La inteligencia artificial (IA) ha emergido como una herramienta de apoyo a la investigación científica y a los procesos de socialización. Aunque el término fue acuñado desde 1956, su uso se ha democratizado y popularizado hace aproximadamente cinco años. Las capacidades computacionales han logrado emplear el lenguaje natural, lo que facilita la propuesta de temas de investigación, abordar problemas complejos, analizar datos y desarrollar nuevas teorías con el uso de esta herramienta.

Una de las aplicaciones más destacadas de la inteligencia artificial en la investigación científica es el análisis de grandes volúmenes de datos. En campos como la genómica, la astronomía y la climatología, los investigadores se enfrentan a cantidades masivas de datos que son difíciles de procesar utilizando métodos tradicionales. ¹ La IA, a través de algoritmos de aprendizaje automático, permite identificar patrones y correlaciones en estos datos que podrían pasar desapercibidos para el análisis humano. En la investigación médica, los modelos de IA pueden analizar imágenes de resonancias magnéticas o tomografías computarizadas para detectar anomalías con una precisión comparable o incluso superior a la de los radiólogos.

Uno de los beneficios más significativos de la IA en la ciencia es su capacidad para acelerar el proceso de descubrimiento. Las técnicas de IA pueden reducir drásticamente el tiempo requerido para analizar datos y formular hipótesis, lo que permite a los científicos centrar sus esfuerzos en la interpretación y aplicación de los resultados. La IA ha sido fundamental en la identificación de nuevos fármacos, donde modelos predictivos pueden sugerir compuestos prometedores para estudios adicionales, reduciendo así el tiempo de desarrollo de medicamentos. ⁽²

Los algoritmos de IA pueden ser entrenados para proporcionar análisis más objetivos; ello puede minimizar la influencia de prejuicios humanos en la interpretación de datos; lo que es esencialmente crucial en investigaciones que requieren una gran cantidad de datos subjetivos, como encuestas o estudios de comportamiento; beneficio que trae consigo la mejora en la precisión y la reducción del sesgo.

Pese a todos los beneficios que trae para la investigación, surgen nuevos desafíos principalmente para las revistas y los editores. En principio se ha reportado un aumento de la producción científica en detrimento de su calidad, algo a lo que pocas revistas han sabido cómo reaccionar; ⁽³ esto ha generado desconfianza por parte de la comunidad científica, han disminuido las citas orgánicas (las que no son a causa de la autocitación, granjas de citas, citas coaccionadas y citas fantasmas) y las fuentes de indización se muestran más rigurosas y someten a las publicaciones a evaluaciones sistemáticas.

Uno de los principales problemas es la "caja negra" de los modelos de IA donde los procesos de toma de decisiones no son trasparentes; por lo que los investigadores deben ser cautelosos al interpretar los resultados de la IA y asegurarse de que haya un entendimiento claro de cómo se llegó a esas conclusiones. Una de las limitaciones de esta herramienta es la incapacidad para comprender en contexto investigativo que origina el tema de investigación. Lo anterior ha sido denominado “alucinaciones de la IA”; ⁴ estas alucinaciones no solo ocurren en la generación de datos e información ficticia, sino que ocurre en la generación de citas inexistentes.

Estas cuestiones atentan contra la construcción del conocimiento científico; la IA empleada para la redacción de texto, requiere de un manejo ético por parte del investigador; en ninguno de los casos se sustituye al ser humano en el proceso investigativo, pues este es el responsable del contenido fabricado, de dar crédito adecuadamente a otros investigadores y evitar el uso de las citas fantasmas.

Existen varias regulaciones para el manejo de la IA por parte de las editoriales y consorcios científicos, sin embargo, proliferan actitudes poco éticas que afectan la imagen de revistas y editores. ⁵ La adopción de la IA en la edición y revistas científicas puede optimizar varios procesos técnicos e intelectuales. En una fase inicial del proceso editorial puede emplearse la herramienta ChatPDF para identificar las relaciones de la propuesta con las políticas de la revista; esta herramienta es útil en las fases iniciales del proceso para los editores, ya que permite una revisión más eficiente y precisa de los manuscritos, puede analizar el contenido del manuscrito para determinar si se adecúa a las temáticas centrales de la revista; todo ello permite a los editores recibir una justificación clara sobre la adecuación del manuscrito, lo que facilita la toma de decisiones sobre su aceptación o rechazo.

ChatPDF también se puede utilizar para evaluar el cumplimiento de las normas editoriales en la misma fase inicial. A través de un prompt que enumera los requisitos específicos que debe cumplir un manuscrito, la herramienta puede proporcionar un análisis detallado sobre si el texto se ajusta a estas pautas; asimismo permite a los editores identificar rápidamente cualquier deficiencia en el manuscrito.

La revisión por pares, aunque debe ser dirigida por un ser humano, la IA puede apoyar la realización de esta actividad. Dos herramientas que integran algoritmos de IA para la revisión por pares son ScholarOne y editorial manager, que ayudan a seleccionar revisores adecuados basándose en su historial de publicaciones, áreas de especialización y disponibilidad. Estos sistemas aceleran el proceso de selección y también mejoran la calidad de la revisión al emparejar manuscritos con expertos en el tema específico. Asimismo, Pelenope es una herramienta que mejora la calidad y la eficiencia de la revisión de manuscritos; es eficiente para realizar una revisión inicial del texto antes de enviar a los revisores (pares expertos). Asimismo, ayuda a realizar una de las tareas más tediosas de la revisión: que todo lo citado esté referenciado y viceversa.

La integridad académica es fundamental en la publicación científica, para lo cual pueden emplearse herramientas como Turnitin e iThenticate que utilizan algoritmos de IA para detectar similitudes en el texto y asegurar que el trabajo presentado sea original. Estas comparan los manuscritos con una vasta base de datos de publicaciones anteriores, artículos de revistas y contenido en línea. En consecuencia, se proporciona a los editores un informe detallado que facilita la toma de decisiones sobre la aceptación o rechazo del documento; decisión que debe ser siempre analizada por los editores debido a que no siempre las coincidencias significan plagio.

Los editores también pueden beneficiarse de herramientas de análisis de datos como Altmetric y Dimensions que utilizan IA para analizar la recepción y el impacto de los artículos publicados. Estas plataformas recopilan datos de menciones en redes sociales, citas en otras publicaciones y atención en medios de comunicación, ofreciendo una visión clara de cómo se está recibiendo la investigación en la comunidad científica. Este análisis facilita a los editores a identificar temas emergentes, algo que puede guiar la selección de artículos para futuras ediciones de la revista.

Además, herramientas de IA pueden analizar los manuscritos para detectar plagios, errores gramaticales o inconsistencias en los datos, lo que permite a los editores y revisores enfocarse en el contenido científico en lugar de aspectos técnicos. De esta forma, se incrementa la eficiencia y se reduce el tiempo de espera para los autores. Herramientas como Grammarly y Quillbot utilizan algoritmos de procesamiento de lenguaje natural para ayudar a los autores a mejorar la calidad de su escritura. ⁶ Estas aplicaciones ofrecen sugerencias para la gramática, el estilo y la claridad, permitiendo a los editores recibir manuscritos mejor redactados y más coherentes. En adición, algunas plataformas experimentales están comenzando a explorar la generación automatizada de resúmenes de investigaciones, lo que podría facilitar la tarea de los editores al evaluar rápidamente el contenido de un manuscrito.

En las fases finales del proceso editorial se puede recurrir a Bing Chat de Microsoft. Esta plataforma puede combinarse con otras como Midjourney, Stable Diffusion y Dall-E para la creación de material visual que enriquezca las portadas y las imágenes relacionadas con el número en curso. ⁷ La capacidad de elegir entre diferentes estilos de conversación en Bing Chat también permite obtener propuestas variadas y originales, lo que contribuye a un diseño editorial más atractivo y alineado con los objetivos de la revista.

En la fase de difusión, Bing Chat demuestra su versatilidad al ayudar a crear contenido específico para redes sociales, como X (antes Twitter). Al generar hilos que promocionen artículos académicos, esta herramienta elabora mensajes persuasivos. Asimismo, sugiere imágenes complementarias para cada tweet, lo que aumenta la probabilidad de viralización. Esta capacidad de generar contenido visual y textual de manera coherente y efectiva convierte a Bing Chat en un aliado fundamental para maximizar el alcance de las publicaciones académicas en el entorno digital.

La IA está transformando los procesos editoriales de revistas científicas, ofreciendo herramientas que mejoran la eficiencia, la calidad y la accesibilidad de la investigación. Desde la revisión por pares automatizada hasta la detección de plagio y el análisis de tendencias, estas herramientas están diseñadas para afrontar los desafíos del creciente volumen de publicaciones y la demanda de rigor académico. Sin embargo, es fundamental investigar los desafíos éticos y prácticos que surgen con su implementación. La clave estará en encontrar un equilibrio entre la innovación tecnológica y las consideraciones éticas; ello asegura que la investigación de calidad siga siendo el núcleo de su misión.