Archivo de la etiqueta: Plagio

Los detectores de IA se están utilizando para sancionar a los estudiantes: ¿son realmente fiables?

CNET. “AI Detectors Are Being Used to Discipline Students. I Tested Whether They Should Be.” CNET, 2026. Artículo original en CNET

Los detectores de IA pueden proporcionar indicios, pero no deberían considerarse una prueba concluyente de autoría ni constituir, por sí solos, la base para sancionar a un estudiante. La cuestión fundamental no es solamente si podemos detectar IA, sino cómo garantizar procesos de evaluación académica justos y fiables en un contexto en el que humanos e inteligencia artificial colaboran cada vez más en la producción de textos.

Se aborda un problema cada vez más controvertido en el ámbito educativo: el uso de detectores de inteligencia artificial para determinar si un estudiante ha utilizado ChatGPT u otras herramientas generativas en la elaboración de un trabajo. La cuestión adquiere especial importancia porque algunas instituciones educativas están utilizando estas herramientas como elemento de prueba para investigar o incluso sancionar a estudiantes, pese a que la detección de textos generados por IA no ofrece una certeza equivalente a la de una prueba objetiva de autoría.

La experiencia descrita en el artículo pone de manifiesto una de las principales debilidades de estos sistemas: los detectores pueden equivocarse tanto al identificar textos humanos como textos generados por IA. El problema de los falsos positivos resulta especialmente preocupante en contextos académicos, ya que un texto redactado íntegramente por un estudiante puede ser clasificado como producido por inteligencia artificial. Del mismo modo, pequeñas modificaciones o procesos de edición pueden alterar considerablemente el resultado de la detección.

El artículo también cuestiona la idea de que exista una especie de “huella digital” inequívoca de la IA en un texto. Los modelos de detección trabajan mediante estimaciones probabilísticas relacionadas con características lingüísticas y patrones estadísticos, pero no pueden demostrar por sí mismos quién ha escrito un documento. Por ello, un porcentaje elevado de probabilidad de utilización de IA no debería interpretarse como una prueba definitiva de que un estudiante ha cometido una infracción académica.

Una cuestión particularmente relevante es la asimetría entre el poder de estas herramientas y las consecuencias de sus errores. Cuando un detector se emplea simplemente como instrumento orientativo para iniciar una conversación con el estudiante, sus limitaciones pueden resultar manejables. Sin embargo, cuando el resultado se transforma directamente en una acusación o en una sanción académica, un falso positivo puede tener consecuencias importantes para la trayectoria educativa de una persona. El artículo invita, por tanto, a diferenciar claramente entre detectar una anomalía estadística y demostrar una conducta académicamente deshonesta.

El texto resulta especialmente pertinente para el debate sobre integridad académica en la era de la IA generativa. La aparición de ChatGPT y de otras herramientas similares obliga a las universidades a replantearse no solamente cómo detectar posibles usos indebidos de IA, sino también qué significa actualmente escribir, investigar, aprender y demostrar competencias. En lugar de depositar una confianza excesiva en los detectores, parece más razonable combinar diferentes evidencias: proceso de elaboración del trabajo, versiones anteriores, referencias utilizadas, capacidad del estudiante para explicar sus argumentos y diálogo con el docente.

En este sentido, el artículo plantea indirectamente un cambio de enfoque: la respuesta a la IA generativa no debería basarse exclusivamente en una tecnología destinada a “policiar” los textos, sino en estrategias educativas que permitan enseñar un uso responsable, transparente y crítico de estas herramientas. Para las bibliotecas universitarias y los programas de alfabetización informacional, esto supone una oportunidad para incorporar nuevas competencias relacionadas con la IA, la evaluación crítica de sus resultados, la transparencia en su utilización y la comprensión de sus limitaciones.

Oxford University Press reclama una mayor claridad para declarar el uso de inteligencia artificial en la investigación

Oxford University Press (OUP). (2026, 10 de septiembre). Supporting researchers to disclose AI use with confidence. Oxford University Press. https://fdslive.oup.com/www.oup.com/Group_comms/pdf/Disclosing_AI_use_in_academic_research.pdf

Oxford University Press ha actualizado sus directrices para autores y editores sobre el uso responsable, apropiado y transparente de la inteligencia artificial, con el objetivo de ayudar a los investigadores a declarar con mayor seguridad cuándo y cómo han utilizado herramientas de IA durante sus procesos de investigación y publicación.

El informe muestra que la IA ya forma parte habitual del trabajo investigador. El 64 % de los investigadores afirma haberse beneficiado de su utilización, aunque únicamente el 20 % confía en los resultados generados por las herramientas de IA. Existe, por tanto, una actitud bastante pragmática: los investigadores encuentran utilidad en estas tecnologías, pero mantienen una considerable cautela respecto a su fiabilidad. Esta prudencia se refleja en que el 83 % comprueba las fuentes de las citas y el 80 % contrasta los resultados proporcionados por la IA, mientras que solo alrededor del 36 % conserva un registro de cómo ha utilizado estas herramientas durante su investigación.

Uno de los principales problemas identificados es precisamente la falta de claridad sobre qué usos de la IA deben declararse. El 74 % de los investigadores considera que existe una falta general de claridad sobre las situaciones que requieren divulgación, y un 44 % teme que declarar el uso de IA pueda afectar negativamente a la percepción que otros investigadores tengan de su trabajo. El informe señala así una tensión entre el creciente uso cotidiano de estas tecnologías y unas normas de transparencia que todavía están evolucionando. Algunos investigadores reclaman una declaración obligatoria y exhaustiva, mientras que otros prefieren distinguir entre usos aceptables e inaceptables o normalizar la IA como una herramienta más del proceso investigador.

La utilización de IA se concentra especialmente en determinadas fases de la investigación. Los usos más frecuentes son descubrir investigaciones existentes (55 %), resumir literatura científica (46 %) y editar los textos de investigación (45 %). También se emplea para generar ideas, diseñar investigaciones, analizar datos, programar, traducir, corregir textos y preparar solicitudes de financiación. En cuanto a las herramientas, los chatbots de IA disponibles en la web abierta son utilizados por el 68 % de los investigadores que emplean IA, mientras que la traducción automática alcanza aproximadamente al 49 %.

El estudio identifica además una importante infra-declaración del uso de IA en la comunicación científica. El 46 % de los autores de artículos de revista y el 39 % de los autores de libros reconocen que no habían declarado completamente el empleo de IA durante la preparación de sus manuscritos, especialmente cuando se utilizó para redactar textos. La situación también afecta a otros procesos: el 48 % de quienes prepararon solicitudes de financiación no había declarado completamente su utilización de IA, particularmente en redacción narrativa, traducción/edición y elaboración de resúmenes en lenguaje sencillo. Entre los revisores por pares, el 25 % tampoco había declarado completamente su uso, especialmente cuando recurrieron a IA para la edición lingüística.

El informe resulta especialmente interesante porque muestra que los investigadores no constituyen un grupo homogéneo frente a la IA. OUP identifica cinco perfiles: escépticos persistentes, que confían muy poco en la IA; conversos cautelosos, preocupados sobre todo por la falta de claridad de las normas; usuarios despreocupados, que utilizan las herramientas sin prestar demasiada atención a sus implicaciones; entusiastas comprometidos, que confían más en sus resultados y conocen mejor las herramientas disponibles; y pioneros frustrados, que obtienen importantes beneficios de la IA pero encuentran obstáculos relacionados con costes, créditos y carga administrativa.

Otro aspecto relevante es que una parte importante de los investigadores no utiliza IA deliberadamente. Entre quienes no la emplean, el principal motivo son las dudas sobre su exactitud, sesgos y fiabilidad (37 %). También aparecen preocupaciones éticas, morales y sociales (24 %), cuestiones relacionadas con la integridad académica (22 %), falta de utilidad para determinadas áreas de investigación (22 %) y preocupaciones medioambientales (20 %). Un 18 % expresa además temor a que la IA perjudique el pensamiento crítico y la calidad de la investigación.

En conjunto, el estudio plantea que el problema ya no consiste simplemente en si los investigadores utilizan IA, sino en cómo la utilizan, cómo verifican sus resultados y cómo documentan y comunican ese uso. La IA está modificando los procesos de búsqueda, análisis, escritura, traducción y revisión, pero las políticas institucionales y editoriales todavía no ofrecen siempre respuestas suficientemente claras. De hecho, el 45 % considera que la posición de su institución ante la IA es «mixta o poco clara», frente a un 43 % que percibe una actitud al menos parcialmente facilitadora.

La mayoría no está especialmente preocupada por las noticias generadas por inteligencia artificial

Buchholz, K. (2026, 3 de septiembre). Concerned About AI-Generated News? Statista. Statista

Un estudio de Statista Consumer Insights realizado en 32 países analiza hasta qué punto los ciudadanos quieren saber si las noticias que consumen han sido generadas mediante inteligencia artificial. El resultado general es llamativo: la mayoría de los encuestados no manifiesta una preocupación especialmente elevada por el uso de IA en las noticias. Dependiendo del país, entre el 16 % y el 45 % afirma que le gustaría saber si las noticias que consume han sido generadas por IA.

Existen, sin embargo, importantes diferencias geográficas. La menor preocupación se registra en Argentina y Colombia, Corea del Sur y Japón, donde únicamente entre el 16 % y el 26 % de los encuestados quiere conocer si una noticia ha sido escrita por inteligencia artificial. Francia, Países Bajos, Bélgica y México presentan porcentajes situados entre el 26 % y el 29 %.

En el extremo contrario se encuentran algunos países asiáticos y latinoamericanos. Vietnam alcanza el 45 %, mientras que Malasia y Filipinas se sitúan entre el 41 % y el 42 %. Brasil también registra un 41 %. Estos datos muestran que la percepción social de la IA aplicada al periodismo está lejos de ser homogénea y que factores culturales y nacionales pueden influir considerablemente en el grado de preocupación.

El estudio analiza además otra cuestión relacionada: el temor a que las noticias de los medios tradicionales sean manipuladas. En este caso, la preocupación es mayor: dependiendo del país, entre el 24 % y el 51 % de los encuestados manifiesta inquietud ante la posibilidad de manipulación de las noticias por parte de los medios convencionales. Esto resulta interesante porque sugiere que la preocupación por la manipulación informativa puede ser mayor que la preocupación específica por la utilización de inteligencia artificial.

Otro dato relevante procede de una encuesta independiente del Reuters Institute, realizada en 45 países. Solo entre el 4 % y el 14 % de los encuestados afirma utilizar chatbots de IA para que le proporcionen noticias. Es decir, aunque la inteligencia artificial está penetrando rápidamente en la producción y distribución de información, todavía son relativamente pocos los ciudadanos que recurren directamente a los chatbots como fuente habitual de noticias.

Estos resultados contrastan con la cautela mostrada en otras investigaciones. El Reuters Institute Digital News Report 2025 encontró que solo el 12 % de los encuestados se sentía cómodo con noticias producidas completamente por IA, frente al 62 % cuando la producción era exclusivamente humana. La aceptación aumentaba hasta el 43 % cuando un periodista humano dirigía el proceso y utilizaba IA como herramienta de apoyo.

El estudio de Statista dibuja una situación paradójica: la IA está adquiriendo un papel cada vez mayor en la producción de información, pero una parte considerable del público todavía no considera prioritario saber si una noticia ha sido generada por una máquina. Al mismo tiempo, las investigaciones del Reuters Institute muestran que la confianza aumenta claramente cuando la IA permanece subordinada al trabajo humano. Esto plantea un desafío fundamental para los medios: no solo utilizar la IA de forma responsable, sino explicar con transparencia cuándo y cómo interviene en la elaboración de las noticias.

Uno de cada tres contenidos recientes de la web podría estar creado o editado con IA

Richter, F. (2026, 3 de septiembre). Is AI Taking Over the Web? Statista. Statista: Is AI Taking Over the Web?

Un 35 % de las páginas analizadas publicadas después de noviembre de 2022 mostraban en julio de 2026 una alta probabilidad de haber sido escritas o editadas con IA, frente al 9,6 % cuando se considera todo el conjunto de páginas analizadas.

El crecimiento de las herramientas de inteligencia artificial generativa está transformando rápidamente la producción de contenidos en Internet. Un análisis realizado por el Pew Research Center sobre casi 490.000 páginas web, recopiladas a través de Common Crawl y analizadas mediante la herramienta de detección Open Pangram, muestra un incremento muy significativo de los textos que presentan características compatibles con haber sido escritos o editados mediante IA desde la aparición de ChatGPT en noviembre de 2022.

Antes de la llegada de ChatGPT, aproximadamente el 1 % de las páginas bajo dominios .com presentaba señales significativas de autoría mediante IA. En la primera mitad de 2026, esta proporción había aumentado hasta más del 9 %. Sin embargo, esta cifra debe interpretarse con cautela, ya que el conjunto analizado incluye páginas publicadas antes de la aparición de las herramientas actuales de IA generativa. Por ello, cuando se consideran exclusivamente contenidos publicados después de noviembre de 2022, la presencia de IA resulta considerablemente mayor.

De hecho, el dato más llamativo corresponde a julio de 2026: el 35 % de las páginas publicadas después del lanzamiento de ChatGPT presentaba una alta probabilidad de haber sido escrita o editada con inteligencia artificial. Cuando se analiza el conjunto de páginas web de la muestra, independientemente de su fecha de publicación, la proporción era del 9,6 %. La diferencia muestra hasta qué punto la utilización de IA se ha acelerado en apenas tres años y medio.

El fenómeno no afecta por igual a todos los tipos de sitios web. Según el análisis presentado por Statista, los dominios .gov y .edu presentan niveles de utilización de IA significativamente inferiores, lo que sugiere que las administraciones públicas y las instituciones educativas continúan dependiendo en mayor medida de la producción humana. Esto resulta especialmente relevante para el ámbito académico, donde la autoría, la trazabilidad y la integridad de los contenidos adquieren una importancia particular.

El estudio también pone de manifiesto un problema metodológico importante: detectar que un texto probablemente ha sido generado o editado por IA no equivale a demostrar que lo ha sido. Herramientas como Open Pangram trabajan mediante indicadores estadísticos y de estilo, por lo que pueden producir falsos positivos. Incluso elementos que se han convertido en supuestas «señales de IA», como el uso frecuente de la raya o em dash, no constituyen por sí mismos una prueba de autoría artificial.

En conjunto, los datos apuntan hacia una transformación profunda del ecosistema informativo de Internet: la web posterior a ChatGPT está incorporando contenidos producidos o modificados mediante IA a una velocidad considerable. El dato del 35 % entre las páginas posteriores a ChatGPT resulta especialmente significativo y plantea nuevas cuestiones sobre la calidad, originalidad, transparencia y fiabilidad de la información digital. La cuestión ya no parece ser si la IA está entrando en Internet, sino hasta qué punto llegará a determinar la producción futura de sus contenidos.

La IA pone a prueba la reproducibilidad científica: miles de artículos de 2026 fueron sometidos a verificación automatizada

Science (25 de agosto de 2026). “Researchers presented 6000 papers at a major meeting. Could AI reproduce their findings?”. https://www.science.org/content/article/researchers-presented-6000-papers-major-meeting-could-ai-reproduce-their-findings

El artículo analiza un experimento de gran escala en el que agentes de inteligencia artificial intentaron reproducir los resultados de investigaciones presentadas en la conferencia ICML 2026. el experimento de ICML 2026 no demuestra que la IA pueda reemplazar a los científicos, sino algo quizá más importante: que los agentes de IA podrían hacer posible una escala de verificación científica hasta ahora inalcanzable para los revisores humanos. En un entorno donde se publican miles de investigaciones cada año, esta capacidad podría convertirse en una nueva infraestructura de control de calidad para la ciencia.

La conferencia International Conference on Machine Learning (ICML) 2026) aceptó alrededor de 6.000 trabajos científicos, casi el doble que el año anterior. Este crecimiento refleja la enorme expansión de la producción científica en inteligencia artificial y aprendizaje automático, pero también pone de manifiesto una dificultad cada vez mayor: el sistema tradicional de revisión por pares no dispone de suficientes investigadores para comprobar con profundidad todos los trabajos. En este contexto, investigadores de Hugging Face y alphaXiv organizaron una competición para explorar hasta qué punto los agentes de IA podían ayudar a verificar los resultados publicados. La pregunta era especialmente relevante: si se proporciona a una IA el artículo, los datos, el código y los métodos utilizados, ¿puede reproducir de manera independiente los experimentos y llegar a conclusiones similares?

El experimento alcanzó una dimensión considerable. Los participantes utilizaron agentes de IA para intentar reproducir resultados de más de 2.000 artículos de ICML 2026. La iniciativa no se limitó a investigadores especializados en inteligencia artificial: uno de los casos más llamativos fue el de Jansen Tang, analista de riesgos de ciberseguridad de un banco, que consiguió utilizar agentes de IA para reproducir más de 300 trabajos. El proceso permitió detectar numerosos problemas que habían pasado inadvertidos durante la revisión humana. Según los resultados comunicados, cientos de afirmaciones no pudieron reproducirse o quedaron cuestionadas, y los organizadores confirmaron que al menos una docena de artículos presentaban errores reales que habían escapado a los revisores humanos.

Los resultados son particularmente interesantes porque muestran que la IA puede funcionar como una segunda capa de control de calidad científico. En torno a la mitad de los artículos examinados contenían al menos una afirmación que los agentes pudieron verificar de manera independiente, mientras que aproximadamente un 23 % de los trabajos analizados presentaron alguna afirmación falsificada o controvertida. En otros casos, la reproducción no fue posible porque faltaban datos, código u otros elementos necesarios para repetir adecuadamente los experimentos. Esto revela que el problema de la reproducibilidad no depende exclusivamente de que los resultados sean correctos: también depende de que los investigadores proporcionen suficientes materiales y explicaciones para que otros puedan comprobarlos.

El artículo de Science plantea, por tanto, una cuestión de fondo sobre el futuro de la evaluación científica y la revisión por pares. Los agentes de IA podrían automatizar una parte de las tareas más laboriosas —ejecutar código, repetir experimentos, comprobar cálculos, contrastar resultados o buscar inconsistencias— y hacerlo a una escala que sería imposible para equipos humanos. Sin embargo, esto no significa que puedan sustituir completamente a los revisores. Determinar si un trabajo es realmente novedoso, importante, metodológicamente sólido o científicamente significativo requiere todavía conocimientos especializados y juicio humano. La conclusión que emerge del experimento es más matizada: la IA podría convertirse en una herramienta complementaria capaz de ampliar enormemente la capacidad de la comunidad científica para comprobar investigaciones.

El caso también tiene una implicación importante para la integridad científica. Si miles de artículos pueden ser sometidos automáticamente a pruebas de reproducibilidad, la IA podría transformar la cultura científica desde un modelo basado fundamentalmente en confiar en la revisión previa a la publicación hacia otro en el que los resultados puedan ser comprobados continuamente después de su publicación. Pero el experimento también demuestra que la IA necesita acceso a datos, código y materiales suficientemente documentados. La reproducibilidad se convierte así en una condición esencial para que los agentes de IA puedan auditar la ciencia, lo que puede impulsar nuevas exigencias de transparencia, disponibilidad de datos y código, documentación metodológica y ciencia abierta.

Amazon escanea y destruye libros para entrenar sistemas de inteligencia artificial

Workers process books at scanners and a shredder labeled in Spanish for recycling.

Maiberg, Emanuel. “Inside the Warehouse Where Amazon Scans and Destroys Books for AI Training”. 404 Media, 26 de agosto de 2026. Artículo original en 404 Media

A partir del testimonio anónimo de un empleado de Amazon, una mirada al funcionamiento interno de VGT3, una instalación situada en Las Vegas donde se procesan libros destinados, según la investigación de 404 Media, a la obtención de datos para el entrenamiento de sistemas de inteligencia artificial.

El reportaje describe un procedimiento especialmente llamativo: los libros llegan al almacén, son registrados y clasificados, se les corta mecánicamente el lomo para separar las páginas y estas se introducen posteriormente en escáneres de alta velocidad. Una vez digitalizado el contenido, las páginas quedan mezcladas en grandes contenedores, de modo que los ejemplares físicos no pueden volver a reconstruirse.

El empleado entrevistado señala que había al menos 20 o 25 escáneres, capaces de pasar rápidamente las páginas y mostrar en pantalla las imágenes digitalizadas. El proceso incluía libros nuevos y usados, ejemplares procedentes de bibliotecas y materiales procedentes de distintos países. Entre ellos había publicaciones en alemán, ruso y japonés, además de documentos procedentes del Reino Unido y materiales que parecían documentos gubernamentales. El testimonio destaca especialmente la presencia de libros potencialmente raros o difíciles de conseguir.

Uno de los aspectos más relevantes es la destrucción física de los libros después de su digitalización. El trabajador describe cómo, tras cortar los lomos y escanear las páginas, estas son arrojadas a grandes contenedores junto con otros materiales. También explica que determinados ejemplares considerados duplicados o innecesarios eran depositados en estos recipientes. Según el relato, el procedimiento era poco organizado y cambiaba con frecuencia, lo que dificultaba incluso que los propios trabajadores conocieran con exactitud el destino final de todos los libros.

El reportaje plantea así una cuestión especialmente importante para bibliotecas, patrimonio bibliográfico y derechos de autor: la transformación de libros físicos en datos para inteligencia artificial puede implicar no solo su digitalización, sino también la desaparición del ejemplar material. El trabajador entrevistado expresa precisamente su preocupación por que libros raros o valiosos dejen de estar disponibles para otros lectores e investigadores, señalando que existe una diferencia significativa entre digitalizar un libro y destruir el soporte físico una vez obtenido su contenido.

En conjunto, el artículo presenta un ejemplo especialmente gráfico de la nueva economía de los datos para la IA, en la que libros y colecciones documentales pueden convertirse en materia prima para entrenar modelos. Más allá de Amazon, el caso abre debates sobre copyright, licencias, preservación, reutilización de colecciones, digitalización masiva y límites éticos de la extracción de conocimiento de los libros para alimentar sistemas de inteligencia artificial.

¿Qué porcentaje de Internet está escrito con IA? Más de un tercio de las páginas posteriores a 2022

Bestvater, Samuel; Smith, Aaron; TerBush, Carson; Baronavski, Chris; Chavda, Janakee. “How Much of the Internet Is Written With AI?” Pew Research Center, Data Labs, 20 de agosto de 2026. Artículo original en Pew Research Center

Aunque solo el 10 % de todas las páginas analizadas en julio de 2026 mostraba señales de IA, la cifra supera el 33 % entre las páginas publicadas después de ChatGPT. Esto indica que la verdadera magnitud del fenómeno se aprecia al observar el contenido nuevo que está incorporándose actualmente a Internet. 

Pew Research Center analiza hasta qué punto la inteligencia artificial está transformando el contenido de Internet. Para ello examinó cerca de 490.000 páginas web en inglés recopiladas entre enero de 2021 y julio de 2026 mediante Common Crawl y utilizó un modelo de detección de IA desarrollado por Pangram. En una muestra aleatoria de 10.000 páginas recogidas en julio de 2026, el 10 % presentaba señales significativas de haber sido escrito o editado sustancialmente con IA. 

La proporción aumenta considerablemente cuando se analizan únicamente las páginas publicadas después de la aparición de ChatGPT. En julio de 2026, más de un tercio de las páginas publicadas desde noviembre de 2022 mostraban señales de autoría o edición mediante IA. El estudio identifica así una tendencia ascendente que comenzó a finales de 2022 y que se ha acelerado con la expansión de herramientas como ChatGPT, Claude y Gemini. 

La presencia de contenido generado por IA no es homogénea. Los dominios .com presentan los niveles más elevados: alrededor de uno de cada diez mostraba señales de autoría mediante IA en 2026. En los dominios .org la proporción era del 4,6 %, mientras que en .edu y .gov rondaba apenas el 1 %. Esto sugiere que los espacios comerciales de Internet están incorporando la generación automática de contenidos a un ritmo mucho mayor que los ámbitos educativos y gubernamentales. 

El estudio también identifica cambios en el estilo lingüístico de la Web. Determinadas características asociadas estadísticamente con textos generados por IA son cada vez más frecuentes: los guiones largos (em dashes) aparecen aproximadamente el doble que en 2023, las comas de Oxford han aumentado un 63 % y determinadas palabras características del vocabulario de los LLM —como delve, interplay o testament— han duplicado su presencia. También se ha multiplicado casi por tres el uso de estructuras de paralelismo negativo, como «no es solo X, sino Y». 

Los investigadores, sin embargo, advierten que ninguno de estos rasgos permite identificar por sí solo un texto producido por IA. Una persona puede utilizar un guion largo, una coma de Oxford o cualquiera de esas palabras. El análisis se basa en patrones estadísticos mucho más amplios y, aun así, los detectores pueden cometer errores. Por ello, las cifras deben interpretarse como señales de probable autoría o edición mediante IA, no como una prueba definitiva sobre el origen de un texto. 

El estudio plantea una cuestión de fondo sobre la evolución de Internet: la Web está pasando progresivamente de ser un espacio dominado por contenidos producidos por personas a uno en el que humanos y sistemas de IA participan conjuntamente en la creación textual. Si la tendencia continúa, la distinción entre contenido humano y sintético será cada vez menos evidente, lo que tendrá consecuencias para la calidad de la información, la confianza, la autenticidad y la procedencia de los contenidos digitales.

El 90 % de los artículos biomédicos ya muestra indicios de uso de inteligencia artificial

Kaia Glickman, “Staggering 90% of biomedical papers now show signs of AI help”, Nature, 20 de agosto de 2026. Artículo original en Nature

Una investigación reciente sugiere que el uso de herramientas de inteligencia artificial para ayudar a redactar artículos científicos está mucho más extendido de lo que indicaban estimaciones anteriores. El estudio analizó trabajos biomédicos publicados en diciembre de 2025 e incluidos en PubMed, y estima que casi nueve de cada diez artículos presentaban señales compatibles con algún grado de asistencia de IA en su redacción. La cifra resulta especialmente llamativa porque las estimaciones anteriores sobre utilización de modelos de lenguaje en publicaciones científicas habían sido considerablemente inferiores.

El trabajo al que hace referencia Nature no afirma que el 90 % de los investigadores haya dejado que una IA escriba sus artículos de principio a fin. Lo que identifica son señales lingüísticas compatibles con asistencia de modelos de lenguaje. Esto es importante porque la IA puede intervenir de formas muy diferentes: desde corregir gramática y mejorar el estilo hasta reformular párrafos, traducir textos, resumir información o generar partes sustanciales de un manuscrito. Por tanto, la cifra debe interpretarse como una estimación de la presencia de asistencia de IA en la escritura científica, no como una medida directa de cuántos artículos fueron escritos por una inteligencia artificial.

El fenómeno refleja una transformación profunda de la comunicación científica. Las herramientas generativas se están incorporando rápidamente al trabajo cotidiano de los investigadores porque permiten mejorar la redacción en inglés, acelerar determinadas tareas editoriales y facilitar la preparación de manuscritos. Esto puede resultar especialmente relevante para investigadores que trabajan en una lengua diferente del inglés, ya que los modelos de lenguaje pueden actuar como herramientas de traducción y edición. Sin embargo, la creciente presencia de IA también plantea preguntas sobre transparencia, autoría, responsabilidad y declaración de su utilización en los trabajos científicos.

La metodología del estudio merece especial atención porque permite detectar patrones de uso de IA que pueden pasar inadvertidos mediante los procedimientos tradicionales de control editorial. Los investigadores analizaron el lenguaje de los artículos y buscaron características asociadas a la intervención de modelos de lenguaje. La estimación, por tanto, no equivale a una declaración voluntaria de los autores ni a una comprobación individual de cada manuscrito. Esto introduce incertidumbre y obliga a interpretar el porcentaje como una estimación estadística, no como una identificación definitiva de textos generados o editados por IA.

El dato tiene importantes implicaciones para las revistas científicas y para la integridad de la investigación. Si la asistencia de IA se convierte en una práctica habitual, las políticas editoriales tendrán que distinguir mejor entre usos legítimos —como corrección lingüística, traducción o apoyo editorial— y usos que puedan comprometer la responsabilidad intelectual del investigador. También será necesario determinar qué utilización debe declararse, cómo debe hacerse esa declaración y qué responsabilidad conserva el autor sobre las afirmaciones, referencias, datos y conclusiones de un artículo elaborado con ayuda de herramientas generativas.

La investigación también cuestiona la utilidad de intentar establecer una frontera rígida entre textos “humanos” y textos “generados por IA”. En la práctica, la producción científica puede convertirse en un proceso híbrido en el que el investigador redacta algunas partes, una herramienta de IA corrige otras, otro sistema traduce o reformula determinados fragmentos y el autor revisa posteriormente el resultado. En este escenario, el debate sobre la IA en la ciencia debería desplazarse desde la pregunta “¿se utilizó IA?” hacia cuestiones más relevantes: ¿para qué se utilizó?, ¿qué aportó?, ¿quién verificó el resultado? y ¿quién asume la responsabilidad final?

El hallazgo resulta especialmente significativo porque procede de un campo como la biomedicina, donde la precisión del lenguaje científico y la fiabilidad de la información tienen consecuencias potencialmente importantes. Una utilización responsable de la IA puede mejorar la comunicación científica, pero no elimina la necesidad de que los investigadores comprueben las referencias, los datos, las interpretaciones y las afirmaciones producidas o modificadas por estos sistemas. La IA puede convertirse así en una herramienta habitual del proceso editorial sin que ello implique transferir a la máquina la responsabilidad científica.

En definitiva, el estudio apunta a que la IA ya forma parte de la infraestructura cotidiana de la comunicación científica, aunque las políticas editoriales y las prácticas de transparencia todavía están adaptándose a esta realidad. El dato del 90 % no significa que nueve de cada diez artículos sean “escritos por IA”, pero sí constituye una señal poderosa de que la asistencia de los modelos de lenguaje está penetrando rápidamente en la publicación biomédica. La cuestión para las revistas ya no parece ser si los investigadores utilizarán IA, sino cómo establecer unas normas que permitan aprovecharla sin comprometer la autoría, la transparencia y la integridad científica.

La inteligencia artificial generativa y la integridad científica: guía de la Office of Research Integrity de Estados Unidos

U.S. Department of Health and Human Services (HHS), Office of Research Integrity (ORI). Public Health Service Policies on Research Misconduct: 42 CFR Part 93 Guidance on Generative Artificial Intelligence.

Texto completo

Office of Research Integrity (ORI) del Departamento de Salud y Servicios Humanos de Estados Unidos ha publicado en agosto de 2026 una guía específica sobre el uso de inteligencia artificial generativa en el contexto de la investigación científica y las posibles conductas de mala conducta investigadora.

El documento está dirigido especialmente a las instituciones y entidades que reciben financiación del Public Health Service (PHS) para investigación biomédica o conductual. Su propósito es orientar la evaluación de posibles casos de mala conducta científica en los que intervengan herramientas de IA generativa, dentro del marco establecido por la normativa 42 CFR Part 93. La guía es de carácter no vinculante y, en caso de conflicto, prevalece la regulación federal.

El documento parte de una idea importante: el uso de IA generativa no constituye por sí mismo una conducta de mala conducta científica. Los investigadores y las instituciones deben aplicar, en términos generales, las mismas buenas prácticas que utilizarían cuando no interviene la IA. Sin embargo, la utilización de estas herramientas puede generar situaciones de fabricación, falsificación o plagio, por lo que resulta fundamental evaluar si su empleo supone una desviación significativa de las prácticas aceptadas por la comunidad científica correspondiente. Para ello, los comités de investigación deben analizar todas las evidencias disponibles y contar con expertos científicos en el área de investigación afectada; además, ORI considera útil incorporar especialistas en IA cuando sea necesario comprender las herramientas utilizadas.

Uno de los principios centrales de la guía es la transparencia en el uso de IA. ORI recomienda que los investigadores identifiquen las herramientas de IA generativa empleadas durante la investigación, la preparación de manuscritos o la elaboración de propuestas de financiación y que expliquen cómo fueron utilizadas. Esta información puede contribuir a la reproducibilidad de la investigación y también servir como elemento de defensa frente a determinadas acusaciones de mala conducta. No obstante, declarar el uso de IA no garantiza que dicho uso sea considerado legítimo: si la utilización de la herramienta contradice las prácticas aceptadas por la comunidad científica, puede seguir constituyendo evidencia de mala conducta. Asimismo, el uso de IA para generar o procesar datos debe ser cuidadosamente verificado.

La guía presta especial atención a los problemas de fabricación y falsificación de datos. Un investigador debe comprobar los resultados obtenidos mediante procesos que incorporen IA, ya que la generación o modificación no declarada de datos puede constituir fabricación o falsificación. ORI incluso señala que algunas tecnologías aparentemente rutinarias pueden incorporar procesos automáticos de alteración de imágenes, como ocurre con determinadas cámaras de teléfonos inteligentes. En estos casos, corresponde al investigador demostrar, cuando proceda, que la alteración fue consecuencia de un error honesto y no de una conducta intencionada, consciente o imprudente.

Manual apegado a APA 7.a edición para citar, documentar y transparentar el uso de Inteligencia Artificial Generativa (IAGen)

Ruiz Mendoza, K. K. Manual apegado a APA 7.ª edición para citar, documentar y transparentar el uso de IAGen. 2026. El documento ofrece orientaciones prácticas para documentar de manera transparente el uso de herramientas de inteligencia artificial generativa en trabajos académicos y de investigación

Texto completo

El documento propone un marco práctico para transparentar el uso de la inteligencia artificial generativa (IAGen) en la producción académica, partiendo de una idea fundamental: no basta con declarar de forma genérica que se ha utilizado IA. La transparencia exige explicar qué herramienta se empleó, con qué finalidad, qué partes del trabajo fueron afectadas, cómo se verificó la información generada y qué responsabilidad asumieron finalmente los autores.

El principio central es que la utilización de IA debe ser documentable y auditable, manteniendo siempre la contribución intelectual humana como elemento fundamental del trabajo académico.

Uno de los principios más importantes del manual es la responsabilidad humana final. La inteligencia artificial puede ayudar a organizar ideas, redactar, traducir, revisar la claridad de un texto, elaborar tablas, generar imágenes o apoyar determinados análisis, pero no puede asumir la responsabilidad ética, académica o legal del trabajo. Las decisiones sobre las ideas, la interpretación de los resultados, las conclusiones, la selección de fuentes y la edición definitiva corresponden a las personas autoras. Por esta razón, el documento recomienda que la IA nunca aparezca como autora o coautora de una investigación.

El manual insiste especialmente en la verificación de los resultados producidos por la IA. Toda afirmación, dato, cita, DOI, referencia bibliográfica, tabla, figura o resultado sugerido por una herramienta generativa debe contrastarse con fuentes originales o documentación primaria. La salida de un modelo de lenguaje no debe considerarse por sí misma una fuente de conocimiento. Esta recomendación resulta especialmente relevante porque los sistemas generativos pueden producir información incorrecta, referencias inexistentes o interpretaciones que parecen plausibles pero carecen de respaldo documental.

Una aportación práctica del documento es la creación de una bitácora de uso de IA generativa. Esta debería registrar elementos como la fecha, la herramienta y el modelo utilizado, el objetivo académico, el prompt, la salida que finalmente se empleó y las modificaciones o verificaciones realizadas por el autor. De este modo, el uso de IA deja de ser una actividad opaca y pasa a formar parte de la metodología documentada de la investigación. El manual señala que el registro debe ser suficientemente claro para que otra persona pueda comprender qué intervención tuvo la IA, aunque no necesariamente pueda reproducir exactamente la misma respuesta.

El documento también ofrece modelos concretos para redactar una declaración metodológica sobre el uso de IA. La fórmula propuesta consiste en indicar qué herramienta se utilizó, para qué finalidad y dejar constancia de que la persona autora revisó, verificó y modificó la salida antes de incorporarla al trabajo. Se pretende así evitar declaraciones ambiguas como “se utilizó inteligencia artificial” y sustituirlas por explicaciones específicas sobre la naturaleza y alcance de la intervención tecnológica.

Otro aspecto destacado es la documentación de los prompts y de las salidas relevantes mediante apéndices. El manual recomienda identificar la herramienta, el modelo y la fecha de utilización, explicar el objetivo académico, conservar el prompt suficientemente completo, registrar la salida relevante, documentar las modificaciones humanas y señalar las fuentes utilizadas para verificar los resultados. Esta documentación proporciona una especie de rastro de auditoría que permite reconstruir cómo intervino la IA en el proceso de elaboración del trabajo.

La guía presta también atención a la privacidad y protección de datos. No recomienda incorporar a los apéndices conversaciones que contengan nombres, matrículas, correos electrónicos, rostros, direcciones, datos médicos u otra información sensible. Del mismo modo, deben evitarse prompts que revelen contraseñas, credenciales, documentos internos o información protegida. La transparencia sobre el uso de IA no debe convertirse, por tanto, en una nueva fuente de exposición de información personal o confidencial.

En cuanto a la presentación formal, el manual adapta estas prácticas al estilo APA 7.ª edición. Propone modelos para las declaraciones metodológicas, las notas de figuras generadas con IA, las tablas elaboradas con asistencia de IA y las referencias de chats específicos. También explica cómo organizar los apéndices y cómo numerar sus tablas y figuras: por ejemplo, Tabla A1 o Figura A1 para el Apéndice A.

En definitiva, el documento plantea que la cuestión no es prohibir o permitir genéricamente la inteligencia artificial en la investigación, sino establecer condiciones de uso responsable. La IA puede convertirse en una herramienta legítima para mejorar determinados procesos académicos siempre que exista supervisión humana, transparencia, trazabilidad y verificación. La idea esencial podría resumirse así: la IA puede participar en el proceso de producción del conocimiento, pero la responsabilidad sobre ese conocimiento continúa siendo humana.