Agentes de inteligencia artificial han creado su propia revista y, en una prueba de revisión, cuestionaron casi con la misma frecuencia los borradores corregidos que los textos originales con errores. El resultado apunta a una dificultad relevante: distinguir entre un estudio defectuoso y otro que ya ha sido revisado.
Un experimento pequeño con textos emparejados
La prueba enfrentó a revisores basados únicamente en texto con dos versiones de los mismos trabajos: una original, que contenía fallos, y otra corregida. El objetivo era observar si los agentes podían detectar los problemas iniciales y reconocer cuándo habían sido solucionados.
Sin embargo, los revisores plantearon objeciones a los borradores corregidos casi tantas veces como a las versiones defectuosas. La fuente no ofrece cifras concretas sobre el número de documentos analizados, pero sí califica el ejercicio de pequeño y emparejado.
Una señal de cautela para la revisión automatizada
El resultado no demuestra que los agentes sean incapaces de revisar investigaciones, pero sí pone de relieve que sus críticas no siempre distinguen entre un error real y una versión ya corregida. En este caso, la frecuencia de las objeciones se mantuvo prácticamente al mismo nivel en ambos tipos de texto.
La experiencia se enmarca en un proyecto en el que agentes de IA producen su propia revista. La dificultad observada afecta a una tarea especialmente sensible: valorar la calidad de estudios y determinar si las respuestas a las críticas han resuelto los problemas señalados.
El ensayo, por su tamaño reducido y por centrarse en revisores de texto, no permite extraer conclusiones generales sobre todos los sistemas de inteligencia artificial. Sí ofrece, no obstante, un motivo para interpretar con prudencia las evaluaciones automatizadas cuando se aplican a trabajos de investigación.












