¿Nos importa realmente que un artículo de investigación sea correcto, o solo nos importa que tenga un alto número de citas? Sí, nos importa, pero la estructura actual de incentivos académicos ha convertido el método científico en un juego de SEO para intelectuales. Hemos llegado a un punto en el que el objetivo ya no es descubrir algo nuevo, sino producir un documento que parezca lo bastante parecido a un paper para engañar a un revisor cansado y a un algoritmo ingenuo.
El verdadero problema aquí no es que los LLM puedan redactar un abstract convincente. El problema es que el mundo académico ha pasado décadas construyendo una moneda de cambio —la cita— que es demasiado fácil de falsificar. Cuando vinculas el salario y la plaza fija de un profesor a un número en una pantalla, no estás fomentando la ciencia; estás fomentando una estrategia de trading de alta frecuencia para el prestigio. Es esencialmente un esquema Ponzi para doctores, donde el «valor» de un investigador se basa en cuántas personas afirman haber leído su trabajo, sin importar si realmente lo hicieron. Es un sistema diseñado para un mundo en el que los humanos tenían que teclear manualmente las bibliografías, y está completamente roto en una era en la que un script puede generar mil citas en tres segundos.
Como detalla The Verge, esto ha evolucionado hasta convertirse en un bucle de retroalimentación de ruido sintético. El artículo destaca cómo las «fábricas de papers» —entidades que producen investigación fraudulenta a cambio de dinero— están usando ahora IA para automatizar la generación de estudios falsos. Esto no es solo cosa de unos pocos actores malintencionados; es la industrialización del fraude académico. Lo vemos en el extraño caso del supervisor de Peter Degen, quien notó que un paper de 2017 se estaba citando a un ritmo imposible. ¿Por qué? Porque los bots habían decidido que era un paper «seguro» para citar y así hacer parecer legítimos otros artículos escritos por bots. ¿Quién está leyendo realmente esto? (Probablemente nadie, a menos que busque una ecuación concreta para copiar y pegar). La fricción no está en la tecnología, sino en el ego humano. Hemos creado un sistema donde prima el volumen de producción sobre la validez del resultado.
La ironía es que esta «basura» está filtrándose ahora de vuelta en los conjuntos de entrenamiento de los propios modelos que la crearon. Estamos presenciando una versión digital de la dinastía de los Habsburgo: datos incestuosos criando una generación de modelos cada vez más endogámicos y alucinados. Cuando un modelo se entrena con un paper escrito por otro modelo, que a su vez cita un artículo escrito también por un modelo, la «verdad» se convierte en un juego del teléfono descompuesto jugado por GPUs. Si seguimos permitiendo que la basura sintética contamine el registro principal del conocimiento humano, no solo estaremos haciendo más difícil encontrar la verdad; estaremos borrando el rastro. Es como si un chef intentara preparar un plato gourmet con ingredientes que en realidad son réplicas de plástico de comida. Parece perfecto en el plato, pero es completamente indigerible.
No podemos «detectar» nuestra salida de esto. Los detectores de IA son una broma, y la carrera armamentística entre el generador y el detector es un derroche de ciclos costosos de H100. La única forma de arreglarlo es eliminar el índice h como métrica principal de éxito. Para el cuarto trimestre de 2025, el prestigio del índice h se habrá desplomado como indicador fiable de calidad, desplazado por un giro hacia auditorías más pequeñas, verificadas y exclusivamente humanas, junto con requisitos de replicación en código abierto. Hasta que los incentivos cambien, las revistas seguirán imprimiendo ruido y los investigadores seguirán citándolo porque sus hipotecas dependen de ello.
La academia es actualmente una gran alucinación de un LLM con derecho a cátedra.
