12 ideas clave frente a la evidencia
De 12 ideas clave sobre la IA en la investigación, 9 se sostienen con la evidencia de 2023-2026, 1 se matiza y 2 hay que actualizarlas.
| # | La idea | Qué dice la investigación reciente | Veredicto |
|---|---|---|---|
| 1 | No delegues el pensar: el punto es tu aprendizaje | Estudiantes con GPT sin restricciones rindieron mejor en práctica y peor en el examen sin IA (Bastani et al., 2025, PNAS). En programación, quien usó IA aprendió menos, sobre todo a depurar errores (Shen y Tamkin, 2026). Tao: entregar la tarea correcta no forma a un matemático. | Se sostiene |
| 2 | La IA sirve para entender, no para sustituir | El uso que complementa (pedir explicaciones) mejora el aprendizaje; el que sustituye lo reduce (Lehmann et al., 2024). | Se sostiene |
| 3 | Investigar tiene valor aunque otros (o la IA) lo hagan mejor | La Declaración de Leiden pone la comprensión humana como meta de la investigación. Tao advierte que la IA puede separar metas que antes iban juntas: resolver problemas, construir teoría, formar personas. | Se sostiene |
| 4 | La IA es para los pasos intermedios, con revisión de cada paso | Los agentes ya reproducen buena parte de los resultados de ciencias sociales (Alizadeh et al., 2026; Kohler et al., 2026), pero Korinek (2025) concluye que requieren supervisión. | Se sostiene y se amplía: hoy se puede delegar mucho más de lo que enseñaba |
| 5 | Todo resultado debe ser auditable | Leiden pide declarar herramientas y métodos. OpenAI publicó su demostración en Lean precisamente para que se pudiera verificar. | Se sostiene: auditable = verificable por alguien más |
| 6 | La IA no escribe ni una palabra de tu texto | Tao: el texto pulido por IA es "fácil de leer y difícil de aprender". Quienes escribieron ensayos con IA recordaban peor lo que escribieron y sentían menos autoría (Kosmyna et al., 2025, sin revisión por pares). Workslop. | Se sostiene |
| 7 | La IA no es fuente (ni primaria ni secundaria) | Citas inventadas en artículos aceptados en NeurIPS 2025 que ningún revisor detectó. Caso Deloitte. | Se sostiene |
| 8 | Pon a prueba sus respuestas: tiende a darte la razón | Once modelos respaldaron a los usuarios ~50% más que otras personas (Cheng et al., 2026, Science). Con ChatGPT en su modo normal, menos personas descubrieron la regla correcta y salieron más seguras de su hipótesis equivocada (Batista y Griffiths, 2026). | Se sostiene, y es más grave de lo que pensaba |
| 9 | La IA razona desde un lugar (sesgo cultural) | Sus respuestas se parecen más a las de países occidentales y ricos (Atari et al., 2023). Los encuestados sintéticos fallan por 11 a 16 puntos (Pew, 2026). | Se sostiene |
| 10 | Si usas IA, que sea la de paga y de propósito general | Los modelos de frontera siguen ganando, pero cambian de lugar cada pocos meses. | Se matiza: lo importante es el modo (razonamiento, agente), no la marca |
| 11 | La IA inventa referencias con frecuencia (en una prueba informal, solo 2 de 10 enlaces eran correctos) | Con búsqueda integrada la tasa mejoró mucho, pero no es cero: ~1% de los artículos aceptados en NeurIPS 2025 tenían citas inventadas. | Hay que actualizar el número; la regla (verificar una por una) sigue |
| 12 | "La IA es pésima para textos al grano" | Los modelos actuales pueden ser muy concisos si se les pide. El problema ya no es el estilo, es que el texto no sale de tu cabeza. | Hay que actualizar el argumento |
Cómo leer esta tabla: casi todo lo que cambió es lo que la IA puede hacer. Casi nada cambió sobre lo que tú necesitas aprender. Las referencias completas están al final.