- La inteligencia artificial ha revolucionado la capacidad de producir contenido, y esto tiene un impacto directo en la producción de conocimiento.
- Un mayor volumen de producción de conocimiento no significa automáticamente mayor calidad.
- Universidades, centros de pensamiento, redacciones periodísticas, organismos multilaterales y otras instituciones tradicionalmente responsables de generar conocimiento enfrentan hoy una pregunta distinta: no cómo producir más, sino quién responde por lo que se produce.
Hace poco escuché a José Ignacio Latorre, director del Centre for Quantum Technologies de Singapur, describir un episodio ocurrido en su oficina. Un investigador postdoctoral pasó el fin de semana frente a una pantalla. Había pagado 250 dólares al mes por el acceso a una herramienta premium de IA generativa y le había dado el problema de investigación en el que trabajaba desde hacía meses. La máquina le devolvió un artículo científico completo: introducción, metodología, conclusiones, referencias. Latorre le preguntó si había revisado cada línea. "Todo", respondió. "Perfecto. Ni un solo error." Su pregunta ya no era si la máquina podía hacer el trabajo. Era: "¿Lo publico como si fuera mío?"
Esa pregunta se plantea hoy dentro de toda institución cuya autoridad depende de la credibilidad: universidades, centros de pensamiento, redacciones y organismos multilaterales como el Banco Interamericano de Desarrollo (BID). Durante décadas, su valor distintivo fue producir análisis que exigían tiempo, dinero y conocimiento experto.
Pero ahora, con el prompt adecuado, un usuario avanzado puede producir en un fin de semana algo que se asemeja a una investigación rigurosa con ayuda de la IA generativa. El contenido ya no es escaso. La confianza sí.
Más volumen menos calidad
Ese cambio no es hipotético. Hace algunos meses, el Grupo de Trabajo sobre IA de Organization Science analizó cerca de 7.000 manuscritos presentados durante un período de cinco años, tomando los dos años previos al lanzamiento de ChatGPT a fines de 2022 como línea de base para medir el cambio. Reportaron un aumento del 42% de las postulaciones y una caída en la calidad de la escritura.
Los artículos con mayor probabilidad de haber sido escritos con IA también fueron los más propensos a ser rechazados. Los autores con mayor probabilidad de usar IA, hablantes no nativos de inglés e investigadores junior, no mejoraron sus posibilidades de ser publicados. Yo pertenezco al primer grupo, así que estos hallazgos me tocan de cerca. El diagnóstico del Grupo de Trabajo fue claro: más versus mejor. El sistema está produciendo más investigación, pero una menor proporción resulta confiable.
Eso es peligroso porque la confianza es asimétrica. La IA produce contenido plausible, pero no siempre confiable. Una institución puede publicar cientos de informes creíbles, pero basta un informe con una fuente inventada para que sea lo que el lector recuerde. La credibilidad tarda años en construirse y segundos en perderse.
La importancia de la buena investigación para la política pública
Trabajando en gestión del conocimiento en un banco multilateral de desarrollo, he visto cómo la investigación se convierte en materia prima para las políticas públicas en América Latina y el Caribe. Lo que necesitan quienes toman decisiones ha cambiado. Para un ministro en Lima, Bogotá o Montevideo, el desafío ya no es encontrar un artículo sobre un tema. Es decidir cuál de los muchos artículos que aparecen en línea es confiable. Si queremos que nuestro trabajo siga siendo relevante, ahora tenemos que invertir en confianza.
El conocimiento es una piedra angular del desarrollo económico porque ayuda a los países a tomar mejores decisiones, fortalecer sus instituciones, aumentar la productividad, fomentar la innovación y garantizar que los recursos escasos se utilicen de manera efectiva.
Para el BID, el conocimiento es un activo estratégico y una fuente central de valor, ya que le permite al Banco generar evidencia, informar la política pública, diseñar mejores proyectos, apoyar la innovación y ayudar a los países a enfrentar desafíos de desarrollo tanto emergentes como persistentes en América Latina y el Caribe.
Pero a medida que la inteligencia artificial transforma la forma en que se produce y se consume el conocimiento, las organizaciones cuyo valor depende de su capacidad experta enfrentan una pregunta crítica: ¿cómo pueden mantener la confianza y la relevancia en una era de máquinas cada vez más capaces?
Tres recomendaciones para fortalecer la confianza en las instituciones basadas en conocimiento
Volviendo a la oficina de Latorre. Después de que el investigador postdoctoral salió de su oficina, Latorre probó la misma suscripción de IA en un problema en el que su equipo llevaba tiempo estancado. Tres horas después, luego de procesar los datos, llegó la respuesta: no funcionaría. Reunió a sus investigadores. "El mundo se divide entre los que giran la cabeza", les dijo, "y quienes miran el problema directo a los ojos." Para enfrentar la situación, propuso dos reglas y planteó una pregunta abierta:
- Regla 1. Exigir una verificación con IA para cada artículo.
- Regla 2. Proveer acceso premium a IA a cada investigador.
- Pregunta: ¿Aceptaría el centro la autoría de la IA? (una pregunta que toda institución de conocimiento debería estar analizando).
Considerando esos puntos, creo que se desprenden tres cambios:
Primero, tratar la producción de conocimiento como un proceso de verificación, no como una carrera por publicar. El valor de una publicación institucional ya no es que exista, sino que alguien responda por su precisión. Eso significa hacer las fuentes rastreables y verificables, para que un lector pueda distinguir a un verdadero experto de un chatbot que suena seguro.
Segundo, desacelerar para avanzar más rápido. La velocidad por sí sola no es el objetivo. La meta es avanzar al ritmo en que el buen trabajo puede hacerse y ser confiable. Cada atajo en la investigación, la citación o la revisión debilita la reputación de la institución.
Tercero, corregir los incentivos. El Grupo de Trabajo sobre AI de Organization Science es claro sobre qué impulsa la avalancha de artículos con IA: los criterios de promoción y permanencia académica y los bonos que premian cuánto publicas, no si alguien confía en tu trabajo. La misma trampa existe en toda institución que enfatiza los productos. Si se premia el volumen, la IA entregará volumen.
Los desafíos de América Latina y el Caribe
Por supuesto, muchos países todavía enfrentan un déficit real de evidencia rigurosa y anclada en contextos locales. América Latina y el Caribe invierte 0,57% de su PBI en investigación y tiene alrededor de 668 investigadores por millón de habitantes, frente al 2,55% y 4.358 de Europa y América del Norte, según datos de 2023 de la UNESCO.
Esa brecha es real, y los gobiernos no pueden cerrarla solos. Instituciones como el BID ayudan a cerrarla, produciendo investigación que en 2025 fue citada por más de 1.500 documentos de política en todo el mundo.
Sin embargo, en una región donde ese tipo de investigación es escasa, el costo de una sola publicación poco confiable es mayor, no menor. Cuando hay pocas voces creíbles, cada una pesa más. Responder a la escasez con volumen sin verificación no es progreso. Es plantear el problema en términos equivocados.
Latorre cerró su charla con una frase que vale la pena recordar. Todos quieren vivir un momento decisivo de la historia, dijo. Estamos viviendo uno. La pregunta para las instituciones ya no es cuánto producen. Es si alguien seguirá confiando en lo que publican.
En una era en la que la IA parece estar revolucionando la producción de conocimiento, es más importante que nunca promover este tipo de conversaciones, para comprender la profundidad y el valor del factor humano.