Si quieres arruinar tu formación académica deja que la inteligencia artificial escriba por ti. Hemos de dejar de darle vueltas al uso de la IA en la academia y decir las cosas de modo tan directo como sea posible.
Si queremos evitar que IA nos vuelva idiotas, hemos de establecer un principio, o dictum, con toda claridad:
- La IA no debe utilizarse para escribir directamente, ni totalmente ni en parte, ninguna sección de un trabajo académico evaluativo.
Por la misma razón, pero aún con más motivos, ningún trabajo académico puede haber sido generado por una IA y publicado como si fuera resultado de una autoría humana.
Cualquier normativa o guía que dé a entender que es admisible que un trabajo académico evaluativo puede ser redactado, aunque sea en parte, por una IA, está situando el uso de la IA en un terreno problemático.
En lo que sigue vamos a intentar razonar este dictum del muro de la escritura.
Escritura por IA y trabajos evaluativos
Primero, unas notas terminológicas:
- Denominamos escritura por IA la incorporación directa de texto producido por un sistema de inteligencia artificial generativa a un trabajo académico. En otras palabras, designa la práctica de obtener una salida mediante IA e incorporarla al manuscrito mediante “copiar y pegar”.
- Denominamos trabajo académico evaluativo a un trabajo que recibe una calificación y, como consecuencia, proporciona alguna clase de título, crédito o reconocimiento académico/legal a su autor. Ejemplo paradigmático son las tesis doctorales, pero también las tesis de máster o cualesquiera otros trabajos y asignaciones académicas si, como ya hemos dicho, otorgan algún reconocimiento, privilegio o créditos a su autor. Una cuestión derivada es la siguiente: ¿los artículos científicos son trabajos evaluativos? Nosotros creemos que, al menos en parte, sí.
Problemas con la escritura por IA
Mientras el uso de la IA para agilizar la exploración de un área de conocimiento es altamente positivo, usar la escritura por IA genera una auténtica galería de problemas:
- Equivale a plagio si no se declara de forma adecuada.
- Amenaza la cadena de atribuciones si se usa una IA que no cita fuentes, como sucede con la mayoría de IA generalistas.
- Puede generar falsas citas, que luego se pueden propagar sin control por otros autores, si no se comprueban las referencias. De hecho, se puede establecer este principio: cuantos más trabajos incorporen escritura por IA, más trabajos publicados contendrán referencias falsas.
- Puede incorpora errores conceptuales o factuales si no se verifican los contenidos que, como en el caso de las referencias inventadas, se pueden propagar por parte de otros autores. El principio anterior se repite.
La lista de problemas no está cerrada. Hay casi tantos como facetas de la cuestión examinemos. Por ejemplo, no hemos mencionado los relacionados con la pérdida de la creatividad y de la diversidad, si se generaliza (como parece que está sucediendo) la escritura por IA en trabajos académicos.
Ocultación de las verdaderas competencias del autor
Además, se produce este otro problema:
- La escritura por IA en trabajos evaluativos oculta las verdaderas competencias del autor.
Hasta ahora, la calidad de un trabajo académico se podía relacionar con las competencias adquiridas por su autor. Un trabajo brillantemente escrito, en concreto, solo podía deberse a un autor con brillantes competencias en la escritura. Con la IA esta relación se ha roto.
Esto genera una ocultación a la sociedad (no solo de los evaluadores) respecto a las verdaderas competencias de los autores.
En trabajos académicos, la calidad de la escritura es una de las habilidades que se evalúan. Cuando un tribunal decide la calificación de una tesis de doctorado o de una tesis de máster tiene en cuenta la calidad de la escritura, pero esto solo puede ser así, si se supone que el autor es el único responsable de la escritura.
Degradación cognitiva
Con todo, y con mucha diferencia por sus implicaciones a medio y largo plazo, el problema principal es el siguiente:
- Las capacidades cognitivas de los autores se degradan en proporción directa a la delegación cognitiva que efectúan en la IA.
La razón es que delegar la escritura es delegar una de las principales capacidades cognitivas de los seres humanos, siendo una competencia imprescindible en los investigadores.
Evitación de aprendizaje
Ya hemos advertido que la escritura por IA tiene varias facetas perniciosas. Otra más de ellas es la siguiente:
- Quienes utilizan la IA para escribir, no leen. Quienes no leen, no aprenden.
¿Por qué esta relación? Si un investigador pre o post doctoral utiliza la salida de una IA para componer su marco teórico, no ha necesitado leer y por tanto, tampoco ha analizado las investigaciones que cita su marco teórico.
Por consiguiente este autor, no entiende su propio marco teórico. Si al autor se le pidiesen explicaciones sería incapaz de darlas, porque no ha aprendido nada. A un fraude suma un tiro en el pie.
Así, que usar la escritura por IA implica esta cadena causal fatal para los verdaderos intereses del autor:
- No ha escrito > no ha leído > no ha aprendido
Tesis doctorales y contrato social
El caso de las tesis doctorales es especialmente importante. Una tesis doctoral no es solamente un trabajo de investigación. Constituye un proceso para formar a nuevos investigadores.
Forma parte de este proceso de formación aumentar las capacidades del doctorando como escritor precisamente porque entre otras cosas, se supone que debe ser capaz de presentar, razonar, demostrar y explicar todos los aspectos de su investigación.
Entonces, podemos decir que hay un contrato implícito de las universidades con la sociedad que dice así:
- «Cuando alguien obtiene un título de doctor, ese alguien ha completado con éxito una formación que le permite diseñar y liderar investigaciones«.
En la medida que el autor ha delegado importantes funciones cognitivas en la IA, como la escritura, su proceso de formación, al menos en parte, ha fallado y el contrato anterior se ha roto.
Si no se establece un muro entre el uso de la IA para aprender y el uso de la IA para escribir, el desarrollo de tesis doctorales dejará de garantizar que el nuevo doctor sea un buen investigador. Esta idea se puede extrapolar a cualquier trabajo académico evaluativo.
¿Qué es el muro de la escritura?
El muro de la escritura es la frontera que separa dos usos posibles de la IA: (1) la formación del autor y (2) la escritura. Por tanto, en el muro no consiste en establecer «cuánta» IA se ha utilizado, sino en establecer «en qué lado» de la pareja formación-redacción se sitúa este uso. Recordemos su enunciado:
- La IA no debe utilizarse para escribir directamente, ni totalmente ni en parte, ninguna sección de un trabajo académico evaluativo.
Por tanto, el muro de la escritura, no impide que la IA sea utilizada para toda una diversidad de propósitos que tienen como único límite real la creatividad del investigador.
Los interesados pueden ver una categorización de los diversos usos de la IA en tesis doctorales en esta entrada que incluye una taxonomía de usos básicos de la IA.
También pueden consultar el canal de YouTube de Alejandro Medina Sandín con tutoriales y propuestas creativas del uso de la IA en tesis doctorales.
La solución: proceso de transformación
La idea es aplicar el mismo proceso de transformación ante un contenido generado por la IA que ante cualquier contenido generado por terceros.
Al menos a nivel teórico nunca hemos tenido dudas de qué debe hacer un doctorando o un investigador en general cuando accede a un contenido valioso de terceros (un libro, un artículo científico, un informe, otra tesis, etc.). Si las esquematizamos, estas acciones se pueden expresar así:
- Exploración y lectura más o menos sistemática del contenido en función de su relevancia e interés para la investigación propia.
- Extracción, en su caso, de elementos conceptuales o factuales relevantes para la propia investigación.
- Evaluación de estos elementos, y como consecuencia algunos se desestimarán y otros se retendrán mediante el procedimiento habitual de «toma de notas».
- Citación literal debidamente marcada, o citación parafraseada, de las ideas o datos factuales retenidos del trabajo de terceros, siempre con atribución.
- Eventualmente: generación de contenido crítico propio y original sugerido por los datos conceptuales o factuales retenidos.
¿Qué es lo que falta en esta lista? Falta (y así debe ser) una acción que diga: «copiar y pegar, como si fuera mío, el texto de terceros en mi trabajo».
¿Por qué, entonces, parece que aceptamos que esa operación de «copiar y pegar» se puede hacer si el contenido lo ha generado una IA?
En realidad, sobran los motivos para aplicar el proceso de transformación a los contenidos generados por una IA si resultan valiosos para nuestro trabajo académico. Hay un marco de transformación específico para quién desee consultarlo, denominado Veritas, y se puede encontrar explicado en detalle aquí.
A modo de resumen, en Veritas la transformación tiene estas fases:
- Verificar las fuentes. Debe comprobarse cualquier fuente candidata a ser usada y citada, si se reputa de interés para el trabajo académico. Esta verificación incluye la totalidad de las referencias de interés, ya sea para apoyar ideas o alguna clase de datos que pensemos manejar en nuestro trabajo.
- Evaluar los constructos (ideas, conceptos, modelos, explicaciones, etc.) presentados por la IA, mediante pensamiento crítico. En esta evaluación, el autor (el doctorando, p.e.) no solo debe asegurarse de captar la esencia de los mismo, sino que debe ponerlos en relación con los conocimientos previos del investigador en su materia, así como con otros elementos de su marco teórico o conceptual.
- Atribuir las ideas a sus autores originales. Cualquier idea o contenido valioso que el investigador consiga de las dos operaciones previas, deben ser atribuidos a las fuentes originales, esto es, a los autores humanos (no a la IA) en la medida que considere incorporarlos a su trabajo. Las atribuciones se harán o bien por explicación o parafraseo (más la cita parentética) o bien por cita literal, marcando y delimitando el fragmento literal, (más la cita parentética).
- Editar cualquier contenido antes de incorporarlo al trabajo. Cualquier contenido en el que ha habido alguna asistencia de una IA debe ser editado por el autor para generar un discurso coherente, unificar la escritura y dotar a toda la narrativa de su trabajo de una voz propia. Esto, además de dotar a la tesis de un estilo coherente, garantiza que el autor ha asumido su responsabilidad y está en condiciones de explicar todos los conceptos que ha manejado en su trabajo.
El resultado de las anteriores fases de transformación es que ninguna sección de un trabajo académico ha sido creada por «copiar y pegar».
Ilustración con un ejemplo
Vamos a ilustrar el muro de la escritura con un ejemplo. Supongamos una revisión de la literatura que se desea llevar a cabo para el desarrollo del marco conceptual o metodológico (o ambos) en una tesis doctoral o, incluso con el fin de llevar a cabo una una revisión sistemática.
Gracias a la IA podemos agilizar mucho este proceso. Podemos usar sistemas como Consensus, Elicit o Undermind para llevar a cabo una exploración realmente efectiva del área de conocimiento donde se situará nuestra investigación.
Usando sistemas de IA podemos obtener un mapa detallado de nuestra área de trabajo, identificando las teorías, conceptos y problemas principales que forman la corriente principal, así como detectar huecos y oportunidades de investigación, identificar autores y fuentes principales, etc.
Una vez ante este resultado aportado por la IA, el doctorando debe poner en marcha sus capacidades cognitivas explorando con pensamiento crítico el corpus científico seleccionado gracias a la IA y aplicando el proceso de transformación tipo Veritas.
Además, por el procedimiento de «bola de nieve», el doctorando descubrirá e incorporará nuevas fuentes a sus materiales de análisis. Como resultado, acabará elaborando su marco teórico de una forma mucho más ágil y seguramente más certera y enfocada, porque la IA le ayudó en el exploración inicial.
Alternativamente, si nuestro objetivo era llevar a cabo una revisión sistemática o una scoping review, a partir de la salida de la IA podemos diseñar de forma más eficaz todos y cada uno de los componentes del protocolo de la revisión de la literatura siguiendo los componentes de PRISMA, p.e., además de utilizar la IA en la mayor parte de las fases de la misma, sin necesidad de recurrir a la escritura por IA.
El lector interesado, puede ampliar estas ideas aquí:
¿Deben las revistas excluir la escritura por IA? El caso de los artículos científicos
En las normativas y guías sobre el uso de la IA en artículos científicos, suele admitirse que partes de un artículo puedan ser redactadas por una IA. Lo que se exige a cambio es transparencia sobre este hecho (puede verse más sobre esto aquí).
Mi opinión personal es que las normativas de uso de la IA en artículos científicos deberían ser muy restrictivas. La razón es que, al menos en parte, un artículo científico es una clase de trabajo evaluativo. La publicación de artículos científicos pasa literalmente por un proceso de evaluación, y los autores reciben reconocimiento, créditos, mejoras de contrato, etc. gracias a la publicación de artículos.
Por eso pensamos que las normativas de uso de IA en las revistas deberían ser restrictivas con la escritura por IA, independientemente de que este uso se declare. Deberían desaconsejar la incorporación por «copiar y pegar», y excluir totalmente su uso en secciones sensibles, como discusión y conclusiones.
En cualquier caso, esto no cambia el punto esencial: delegar en la IA funciones cognitivas elevadas degrada nuestras capacidades. Es como si un atleta en lugar de entrenar se dedica a programar a un robot para que entrene por él.
¿Deben las normativas académicas prohibir la escritura por IA?
En el caso de las normativas académicas a nivel de universidad, mientras la recomendación de no utilizar la escritura por IA para evitar la degradación cognitiva es clara, su traslado en forma de prohibición normativa es otra cuestión.
Hay normativas que tratan el caso de secciones de un trabajo totalmente o parcialmente escritas por la IA como algo que debe ser declarado. Pero si algo debe ser declarado, también se entiende que esta práctica está aceptada (si se declara).
Por eso decimos que la prohibición, de facto, no siempre queda clara. En todo caso, parece que la necesidad de tal prohibición está relacionada con las competencias que se deben evaluar. Para poner un ejemplo fácil: si corresponde evaluar el conocimiento de un idioma, la prueba debe impedir el uso de la IA.
Si en un trabajo evaluativo, como en las tesis doctorales, una de las capacidades que se van a juzgar es la competencia del doctorando para comunicar ideas complejas, la escritura por IA debe estar prohibida.
A partir de aquí, la respuesta a la pregunta de este apartado dependerá de qué habilidades y competencias se deben evaluar. Si en algún trabajo la escritura no desempeña ningún papel, su prohibición puede carecer de sentido. Pero solo en este caso.
En general, se trata de determinar hasta qué punto conocer las verdaderas capacidades del autor respecto a la competencia de comunicar ideas complejas es un elemento central. Si lo es, el dictum del muro tendrá sentido.
¿Qué hay de los entornos no académicos o no evaluativos?
Aún podemos considerar otros casos ¿Qué sucede si usamos la IA en entornos no académicos o no evaluativos?
Ignoro si, fuera del ámbito académico (mi especialidad) se debe imponer (o no) el muro de la escritura. Sin embargo, podemos probar a enunciar un principio general. El muro de la escritura tendrá más o menos sentido en un ámbito en función de: (1) si esa escritura va a ser pública, (2) de la misión que esa escritura deba cumplir y (3) de si es importante que el público necesite conocer las competencias reales del autor.
Periodismo
Hay una zona claramente parecida al entorno académico el menos en algunas cosas: en el periodismo (que se supone que es otra de mis especialidades) puede tener sentido alguna versión del muro de la escritura tanto por su misión crítica como por respeto a las audiencias.
Entiendo que los lectores de un medio de comunicación esperan, en general, aquello que leen, lo ha redactado un periodista y no una IA. Por supuesto, hay excepciones, p.e. las noticias que son una compilación de datos (como resultados deportivos o electorales). Entonces, cuando en alguna pieza periodística interviene una IA, es esperable que un periodista la haya evaluado y editado de alguna forma para respetar el contrato del medio con los lectores.
El lector interesado puede encontrar un trabajo divulgativo al respecto de Alexis Apablaza y Jaime Andrés Wilches en Laboratorio de Periodismo. O este otro sobre cómo declaran el uso de la IA los medios de comunicación.
Como sea, en este apartado, solo pretendo establecer de forma somera la idea de que el muro de la escritura puede tener (o no) aplicación en otros ámbitos y que, en el caso del periodismo, seguramente lo tiene, al menos en alguna variación.
Mejora de la escritura
Hay una zona interesante: el uso de la IA no para escribir, sino para mejorar nuestra escritura. ¿Es legítimo este uso? Creo que puede serlo.
En tal caso, las condiciones para un uso legítimo y no erosionador de nuestras capacidades cognitivas serían las siguientes:
- La primera versión del texto debe ser humana, nunca de la IA. Esto garantiza que no se pierde el esfuerzo cognitivo del autor.
- No se pueden utilizar textos fragmentarios o borradores para que la IA los complete. El texto que se somete a examen de la IA para su mejora debe ser un texto final y completo. Esto refuerza y da sentido pleno al primer punto. El autor debe dar la mejor de sí mismo como tal antes de solicitar a la IA ideas de mejora.
- La IA debe limitarse a proporcionar ideas de mejora. No puede añadir contenido nuevo. Esto elimina la «pendiente deslizante» que podría suponer aceptar contenidos nuevos.
- Es necesaria una nueva edición por parte del autor. No debería aceptarse la versión mejorada sin que el autor realice una edición crítica. Dicha edición debe garantizar que la versión final del texto responda al estilo y la voz propias del autor.
- Si el uso de la IA para mejorar la escritura se ha utilizado en el trabajo de modo generalizado, esto debe declararse.
Entonces el esquema de este uso admitido sería este:
| redacción inicial del autor > revisión IA > edición final del autor |
En todo caso, el autor debe atenerse siempre a la normativa concreta que le afecte según cada caso: normativa de la universidad si es una tesis doctoral o un trabajo académico, normativa de la revista si es un artículo científico, etc.
La idea esencial
A despecho de que tenga sentido normativo (o no) prohibir la escritura por IA la idea esencial es la misma: si no queremos ver degradadas nuestras competencias cognitivas, no deleguemos su uso en la IA.
Los seres humanos no podemos explorar millones de documentos en minutos, una IA sí. Este uso de la IA entonces es lógico y deseable. Es el que hacemos cuando utilizamos una IA para explorar un área de conocimiento a fin de familiarizarnos con ese campo y formarnos como futuros expertos en el mismo.
Pero los seres humanos, ¡oh sorpresa!, podemos escribir. No es como usar un avión para volar porque no tenemos alas. De hecho, los modelos de IA han adquirido sus capacidades gracias a milenios de escritura producida por humanos. Sin esa herencia gigantesca las IA generativas no existirían.
De modo que la escritura por IA no es una extensión de las capacidades humanas sino una amputación voluntaria de las capacidades humanas.
Verificación del muro
El incisivo lector debe estar pensando en qué medida, si se acepta la idea del muro de la escritura, tal cosa puede verificarse.
Es ciertamente, todo un tema en sí mismo. Lo que puedo decir es que, en este punto me interesan los aspectos normativos.
En cambio, la detección del cumplimiento de esa supuesta normativa me interesan mucho menos.
Para que me entiendan, imaginémonos que estamos hablando de impuestos. Se puede discutir y avanzar mucho sobre en el terreno normativo (¿qué impuestos son necesarios?, ¿qué nivel de presión impositiva es aceptable?) sin entrar en cómo se detecta a los defraudadores de hacienda. De hecho, seguramente es imprescindible separar las dos cosas.
Además, sin duda, hay toda una serie de otros temas abiertos de los que por ahora no han sido abordados ni tengo respuestas claras. Por eso he declarado este como un trabajo en progreso.
¿Cómo he usado la IA para esta entrada?
No he usado la IA para escribir ni una sola línea de esta entrada. Tampoco para mejorar la escritura (y seguramente, le convendría). Tal vez lo haga en una próxima edición (ver más adelante).
En cambio, hace años que utilizo la IA, en particular, sistemas como Consensus, Perplexity, ChatGPT y Claude, para explorar y formarme continuamente en cosas como los aspectos éticos de la IA.
El resultado de estos años de uso de la IA (entre otras fuentes, porque también utilizo informes, artículos, vídeo de YouTube, etc.) se ha manifestado en mis sesiones de formación sobre el uso de la IA en tesis doctorales (la mayoría de estas sesiones han generado presentaciones que he publicado), así como en artículos e informes publicados sobre el tema. El lector interesado puede encontrar toda mi producción (informes, presentaciones y artículos) en el repositorio de la UPF y en este mismo sitio.
El experimento
Una de las cosas con las que quiero experimentar es con someter esta entrada al análisis de al menos una IA, pedirle un dictamen y presentarlo aquí.
[Nota 21 de agosto 2026] Primer análisis a cargo de Perplexity
Recién publicada la entrada, he pedido a Perplexity que evalúe esta propuesta. Su dictamen se puede leer aquí:
https://www.perplexity.ai/search/db76fff8-60cb-445a-965d-cc09d1008ddf
Por el momento, no he modificado ni añadido nada a mi texto original. Veo observaciones positivas y también propuestas de mejora que implican críticas, claro. Me llevará un tiempo verificar todo. Si al final aplico cambios, los indicaré con detalle.
[Nota 23 de agosto 2026] Segundo análisis a cargo de ChatGPT
He pedido un dictamen a ChatGPT. Una revisión en diagonal me indica que acierta en determinadas interpretaciones, pero confunde cosas al tratar esta entrada como si fuera el resultado de una investigación, cosa que no es, ni pretende. Esto es un trabajo conceptual y de opinión, no una investigación científica. Hay otros fallos de interpretación, en los que atribuye cosas a este trabajo que son claramente una alucinación porque no están en ningún sitio de esta entrada. En general, me ha parecido menos incisivo que el análisis de Perplexity, pero puede ser un sesgo mío. En cualquier caso el análisis de ChatGPT aporta elementos de reflexión, críticas y referencias útiles. Se puede consultar aquí:
https://chatgpt.com/share/6a8a7b4e-4690-83eb-8863-825bc6f468d6
Como en el informe anterior, si decido incorporar algo de este análisis más adelante (no de momento) lo indicaré.
[Nota 23 de agosto 2026 1/2] Tercer análisis a cargo de Consensus
Este análisis de Consensus es muy curioso. Dice que no puede acceder a la página web pero que analiza mi obra (en otras publicaciones) y que basándose en esto y en una deducción sobre el tema de mi página ofrece diversas consideraciones y, sobre todo, referencias útiles sobre el tema. Se puede consultar el informe de Consensus aquí:
https://consensus.app/search/inteligencia-artificial-y-escritura/AIh_YbZqQW-0ICDKgRuEkQ/
[Nota 23 de agosto 2026 – 2/2] Cuarto análisis a cargo (también) de Consensus
He repetido el análisis de Consensus con una importante variación. He descargado el artículo en formato PDF y lo he subido a Consensus, y luego he pedido su análisis. Como en otros casos, esta IA apoya algunas cosas y critica otras. Una cosa muy interesante es el análisis de la evidencia que contiene su respuesta, y que reproduzco aquí en parte:
Como se puede ver, Consensus ha extraído tres afirmaciones principales de mi propuesta y a dos de ellas le otorga evidencia fuerte y a la tercera le otorga una evidencia moderada. Estas evidencias las ha estimado Consensus analizando 50 investigaciones relacionadas, que se pueden consultaren su informe.
El análisis de Consensus sirve para encontrar investigaciones que apoyan, modulan, amplían o matizan las tesis principales de la propuesta. Se ha revelado como todo un método de investigación con la IA. El informe de Consensus se puede consultar aquí:
https://consensus.app/search/impacto-de-ia-en-evaluaciones-academicas/L9k_oOsdQjiZ_RF5KKGy8A/
¿Qué sigue ahora? Análisis de los análisis
Dejo para más adelante hacer un análisis en profundidad de estos análisis de la IA. Si decido incorporar cambios en mi escrito original, lo indicaré. Por otro lado, si veo que tiene algún interés (aún no lo sé) publicaré una entrada independiente con mis observaciones a los análisis de la IA. Si no, quedan aquí como revisión crítica de mis propuestas para los interesados, además aportan fuentes para ampliación de los interesados.
Para saber más
- Veritas como procedimiento general de uso de la IA en la academia | English version.
- CRITERIA: orientaciones del uso y transparencia de la IA en revisas científicas | English version
- Uso de la IA en tesis doctorales: parte 1, parte 2, parte 3.
- ¿Qué puede hacer la IA en una revisión de la literatura? El caso de las scoping reviews
- Validez y fiabilidad de la inteligencia artificial para revisiones de la literatura y síntesis de la evidencia
- ChatGPT en medios digitales: experiencias periodísticas con inteligencia artificial generativa.
- Cómo investigamos el uso de la inteligencia artificial en los medios de comunicación de Iberoamérica
- Generative Artificial Intelligence for Journalistic Content in Ibero-America: Perceptions, Challenges and Regional Projections
- Transparencia y responsabilidad en el uso de la IA en medios de comunicación: análisis comparativo
- Canal de YouTube de Alejandro Medina Sandín sobre el uso de la IA en tesis doctorales
- Artículos de este sitio de IA y academia
- Artículos de este sitio sobre periodismo.
- Trabajos del autor sobre IA disponibles en el Repositorio de la UPF.