Por: José Julián Ñáñez Rodríguez – director del Doctorado en Ciencias de la Educación de la UT y Alejandra Barrios Rivera – magíster en Educación.

Investigar suele empezar con una pregunta, con el deseo de entender algo, y por eso es una manera de relacionarse con el mundo antes que una profesión o un indicador. Esa raíz explica por qué la investigación ha sostenido, durante siglos, buena parte de lo que una sociedad sabe de sí misma y de su entorno.

Una práctica como la investigación puede describirse a partir de dos clases de bienes (MacIntyre, 1981/2013). Los bienes internos son los que solo se alcanzan ejerciéndola y los que justifican el oficio, como la comprensión de un problema o la excelencia en el método; mientras que los externos, el dinero, el prestigio o el ascenso, pueden obtenerse por otras vías y no dependen de que se haga bien lo que se hace. Ninguno de los dos sobra, porque las instituciones necesitan bienes externos para sostener la práctica y quien investiga necesita salario y reconocimiento para poder seguir haciéndolo.

Hoy investigar ocurre dentro de sistemas de evaluación que ordenan, comparan y dan visibilidad, y esa utilidad es real, pues permiten rendir cuentas sobre los recursos y reconocer trayectorias. Como todo sistema, sin embargo, generan incentivos, y uno de los más visibles es que la productividad se registra con más facilidad que la profundidad, de modo que el número de publicaciones puede terminar pesando más que lo que cada una aporta. No se trata de prescindir de la evaluación, sino de recordar que lo que se mide es un indicio de la práctica y no la práctica misma.

La inteligencia artificial se suma a este panorama como una oportunidad y como una pregunta. Quienes la adoptan publican más y ganan visibilidad, aunque el conjunto de la ciencia tiende a concentrarse en menos temas (Hao et al., 2026), y como producir más no equivale a comprender más, estas herramientas pueden crear la ilusión de entender lo que apenas se ha procesado (Messeri y Crockett, 2024). Lo que antes exigía meses de lectura y escritura puede obtenerse en horas, y esa rapidez no es buena ni mala por sí misma, porque también puede liberar tiempo para el análisis. Todo depende de si se usa para ampliar lo que se comprende o para acelerar lo que se publica.

Le puede interesar: Dos pruebas, un mismo diagnóstico

Ante esa aceleración suele preguntarse si el uso de la herramienta es válido, es decir, si cumple las reglas de la revista y supera la revisión. Es una pregunta necesaria, pero solo examina el medio, y la pregunta de fondo es si lo que se hace es ético y no solo permitido. En la investigación, eso significa que quien firma entiende lo que firma, puede explicar cómo llegó a sus resultados y responder por ellos. La herramienta puede redactar un texto, pero no puede responder por lo que dice, y esa responsabilidad sigue siendo de quien publica, porque la honestidad es una de las virtudes que la práctica exige para alcanzar sus bienes internos (MacIntyre, 1981/2013). Tampoco recae solo en el investigador, pues a las instituciones les corresponde revisar los incentivos con que orientan y evalúan la investigación.

Referencias

Hao, Q., Xu, F., Li, Y., & Evans, J. (2026). Artificial intelligence tools expand scientists’ impact but contract science’s focus. Nature, 649. https://doi.org/10.1038/s41586-025-09922-y

MacIntyre, A. (2013). Tras la virtud (A. Valcárcel, Trad.). Austral. (Obra original publicada en 1981).

Messeri, L., & Crockett, M. J. (2024). Artificial intelligence and illusions of understanding in scientific research. Nature, 627(8002), 49–58. https://doi.org/10.1038/s41586-024-07146-0

Aviso: Las opiniones en esta columna pertenecen exclusivamente al autor y no comprometen el pensamiento editorial de Enfoque TeVé 360. Abrimos este espacio como un ejercicio de libre expresión y pluralidad.