Declaración del uso de inteligencia artificial en trabajos académicos y profesionales
El auge de los sistemas de inteligencia artificial generativa (IAG) —modelos computacionales capaces de producir texto, imágenes, código y otros contenidos a partir de instrucciones en lenguaje natural— ha obligado a las instituciones académicas, editoriales científicas y organismos profesionales a actualizar sus marcos normativos. Declarar el uso de IA ya no es una cortesía: en muchos contextos es un requisito ético y, crecientemente, una obligación formal. Este artículo describe cómo hacerlo con rigor.
¿Por qué es obligatorio declarar?
La declaración responde a dos principios fundamentales de la ética de la investigación: la transparencia metodológica (revelar con exactitud cómo se produjo el conocimiento) y la integridad académica (no presentar como propio un trabajo que no lo es en su totalidad). Cuando un modelo de IAG redacta párrafos, sintetiza literatura o genera hipótesis, introduce una agencia no humana en el proceso epistémico. Ignorar esa agencia distorsiona la trazabilidad del conocimiento y puede constituir una forma de deshonestidad académica, término que engloba plagio, fabricación y falsificación de datos.
Adicionalmente, la reproducibilidad —uno de los pilares del método científico— exige que un lector pueda reconstruir el proceso. Si se usó un modelo de lenguaje de gran escala (LLM, del inglés large language model) sin documentarlo, esa reconstrucción se vuelve imposible, pues los LLM no producen resultados deterministas: la misma instrucción puede generar respuestas distintas en cada ejecución.
Marcos normativos vigentes
Diversas instituciones han publicado lineamientos explícitos. El Comité de Ética en Publicación (COPE, por sus siglas en inglés) señala que la IA no puede ser coautora —carece de responsabilidad legal y moral— pero que su uso debe describirse en la sección de métodos o en una nota de transparencia. Revistas del grupo Elsevier, Springer Nature y la American Psychological Association (APA) exigen una declaración específica cuando se usó IAG para redactar, traducir o sintetizar contenido. En el contexto universitario mexicano, instituciones como la UNAM y el Tecnológico de Monterrey han emitido comunicados internos que, aunque no uniformes, convergen en el mismo principio: el uso de IA debe documentarse.
Elementos mínimos de una declaración rigurosa
Una declaración de uso de IA debe incluir, como mínimo, los siguientes componentes:
- Nombre y versión del sistema: identificar el modelo con precisión (por ejemplo, "GPT-4o de OpenAI, mayo 2024" o "Claude 3 Sonnet de Anthropic"). La versión importa porque los modelos se actualizan y sus capacidades varían.
- Propósito específico: describir exactamente para qué se usó el sistema: revisión gramatical, síntesis de literatura, generación de código, traducción, lluvia de ideas, o redacción de secciones completas. Usar categorías vagas como "apoyo en la escritura" es insuficiente.
- Alcance del contenido generado: indicar qué partes del documento fueron producidas o modificadas con asistencia de IA y cuáles son de autoría exclusivamente humana.
- Verificación y validación: señalar que el autor humano revisó, verificó y asumió responsabilidad sobre el contenido generado. Ningún sistema de IAG sustituye el juicio crítico del investigador.
- Prompt engineering aplicado: cuando la metodología lo exige (por ejemplo, en estudios que utilizan IA como instrumento de análisis), documentar las instrucciones (prompts) utilizadas o incluirlas como anexo.
Dónde insertar la declaración
La ubicación depende del tipo de documento. En artículos científicos con revisión por pares (peer-reviewed articles), la declaración va en la sección de Métodos si la IA fue parte del proceso analítico, o en una subsección titulada "Declaración de uso de inteligencia artificial" al final del manuscrito, antes de las referencias. En tesis y trabajos de grado, se recomienda incluirla en el prefacio o en la sección de consideraciones éticas. En informes técnicos y documentos profesionales, una nota al pie en la primera página o un anexo metodológico son formatos aceptados.
Errores frecuentes que deben evitarse
Entre los errores más comunes se encuentran: omitir la declaración por asumir que "solo fue para corregir estilo" (cualquier modificación sustantiva del texto requiere declaración); atribuir autoría a la IA (los modelos no son autores); y copiar verbatim el output del modelo sin revisión crítica, lo que expone al autor a errores factuales, alucinaciones —término técnico para las afirmaciones falsas pero plausibles que producen los LLM— y posibles sesgos sistémicos incorporados en los datos de entrenamiento del modelo.
Ejemplo de declaración estándar
El siguiente es un modelo de redacción que puede adaptarse:
"Durante la elaboración de este trabajo se utilizó el modelo [nombre, versión, proveedor, fecha de acceso] con los siguientes propósitos: [lista específica]. Todo el contenido generado por el sistema fue revisado críticamente por el autor, quien asume plena responsabilidad por la veracidad, coherencia y originalidad del documento final."
Consideraciones éticas adicionales
Más allá del cumplimiento normativo, declarar el uso de IA contribuye a un ecosistema de conocimiento más robusto. Permite a la comunidad académica identificar patrones de uso, evaluar riesgos epistemológicos y desarrollar mejores estándares. La transparencia no debilita un trabajo: lo contextualiza y refuerza la credibilidad del investigador.
Glosario
- Inteligencia artificial generativa (IAG): clase de sistemas de IA capaces de producir contenido original (texto, imágenes, código) a partir de instrucciones.
- LLM (large language model): modelo de aprendizaje automático entrenado sobre grandes corpus de texto para predecir y generar lenguaje natural.
- Transparencia metodológica: principio ético que exige revelar con exactitud los procedimientos empleados para producir un resultado científico.
- Integridad académica: conjunto de valores y prácticas que garantizan la honestidad, responsabilidad y rigor en la producción del conocimiento.
- Deshonestidad académica: conducta que viola los estándares de integridad; incluye plagio, fabricación y falsificación.
- Alucinación (en IA): afirmación generada por un LLM que resulta factualmente incorrecta pero está formulada con aparente confianza y coherencia.
- Prompt engineering: práctica de diseñar instrucciones de entrada para guiar el comportamiento de un sistema de IA hacia un resultado deseado.
- Peer review (revisión por pares): proceso de evaluación de un manuscrito científico por expertos independientes antes de su publicación.
- COPE (Committee on Publication Ethics): organismo internacional que establece estándares éticos para la publicación académica.