MÁS ALLÁ DEL PROMPT: INTEGRIDAD CIENTÍFICA Y PENSAMIENTO CRÍTICO EN LA ERA DE LA INTELIGENCIA ARTIFICIAL

Abogado especialista en derecho institucional y gestión pública, con sólida trayectoria en el análisis normativo, la docencia universitaria y la consultoría legal. Candidato a Doctor en Filosofía, Gobierno y Políticas Públicas (Ph. D.) por la Universidad IUAC. Sus líneas de investigación abordan la epistemología jurídica, el diseño institucional de políticas públicas, la gobernanza tecnológica y los sesgos algorítmicos en la investigación científica.

Palabras clave: Integridad científica, Inteligencia artificial, Pensamiento crítico, Metodología de la investigación, Gobernanza tecnológica.

La vertiginosa e inevitable irrupción de la Inteligencia Artificial Generativa (IAG) en las dinámicas de la educación superior e investigación científica representa ya una de las transformaciones epistemológicas más profundas de nuestro siglo. Si bien estas herramientas optimizan exponencialmente la capacidad de procesamiento técnico y la síntesis documental, simultáneamente instalan tensiones éticas que amenazan el rigor metodológico. El debate contemporáneo ha centrado su atención en el riesgo evidente del plagio; sin embargo, existe un peligro más complejo e imperceptible: la atrofia del pensamiento crítico provocada por la pereza cognitiva y la sustitución de la agencia humana por modelos probabilísticos.

En el marco de la investigación en filosofía, gobierno y políticas públicas, resulta apremiante superar la fascinación instrumental del prompt para articular una gobernanza del conocimiento rigurosa. Este texto ofrece una reflexión pedagógica y metodológica sobre los límites operativos de la IA, proponiendo un protocolo práctico de integridad científica diseñado para salvaguardar la intención de investigar, la validez empírica y la responsabilidad ética del investigador.

¿Cuál es el verdadero rol de la Inteligencia Artificial en el proceso de investigación académica?

Para comprender el rol de la IA en la ciencia contemporánea, es imprescindible delimitar sus dominios cognitivos. La inteligencia artificial actúa como un «copiloto» técnico capaz de ejecutar tareas de mecánica analítica: optimizar tiempos de procesamiento, condensar grandes volúmenes de literatura, identificar patrones en conjuntos de datos estructurados y proponer esquemas formales de redacción, por dar unos ejemplos.

No obstante, la dirección estratégica y el «control de vuelo» del proceso de investigación corresponden indudablemente al investigador. La IA carece de intencionalidad, conciencia sintáctica o discernimiento ético-político. La formulación de preguntas de investigación pertinentes a la realidad social, la contextualización de los hallazgos y la asunción de la responsabilidad académica representan competencias exclusivamente humanas que ningún algoritmo de procesamiento de lenguaje natural puede suplir (Floridi, 2023).

¿Por qué el mayor riesgo de la IA no es el plagio, sino el sesgo y la pereza cognitiva?

El análisis crítico revela que la amenaza central de la IAG en la investigación no reside prioritariamente en la vulneración de derechos de autor, sino en la denominada pereza

cognitiva (cognitive offloading). Este fenómeno ocurre cuando el investigador delega el filtro crítico al algoritmo, generando dos distorsiones cognitivas severas:

1.-Ilusión de conocimiento: La falsa creencia de que comprender la estructura superficial de una respuesta generada por software equivale a dominar la complejidad teórica y epistemológica del problema de estudio.

2.-Sesgo de automatización: Tendencia a confiar ciegamente en los resultados presentados por un sistema automatizado, omitiendo la verificación de sesgos, alucinaciones de datos y omisiones conceptuales (Gillespie, 2020).

Al omitir el filtro de validación humana mediante atajos metodológicos, la investigación académica corre el riesgo de transitar directamente desde datos sintéticos hacia resultados falsos o inconsistentes, anulando la construcción de conocimiento socialmente útil.

¿Cómo estructurar un Protocolo de Integridad Científica para gobernar el uso de la IA?

Ante la necesidad de guiar la praxis investigativa en las aulas, se propone un marco de gobernanza sustentado en un Protocolo de Tres Pilares:

1.-Pilar de Transparencia (Evidenciar el uso): Exige la declaración explícita, trazable y documentada de las herramientas algorítmicas empleadas durante las etapas de exploración, procesamiento y edición del trabajo académico.

2.-Pilar de Verificación (Auditar los datos): Obliga al sometimiento de todo insumo computacional a un riguroso examen de auditoría empírica y normativa, contrastando citas, fuentes primarias e indicadores cuantitativos.

3.-Pilar de Criterio (Asignar la carga cognitiva): Garantiza que las etapas centrales del análisis teórico, la argumentación jurídica y las propuestas de políticas públicas permanezcan bajo la autoría intelectual inalienable del investigador.

Resumen del Dominio Cognitivo e Integridad en la Investigación

La siguiente tabla resume la articulación funcional entre el copiloto algorítmico y el juicio del investigador, así como la estructura del protocolo propuesto:

¿Te interesa conocer más acerca del tema Más alla del promtp del Mtro. Wilberto Palomares? Consulta su ponencia completa en nuestro canal de youtube y descubre cómo afecta la inteligencia artificial en el pensamiento crítico de los individuos.

REFERENCIAS

Echeverría, J., & Almendros, L. (2020). Tecnopersonas: Como las tecnologías nos transforman. Editorial Trea.

Espinoza Freire, E. E., & Calva Nagua, D. X. (2020). La ética en las investigaciones educativas. Revista Universidad y Sociedad, 12(4), 333–340.

Floridi, L. (2024). Ética de la inteligencia artificial: Principios, desafíos y oportunidades (Trad. R. Fuentes). Herder Editorial.

Innerarity, D. (2022). La sociedad del desconocimiento. Editorial Galaxia Gutenberg.