La revisión por pares es uno de los pilares fundamentales de la ciencia moderna. Sin embargo, el sistema lleva décadas bajo presión: revisores sobrecargados, plazos imposibles y sesgos que se cuelan en el proceso. Ahora, un estudio a gran escala publicado en Nature pone sobre la mesa una pregunta que muchos investigadores evitaban formular en voz alta: ¿pueden los modelos de lenguaje de gran escala (LLMs) participar de forma útil y fiable en la revisión científica?
El estudio que nadie podía ignorar
La investigación, publicada en enero de 2026, es una de las más ambiciosas realizadas hasta la fecha en este campo. Se trató de un experimento aleatorizado a gran escala en el que se introdujo retroalimentación generada por LLMs —concretamente por modelos de la familia GPT-4— dentro de procesos reales de revisión por pares en conferencias académicas de informática e inteligencia artificial.
Los resultados son matizados, y eso es precisamente lo que los hace interesantes. Por un lado, los revisores humanos que recibieron feedback previo de un LLM tendieron a escribir revisiones más largas y con mayor cobertura de aspectos técnicos. Por otro, se detectó una preocupante convergencia de opiniones: cuando los revisores veían primero la valoración del modelo, sus propias puntuaciones se acercaban más a las del sistema automatizado, un fenómeno que los autores denominan "anclaje algorítmico".
El problema del anclaje y la homogeneización
El anclaje algorítmico no es un problema menor. La revisión por pares funciona, en teoría, porque distintos expertos aportan perspectivas independientes. Si todos los revisores parten del mismo análisis generado por un modelo, la diversidad de criterios se reduce drásticamente. Esto puede sonar a eficiencia, pero en ciencia la disidencia y el debate son motores del progreso.
Imagina que un artículo sobre una técnica novedosa de aprendizaje federado recibe una valoración inicial del LLM que lo considera "incremental y de bajo impacto". Si tres revisores humanos leen esa valoración antes de formarse su propia opinión, existe una probabilidad real de que el trabajo sea rechazado aunque contenga aportaciones genuinamente valiosas. El modelo actúa como un árbitro invisible que nadie eligió.
¿Qué hacen bien los LLMs en este contexto?
El estudio también identifica áreas donde la IA aporta valor real. Los LLMs son especialmente útiles para:
- Detectar inconsistencias internas en los manuscritos (afirmaciones contradictorias, errores tipográficos en fórmulas, referencias mal citadas).
- Evaluar la claridad expositiva y sugerir mejoras estructurales.
- Identificar trabajos relacionados que el autor pudo haber omitido.
- Reducir el tiempo que tarda un revisor en completar una evaluación inicial.
Estas capacidades son genuinamente útiles, especialmente en áreas donde el volumen de envíos ha crecido de forma exponencial. Solo en NeurIPS 2024 se recibieron más de 15.000 artículos, una cifra que hace prácticamente imposible encontrar revisores cualificados para todos ellos.
Integridad científica: la línea que no debe cruzarse
El debate de fondo no es si los LLMs pueden ayudar, sino cómo se regula su uso. Varias revistas de alto impacto, incluidas algunas del grupo Nature y la familia IEEE, ya han publicado políticas explícitas que prohíben el uso de IA generativa como revisor principal o como sustituto del juicio humano. Sin embargo, la realidad es más complicada: muchos revisores ya usan estos modelos de forma informal, sin declararlo.
Esta opacidad es, quizás, el problema más urgente. Si un revisor utiliza ChatGPT para generar borradores de su revisión sin comunicarlo, se introduce un sesgo sistémico invisible. Los autores del estudio en Nature abogan por marcos de transparencia obligatoria: los revisores deberían declarar si usaron IA en su proceso, de forma similar a como se declaran los conflictos de interés.
El camino a seguir
La propuesta más sensata que emerge de este trabajo no es prohibir ni adoptar ciegamente, sino diseñar flujos de trabajo híbridos con salvaguardas claras. Algunos ejemplos concretos que los autores sugieren incluyen mostrar el feedback del LLM solo después de que el revisor haya enviado su evaluación preliminar, utilizarlo exclusivamente para chequeos formales, o emplearlo como herramienta de formación para revisores noveles.
La ciencia siempre ha incorporado nuevas herramientas. El microscopio, la estadística bayesiana, el software de simulación: todos generaron resistencias iniciales y terminaron siendo indispensables. Los LLMs probablemente seguirán el mismo camino. La clave está en que la comunidad científica tome el control del proceso antes de que el proceso los controle a ellos.
