Uso de IA en la revisión por pares (Peer review): una revisión sistemática con PRISMA 2020, ROBINS-I y CASPe

Resumen

La inteligencia artificial propuesta inicialmente como una neurona artificial a través de un modelo matemático data del año 1943 por los científicos norteamericanos Warren McCulloch y Walter Pitts pasa a ser el inicio de un gran avance para la ciencia y tecnología. Se tuvo por objetivo investigar y sintetizar los estudios previos sobre los beneficios e inconvenientes del uso de la IA en la revisión académica sin reducir la calidad científica y la ética. El estudio se realizó empleando una revisión sistemática de la literatura (RSL) con diseño cualitativo, estructurado bajo la declaración PRISMA 2020, empleando RYYAN AI para el cribado en la base de datos de Scopus (Elsevier) y Scielo.org, ROBINS-I para evaluar el riesgo de sesgo y CASPe para evaluar la calidad metodológica. Se identificó 833 investigaciones primarias con criterio de elegibilidad del 2023 al 2025, se aplicó criterios de inclusión, exclusión y cribado de acuerdo con el objetivo del estudio obteniéndose 09 investigaciones útiles. Posteriormente en la evaluación de riesgo de sesgo se obtuvo un resultado de 05 investigaciones útiles, en la fase final se aplicó una evaluación de calidad metodológica obteniendo un total de 04 estudios que orientan adecuadamente al objetivo de la investigación para ser analizada y sintetizada.  Los resultados del estudio indican que el uso de la IA de manera general tiene un impacto positivo en la revisión de trabajos científicos lo que coincide con los estudios previos. Sin embargo, algunos estudios resultaron contradictorios debido a que con la incorporación de IA surgen cuestionamientos éticos, poco consensuados y en algunos inclusive polémicos. Los hallazgos inesperados fueron que solo el 12% de revistas científicas en Latinoamérica tienen políticas definidas del empleo de la IA y que el programa ACTIVE LEARNING (IA) puede reducir el 60% del tiempo que demora un experto revisor de artículos. Como aporte clave de este estudio al año 2025, se propone regular el uso de la IA para aplicar procesos y métodos estandarizados siempre bajo la supervisión humana, así como desarrollar herramientas de medición que cuantifique el nivel de calidad en los procesos de revisión con IA, y restringir su uso para tomar decisiones finales