Benjamín Toral Fernández
Por Benjamín Toral Fernández
“El perro sabe, pero no sabe que sabe”. Pierre Teilhard de Chardin
La revolución no consiste solamente en que una máquina pueda redactar, resumir o analizar miles de documentos. La verdadera ruptura aparece cuando comenzamos a preguntarnos si una respuesta producida por una inteligencia artificial equivale a conocimiento, si una inferencia algorítmica puede sustituir la comprensión y sobre todo, quién debe responder cuando una conclusión científica resulta equivocada.
Una nueva frontera para la ciencia
Durante siglos, la ciencia construyó su autoridad alrededor de una idea exigente: una afirmación no vale porque alguien la pronuncie, sino porque puede ser examinada, discutida, contrastada, falseada y cuando sea posible, reproducida. La ciencia abierta ha llevado esa aspiración más lejos al promover el acceso libre a publicaciones, datos, métodos, infraestructuras y procesos de investigación. La UNESCO la concibe como una vía para hacer el conocimiento científico más accesible, inclusivo, equitativo y reutilizable.
¡No te pierdas las noticias destacadas de Acento!
Suscríbite a nuestro newsletter y recibe las historias más importantes del día.
SUSCRÍBETE
Al suscribirse al newsletter acepta nuestros términos y condiciones y política de privacidad.
La inteligencia artificial irrumpe precisamente en ese escenario. Puede revisar literatura a una velocidad inalcanzable para una persona, identificar patrones, apoyar análisis estadísticos, sugerir hipótesis, programar, traducir y producir borradores. En otras palabras, multiplica la capacidad operativa de la investigación. Pero esa potencia abre una pregunta incómoda: ¿estamos ampliando la inteligencia del investigador o comenzando a confundir la capacidad de producir respuestas con la capacidad de comprenderlas?
El problema no es que la IA sea poderosa, sino que parezca comprender
Un sistema de IA puede formular una crítica metodológica convincente. Puede advertir que una investigación confunde correlación con causalidad. Puede proponer variables, comparar teorías y elaborar explicaciones. Desde fuera, muchas de esas operaciones se parecen extraordinariamente al razonamiento.
Sin embargo, existe una diferencia filosófica que no debería desaparecer bajo el entusiasmo tecnológico. La IA puede generar lenguaje que representa razonamiento, sin que ello demuestre que experimente el razonamiento. No siente sorpresa ante un dato inesperado, no vive la duda que antecede a una pregunta científica y no posee una relación consciente con la verdad o falsedad de aquello que afirma.
Esta distinción es el núcleo del documento de reflexión que sirve de base a este artículo: producir una proposición novedosa no equivale necesariamente a ser un sujeto que conoce. La novedad informacional y el conocimiento consciente no son categorías idénticas.
La ventaja humana que no aparece en una base de datos
El investigador humano tiene limitaciones evidentes. Lee menos, calcula más lentamente, olvida, se cansa y puede estar condicionado por prejuicios. Frente a una IA, su capacidad de procesamiento parece modesta. Pero la investigación científica nunca ha sido solamente procesamiento.
MIRA TAMBIÉN
La confianza también se diseña
Acoso institucionalizado
Investigar comienza muchas veces cuando alguien encuentra algo que no encaja. Un descenso de la matrícula universitaria puede ser tratado como una serie de datos: edades, carreras, ingresos, tasas de retención. Pero un investigador puede dar un paso adicional y preguntarse si la propia idea de universidad está cambiando ante una nueva generación. Esa segunda pregunta no solo busca una causa: redefine el problema.
Ahí aparece la capacidad de problematizar la realidad. El ser humano investiga desde una historia, una sociedad, una cultura y unas consecuencias que le afectan. Puede reconocer que no comprende, cambiar sus categorías y asumir que una conclusión tendrá efectos sobre otras personas. La IA puede ayudar a formular la pregunta, pero no vive el problema que la origina.
De la autoridad del experto a la autoridad del algoritmo
La ciencia abierta nació, entre otras razones, para fortalecer la verificabilidad y la falsación. Su lógica cuestiona la obediencia intelectual: no debería bastar con decir “es verdad porque lo afirmó una autoridad”. Paradójicamente, la expansión de la IA puede crear una nueva forma de autoridad incuestionada: “debe ser correcto porque lo produjo una inteligencia artificial”.
Ese salto sería peligroso. Los modelos pueden equivocarse, heredar sesgos de los datos y operar mediante procesos cuya explicación no siempre es transparente. UNESCO y la Royal Society han advertido que una dependencia excesiva de sistemas opacos puede afectar la reproducibilidad, la credibilidad y la confianza en la investigación basada en IA.
Por eso conviene colocar la tecnología en su lugar epistemológico: la IA puede ser un instrumento extraordinario, pero no debería convertirse automáticamente en autoridad. Cuanto mayor sea su capacidad para producir información e inferencias, mayor debe ser la exigencia humana de verificarlas.
Tres maneras de usar la IA en investigación
No toda utilización de inteligencia artificial implica el mismo riesgo. En un primer nivel, la IA es instrumental: ayuda con tareas específicas mientras el investigador conserva el control intelectual del proceso. En un segundo nivel puede funcionar de manera colaborativa, sugiriendo análisis, hipótesis o interpretaciones que el investigador contrasta y decide aceptar o rechazar.
El problema aparece en un tercer nivel: la dependencia algorítmica. Ocurre cuando se delega una parte sustancial del razonamiento operativo y los resultados se aceptan sin comprensión o verificación suficiente. Allí la eficiencia puede convertirse en fragilidad epistemológica.
La pregunta relevante, por tanto, no es simplemente “¿se utilizó IA?”, sino “¿qué se delegó, qué se verificó, quién comprendió el procedimiento y quién asume la responsabilidad por la conclusión?” Esa diferencia será cada vez más importante para universidades, revistas, evaluadores y comunidades científicas.
MIRA TAMBIÉN
Deber cumplido: transparencia, confianza y vocación de servicio
La IA acabó con el examen como prueba de aprendizaje
La paradoja de nuestro tiempo: más información, más necesidad de discernimiento
La humanidad nunca había tenido una capacidad semejante para acceder, combinar y producir información. La ciencia abierta amplía el acceso a publicaciones, datos y métodos; la IA amplía la velocidad con que esos materiales pueden analizarse, resumirse y recombinarse. La combinación puede acelerar descubrimientos y democratizar capacidades que antes estaban concentradas en instituciones con grandes recursos.
Pero la abundancia trae una paradoja: cuanto más fácil resulta producir contenido plausible, más importante se vuelve distinguir lo plausible de lo verdadero, lo novedoso de lo válido y la respuesta convincente de la explicación científicamente sustentada.
En ese escenario, el recurso escaso ya no será únicamente la información. Será el discernimiento. Saber preguntar, contrastar fuentes, evaluar evidencias, interpretar datos, reconocer incertidumbres y detectar errores puede convertirse en una competencia más valiosa que memorizar contenidos disponibles instantáneamente.
La universidad ante una decisión histórica
Esta transformación toca directamente a la educación superior. Una universidad organizada principalmente para transmitir y memorizar información corre el riesgo de competir con una tecnología que realiza esas tareas con una velocidad imposible para cualquier docente o estudiante.
La respuesta no puede ser prohibir la IA ni entregarse a ella. Debe consistir en elevar el nivel intelectual de la formación. Si una máquina puede resumir un capítulo, la universidad debe enseñar a discutir sus supuestos. Si puede generar una hipótesis, debe enseñar a decidir si esa hipótesis merece ser investigada. Si puede calcular un resultado, debe formar para interpretar qué significa, cuáles son sus límites y qué decisiones éticas se derivan de él.
Esto devuelve al centro disciplinas y competencias que durante años pudieron parecer secundarias frente al dominio técnico: filosofía de la ciencia, epistemología, metodología, ética, estadística, argumentación y pensamiento crítico. La IA no reduce la necesidad de estas áreas; puede hacerlas más urgentes.
¿Quién es el autor cuando interviene una máquina?
La autoría científica también tendrá que ser pensada con mayor precisión. Si una persona formula el problema, diseña la metodología, selecciona y comprende los datos, utiliza IA como apoyo, interpreta críticamente los resultados y responde por las conclusiones, la autoría continúa siendo esencialmente humana.
MIRA TAMBIÉN
El valor de una medalla olímpica
La violencia provoca inflamación en el cuerpo de las mujeres
Otra situación aparece cuando una persona reproduce resultados que no comprende y que tampoco puede verificar. En ese caso puede existir producción de información sin verdadera apropiación epistemológica. El problema no es meramente editorial. Es una cuestión de responsabilidad.
Una máquina no comparece ante un comité de ética, no defiende una tesis, no responde moralmente ante una comunidad y no asume las consecuencias sociales de una afirmación falsa. La responsabilidad no puede evaporarse dentro del algoritmo.
La pregunta que queda abierta
Quizás el debate sobre inteligencia artificial está demasiado concentrado en una pregunta espectacular: ¿llegarán las máquinas a pensar como nosotros? Para la ciencia y la universidad existe otra cuestión, menos futurista y mucho más inmediata: ¿seguiremos nosotros pensando críticamente cuando las máquinas puedan responder por nosotros?
La IA puede ampliar de manera extraordinaria la capacidad humana de investigar, del mismo modo que otros instrumentos ampliaron la observación, el cálculo o el acceso a la información. Pero una herramienta que opera sobre representaciones del conocimiento no debe confundirse sin más con un sujeto consciente que comprende aquello que produce.
El futuro de la ciencia no dependerá solamente de construir sistemas capaces de ofrecer respuestas cada vez mejores. Dependerá también de conservar una distinción que parece sencilla y, sin embargo, será decisiva: información no es necesariamente conocimiento; inferencia no es necesariamente comprensión; y una respuesta correcta no elimina la obligación humana de saber por qué debemos considerarla correcta.
La inteligencia artificial puede ayudarnos a llegar más lejos. La pregunta es si, al llegar, todavía sabremos explicar qué hemos descubierto, por qué importa y quién está dispuesto a responder por ello.
Fuentes y marco de referencia
Documento base: “Filosofía de la ciencia en la época de la ciencia abierta y la inteligencia artificial. Reflexión crítica sobre conocimiento, pensamiento, investigación y el papel epistemológico de la IA”, agosto de 2026.
UNESCO. Recomendación sobre la Ciencia Abierta (adoptada en 2021): valores de calidad e integridad, beneficio colectivo, equidad, diversidad e inclusión.
UNESCO. “Exploring Opportunities and Challenges at the Intersection of Open Science and Artificial Intelligence” (2024): transparencia, reproducibilidad, credibilidad, equidad y riesgos de opacidad en investigación asistida por IA.
UNESCO. Recomendación sobre la Ética de la Inteligencia Artificial: implicaciones de la IA para la ciencia, la comprensión, la explicación, la autonomía y la responsabilidad humana.