La declaración del uso de IA en publicaciones científicas: entre la transparencia formal y el vacío metodológico

DOI10.22430/21457778.4038 Logotecnologicas PDF


 

EDITORIAL

Entre los «regímenes políciacos» que reproducen la estructura normativa de la ciencia (Merton, 1977), las revistas científicas son instituciones epistémicas que acreditan el conocimiento válido, las prácticas de investigación adecuadas y los requisitos mínimos para que un manuscrito se integre al cuerpo de la ciencia. En este sentido, la forma en que se constituye la declaración de uso de la inteligencia artificial (IA) es una manifestación observable del criterio de rigor de una revista. De acuerdo con Queiroz et al. (2025), en Web of Science el 70.9 % de las revistas odontológicas cuenta con políticas sobre el uso de IA en la preparación de manuscritos, y todas exigen alguna forma de declaración explícita. No obstante, no hay directrices con las que se estandarice qué debe declararse, en qué sección, con qué nivel de detalle ni bajo qué criterios metodológicos. Ganjavi et al. (2024) efectuaron un análisis bibliométrico para examinar las instrucciones a autores de los cien principales editores y revistas académicas en múltiples disciplinas, confirmando que la fragmentación regulatoria no es exclusiva de un campo. Solo el 17 % de los grandes editores ofrecía orientación sobre el uso de la IA generativa, y esa orientación variaba mucho en cuanto a especificidad y alcance.

Ese es el problema que esta nota editorial busca describir. En el ecosistema actual de publicación científica, declarar el uso de IA se ha convertido en un requisito formal, no en una garantía de rigor metodológico. La declaración es condición necesaria de la transparencia, pero no condición suficiente del rigor, porque no especifica en qué fase del proceso investigativo ocurrió el uso, con qué propósito, con qué nivel de supervisión humana ni con conciencia de qué limitaciones documentadas. Saber que un investigador usó un modelo de lenguaje de gran escala (LLM) no dice nada sobre si lo hizo correctamente. La transparencia sin criterio metodológico es, en el mejor de los casos, incompleta; en el peor, genera una falsa sensación de control sobre un problema que aún no ha sido correctamente dimensionado.

A partir de noviembre de 2022, la generalización de herramientas como ChatGPT provocó que las revistas científicas comenzaran a exigir que los autores revelaran si habían usado IA, identificaran las herramientas empleadas y describieran el propósito de su uso. Organismos como el Comité Internacional de Editores de Revistas Médicas (ICMJE) y el Comité de Ética en Publicación (COPE) establecieron que la IA no puede figurar como autora, ya que no puede asumir responsabilidad intelectual ni legal por el contenido que produce (De Cassai et al., 2026; Vahedian-Azimi et al., 2026). Sin embargo, los lineamientos de estos organismos no son vinculantes para las revistas que no pertenecen a sus redes de afiliación, lo que convierte la adhesión en una decisión editorial voluntaria, sin consecuencias formales por incumplimiento. Carlson et al. (2026) analizaron una muestra de revistas de neurocirugía y concluyeron que todas exigían la declaración, pero los requisitos diferían considerablemente en cuanto al contenido obligatorio, la sección destinada y las limitaciones de uso. Por otra parte, el consenso Delphi RULE-AP presenta, entre sus propias recomendaciones, el deber de actualizarse permanentemente (De Cassai et al., 2026), con lo que reconoce su propia provisionalidad, aun siendo uno de los marcos más elaborados.

En consecuencia, la falta de consenso en las políticas editoriales impide la preservación consistente de la integridad científica. Aunque las directrices sobre el uso de IA sean relativamente claras, su implementación enfrenta una dificultad que los marcos regulatorios no han resuelto. La declaración mide el hecho del uso, no su rigurosidad metodológica. Un investigador puede declarar que utilizó un LLM para la búsqueda de información científica y no verificar si las referencias existían o si los datos citados correspondían al contenido. Del mismo modo, otro puede declarar que solo lo empleó para mejorar la redacción y no haber revisado la estructura lógica de los argumentos. En ambos casos, la declaración es formalmente correcta. En cambio, el rigor de ese uso permanece sin ser evaluado.

Un hecho que resulta aún más grave es que la práctica de declarar poco tiene que ver con la transparencia científica. Un estudio internacional con autores de revistas ortopédicas encontró que el 66.7 % de los investigadores que usan IA teme ser percibido negativamente si lo declara, y que solo el 43.1 % lo hace de manera sistemática (de Geofroy et al., 2026). En el contexto de estudiantes doctorales, el 85.2 % optaba por no declarar su uso, argumentando que la intervención fue mínima o que la declaración podría comprometer su credibilidad ante comités evaluadores y futuros empleadores (Hoomanfard & Shamsi, 2025). En este caso, la omisión no responde a ningún criterio metodológico, sino al riesgo percibido. Además, considerando que en las actuales políticas editoriales no existen mecanismos verificables para sancionar la omisión, muchos investigadores acuden al silencio como la opción menos costosa. A esto se suma que los detectores de texto generado por IA han demostrado poca confiabilidad (Epelde, 2026; Hosseini et al., 2023) y efectos desproporcionados sobre autores cuyo idioma nativo no es el inglés.

Para comprender por qué la declaración es insuficiente como garantía de rigor, habría que examinar la evidencia del uso de IA en cada fase del proceso investigativo. Con la revisión del corpus empírico disponible, se observa una concentración marcada. Las fases más visibles del ciclo científico (revisión de la literatura, escritura y análisis de datos) concentran la mayor parte de los estudios, mientras que las fases más sensibles desde el punto de vista metodológico, como el diseño de instrumentos, la recolección de datos o la interpretación de hallazgos, presentan escasa cobertura. Tal distribución es una advertencia epistemológica. Si un investigador declara el uso de IA en fases con escasa evidencia empírica, no hay certeza científica suficiente para evaluar su adecuada utilización, los errores sistemáticos cometidos o el nivel de supervisión humana requerido. La situación es similar en las fases más investigadas. En la revisión de literatura, por ejemplo, los resultados de los sistemas de recuperación aumentada tienen mucha dependencia del balance del corpus documental de evaluación, y los protocolos de validación no están estandarizados (Scherbakov et al., 2025); asimismo, en la escritura científica, se documentan riesgos concretos como el plagio inadvertido, la generación de referencias inexistentes y el cuestionamiento de los criterios de autoría (Gutiérrez-Cirlos et al., 2023; Owusu Sarfo, 2023; Salvagno et al., 2023).

En conclusión, no se trata de un problema de voluntad declarativa, ya que las revistas, en tanto instituciones epistémicas, no pueden limitarse a registrar un hecho. El asunto radica en que en las políticas editoriales actuales no existen criterios metodológicos eficaces para evaluar el uso de la IA. Si se conforman únicamente con solicitar la declaración formal, las revistas están dejando de lado la cuestión principal: ¿es metodológicamente válido el uso declarado? En un momento en que la evidencia empírica sobre el empleo correcto de la IA varía drásticamente según la fase del proceso investigativo, no superar ese umbral mínimo de la declaración de uso es una decisión editorial con consecuencias en la calidad del conocimiento que se publica.

RERERENCIAS

  • arrow_upward Carlson, B., Laffaye, T., Gray, L., Bathini, A. R., Dubey, A., & Patra, D. (2026). The use of Artificial Intelligence in neurosurgical manuscript writing: Journal specific policies and their implementation. Journal of Clinical Neuroscience, 144, art.111819. https://doi.org/10.1016/j.jocn.2025.111819
  • arrow_upward De Cassai, A., Dost, B., Augoustides, J. G., Azamfirei, L., Alanoğlu, Z., Azi, L. M., Calvache, J. A., Cerny, V., De Hert, S., Eldawlatly, A., Farber, M. K., Sobreira-Fernandes, D., Fettiplace, M. R., Galante, D., Garg, R., Goldstein, H. V., Abad-Gurumeta, A., Gupta, L., Hemmings, H. C., Zdanowski, S. (2026). Responsible use of large language models in manuscript authorship, peer review, and editorial processes: a Delphi consensus among editors-in-chief of anaesthesia and pain medicine journals (RULE-AP). British Journal of Anaesthesia, 136(5), 1625-1633. https://doi.org/10.1016/j.bja.2026.01.029
  • arrow_upward de Geofroy, B., Gérard, A., Lupon, É., Desrayaud, C., Choufani, C., & Micicoi, G. (2026). Adoption and perception of artificial intelligence by corresponding authors in orthopaedic research: A global cross-sectional study. Orthopaedics & Traumatology: Surgery & Research, art. 104653. https://doi.org/10.1016/j.otsr.2026.104653
  • arrow_upward Epelde, F. (2026). At the frontiers – and perils – of AI-text detectors in the screening of medical manuscripts. Medicina Clínica, 166(3), art. 107300. https://doi.org/10.1016/j.medcle.2026.107300
  • arrow_upward Ganjavi, C., Eppler, M. B., Pekcan, A., Biedermann, B., Abreu, A., Collins, G. S., Gill, I. S., & Cacciamani, G. E. (2024). Publishers’ and journals’ instructions to authors on use of generative artificial intelligence in academic and scientific publishing: bibliometric analysis. BMJ, 384, art. e077192. https://doi.org/10.1136/bmj-2023-077192
  • arrow_upward Gutiérrez-Cirlos, C., Carrillo-Pérez, D. L., Bermúdez-González, J. L., Hidrogo-Montemayor, I., Carrillo-Esper, R., & Sánchez-Mendiola, M. (2023). ChatGPT: opportunities and risks in the fields of medical care, teaching, and research. Gaceta Médica de México, 159(5), 372-379. https://doi.org/10.24875/GMM.M23000811
  • arrow_upward Hoomanfard, M., & Shamsi, Y. (2025). Generative AI in dissertation writing: L2 doctoral students’ self-reported use, AI-giarism, and perceived training needs. Journal of English for Academic Purposes, 78, art. 101570. https://doi.org/10.1016/j.jeap.2025.101570
  • arrow_upward Hosseini, M., Resnik, D. B., & Holmes, K. (2023). The ethics of disclosing the use of artificial intelligence tools in writing scholarly manuscripts. Research Ethics, 19(4), 449-465. https://doi.org/10.1177/17470161231180449
  • arrow_upward Merton, R.(1977). La estructura normativa de la ciencia. In La sociología de la ciencia, 2. Investigaciones teóricas y empíricas (pp. 355-368). Alianza Editorial.
  • arrow_upward Owusu Sarfo, J. (2023). Artificial Intelligence Chatbot – ChatGPT and High-Tech Plagiarism Concerns in a Digital Age: Is Detection Possible? Journal of Advocacy, Research and Education, 10(2), 55-58. https://doi.org/10.13187/jare.2023.2.55
  • arrow_upward Queiroz, A. B. L., Sartori, L. R. M., Lima, G. da S., & Moraes, R. R. (2025). Editorial policies for use and acknowledgment of artificial intelligence in dental journals. Journal of Dentistry, 161, art. 105923. https://doi.org/10.1016/j.jdent.2025.105923
  • arrow_upward Salvagno, M., Taccone, F. S., & Gerli, A. G. (2023). Can artificial intelligence help for scientific writing? Critical Care, 27(1), art. 75. https://doi.org/10.1186/s13054-023-04380-2
  • arrow_upward Scherbakov, D., Hubig, N., Jansari, V., Bakumenko, A., & Lenert, L. A. (2025). The emergence of large language models as tools in literature reviews: a large language model-assisted systematic review. Journal of the American Medical Informatics Association, 32(6), 1071-1086. https://doi.org/10.1093/jamia/ocaf063
  • arrow_upward Vahedian-Azimi, A., Arabfard, M., & Blot, S. (2026). Authorship integrity and artificial intelligence. Intensive & Critical Care Nursing, 93, art. 104283. https://doi.org/10.1016/j.iccn.2025.104283