La IA dialoga consigo misma: ¿hacia dónde va la publicación académica?

Un autor solicita apoyo a la inteligencia artificial para acelerar sutrabajo y somete un artículo. El editor lo revisa, nota que el inglés esimpecable, y lo envía a revisión por pares. Los revisores reciben el manuscrito y piden ayuda a una IA para elaborar su dictamen. El editor transmite los comentarios. El autor pide ayuda a una IA para redactar la respuesta a los revisores, incorpora las recomendaciones y vuelve a someter el artículo. El editor revisa la respuesta, aprueba, y publica.

En ningún punto de esta cadena alguien firmó como "coautor" a la IAgenerativa. Y, sin embargo, en varios de sus nodos más críticos, es la IA la que dialoga consigo misma a través de intermediarios humanos que aprueban sin necesariamente aportar juicio propio en cada paso.

Esto no es una hipótesis retórica. Una encuesta global de Frontiers(2025), con 1,645 investigadores activos en 111 países, encontró que 53% de los revisores por pares ya usa herramientas de IA en su trabajo, pese a que la mayoría de las políticas editoriales lo prohíben. En la conferencia ICLR 2026 (International Conference on LearningRepresentations, uno de los principales foros de inteligencia artificial), una firma de detección de texto por IA estimó que 21% de las reseñas enviadas para su revisión habían sido generadas por IA. El ciclo que se describe arriba ya está ocurriendo, con las principales editoriales biomédicas reconociéndolo como riesgo formal.

El riesgo ya está normado, aunque de forma desigual e inverificable. Un estudio sobre las 100 principales revistas médicas encontró que 78 ya tenían directrices explícitas sobre IA en revisión por pares: 46 la prohibían por completo, 32 la permitían bajo condiciones. El ICMJE (Comité Internacional de Editores de Revistas Médicas) dedicó en enero de 2026 una sección completa al uso de IA en publicación, con lineamientos específicos para revisores. Las grandes editorialescoinciden en una misma regla: prohibido subir manuscritos no publicados a herramientas de IA, por violación de confidencialidad.

El problema es que esta autorregulación no tiene forma de verificarse. Nadie puede comprobar si un revisor efectivamente subió el manuscrito a una IA o no; la norma descansa enteramente en la ética profesional de quien la puede violar sin dejar rastro. Los datos ya citados muestran que la norma, aunque existe, no está conteniendo el fenómeno que busca prevenir.

Incentivos académicos

El problema no nace con la IA. El "publicas o pereces", el factor de impacto y el conteo de publicaciones y referencias ya generaban presión hacia la velocidad y el volumen antes de que existiera cualquier herramienta de IA para redactar textos. La revisión por pares, no remunerada y creciente en carga, ya era un eslabón débil del sistema.

Lo que cambia con la IA es la densidad del problema: el costo marginal de producir manuscritos, dictámenes y respuestas con apariencia de rigor prácticamente desaparece. La fricción que antes actuaba como filtro involuntario de calidad —era lento, era difícil, exigía dominio real del tema y del idioma— desaparece, sin que se haya diseñado un sustituto que cumpla esa función.

Esto es, en esencia, un problema de acción colectiva: cada actor (autor, revisor, editor) actúa racionalmente dado el sistema de incentivos que enfrenta. Puede no haber mala fe, pero el costo de una revisión deficiente lo paga el paciente cuyo tratamiento se basa en evidencia insuficiente, el público cuya política de salud descansa en un estudio con sesgos no detectados, o los y las investigadoras jóvenes que compiten en desventaja frente a quien produce más rápido.

Un estudio en Organization Science (revista de ciencias sociales y administrativas) encontró que el sometimiento de artículos aumentó 42% desde la llegada de las herramientas de IA para textos, y que para 2026 la mayoría de los manuscritos ya mostraba uso de IA — con caída medible en la profundidad de la escritura. Un análisis de más de 7,000 resúmenes sometidos a una conferencia oncológica encontró IA en 36% de los resúmenes, pero solo 9% de los autores lo declaró cuando se les preguntó directamente: la brecha entre uso real y declaración es, si acaso, peor en autores que en revisores.

Asimetría Norte-Sur

El sistema editorial biomédico exige que el manuscrito exista en inglés, y esa carga recae históricamente sobre el autor —no sobre el editor ni sobre el lector—, pese a que la revista podría, técnicamente, asumir la traducción. Esta asimetría es una decisión de diseño institucional, sostenida por inercia y relaciones de poder, no por necesidad epistemológica. Filtra por acceso previo a educación bilingüe, no por mérito científico, y forma élites con el capital cultural para dominar la retórica esperada. También empobrece lo que el sistema ve: preguntas relevantes para poblaciones no angloparlantes compiten en desventaja, y ciencia rigurosa publicada en lengua materna queda fuera de las bases de datos indexadas dominantes.

La IA abarata el costo de esa traducción para el autor, pero no cuestiona por qué esa responsabilidad recae en él: nivela la superficie retórica sin desmantelar el mecanismo de exclusión ni redistribuir su costo. El patrón de adopción confirma la hipótesis: un análisis de más de dos millones de publicaciones biomédicas en PubMed Central encontró que la escritura asistida por IA creció 400% en países donde no se habla inglés desde la llegada de la IA generativa de uso masivo, frente a 183% en países angloparlantes — el doble de adopción, precisamente donde la barrera del idioma era mayor.

Los detectores de IA, adoptados cada vez más por editores como filtro rápido, agravan el problema en vez de resolverlo: estudios recientesmuestran tasas de falsos positivos en hasta 61% de textos de escritores cuya lengua materna no es el inglés, frente a 5% en quienes sí es, porque la escritura formal y cuidadosa de los primeros se asemeja estadísticamente a la de una IA. El mismo autor que paga el costo de escribir en una lengua ajena a la materna corre mayor riesgo de ser falsamente acusado de usar IA, mientras que alguien que escribe en inglés, con el mismo nivel de asistencia por IA, tiende a pasar desapercibido.

El espectro

El problema no se resuelve con una declaración binaria de si se usó o no IA. Existe un espectro de actividades, con una frontera gradual, casi invisible desde afuera, y ambigua incluso para quien la usa:

• 1. Traducción pura de un texto ya pensado y escrito por el autor — equivale a un traductor profesional.
• 2. Pulido de estilo sobre una traducción ya hecha — sigue siendo forma, no contenido.
• 3. Reestructuración de la argumentación — qué enfatizar, cómo ordenar la narrativa; ya es una decisión retórica sobre cómo contar la historia.
• 4. Generación de interpretación o discusión — qué significa el resultado, cómo se compara con la literatura; ya es contenido intelectual.
• 5. Generación de respuestas a revisores que defienden la validez metodológica del estudio — el momento más crítico de la revisión por pares.

Los criterios de autoría en biomedicina (ICMJE) exigen contribución sustantiva al análisis o interpretación, redacción crítica, y responsabilidad sobre la integridad del trabajo. La traducción pura (nivel 1) no cumple ninguno. Pero en los niveles 3 y 4, la actividad empieza a cumplir criterios que, en un humano, lo convertirían en coautor.

El texto final se ve igual de pulido en cualquier punto del espectro: ni editor ni revisor pueden distinguir, leyendo el manuscrito, dónde se detuvo el autor a dialogar con la IA. Y el propio autor puede cruzar la línea sin darse cuenta: es fácil empezar pidiendo "traduce esto" y terminar preguntando "¿qué crees que debería responder a este comentario?" — que ya no es forma, sino contenido.

Esta distribución ya es medible: la misma encuesta de Frontiersencontró que solo 19% de los autores usa IA para examinar metodología, estadística o la lógica del argumento — la gran mayoría se concentra en los niveles 1-2 del espectro (redacción, resumen), no en los niveles altos que comprometen el juicio científico.

¿Es IA coautora?

Depende en que parte del espectro se usó. Considero que no lo es cuando traduce o pule contenido ya pensado por el autor. Empieza a serlo de facto —aunque nunca se declare ni pueda firmarlo— cuando genera interpretación, argumento o defensa metodológica no declarada.

Las políticas editoriales actuales —declarar el uso de IA de forma binaria, prohibirlo a revisores— no capturan esta granularidad, y los datos ya presentados muestran que, además, no logran hacerse cumplir. Una declaración útil no debería preguntar solo "¿usó IA?", sino en qué punto del espectro: ¿para traducir contenido ya decidido por el autor, o para generar contenido que él no había pensado? Esa distinción —traducir contenido propio frente a generar contenido— podría ser el criterio real para trazar dónde una herramienta deja de serlo y empieza a ejercer coautoría no reconocida.

Nota: Esta columna se escribió en diálogo inteligente con Claude, de Anthropic, que ayudó a verificar la evidencia citada y a construir, en diálogo, el espectro descrito arriba — una contribución que se inscribe, parcialmente, en los niveles 3 y 4. Lo hago explícito, aunque no sea una publicación académica, porque el texto juzga la ética de autores, revisores y editores frente a la IA.

Referencias para profundizar en la lectura

• Frontiers Media (2025). Unlocking AI’s untapped potential: responsible innovation in research and publishing.https://www.frontiersin.org/news/tag/peer-review
• Liu, J., He, Y., Zheng, Z., Bu, Y. y Ni, C. (2025). AI-Assisted Writing Is Growing Fastest Among Non-English-Speaking and Less Established Scientists. arXiv:2511.15872. https://arxiv.org/abs/2511.15872
• International Committee of Medical Journal Editors (2026). Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work in Medical Journals.https://www.icmje.org/news-and-editorials/updated_recommendations_jan2026.html

*El autor es investigador Emérito del SNII. Profesor Emérito del Instituto para la Medición y Evaluación de la Salud. Universidad de Washington. rlozano@uw.edu; @DrRafaelLozano