Qué es recomendable y qué no

Antes de usar en tu investigación algo hecho con IA, te recomiendo pasarlo por dos pruebas. Lo demás se deriva de ellas.

Los dos requisitos

Prueba de auditoría. Alguien más (tu comité, un revisor, tú en seis meses) debe poder rastrear cómo se llegó al resultado: el código que se corrió, la fuente de cada dato, la página de cada cita. Si la única evidencia es "me lo dijo el chat", no es auditable.
Prueba de la revelación. Si mañana se supiera exactamente qué hizo la IA en tu trabajo, el valor del trabajo no debería cambiar en nada. Un script que limpió tus datos pasa la prueba: está documentado y es reproducible. Un párrafo de tu marco teórico redactado por la IA no la pasa: lo que se evaluaba ahí era tu pensamiento.

De ahí la recomendación: pasos intermedios sí; redactar el texto, no.

Una tercera prueba, más práctica, para decidir qué delegar:

Prueba de verificabilidad. Delega solo lo que puedas verificar con el tiempo que realmente tienes. Si verificar cuesta tanto como hacerlo, no lo delegues: hazlo tú.

Los 4 errores más importantes

Error #1: Dejar que la IA decida el rumbo de la investigación. La IA es un promedio de lo que existe por escrito. Por muy buenos que sean tus prompts, si no te das el tiempo de entender tu disciplina, no puedes pedirle "dame algo innovador". Ahora hay un riesgo nuevo: con agentes que trabajan horas solos, es más fácil que el proyecto se vaya hacia donde a la IA le resulta fácil, no hacia donde importa.
Error #2: Usarla como fuente de verdad. No es fuente primaria ni secundaria. Un modelo estadístico que puede alucinar no se cita. Cita lo que tú leíste.
Error #3: Usarla para escribir. La IA no puede escribir ni una palabra de tu texto. Ni una sola. No lo digo por los detectores. Lo digo porque escribir es el proceso que te da claridad sobre lo que piensas. Puede señalarte problemas en lo que escribiste; no puede escribirlo por ti.
Error #4: Usarla como sustituto de pensar y no como complemento. "Saber usar la IA" se reduce a dos cosas: conocimiento del tema y claridad para explicar lo que quieres. No hay trucos ni prompts secretos. Con claridad de mente puedes expandir tus capacidades 10x o 100x; sin ella, solo produces workslop más rápido.

Cuatro advertencias al usarla

Te da la razón. Pídele que te refute, no que te confirme. Preséntale opciones sin decir cuál es la tuya.
Razona desde un lugar. Sus intuiciones sobre "cómo se comporta la gente" vienen sobre todo de países ricos y angloparlantes. Un rancho en Durango no es la granja de un cuento estadounidense.
Tus datos son tuyos. No subas datos personales de encuestados, información confidencial de instituciones ni manuscritos de terceros que estés revisando.
Evita las imágenes generadas por IA en la tesis. Las gráficas sí, si salen de código y datos verificables.

Ideas para conservar el oficio

Delegar tiene un costo que conviene conocer. Estudiantes que usaron GPT sin restricciones rindieron mejor en la práctica, pero peor en el examen sin IA (Bastani et al., 2025). En programación, quienes aprendieron con IA retuvieron menos, sobre todo la habilidad de encontrar errores (Shen y Tamkin, 2026). Y endoscopistas con experiencia detectaron menos lesiones sin IA después de acostumbrarse a usarla (Budzyń et al., 2025). Estos hábitos ayudan a conservar lo que se aprende haciendo:

Predice antes de correr. Antes de ejecutar un análisis (con o sin IA) escribe qué esperas encontrar. Después explica las diferencias.
Audita a la IA. Revisa sus resultados buscando errores, no buscando confirmación. Encontrar un error exige más comprensión que producir el texto.
Replica a mano un análisis clave de tu tesis, aunque el resto lo hagas con apoyo de agentes.
Prepárate para leer tus resultados en vivo. En la defensa te pueden poner una tabla de tu propio trabajo y pedirte que la interpretes ahí mismo.
Declara lo que usaste. Una nota breve: qué herramientas y para qué (plantilla en los Bonus).