Roberto Zayas Mujica

Presentamos el articulo «Declaración del uso de inteligencia artificial en la redacción de artículos académicos y tesis«, publicado recientemente, y que presta especial atención a este tema en el contexto latinoamericano, donde identifica importantes desafíos relacionados con la desigualdad en el acceso a tecnologías avanzadas, la obsolescencia de los reglamentos universitarios y los sesgos lingüísticos de los modelos entrenados principalmente en inglés. Ante esta situación, propone que las universidades actualicen sus normativas y distingan claramente entre el uso declarado de la inteligencia artificial y el fraude académico por ocultamiento u omisión.

También proporciona modelos prácticos de declaración para revistas científicas y tesis universitarias. Estas plantillas buscan facilitar la adopción de estándares comunes que permitan describir qué herramientas se utilizaron, en qué fases del proceso participaron y qué mecanismos de revisión humana se aplicaron posteriormente. Según el autor, la normalización de estas declaraciones contribuiría a reducir la ambigüedad normativa y fomentaría una cultura de integridad académica basada en la transparencia y la responsabilidad.

La conclusión central del trabajo es que el verdadero debate no debe centrarse en prohibir o permitir la IA, sino en garantizar que su utilización sea transparente, verificable y compatible con los principios fundamentales de la integridad científica.

Las referencias falsas contaminan las revisiones bibliográficas, dificultan la verificación de fuentes y erosionan la confianza en el sistema académico con implicaciones para la comunicación científica, lo que refuerza la necesidad de controles editoriales más estrictos, verificadores automáticos de citas y formación ética en el uso de IA para la redacción científica, relacionándose este crecimiento con el uso inadecuado de modelos de lenguaje capaces de producir referencias aparentemente verosímiles, aunque inexistentes, si no se supervisan correctamente.

Un análisis de artículos indexados en PubMed encontró que aproximadamente uno de cada 277 artículos publicados en las primeras siete semanas de 2026 hizo referencia a una fuente que no existía. Eso fue un salto de la tasa de 2025 de uno en 458 .

Los editores deben tomar en serio las referencias fabricadas, se argumenta que en los casos en que aparece una referencia alucinada, el articulo debe ser retraído, lo que podría conducir a un mayor escrutinio de las referencias de los autores de manuscritos, los que utilizaron herramientas de inteligencia artificial sin verificar la salida.

Se ha planteado que “Para los documentos con una o dos referencias fabricadas que son incidentales a los principales hallazgos, la corrección y la transparencia pueden ser más proporcionales que la retracción”.

El “problema más grande y más importante” sigue siendo las citas generadas por la IA que no están completamente alucinadas pero que son inexactas, sesgadas o incompletas.

Se recomiendan una serie de acciones para hacer frente a lo que ven como el problema creciente:

• lidiar contra la IA con IA: los editores deben integrar la verificación de referencia automatizada en los flujos de trabajo de envío antes de que comience la revisión por pares.
• los servicios de indexación de artículos deben agregar metadatos de integridad, por lo que se reportaran las referencias falsas rastreadas en las bases de datos de integridad de la investigación.
• los editores deben evaluar retroactivamente las publicaciones existentes y emitir correcciones o retractaciones cuando las referencias fabricadas comprometan las conclusiones de un documento.

Topaz M, Roguin N, Gupta P, et al. Fabricated citations: an audit across 2·5 million biomedical papers. The Lancet. 2026;407:1779-81. Disponible en:  https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(26)00603-3/fulltext?ftag=YHF4eb9d17

Naddaf, M. Surge in Fake Citations Uncovered by Audit of 2.5 Million Biomedical-Science Papers. Nature, 8 de mayo de 2026. Disponible en: https://doi.org/10.1038/d41586-026-00748-w

El lema de la Semana Internacional del Acceso Abierto 2026, que se celebrará del 19 al 25 de octubre, será “El coste del conocimiento”, en una invitación a repensar la comunicación académica desde criterios de equidad, democracia y servicio público. Ya no se trata únicamente de abrir artículos o reducir muros de pago, sino de cuestionar quién controla la producción científica, quién obtiene beneficios y qué costes sociales, laborales y ambientales sostienen el sistema.

Una gran parte del trabajo académico que sostiene la publicación científica —redacción, revisión por pares, edición y gestión científica— es realizado por investigadores sin compensación económica directa, se invita a preguntarse al servicio de quién se pone ese trabajo voluntario y si el modelo vigente redistribuye de manera justa el valor generado por la comunidad investigadora.

Otro eje central es la desigualdad global en la producción y circulación del conocimiento; muchas regiones del mundo siguen excluidas de una participación equitativa en la creación y difusión científica. La ciencia abierta no puede limitarse al acceso gratuito, sino que debe incorporar justicia epistémica y pluralidad cultural.

También se introduce una cuestión muy actual: el uso de la investigación científica para entrenar sistemas de inteligencia artificial sin consentimiento ni compensación para autores e instituciones. A ello se suman los costes medioambientales de la infraestructura digital contemporánea, recordando que la transición digital del conocimiento no es neutra desde el punto de vista ecológico.

Los modelos de publicación sin tasas para autores, iniciativas comunitarias, infraestructuras no comerciales, sistemas cooperativos y propuestas basadas en el conocimiento como bien común, son alternativas viables que tributan a la Recomendación de la UNESCO sobre Ciencia Abierta, adoptada por 193 países, la que reconoce la necesidad de avanzar hacia sistemas más justos, inclusivos y sostenibles.

OA Week 2026 Planning Committee. “Theme for Open Access Week 2026 is ‘The Cost of Knowledge’.” SPARC, May 4, 2026. Disponible en: https://sparcopen.org/news/2026/theme-for-open-access-week-2026-is-the-cost-of-knowledge/

Aunque las editoriales han desarrollado políticas que requieren declaraciones sobre el uso de IA con el objetivo de mantener la integridad de la literatura científica, estas normas no están siendo efectivamente cumplidas: solo un porcentaje muy bajo de autores realmente declara haber usado IA en sus manuscritos. Esta brecha entre las expectativas formales de transparencia y la práctica real refleja, según el autor, varios factores humanos y estructurales que dificultan la declaración abierta de asistencia artificial en la escritura científica.

Una de las principales razones de esta falta de transparencia es el miedo de los investigadores a que la divulgación de uso de IA sea percibida negativamente por editores y revisores, lo que podría influir adversamente en la evaluación de la calidad, originalidad o rigor del trabajo. Aunque muchos investigadores usan IA para tareas como mejorar la redacción, sintetizar información o buscar literatura relevante, existe una percepción persistente de que tal uso podría ser interpretado como una forma de atajo o amenaza a la integridad académica, lo que crea un ambiente en el que los autores prefieren omitir estas declaraciones.

Otra barrera importante es la confusión y falta de claridad en las directrices editoriales: las políticas de las revistas y editoriales varían ampliamente sobre qué tipo de uso de IA debe ser declarado, cuándo hacerlo y cómo documentarlo. Algunos requisitos son vagos o excesivamente complejos, lo que genera incertidumbre en los autores respecto a si deben declarar, cómo hacerlo o si incluso es obligatorio. Esta ambigüedad, combinada con la carga adicional de trabajo que supone documentar exhaustivamente cada instancia de uso de IA y la ausencia de incentivos claros para hacerlo, contribuye a que muchos autores opten por no reportarlo.

Además, el artículo señala que algunos autores ni siquiera son conscientes del uso de IA en herramientas integradas en aplicaciones comunes (como asistentes de redacción en suites ofimáticas), lo que dificulta aún más la trazabilidad y divulgación de la asistencia artificial. También destaca una confusión extendida entre el uso de IA y el plagio, lo que lleva a algunos autores a tratar de ocultar signos de asistencia de IA en lugar de ser transparentes, con la intención de evitar evaluaciones negativas o fallos en las pruebas de detección.

Finalmente, si las editoriales no clarifican, educan y, sobre todo, repiensan cómo deben abordar el uso de IA, es probable que la falta de divulgación continúe. Las editoriales no deberían centrarse en herramientas de detección de IA —las cuales son poco fiables y pueden reforzar la idea de que el uso de IA es inaceptable— sino en proporcionar directrices claras, educar a la comunidad académica sobre prácticas responsables y crear políticas que reconozcan las distintas formas legítimas de asistencia de IA sin sacrificar la integridad de la investigación.

Staiman, Avi. Why Authors Aren’t Disclosing AI Use and What Publishers Should (Not) Do About It. The Scholarly Kitchen, January 27, 2026.  Disponible en: https://scholarlykitchen.sspnet.org/2026/01/27/why-authors-arent-disclosing-ai-use-and-what-publishers-should-not-do-about-it/

El artículo analiza en profundidad hasta qué punto los metadatos de los datos de investigación pueden considerarse permanentes una vez que se les asigna un identificador persistente (DOI) a través de DataCite. En el contexto de la ciencia abierta, los metadatos son fundamentales porque permiten que los conjuntos de datos sean localizables, accesibles, interpretables y reutilizables. Sin embargo, a diferencia de los catálogos bibliotecarios tradicionales, los metadatos de los datos de investigación se crean y mantienen en entornos muy diversos, con prácticas desiguales y, en muchos casos, con un mantenimiento limitado a lo largo del tiempo. El estudio parte de la hipótesis de que, aunque los DOIs están pensados para ser persistentes, los metadatos que los acompañan pueden cambiar de forma significativa después de su publicación inicial.

Para examinar esta cuestión, el trabajo se centra en el análisis de millones de registros de metadatos asociados a conjuntos de datos publicados en 2021, observando su evolución durante los dos años siguientes. El enfoque metodológico se basa en el uso de información de procedencia de metadatos, lo que permite identificar qué elementos cambian, con qué frecuencia y en qué momento. Este enfoque empírico aporta una visión poco habitual en los estudios sobre metadatos, ya que no se limita a evaluar la calidad en un momento concreto, sino que estudia los cambios a lo largo del tiempo.

Los resultados muestran que la mayoría de los metadatos permanecen estables, lo que indica que, en términos generales, pueden considerarse suficientemente fiables para tareas como análisis bibliométricos o estudios de infraestructura científica. No obstante, una proporción relevante de registros sí experimenta modificaciones. Estas modificaciones suelen ser incrementales y puntuales, y afectan sobre todo a elementos como los nombres de los creadores, las descripciones del conjunto de datos o la incorporación de identificadores relacionados. En cambio, otros campos clave —como el título o el año de publicación— rara vez se modifican, lo que refuerza la idea de una estructura básica bastante fija.

El análisis temporal revela que los cambios se concentran en las primeras fases tras la publicación del DOI, lo que sugiere que muchos ajustes responden a correcciones o mejoras iniciales más que a un mantenimiento continuo a largo plazo. Además, el estudio detecta diferencias notables entre repositorios, lo que indica que no existe una práctica homogénea en la gestión de metadatos: algunos repositorios tienden a revisar y actualizar más sus registros, mientras que otros apenas los modifican una vez publicados.

En la discusión, el artículo plantea una reflexión crítica sobre el concepto de “permanencia” aplicado a los metadatos. Aunque estos son relativamente estables, no muestran una evolución sostenida que acompañe el ciclo de vida completo de los datos de investigación. Esto limita su potencial para reflejar nuevos usos, citas, relaciones o contextos científicos emergentes. El trabajo sugiere que, para mejorar la reutilización y el valor a largo plazo de los datos, sería necesario repensar las políticas y prácticas de mantenimiento de metadatos, promoviendo una actualización más activa y coherente.

Valor de los metadatos para los datos de investigación. Blog Universo Abierto. enero 5, 2026. disponible en: https://universoabierto.org/2026/01/05/valor-de-los-metadatos-para-los-datos-de-investigacion/