EDITORIAL

Emerson Willian Santos de Almeida1

1 Universidade de São Paulo, Escola de Enfermagem de Ribeirão Preto. Ribeirão Preto, SP, Brasil

¿LA MÁQUINA ACONSEJA, EL SER HUMANO DECIDE? INTELIGENCIA ARTIFICIAL Y RESPONSABILIDAD CIENTÍFICA

Con el advenimiento de la inteligencia artificial (IA) y sus desarrollos, surgen también diversas inquietudes. No obstante, este avance acelerado ha optimizado procesos y ha permitido superar etapas que, anteriormente, demandaban un tiempo excesivo o se volvían obsoletas ante las nuevas posibilidades tecnológicas. Este hito también atraviesa la extinción de algunas profesiones y la valorización o el ascenso de otras.

Recuerdo mi Iniciación Científica, en 2016, marcada por el rigor en la escritura y por la doble verificación en la transcripción de cuestionarios. Pocos años después, el acceso a la nube y la optimización de los instrumentos digitales modificaron todo el proceso de recolección, almacenamiento y extracción de datos. La máquina se fue transformando conforme a la propia evolución tecnológica: vivimos la era del disquete, del CD, del DVD, de la memoria USB y, ahora, de la nube.

En ese mismo intervalo, vivimos una pandemia que aceleró aún más los medios digitales, el uso de software y la difusión de la IA. Aunque las discusiones sobre la posibilidad de automatizar el pensamiento son anteriores al siglo XX, fue en 1950 cuando el matemático y lógico británico Alan Turing publicó Computing Machinery and Intelligence, trabajo en el cual formuló la pregunta «¿pueden pensar las máquinas?» y presentó el juego de la imitación(1).

En lugar de detenerse en la compleja definición de lo que significa «pensar», Turing propuso evaluar si una máquina sería capaz de producir, en una interacción mediada por texto, respuestas indistinguibles de las proporcionadas por seres humanos. Este cambio de perspectiva, posteriormente reconocido como Test de Turing, estableció un importante referente para los estudios sobre la inteligencia de las máquinas y permanece presente en las discusiones contemporáneas acerca de su capacidad para simular aspectos del comportamiento humano. Algunos años después, en 1956, la expresión «inteligencia artificial» fue empleada en la propuesta de la Conferencia de Dartmouth, elaborada por John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon(1).

Actualmente, disponemos de un amplio arsenal de software que incorpora, en su interfaz y en su desarrollo, hitos de la IA. Podemos utilizarla en diversos tipos y etapas de estudio. Sin embargo, la constancia del miedo marca nuestra evolución transitoria. Antes, los investigadores necesitaban solicitar artículos impresos en las bibliotecas; hoy, pueden acceder a bases científicas, como las de Elsevier, leer artículos de forma resumida y realizar múltiples solicitudes con la facilidad de plataformas confiables.

Al abordar la producción de síntesis de evidencias, Cochrane, junto con Campbell Collaboration, JBI y Collaboration for Environmental Evidence, reconoce el potencial de la IA para apoyar procesos antes más lentos y manuales. Sin embargo, esta incorporación debe estar acompañada de responsabilidad metodológica; los investigadores necesitan informar qué herramienta se utilizó, con qué finalidad, qué parámetros se adoptaron, qué limitaciones se reconocieron y de qué modo se validaron los resultados. Así, la IA no debe sustituir la supervisión humana ni comprometer los principios de rigor, transparencia, integridad y reproducibilidad que sustentan las revisiones sistemáticas y las demás síntesis de evidencias(2).

En Brasil, la publicación de la Ordenanza del Consejo Nacional de Desarrollo Científico y Tecnológico (CNPq) n.º 2.664, del 6 de marzo de 2026, representa un hito relevante en la regulación de la integridad científica ante el avance de la IA Generativa. Al instituir la Política de Integridad en la Actividad Científica, el CNPq incorporó el uso de la IA a las directrices formales de la investigación apoyada por el organismo. La norma establece que cualquier utilización de esta tecnología debe declararse en todas las fases del trabajo científico. Además, la norma vincula el uso de la IA a prácticas más amplias de integridad, como la correcta atribución de fuentes, la fidelidad a las ideas resumidas, la prevención del autoplagio, la correspondencia entre citas y referencias, la gestión transparente de los datos y la posibilidad de sanciones en caso de infracciones, incluidas la advertencia, la suspensión de beneficios, la interrupción de ayudas, el impedimento de participación en acciones de fomento y otras medidas previstas en la Ordenanza(3).

A pesar del miedo constante que nos atraviesa, no podemos creer que la máquina realice, por sí sola, todo el trabajo. Por el contrario, aún conservamos el dominio del proceso. La IA es una herramienta de trabajo. Por sí sola, no ejecuta nada sin una orden. Desde esta perspectiva, se comprende que quien posee el conocimiento, la intencionalidad y el proceso creativo continúa siendo el ser humano. La respuesta final es nuestra; la concepción y la orden también. Por lo tanto, la máquina puede ayudar, sugerir caminos y ampliar posibilidades, de manera semejante a los consejeros de las antiguas cortes, cuya función consistía en ofrecer al gobernante análisis, orientaciones y recomendaciones. Aunque sus palabras pudieran influir en el rumbo de la decisión, correspondía al soberano deliberar y responder por sus consecuencias. Del mismo modo, la IA puede fundamentar elecciones, pero no debe apartar del ser humano el juicio crítico ni la responsabilidad por el resultado.

Por consiguiente, en medio de la expansión acelerada de las tecnologías digitales, la Universidad de São Paulo publicó una guía de orientaciones dirigida a las buenas prácticas científicas, destacando el uso responsable de la IA en la investigación. La IA ya se ha incorporado a diferentes etapas de la producción científica y puede contribuir a la calidad de los trabajos, la competitividad académica y la aceleración de los descubrimientos, especialmente cuando se emplea en la identificación de lagunas, la organización de ideas, la síntesis de evidencias, el análisis de datos, la elaboración de figuras y tablas y el apoyo a la edición científica. Sin embargo, estos recursos deben comprenderse como herramientas auxiliares, y no como sustitutos de la inteligencia humana, pues el proceso creativo, la interpretación de los resultados, la integridad de los datos y las decisiones éticas permanecen bajo la responsabilidad exclusiva del investigador. Así, corresponde al autor preservar el carácter autoral de la escritura, validar críticamente el contenido producido con apoyo de la IA, verificar la exactitud de la información, evitar la reproducción literal de textos, no atribuir coautoría a estas herramientas y declarar explícitamente el uso de la tecnología, indicando la herramienta utilizada, su finalidad y la sección del manuscrito en la que se empleó(4).

Innegablemente, debemos tener cautela con lo que existe detrás de estas máquinas y con quienes las controlan y dirigen. La supervisión humana exige una lectura atenta y crítica. Además, estas herramientas se entrenan constantemente. No nos engañemos: cada sistema posee formas propias de control y uso de datos. Al utilizarlos, podemos o no poner a disposición nuestras ideas. La máquina puede absorber parte de la creatividad allí introducida y mejorar sus respuestas futuras. Es necesario prestar atención, sobre todo cuando se trabaja con datos sensibles.

El uso de agentes de IA facilita muchos procesos de automatización. Es posible crear, dentro de una herramienta de IA, una base alimentada por fuentes confiables y controlarla para que responda únicamente a los cruces definidos por la orden humana. Fue en este escenario donde investigadores, bases de datos, organismos científicos, ministerios, gobiernos y agencias comenzaron a advertir sobre el uso de datos sensibles en sistemas de IA.

Antes de adoptar cualquier herramienta de IA, es importante examinar sus términos de uso y su política de privacidad. En la práctica, esto significa verificar si la plataforma preserva la confidencialidad de los datos introducidos, si almacena o reutiliza contenidos, si utiliza el material para el entrenamiento del modelo, si comparte información con terceros y si impone restricciones a la publicación posterior. Este cuidado es indispensable cuando se trata de manuscritos inéditos, datos sensibles, contenidos protegidos por propiedad intelectual o información de identificación personal(5-7).

En la revisión por pares y en la actividad editorial, la recomendación es aún más restrictiva. Dado que los manuscritos enviados son documentos confidenciales, los revisores y editores no deben introducir estos contenidos en herramientas de IA que puedan retener, reutilizar, compartir o aprender del material. Cuando se utilice la tecnología, debe limitarse a un apoyo puntual, como la mejora del lenguaje o la organización de dictámenes y cartas editoriales, siempre con supervisión humana, preservación de la decisión científica y editorial y preferencia por herramientas privadas, corporativas, profesionales o alojadas localmente, siempre que sus términos confirmen la protección de la privacidad, la no retención indebida de datos, la no utilización del contenido para entrenamiento y la ausencia de transferencia de derechos sobre el material introducido(5-7).

La discusión se vuelve aún más compleja cuando se observa el papel de los chatbots en el ecosistema editorial. La WAME llama la atención sobre el hecho de que estas herramientas ya no se utilizan únicamente para correcciones gramaticales o ajustes de estilo, sino también para generar ideas, redactar textos, apoyar análisis, producir tablas, figuras y códigos, e incluso influir en las comunicaciones entre autores, revisores y editores. En este escenario, la cuestión central no es simplemente permitir o prohibir el uso de la IA, sino definir hasta dónde puede participar sin comprometer la autoría, la confidencialidad, la transparencia y la responsabilidad científica(8).

En contraste, me deleito siempre que encuentro una nueva tecnología. Me impresiona y me fascina observar cómo la máquina logra responder a nuestros anhelos y expectativas. Nuestro cerebro imagina, diseña y solicita una imagen; nosotros escribimos, y la IA transcribe, reorganiza o materializa ese deseo. Afortunada o desafortunadamente, ya no dependemos exclusivamente de terceros para presentar soluciones: damos la orden inicial, y la máquina presenta posibilidades, caminos e innovaciones para alcanzar una determinada meta.

En este debate, las orientaciones de Wiley ofrecen un recorrido práctico a los autores que desean utilizar la IA en la escritura sin perder el control del proceso creativo. Entre las recomendaciones se encuentran el mapeo del flujo de trabajo, el inicio con tareas menores, la formulación de prompts claros y el empleo de la tecnología en objetivos delimitados, como resumir investigaciones, identificar patrones, perfeccionar el lenguaje, mejorar las transiciones y explorar diferentes maneras de explicar conceptos. Las orientaciones también distinguen los recursos disponibles: modelos de lenguaje de gran tamaño, dirigidos a la interacción textual, la generación de ideas y la reformulación de contenidos; herramientas especializadas en tareas como la revisión gramatical, la gestión de citas o la detección de plagio; y recursos de análisis y razonamiento, útiles para examinar argumentos, verificar la consistencia terminológica y reconocer lagunas. Independientemente del recurso utilizado, corresponde al autor preservar su voz, revisar críticamente los resultados y asegurar que el texto final exprese su experiencia y sus elecciones intelectuales(7).

En lo que respecta a la transparencia, las directrices diferencian los usos que deben comunicarse de aquellos considerados mínimos o inmateriales. La declaración es necesaria cuando la IA participa en la redacción o en la edición sustancial del manuscrito; crea ejemplos o estudios de caso; traduce contenidos; produce resúmenes; reescribe secciones enteras; identifica lagunas de investigación; realiza síntesis o análisis de la literatura; interpreta datos; genera códigos; o elabora materiales complementarios, como imágenes, tablas, gráficos, ejercicios o rúbricas. Por el contrario, las verificaciones simples de ortografía, gramática y puntuación, así como el formato básico de referencias o el apoyo puntual en la elección de títulos y secciones, tienden a no exigir una declaración formal, siempre que no modifiquen de manera relevante el contenido o las conclusiones del trabajo(7).

El miedo a lo nuevo nos aflige; sin embargo, cuando sabemos qué hacer, no hay nada que temer. Somos seres pensantes en constante evolución, y la duda surge como un don en el proceso creativo. Con cada orden realizada, se revela también la capacidad de nuestro cerebro para formular, probar, revisar y crear. Por lo tanto, seguimos siendo los comandantes de esta máquina revolucionaria llamada IA.

REFERENCIAS

1. Oliveira AL, Figueiredo MAT. Artificial intelligence: historical context and state of the art. In: Antunes HS, Freitas PM, Oliveira AL, Pereira CM, Sequeira EV de, Xavier LB, editors. Multidisciplinary perspectives on artificial intelligence and the law [Internet]. Cham: Springer Nature; 2024 [citado 2026 Jun 15]. p. 3-24. Disponible en: https://link.springer.com/book/10.1007/978-3-031-41264-6

2. Flemyng E, Noel-Storr A, Macura B, Gartlehner G, Thomas J, Meerpohl JJ, et al. Position statement on artificial intelligence (AI) use in evidence synthesis across Cochrane, the Campbell Collaboration, JBI and the Collaboration for Environmental Evidence 2025. JBI Evid Synth. 2025;23(11):2162-2166. https://doi.org/10.11124/jbies-25-00480. PMID: 41220062.  

3. Conselho Nacional de Desenvolvimento Científico e Tecnológico. Portaria CNPq nº 2.664, de 6 de março de 2026. Institui a Política de Integridade na Atividade Científica do CNPq. Diário Oficial da União [Internet]. 2026 [citado 2026 Jun 15];Seção 1:4. Disponible en: https://www.in.gov.br/web/dou/-/portaria-cnpq-n-2.664-de-6-de-marco-de-2026-691779232

4. Universidade de São Paulo, Comitê de Boas Práticas Científicas. Guia de boas práticas científicas [Internet]. 3. ed. São Paulo: Pró-Reitoria de Pesquisa e Inovação, USP; 2025 [citado 2026 Jun 14]. Disponible en: https://site.fo.usp.br/wp-content/uploads/2026/04/Guia-de-Boas-Praticas-Cientificas-3aedicao.pdf

5. Elsevier. The use of generative AI and AI-assisted technologies in writing for Elsevier [Internet]. [lugar desconocido]: Elsevier; 2025 [citado 2026 Jun 14]. Disponible en: https://www.elsevier.com/about/policies-and-standards/the-use-of-generative-ai-and-ai-assisted-technologies-in-writing-for-elsevier

6. Elsevier. Generative AI policies for journals [Internet]. [lugar desconocido]: Elsevier; 2026 [citado 2026 Jun 14]. Disponible en: https://www.elsevier.com/about/policies-and-standards/generative-ai-policies-for-journals

7. Wiley. Using AI tools in your writing [Internet]. [lugar desconocido]: John Wiley & Sons; c2000-2026 [citado 2026 Jun 15]. Disponible en: https://www.wiley.com/en-kr/publish/book/resources/ai-guidelines/

8. Zielinski C, Winker MA, Aggarwal R, Ferris LE, Heinemann M, Lapeña Jr JF, et al. Chatbots, generative AI, and scholarly manuscripts: WAME recommendations on chatbots and generative artificial intelligence in relation to scholarly publications. Colomb Med (Cali). 2023;54(3):e1015868. https://doi.org/10.25100/cm.v54i3.5868. PMID: 38089825.  

Autor correspondiente: Emerson Willian Santos de Almeida (emersonwillian@usp.br)

Editora:

Escola de Enfermagem Aurora de Afonso Costa – UFF

Rua Dr. Celestino, 74 – Centro, CEP: 24020-091 – Niterói, RJ, Brasil

Correo electrónico de la revista: objn.cme@id.uff.br