Los académicos necesitan despertar sobre la IA

Este artículo está inspirado por una ola de escritos recientes relacionados con la IA de personas que respeto: Dan Williams, Alex Imas, Ben Ansell, Tibor Rutar, scott cunningham, Kevin Munger, Hollis Robbins, Claude (¡sí!) Blattman, Kevin Bryan, Andy Hall, Kelsey Piper, Sean Westwood y muchos otros. Así que aquí continúo la tradición de escribir las opiniones que molestan pero que son necesarias.

Estudio inmigración y opinión pública, no IA. Pero he pasado los últimos meses viendo cómo la IA transforma mi propio flujo de trabajo de investigación, y tengo algunas cosas que decirle a mis colegas. Por primera vez en mi vida, genuinamente no sé cómo se verá la academia en cinco años.¹ Incluso si el progreso se estanca completamente y nos quedamos con los modelos actuales para siempre, los cambios ya en marcha transformarán mi campo de investigación académica y publicación hasta hacerlo irreconocible. El statu quo es insostenible. Puede tomar tiempo, porque la academia es la institución más disposicionalmente conservadora del planeta. Pero cambiará.

Aquí hay diez tesis para mis colegas, la mayoría de los cuales aún parecen ajenos.

1. La IA ya puede hacer investigación en ciencias sociales mejor que la mayoría de los profesores.

Esto no es hipérbole. Tibor Rutar describió recientemente cómo generó un artículo de investigación completo usando solo indicaciones de IA, produciendo trabajo que considera publicable en revistas del primer cuartil. Según se reporta, Paul Novosad logró resultados similares en 2-3 horas. Yascha Mounk afirma que Claude puede producir un artículo de teoría política de calidad publicable en menos de dos horas con retroalimentación mínima. Scott Cunningham estima que la creación de manuscritos ahora básicamente cuesta aproximadamente $100 en servicios de edición más una suscripción a Claude.

Y esto va mucho más allá de procesar números o ejecutar código preexistente de Stata. Sí, lo que estoy afirmando aquí es que los LLMs producen excelentes revisiones de literatura y generan recombinaciones fructíferas de ideas existentes. Seamos honestos: los académicos no han sido particularmente buenos escribiendo tampoco, y la IA puede hacer tus ideas mucho más accesibles a las personas que realmente las necesitan. Pero el uso efectivo requiere inversión: Aziz Sunderji describe cómo construyó un archivo de instrucciones de aproximadamente 200 líneas que codifica su flujo de trabajo de investigación, juicios y barreras de comportamiento. Esto requiere una habilidad.

2. El artículo académico es un formato muerto que camina.

Sean Westwood lo dijo sin rodeos: “La IA hace mejores revisiones de literatura. La IA hará revisión por pares. Los usuarios ojearán resúmenes de IA. La verdadera ciencia es la pregunta, el plan de preanálisis y el análisis. El artículo de 30 páginas es solo papel de regalo vestigial.” Fue atacado en Bluesky por decir esto. Pero tiene toda la razón, y la reacción negativa demuestra su punto: el campo ni siquiera puede discutir lo obvio sin cerrar filas. Arthur Spirling también tiene razón en que necesitamos conversaciones sobre qué es un artículo, qué significa “revisión”, y el papel correcto de la IA generativa. Quizás sería algo bueno si la IA finalmente nos impulsa a avanzar de un sistema donde las universidades gastan dinero de los contribuyentes para pagar a editoriales comerciales para producir muy lentamente PDFs con acceso restringido² con resultados desactualizados de investigación financiada con fondos públicos.

3. El sistema de revistas comerciales puede no sobrevivir a esto.

El artículo más reciente de Cunningham modela las matemáticas. Si la creación de manuscritos se reduce a un par de horas y aproximadamente $100, las presentaciones podrían aumentar cinco veces mientras los cupos de las revistas se mantienen fijos. Las tasas de rechazo en mesa pasarían de aproximadamente 50% a aproximadamente 90%. El modelo de ingresos colapsa. La revisión por pares, ya bajo presión, se vuelve imposible a escala. Kevin Munger defiende las tarifas de presentación, revisores pagados, revisión post-publicación y selección asistida por LLM. La pregunta es si las revistas se adaptan o se las pasa por alto. Mi apuesta es que a la mayoría se las pasa por alto.

4. Los académicos someten a la IA a estándares dobles absurdos.

Alucinar contenido es preocupante, y los investigadores siempre deben verificar sus fuentes. Pero al igual que con los autos autónomos, necesitamos un punto de referencia: los escritores humanos han estado citando superficialmente artículos basándose en el resumen durante años. Las revistas ya publican estudios con errores de datos, resultados con p-hacking y hallazgos no replicables a tasas alarmantes. Una estimación pone la proporción de artículos publicados genuinamente útiles alrededor del 4%. Un LLM que ocasionalmente alucina una cita está compitiendo contra un sistema que rutinariamente produce ciencia basura vestida con suficiente jerga para pasar la revisión. Si aplicáramos el mismo escepticismo a la investigación producida por humanos que aplicamos a los resultados de IA, cerraríamos la mitad de las revistas mañana.

5. Los académicos jóvenes enfrentan la mayor disrupción y oportunidad.

Esto es probablemente mala noticia para los académicos jóvenes que intentan avanzar en sus carreras en medio de esta sacudida. Jason Fletcher argumenta que la lógica estratégica de la plaza no ha cambiado —sobrevive la barrera primero— pero la IA altera fundamentalmente cómo llegas allí. Los costos de preparación docente bajan. La limpieza de datos y la depuración se delegan a la IA. El cuello de botella pasa de la ejecución a la verificación y el pensamiento original.

Gauti Eggertsson observa que los retornos del pensamiento conceptual y las ideas originales son ahora relativamente más altos comparados con el trabajo técnico pesado. Un académico joven con buenas ideas y Claude Code ahora puede producir investigación a un ritmo que habría requerido un laboratorio completo hace unos años. Pero todos los demás también pueden, y los criterios de evaluación no se han puesto al día.³

6. Ya no visualizo un papel de asistente de investigación en mi flujo de trabajo.

Todavía creo que es invaluable tener pupilos y coautores. Pero su papel está cambiando rápidamente. No voy a contratar a alguien para limpiar datos, ejecutar regresiones o redactar revisiones de literatura cuando la IA hace todo eso más rápido y a costo insignificante. Lo que quiero de los colaboradores es pensamiento original, conocimiento experto del dominio y desafío intelectual. Esta es una pérdida genuina para el modelo tradicional de aprendizaje, y no tengo una respuesta limpia de cómo reemplazarlo. El marco complementario de Fletcher —la IA produce los análisis iniciales, los investigadores humanos replican independientemente desde cero— apunta en una dirección prometedora. Pero está claro que la tendencia de co-autoría creciente en ciencias sociales, por ejemplo, puede revertirse muy pronto.

7. Gran parte de la oposición a la IA es protección de estatus disfrazada de principio.

Recientemente me pregunté en Twitter cuánto del desagrado por las señales delatoras de la IA es básicamente una nueva versión de la policía gramatical —personas imponiendo marcadores de estatus a través del control del lenguaje. Kevin Bryan lo dijo claramente: “Entiendo el deseo de investigación artesanal, hecha a mano, con las matrices invertidas manualmente. Pero nuestro trabajo es mover la frontera del conocimiento, no la autorrealización.”

Dan Williams ha escrito de manera persuasiva sobre cómo la desinformación sofisticada florece dentro de instituciones donde casi todos comparten los mismos sesgos. Creo que algo similar está pasando con la negación de la IA. Muchos académicos —especialmente los concentrados en Bluesky⁴ y, sospecho, los que están completamente desconectados— están en completa negación sobre lo que ya está pasando. Chris Blattman pasó de ser escéptico de Claude Code a construir un kit completo de flujo de trabajo de IA en cuestión de semanas. Robert Wright recientemente entrevistó a Alex Hanna y Emily Bender argumentando que los LLMs son inútiles. Personas inteligentes afirmando que una herramienta que millones encuentran útil está fundamentalmente rota. Esta actitud arrogante es exactamente por lo que los populistas están ganando, y aplica a la negación de la IA tanto como a la política.

8. Las preocupaciones productivas son sobre seguridad y verificación.

Mi desafío para cualquiera que descarte las capacidades de la IA: pasa una semana solo en una habitación con Claude Code o Codex. No el chatbot —el agente. La mayoría de la gente todavía piensa en la IA como un motor de búsqueda que a veces inventa cosas. No tienen idea de lo que los sistemas de IA agéntica pueden hacer.

Enfocarse en si los LLMs “verdaderamente entienden” o producen conocimiento “real” es una indulgencia filosófica que resta de las cosas que vale la pena preocuparse. ¿Cómo verificamos las afirmaciones generadas por IA a escala? ¿Cómo prevenimos el p-hacking? El equipo de Andy Hall encontró que los agentes de IA son sorprendentemente resistentes al p-hacking adulador —pero pueden ser manipulados con esfuerzo moderado. ¿Cómo protegemos datos sensibles cuando las herramientas de IA acceden a repositorios institucionales? ¿Cómo nos aseguramos de que los encuestados en línea sean reales? Estos son problemas solucionables de ingeniería y diseño institucional, del tipo que Hollis Robbins llama desafíos de “última milla” —cosas que viven en los bordes de la experiencia, en lo contextual y lo no resuelto. Debatir si Claude es “realmente” inteligente es como debatir si una calculadora “realmente” hace matemáticas mientras tu competidor termina el conjunto de problemas.

9. Estamos a punto de tener mucha mejor ciencia.

Hay algunos aspectos positivos, sin embargo. En mi propio terreno, la inmigración: ahora podemos catalogar automáticamente los cambios de política y opinión entre países y sugerir correcciones en tiempo real. Podemos construir algoritmos para emparejar mejor a refugiados y migrantes con comunidades de destino. Podemos asegurarnos de que la investigación y la evidencia sean accesibles a los responsables de políticas y votantes que nunca leen una revista académica.

Más concretamente, Yamil Velez y Patrick Liu han estado construyendo diseños experimentales generados por IA desde 2022; experimentos de Qualtrics personalizados ahora pueden crearse en 15 minutos mediante indicaciones. El trabajo de Velez apunta a algo aún más grande: la IA no solo acelera los métodos de encuesta existentes, hace posibles formas completamente nuevas de encuestas interactivas y adaptativas —diseños que habrían sido imprácticos de programar manualmente. David Yanagizawa-Drott ha ido aún más lejos, lanzando un proyecto para producir 1,000 artículos de economía con IA —no como un truco, sino como una prueba de estrés de lo que sucede cuando el costo de generar investigación cae a casi cero.

Los hablantes no nativos de inglés también se beneficiarán enormemente: los investigadores en El Cairo, Sao Paulo y Yakarta ahora pueden producir prosa que se lee tan bien como cualquier cosa que sale de Cambridge o Stanford. Eggertsson sospecha que la IA erosionará el monopolio que las mejores escuelas de EE.UU. han disfrutado durante mucho tiempo, ya que su ventaja se basaba en parte en la transmisión de conocimiento que ahora es casi instantánea. Si te importa democratizar la ciencia, esto importa más que la mayoría de las cosas en las que las universidades gastan dinero.

10. Aparte de los escenarios apocalípticos, la IA es genuinamente emocionante.

Sí, hay riesgos reales. El desplazamiento laboral para algunos académicos (y la mayoría de las demás personas) no es hipotético. Las preocupaciones de alineamiento y seguridad son genuinas, incluso si es poco probable que se desarrollen en los peores escenarios. Las tomo en serio y temo un poco nuestro futuro incierto.

Pero esto es a lo que sigo volviendo: la IA es útil y divertida. Mi impresión es que la multitud de “la IA agéntica nos está volviendo tontos” probablemente tiene razón en algunas cosas. Pero también he notado que mi barra de procrastinación ha subido. En lugar de perder el tiempo en redes sociales, ahora pierdo el tiempo probando proyectos paralelos en Claude Code. Puede que sea la forma más productiva de no-trabajo que existe. He estado haciendo vibecoding de algunos proyectos bastante emocionantes en las últimas semanas. Estén atentos.

El sabio Yiqing Xu aconseja que todos deberíamos pausar un mes para reevaluar y rediseñar nuestro flujo de trabajo, y luego retomar. Estoy de acuerdo. La recompensa será grande. Enciérrense en una habitación con Claude Code y vean qué pasa.

P.D. Esta publicación fue completamente generada y publicada en Substack por IA agéntica usando mi nuevo flujo de trabajo de Claude Code (Opus 4.6). Hagan con eso lo que quieran.

P.P.D. Es decir, completamente generada a partir de mis publicaciones y pensamientos artesanales de redes sociales sobre el tema, hechos a mano por un humano. Entonces, ¿quién la escribió realmente? Díganme ustedes.