisticadas y difíciles de detectar.

La inteligencia artificial empieza a distorsionar el mercado inmobiliario: cuando el piso anunciado no existe realmente

Vincent, James. “AI Is Cursing Renters With the Promise of Impossible Homes.” The Verge, June 22, 2026. The Verge

Un reportaje reciente publicado por The Verge analiza una nueva consecuencia inesperada del auge de la inteligencia artificial generativa: su creciente uso en el mercado inmobiliario para alterar digitalmente fotografías de viviendas y hacer que pisos o apartamentos parezcan mucho más atractivos de lo que realmente son. La práctica, conocida como virtual staging, no es completamente nueva, pero la incorporación de herramientas de IA generativa ha reducido drásticamente el coste y el tiempo necesario para modificar imágenes, permitiendo a agencias inmobiliarias transformar digitalmente espacios deteriorados, vacíos o poco atractivos en viviendas aparentemente luminosas, modernas y perfectamente equipadas. El resultado es un aumento significativo del riesgo de publicidad engañosa para compradores e inquilinos.

El artículo recoge numerosos testimonios de personas que, tras encontrar anuncios prometedores en plataformas de alquiler, acudieron a visitar inmuebles que poco o nada tenían que ver con las imágenes publicadas. En algunos casos, la inteligencia artificial había añadido chimeneas inexistentes, modificado cocinas envejecidas, incorporado mobiliario ficticio o cambiado completamente la percepción espacial de las habitaciones, haciendo que pequeños estudios urbanos parecieran apartamentos mucho más amplios. Para quienes buscan vivienda en mercados especialmente tensionados como New York City, esto implica dedicar más tiempo a verificar cada anuncio y aumenta la frustración en procesos de búsqueda ya de por sí complejos.

El debate ético se ha trasladado rápidamente al sector inmobiliario. Algunos profesionales defienden que herramientas como el virtual staging pueden ser útiles para mostrar el potencial decorativo o de reforma de una vivienda, del mismo modo que tradicionalmente se utilizaban decoradores para preparar una casa antes de venderla. Plataformas especializadas como Virtual Staging AI permiten actualmente generar estas transformaciones en cuestión de segundos y a costes mínimos frente a la decoración física tradicional. Sin embargo, la línea que separa la visualización legítima del engaño deliberado se vuelve cada vez más difusa cuando la IA modifica elementos estructurales o elimina defectos relevantes del inmueble.

La preocupación regulatoria comienza a crecer. En estados como California ya existen normativas que exigen informar explícitamente cuando una imagen inmobiliaria ha sido alterada mediante inteligencia artificial. Otros mercados han empezado a estudiar regulaciones similares ante el aumento de denuncias relacionadas con anuncios engañosos. Expertos del sector advierten que la facilidad con la que la IA permite construir representaciones falsas puede erosionar seriamente la confianza digital en plataformas de compraventa y alquiler, del mismo modo que ya ocurre con los deepfakes en otros ámbitos.

Más allá del sector inmobiliario, este fenómeno revela una cuestión más amplia: la inteligencia artificial no solo automatiza procesos, sino que también amplifica viejas prácticas de manipulación comercial dándoles una apariencia de realismo mucho más sofisticada. En un contexto donde gran parte de las decisiones económicas se toman a partir de imágenes vistas en internet, la capacidad de la IA para crear espacios convincentes pero inexistentes obliga a replantear conceptos fundamentales como autenticidad visual, transparencia comercial y protección del consumidor. Lo que hasta hace poco era simplemente marketing agresivo se está convirtiendo, gracias a la IA generativa, en una nueva forma de distorsionar digitalmente la realidad cotidiana.

Deepfakes al asalto de tu cuenta bancaria: la nueva frontera del fraude con imágenes

The Atlantic. “Deepfakes Are Coming for Your Bank Account.” The Atlantic, mayo de 2026. https://www.theatlantic.com/technology/2026/05/chatgpt-images-deepfakes-fraud/687023/

El artículo analiza cómo los nuevos modelos de generación de imágenes mediante inteligencia artificial están transformando el fraude digital. Según The Atlantic, la amenaza ya no se limita a los tradicionales deepfakes de celebridades o líderes políticos, sino que se desplaza hacia falsificaciones mucho más cotidianas y peligrosas: alertas bancarias falsas, transferencias simuladas, documentos médicos, recetas, identificaciones oficiales, facturas o capturas de pantalla aparentemente auténticas. Estas imágenes resultan especialmente convincentes porque las herramientas actuales han mejorado notablemente en la reproducción de texto legible y diseño visual realista.

El reportaje pone el foco en la facilidad con la que un usuario puede generar material fraudulento. El autor explica que logró producir más de cien imágenes engañosas con poco esfuerzo, demostrando que la barrera técnica para cometer este tipo de delitos se ha reducido drásticamente. Antes, elaborar falsificaciones sofisticadas requería conocimientos avanzados de edición gráfica; ahora basta con introducir instrucciones en lenguaje natural. Esto democratiza el fraude y multiplica los riesgos para particulares, empresas e instituciones.

Uno de los aspectos más preocupantes es el uso de estas imágenes en estafas personalizadas. Una persona podría recibir un supuesto recibo de Uber, una alerta de Chase Bank o una confirmación de transferencia inexistente acompañada de un enlace malicioso. Al tratarse de documentos visualmente creíbles, la víctima puede reaccionar con rapidez y caer en ataques de phishing. El problema no es solo la calidad técnica de la imagen, sino la capacidad de combinarla con ingeniería social para manipular emociones como la urgencia, el miedo o la confusión.

El texto también cuestiona la eficacia de las salvaguardas implantadas por las empresas tecnológicas. Aunque OpenAI y Google incorporan políticas de uso, marcas de agua o metadatos para identificar imágenes generadas por IA, estas medidas pueden eliminarse fácilmente mediante capturas de pantalla, recortes o nuevas conversiones de archivo. En la práctica, los mecanismos de seguridad van por detrás de la rapidez con la que evolucionan las herramientas de generación visual.

Para concluir, el artículo sostiene que el mayor peligro no reside en los grandes engaños mediáticos, sino en los “microdeepfakes”: falsificaciones dirigidas a personas concretas para vaciar cuentas, obtener datos personales o engañar a familiares. En lugar de alterar elecciones o provocar crisis geopolíticas, estos fraudes erosionan la confianza diaria en mensajes, imágenes y comunicaciones digitales. La conclusión es clara: el desafío ya no es futurista, sino inmediato, y exige respuestas coordinadas entre tecnológicas, bancos, reguladores y ciudadanía.

La IA contra sí misma: Google intensifica la lucha contra los anuncios fraudulentos

Huamani, K. “AI Is a Gold Mine for Spammers and Scammers, but Google Is Using It as a Tool to Fight Back.” AP News, 16 de abril de 2026.

Leer artículo

Este articulo analiza la creciente paradoja de la inteligencia artificial en el ecosistema digital: la misma tecnología que facilita la proliferación de fraudes y estafas en internet se ha convertido también en la principal herramienta para combatirlos. En particular, se centra en el informe anual de seguridad publicitaria de Google, que revela cómo el uso de sistemas avanzados de IA —como Gemini— está permitiendo detectar y bloquear anuncios maliciosos antes de que lleguen al público.

El texto de Kaitlyn Huamani analiza cómo la expansión de la inteligencia artificial generativa ha intensificado un problema antiguo: el de los fraudes y el spam en internet. Aunque estos engaños existen desde los inicios de la red, la accesibilidad de herramientas de IA ha permitido a los estafadores producir contenidos mucho más sofisticados —como anuncios de productos milagro o vídeos con voces falsas de celebridades— a una velocidad y escala sin precedentes. Expertos como Nate Elliott destacan que la gran diferencia actual no es la naturaleza del problema, sino su aceleración exponencial, que beneficia tanto a actores legítimos como a los maliciosos. Esta tendencia tiene un impacto real: según el Federal Bureau of Investigation, en el último año se registraron más de 22.000 denuncias por estafas relacionadas con IA, con pérdidas que superan los 893 millones de dólares.

Frente a este escenario, grandes empresas tecnológicas como Google están reforzando sus sistemas de defensa mediante el uso de su propia inteligencia artificial. En su informe anual de seguridad publicitaria, la compañía reconoce el aumento de anuncios fraudulentos cada vez más complejos, pero subraya la eficacia de sus herramientas basadas en IA. Su sistema, impulsado por Gemini, logró detectar más del 99% de los anuncios que infringían las políticas antes de que llegaran a los usuarios. En 2025, Google bloqueó o eliminó más de 8.300 millones de anuncios y suspendió cerca de 24,9 millones de cuentas de anunciantes, de las cuales más de 4 millones estaban vinculadas a actividades fraudulentas. Estas cifras reflejan tanto la magnitud del problema como el esfuerzo creciente por contenerlo.

El artículo también explica cómo funcionan estas herramientas defensivas. Gracias a Gemini, Google puede analizar cientos de miles de millones de señales —como la antigüedad de las cuentas, patrones de comportamiento o características de las campañas— para evaluar la intención real de los anunciantes. Esto permite distinguir con mayor precisión entre negocios legítimos y actores maliciosos, reduciendo además los errores: las suspensiones indebidas de anunciantes se han reducido en un 80%. Otro avance clave es la velocidad, ya que procesos que antes llevaban segundos o minutos ahora se realizan en milisegundos, lo que permite bloquear amenazas antes incluso de que se publiquen.

Aun así, el problema sigue siendo complejo y dinámico. Los anuncios fraudulentos adoptan múltiples formas y evolucionan constantemente, replicando estrategias tradicionales pero con mayor volumen y rapidez gracias a la IA. Google insiste en que no clasifica los anuncios en función de si han sido generados por inteligencia artificial, sino según si incumplen sus políticas, ya que muchas empresas legítimas también utilizan estas herramientas de forma correcta. En este contexto, los expertos coinciden en que la confrontación entre estafadores y sistemas de defensa continuará intensificándose.

En última instancia, el texto plantea un escenario en el que la lucha contra el fraude digital se convierte en una especie de “IA contra IA”. Como señala Matt Seitz, el volumen del problema es ya tan grande que no puede gestionarse únicamente con intervención humana. Esto anticipa un futuro en el que la automatización será clave tanto para la creación de amenazas como para su detección, consolidando una carrera tecnológica permanente entre ataque y defensa en el entorno digital.

Hasta el 70 % de las escuchas de música en Deezer son realizadas por bots de IA para cobrar regalías

Deezer. “Up to 70% of Streams of AI-Generated Music on Deezer Are Fraudulent, Says Report.” The Guardian, 18 junio 2025

Siete de cada diez reproducciones de música generada por inteligencia artificial en la plataforma Deezer son fraudulentas, según la plataforma francesa de streaming.

Un informe reciente de Deezer advierte que hasta el 70 % de las reproducciones de canciones generadas íntegramente por inteligencia artificial (IA) en la plataforma son fraudulentas. Estas escuchas corresponden a bots u otras formas de manipulación destinadas a inflar las cifras y obtener regalías de manera indebida. Aunque las pistas creadas con IA suponen apenas el 0,5 % del total de reproducciones, su presencia es mucho más significativa en el volumen de cargas diarias: alrededor de 20.000 temas al día, lo que representa el 18 % de todas las canciones subidas.

Para hacer frente a esta situación, Deezer asegura disponer de herramientas capaces de identificar con total precisión los contenidos producidos por modelos como Suno y Udio. Los temas detectados como totalmente artificiales se etiquetan de forma explícita, quedan fuera de las recomendaciones algorítmicas y de las listas editoriales, y además, las reproducciones fraudulentas que generan no se contabilizan para el pago de regalías.

Deezer afirmó que la música generada por IA que los estafadores transmitían iba desde pop y rap falsos hasta pistas musicales artificiales que estimulaban el estado de ánimo. La plataforma ha decidido bloquear el pago de regalías por las reproducciones que ha identificado como fraudulentas.

En su último informe global sobre música, la IFPI afirmó que el streaming fraudulento roba dinero que «debería destinarse a artistas legítimos». Añadió que la IA generativa había «exacerbado significativamente» el problema.

El año pasado, el músico estadounidense Michael Smith fue acusado en relación con un plan para crear cientos de miles de canciones generadas por IA y reproducirlas miles de millones de veces, obteniendo 10 millones de dólares en regalías.

Según Thibault Roucou, director de regalías de la compañía, muchas de estas canciones creadas de manera automática carecen de una verdadera motivación artística y responden únicamente al ánimo de lucro mediante la manipulación del sistema.