Foto de Igor Omilaev en Unsplash
En esta guía conocerás las principales herramientas de Inteligencia Artificial (IA) generativa para el apoyo a la investigación. Además, podrás leer sobre los usos, limitaciones y recomendaciones para el uso de herramientas como ChatGPT en búsquedas bibliográficas, redacción de textos académicos y científicos, revisión y otras tareas.
La Inteligencia Artificial Generativa (IA Generativa o GenAI) es un conjunto de herramientas de Inteligencia Artificial que usan modelos generativos capaces de producir textos, imágenes, vídeos y otros tipos de contenidos, a través de una instrucción o prompt que proporciona una persona usuaria. Estos modelos están programados para identificar, aprender y replicar patrones subyacentes en un conjunto de datos de entrenamiento, tratando de simular los procesos del pensamiento humano.
En los últimos años, hemos asistido a una explosión de herramientas de Inteligencia Artificial Generativa, gracias al desarrollo de mejoras en las redes neuronales profundas basadas en transformadores y, específicamente, en los llamados Modelos Extensos de Lenguaje o, en inglés, Large Language Models (LLM).
A modo de ejemplo, la herramienta ChatGPT, desarrollada por la compañía OpenAI, alcanzó los 100 millones de usuarios en tan solo dos meses desde su lanzamiento en noviembre de 2022 y, en la actualidad, cuenta con más de 1.7 miles de millones de visitas mensuales al sitio web. Desde el lanzamiento de ChatGPT, muchas de las compañías tecnológicas como Microsoft, Google o Baidu han lanzado sus propias herramientas.
Las herramientas de Inteligencia Artificial han transformado muchos ámbitos de nuestro trabajo y nuestra vida, y de manera significativa, también el ámbito de la investigación científica. Esta tecnología ha demostrado su capacidad para optimizar el proceso investigador en diversas etapas, desde la búsqueda de información y el análisis de datos hasta la redacción y publicación de resultados. Algunas de las herramientas más usadas en la investigación son ChatGPT, SciSpace, Elicit, Perplexity, Epsilon, Consensus, Scite, NotebookLM, Jenni y Microsoft Copilot, entre otras.
El uso de la Inteligencia Artificial Generativa en la investigación, sin embargo, no está exento de problemas, debidos principalmente a las limitaciones de estas herramientas y a un potencial uso indebido o uso no ético. Además, existen críticas sobre el uso de materiales y documentos con propiedad intelectual como datos de entrenamiento para los modelos. Por ello, si tenemos intención de utilizar estas herramientas en nuestra investigación, es importante consultar los usos permitidos y no permitidos en nuestro contexto.
La Comunicación de la Comisión Europea “A European Strategy for Artificial Intelligence in Science – Paving the way for the Resource for AI Science in Europe (RAISE)” (COM(2025) 724) establece una hoja de ruta estratégica para promover y estructurar el uso responsable, ético y eficaz de la inteligencia artificial (IA) en la ciencia en Europa.
Su relevancia para la investigación radica en varios puntos clave:
Marco institucional y coordinación europea: propone crear un instituto virtual (RAISE) que aglutine recursos —infraestructura computacional, datos, talento y financiación— para romper la fragmentación y promover colaboraciones transdisciplinarias.
Principios de ciencia confiable y ética: enfatiza que los modelos de IA aplicados en la investigación científica deben ser explicables, transparentes, responsables, alineados con derechos humanos y diseñados con enfoque de “ética desde el diseño”.
Impulso de capacidades técnicas: reconoce que uno de los cuellos de botella es el acceso a capacidad computacional avanzada y a datos de calidad, proponiendo la creación de “AI Factories” y “AI Gigafactories”, y vinculación con el European Open Science Cloud (EOSC).
Financiación estratégica y orientación de políticas: complementa los programas de financiación ya existentes (como Horizon Europe) con acciones coordinadas para aumentar inversiones, orientar convocatorias, y monitorear resultados mediante indicadores de impacto en el uso de IA científica.
Relevancia metodológica para investigadores: permite que quienes elaboren proyectos o guías de investigación incorporen criterios y estándares europeos de ética, interoperabilidad de datos, criterios de evaluación de IA científica, y fomenta que los grupos de investigación se alineen con esta agenda continental.
Esta estrategia consolida las bases para una investigación europea más integrada, ética y orientada al futuro, donde la inteligencia artificial actúa como motor de conocimiento y progreso científico. Su programación, prevista para desarrollarse progresivamente entre 2025 y 2030, se apoya en una financiación combinada a través de programas como Horizon Europe, Digital Europe Programme y el Mecanismo Conectar Europa, garantizando así recursos sostenibles para impulsar la infraestructura, el talento y la innovación en inteligencia artificial aplicada a la ciencia.