La inteligencia artificial prometía elevar el nivel de la investigación científica, abriendo nuevas fronteras y multiplicando las preguntas que la humanidad puede formularse. Un reciente estudio publicado en , aceptado por la prestigiosa revista Nature, ha confrontó esta promesa con datos concretos y los resultados son más complejos de lo anticipado.
El equipo liderado por James Evans, sociólogo y científico de datos de la Universidad de ChicagoUniversidad de Chicago, en colaboración con investigadores del Beijing National Research Center for Information Science and Technology y de Tsinghua, analizó la base de datos OpenAlex. Esta contiene más de 109 millones de artículos publicados entre 1980 y 20244.
Sobre un subconjunto de 41,3 millones de trabajos en seis disciplinas de ciencias naturales (biología, medicina, química, física, ciencia de materiales y geología), los investigadores entrenaron un modelo para detectar cuáles artículos habían sido asistidos por IA. Identificaron aproximadamente 311.000 artículos. con esta muestra, midieron dos aspectos simultáneamente: el efecto de la herramienta en el científico que la adopta y el impacto en el conjunto de la ciencia que lo rodea.
El investigador que usa IA toma la delantera con IA
Para el científico a nivel individual, los datos son contundentes. Quien integra la IA en su trabajo logra 3,02 veces más publicaciones recibe 4,84 veces más citas y asciende a liderazgo de un equipo de un equipo de investigación 1,37 años antes que sus colegas que no la usan la tecnología. El artículo identifica tres oleadas de adopción, marcadas por machine learning, deep learning y los grandes modelos de lenguaje. En cada etapa, la recompensa para el individuo se hizo mayor.
Esto no es un asunto trivial. un sistema donde la supervivencia profesional depende de publicar y ser citado, una herramienta que triplica la producción no es una opción, sino una obligación competitiva. James Evans lo expresó sin rodeos: el científico tiene un problema compartido, que es subsistir, y para subsistir se necesita dinero, y para conseguir dinero hay que producir. Hasta este punto, la promesa de la IA se sostiene. El problema emerge cuando se examina el otro lado de la ecuación.
La ciencia se estrecha hacia menos interrogantes
Mientras el investigador gana en impacto individual, el campo científico lo paga con diversidad. El estudio revela que la investigación asistida por IA abarca menos territorio temático. lugar de abrir disciplinas, acelera el trabajo sobre dominios consolidados y ricos en datos. Evans estima que el volumen de explorados se reduce en un casi 5%.
Un segundo efecto es más sutil. Los artículos generados con IA producen un 22% interacción entre estudios: se citan entre sí con menor frecuencia y generan menos líneas de investigación novedosas. En vez de crear una red densa de trabajos que se refinan mutuamente, estos estudios orbitan alrededor de unos pocos artículos estrella. Menos de un cuarto de los trabajos concentra el 80% de las citas. La metáfora que utiliza el equipo precisa: si todos escalan la misma montaña, quedan muchas montañas sin explorar.
La herramienta ventaja al jugador, pero empobrece el juego colectivo
Aquí radica la paradoja. La IA en la ciencia no actúa como una aceleración uniforme. Funciona como un imán. Atrae a cada científico hacia donde hay datos abundantes, donde el modelo funciona bien y la cita está casi asegurada. La decisión racional de cada investigador (usar la herramienta que maximiza su carrera) produce, en suma, ciencia más limitada. Evans lo categorizó como un problema de bienes públicos: lo que conviene a cada individuo no es lo que conviene al colectivo.
Este patrón, a mi parecer, trasciende la ciencia. Cualquier sistema donde la IA optimice el rendimiento individual (como el periodismo, el derecho o el análisis financiero corre el mismo riesgo estructural: la suma de decisiones individuales eficientes puede empobrecer el campo completo. El estudio no mide esto fuera de las seis disciplinas que analizó, pero la dinámica que no es exclusiva del laboratorio
El estudio no sugiere detener la adopción. Apunta a algo más difícil de asimilar: que la métrica con la que medimos el éxito (artículos, citas, velocidad de ascenso) es ciega al costo que no aparece en ningún balance. El investigador ve su currículum crecer, pero la pérdida de preguntas no se refleja en ningún tablero individual. Es un costo de sistema distribuido, sin un responsable directo.
La IA no expande el conocimiento. Lo concentra. Mejora la posición de quien la utiliza, pero al mismo tiempo recorta el mapa de lo que la ciencia se atreve a investigar. La metáfora de la marea que levanta todos los botes era incorrecta. Lo que realmente hay es una corriente: empodera al conjunto, pero a todos hacia el mismo puerto.
Fuente: Infobae