Introducción
Usar inteligencia artificial (IA) para escribir ya es parte del día a día de muchos investigadores. Herramientas como los grandes modelos de lenguaje pueden ayudar a ordenar ideas, mejorar la redacción e incluso sugerir estructuras completas de artículos. Al mismo tiempo, revistas y comités de ética han expresado preocupación por el uso indebido de la IA: referencias inventadas, datos falsificados, imágenes manipuladas o manuscritos que no reflejan realmente el trabajo del equipo investigador.
El reto, entonces, no es “usar o no usar” IA, sino cómo integrarla en el proceso de escritura científica sin perder rigor, autoría ni responsabilidad. Varias organizaciones como COPE (Committee on Publication Ethics) y otros organismos internacionales ya han publicado orientaciones que insisten en dos ideas clave: la IA no puede ser autora y su uso debe ser siempre transparente y bajo supervisión humana.
Este artículo propone una forma práctica de usar IA para estructurar un artículo científico –no para inventar datos ni “escribir por ti”– de modo que el resultado siga cumpliendo los estándares de la comunicación académica: claridad, trazabilidad, honestidad y coherencia lógica.
Desarrollo
- ¿Qué significa “usar IA para estructurar un artículo”?
Cuando hablamos de estructura nos referimos a la organización lógica del manuscrito: título, resumen, introducción, marco teórico, metodología, resultados, discusión, conclusiones y referencias. Esta organización suele seguir el formato IMRyD (Introducción, Métodos, Resultados y Discusión), ampliamente descrito en manuales de escritura científica clásicos.
La IA puede intervenir en varios niveles, por ejemplo:
- Ayudando a lluvias de ideas sobre posibles apartados o subtítulos.
- Proponiendo esquemas a partir de tu pregunta de investigación y tu diseño metodológico.
- Sugiriendo reordenar secciones para mejorar el flujo lógico del texto.
- Reformulando párrafos para ganar claridad, pero sin cambiar el contenido científico de fondo.
En todos los casos, la condición esencial es que las ideas, los datos, las interpretaciones y las decisiones metodológicas sean tuyas. La IA solo debe operar como un editor o asistente técnico, no como fuente de conocimiento original ni como generadora de resultados.
- Principios de rigor que no se pueden delegar a la IA
La literatura reciente sobre ética de la IA en la escritura científica converge en un punto: su uso puede ser aceptable siempre que no se comprometan la originalidad, la honestidad, la trazabilidad de los datos ni la responsabilidad autoral.
En la práctica, esto implica que:
- La pregunta de investigación, el marco teórico y las hipótesis deben estar fundamentados en una revisión bibliográfica real, no en “lo que dice la IA”. Puedes pedirle que te ayude a organizar lo que ya leíste, pero no que invente el estado del arte.
- Los datos y los análisis no pueden ser generados artificialmente por IA si no forman parte explícita de tu diseño de investigación. La creación de resultados falsos se considera mala conducta científica.
- La interpretación de los resultados es una tarea intelectual que no se puede delegar: puedes usar IA para mejorar el estilo o la claridad de tus argumentos, pero no para definir qué significan tus hallazgos.
- La responsabilidad del contenido recae siempre en los autores humanos. Si la IA “alucina” una referencia o una afirmación errónea, el problema ante los revisores y editores será tuyo.
- Usos recomendables de la IA en cada sección del artículo
Veamos, con un ejemplo práctico, cómo usar IA de forma responsable para estructurar un artículo. Imagina que estás redactando un estudio cuantitativo sobre el impacto del teletrabajo en la productividad percibida de docentes universitarios.
Título y resumen
Puedes pedir a la IA que, a partir de tu objetivo de estudio, sugerir varios títulos alternativos y comparar matices de cada uno: más descriptivo, más breve, más orientado a resultados, etc. Una vez que tú hayas escrito un primer borrador del resumen, la IA puede ayudarte a verificar si incluye los elementos clave: contexto, objetivo, metodología, resultados principales y conclusiones.
El punto crucial es que el contenido del resumen sea tuyo. La IA puede proponerte reformulaciones, pero debes revisar cada frase para comprobar que no añade resultados que no obtuviste o afirmaciones exageradas.
Introducción y marco teórico
Tras hacer tu revisión bibliográfica real (leyendo artículos en bases de datos como Web of Science, Scopus o PubMed), puedes usar IA para:
- Probar distintos órdenes lógicos de los antecedentes: por tema, por cronología, por enfoque teórico.
- Pedir ayuda para convertir un esquema en un texto continuo más fluido, manteniendo todas las citas que tú ya seleccionaste.
- Verificar si tu introducción responde con claridad a las preguntas: “¿Qué se sabe?”, “¿Qué falta por saber?”, “¿Qué hace este estudio?”.
Podrías utilizar el siguiente prompt:
“A partir del siguiente texto de introducción, reordena las ideas para que sigan una secuencia lógica desde el problema hasta el objetivo, sin añadir información nueva”
También podrías probar con:
“Sugiere tres versiones alternativas de título para este estudio, manteniendo las mismas variables y evitando afirmaciones exageradas”
Lo que no es recomendable es decirle a la IA: “Hazme el marco teórico sobre teletrabajo y productividad y ponle referencias”. Muchas herramientas generan citas inventadas o mezclan referencias reales con datos incorrectos, algo ya documentado como un problema serio en la publicación científica.
Metodología
Aquí la IA puede ser útil para verificar la claridad y la estructura, pero nunca para decidir el diseño sin base metodológica. Por ejemplo, puedes pedirle:
- Que te ayude a describir con precisión los pasos que seguiste en el muestreo, la aplicación de cuestionarios o el análisis estadístico.
- Que revise si tu sección de métodos permite que otro investigador replique el estudio.
Aquí podrías utilizar un prompt como:
“Reescribe este apartado de métodos para que sea más claro para lectores no expertos, conservando todos los detalles técnicos y el tiempo verbal en pasado”
No deberías permitir que la IA optimice el tamaño muestral o el tipo de prueba estadística si tú no comprendes esas decisiones. Como señalan diversas guías, los investigadores deben mantener el control crítico sobre las decisiones metodológicas y no tratar a la IA como una caja negra infalible.
Resultados
En resultados, el papel de la IA debería limitarse, como mucho, a sugerir formas más claras de describir tablas y figuras que tú ya generaste, o a reorganizar el orden de presentación para seguir una secuencia lógica (por ejemplo, de lo más general a lo más específico). Por ejemplo, podrías usar un prompt como:
“Propón una versión más concisa de la descripción de esta tabla, manteniendo exactamente los mismos valores y sin interpretar los datos”
Lo que se considera inaceptable es usar IA para:
- Inventar datos o completar datos faltantes sin un procedimiento estadístico validado.
- Generar gráficos que no correspondan exactamente a los resultados reales, o que oculten información.
Discusión y conclusiones
En la discusión, la IA puede ayudarte a:
- Probar versiones alternativas de un mismo argumento para ganar claridad y coherencia.
- Detectar posibles repeticiones innecesarias respecto a la introducción.
- Verificar si estás respondiendo explícitamente a la pregunta de investigación y si reconoces limitaciones.
Podrías utilizar el siguiente prompt:
“Reformula este párrafo de discusión para mejorar la coherencia entre el resultado descrito y la conclusión que se presenta, sin introducir hallazgos que no estén en el texto”
Sin embargo, la interpretación final de los hallazgos debe ser tuya. Herramientas de IA no tienen comprensión real del contexto disciplinar ni de las implicaciones éticas o políticas de tus resultados; solo predicen texto plausible a partir de datos previos.
- Flujo de trabajo paso a paso: usar IA para estructurar sin perder rigor
Una forma práctica de integrar la IA en tu rutina de escritura, manteniendo el control científico, podría ser la siguiente:
Pasos | Acción |
1. Define claramente tu pregunta de investigación y tu diseño de estudio | Haz esto sin IA, basándote en tu formación, en tu equipo de trabajo y en la literatura que realmente has leído. |
2. Realiza la revisión bibliográfica en bases de datos académicas | Guarda las referencias en un gestor (Zotero, Mendeley, etc) y toma notas de los conceptos clave, definiciones y debates. |
3. Esboza un esquema inicial del artículo | Por ejemplo, siguiendo la estructura IMRyD, redacta títulos y subtítulos provisionales para cada sección. Aquí sí puedes pedir a la IA sugerencias de organización, pero decide tú qué mantener o descartar. |
4. Redacta un primer borrador humano de cada sección | Aunque sea imperfecto, escribe con tus propias palabras qué hiciste, qué encontraste y qué significa. |
5. Usa IA como editor estructural | Pídele que revise la coherencia entre secciones, que detecte párrafos fuera de lugar o que sugiera un orden más lógico de los apartados, siempre sobre tu texto ya escrito. |
6. Afina el estilo, cuidando el contenido | Ahora sí, deja que la IA proponga mejoras de claridad, concisión y fluidez. Revisa con cuidado que no cambie el sentido técnico de ninguna frase ni añada información nueva. |
7. Verifica manualmente las referencias | Si la IA sugiere citas, comprueba una por una en bases de datos reales. Nunca envíes a una revista referencias que no hayas comprobado tú mismo. |
8. Aplica las políticas de tu revista o universidad sobre IA | Muchas revistas ya exigen que se declare explícitamente cómo se usó la IA en el manuscrito (por ejemplo, en la sección de agradecimientos o en una nota de responsabilidad). |
9. Haz una última revisión sin IA | Antes de enviar, lee el texto completo con mirada crítica, como si fueras revisor. Pregúntate: ¿refleja fielmente el trabajo realizado?, ¿puedo defender cada decisión metodológica y cada afirmación? |
Este flujo de trabajo coloca a la IA en un lugar claro: una herramienta para mejorar la forma y la organización, nunca el origen del contenido científico.
- Riesgos frecuentes y cómo evitarlos
La literatura reciente enumera diversos riesgos del uso de IA en la escritura académica, entre ellos la generación de textos plagiados, la creación de citas inexistentes y la opacidad sobre el papel real de estas herramientas en los manuscritos.
Algunos de los más relevantes al estructurar un artículo son:
En primer lugar, el riesgo de sobre fiarse de la IA. Si aceptas sin cuestionar la forma en que te propone organizar el texto, puedes terminar con una estructura que no encaja con las normas de tu disciplina o que exagera la solidez de tu estudio. Por ejemplo, generar una sección de “implicaciones para la política pública” cuando tu muestra es pequeña y no representativa puede inducir a interpretaciones erróneas.
En segundo lugar, el riesgo de sesgos y omisiones. La IA ha sido entrenada con textos que reflejan sesgos históricos y geográficos; puede reforzar visiones dominantes y dejar fuera perspectivas del Sur Global, aportes de mujeres o minorías, o enfoques metodológicos alternativos. Por eso, su uso debe complementarse con una búsqueda activa de voces diversas en la literatura real.
En tercer lugar, el riesgo de problemas de confidencialidad. Subir transcripciones de entrevistas, datos sensibles o manuscritos inéditos a plataformas de IA que almacenan y reutilizan texto puede vulnerar la privacidad de participantes o acuerdos de confidencialidad con financiadores. De ahí que varias guías recomienden no compartir datos sensibles con sistemas de IA y limitarse a descripciones generales o textos ya publicables.
Finalmente, está el riesgo de falta de transparencia. Si usas IA de manera extensa y no lo declaras, puedes incumplir las políticas de tu institución o de la revista, además de engañar implícitamente a lectores y revisores sobre el proceso real de elaboración del manuscrito. Cada vez más editoriales piden que se detalle en qué fases del trabajo se utilizó IA (búsqueda de ideas, ayuda lingüística, revisión estructural, etc.).
Conclusiones
La IA puede ser un aliado poderoso para estructurar artículos científicos, siempre que se entienda su verdadero papel: no es una mente que investiga, sino una herramienta estadística que genera texto plausible. Integrarla con rigor significa usarla para mejorar la claridad, la coherencia y la organización del manuscrito, sin delegar en ella la creatividad científica, la decisión metodológica ni la responsabilidad ética.
La clave está en mantener una postura activa y crítica: los autores diseñan la investigación, construyen el argumento y seleccionan la evidencia; la IA ayuda a dar forma a ese contenido, pero nunca a sustituirlo. Esto implica revisar todo lo que la IA propone, verificar referencias, respetar la confidencialidad de los datos y declarar su uso de forma transparente ante revistas y lectores.
Si se siguen estos principios, es posible aprovechar las ventajas de la IA –especialmente para investigadores noveles o para quienes escriben en un segundo idioma– sin erosionar los fundamentos de la comunicación científica: honestidad, claridad y responsabilidad compartida.
Referencias
- Chetwynd, E. (2024). Ethical use of artificial intelligence for scientific writing. Journal of Scientific Innovation and Integrity.(PMC)
- Cooperman, S. R., & Brandão, R. A. (2023). AI assistance with scientific writing: Possibilities, pitfalls, and ethical considerations. Foot & Ankle Surgery: Techniques, Reports & Cases, 3(4), 100350. Open access.(ScienceDirect)
- Day, R. A., & Gastel, B. (2016). How to Write and Publish a Scientific Paper (8th ed.). Greenwood.(Shuyi Writes)
- Helmy, M. et al. (2025). Ten simple rules for optimal and careful use of generative AI in research. PLOS Computational Biology, 21(1), e100XXXXX.(PMC)
- Ugwu, N. F. (2024). Clarifying ethical dilemmas of using artificial intelligence in scientific writing. Higher Learning Research Communications, 14(1), 1–15.(scholarworks.waldenu.edu)
- COPE (Committee on Publication Ethics). (2023). Authorship and AI tools: COPE position statement.(publicationethics.org)
- COPE. (2024). COPE focus: Artificial intelligence.(publicationethics.org)
- European Research Area Forum. (2024). Guidelines for the responsible use of generative AI in research.(research-and-innovation.ec.europa.eu)
- Nature. (2025). Is it OK for AI to write science papers? Nature survey shows mixed views. Nature News.(Nature)
- Various authors. (2025). Ethical guidelines for the use of generative artificial intelligence and AI-assisted tools in scholarly publishing: A thematic analysis.(ResearchGate)
Como doctorando que está dando sus primeros pasos en la investigación, este artículo me ha resultado especialmente útil. Tenía muchas dudas sobre hasta qué punto era correcto usar herramientas de IA en la escritura de mi tesis y futuros artículos, y aquí se explica con mucha claridad cómo aprovecharlas para organizar ideas, mejorar la redacción y estructurar el manuscrito sin caer en malas prácticas ni comprometer el rigor académico. Me llevo, sobre todo, la idea de que la IA debe ser una herramienta de apoyo y no un sustituto del trabajo intelectual del investigador. También me parecieron muy valiosos los ejemplos de cómo formular prompts específicos para que la IA ayude solo en aspectos formales y estructurales. Sin duda, aplicaré estas recomendaciones en mis próximos avances de tesis y en la preparación de mis primeros artículos para revista.
Gracias.