El 2 de agosto entra en vigor el artículo 50 del AI Act europeo. Esta normativa exige identificar el contenido generado con IA y que los chatbots avisen, desde el primer mensaje, que no se está hablando con una persona. Chile tramita algo parecido, un proyecto de ley para un sello que identifique contenido generado con IA. Ambas normas hacen exención para la investigación científica, con matices. Pero la pregunta de fondo no es qué exige la ley, sino más bien: ¿por qué importa saber cuándo se usó IA?

Importa, porque lo que se le pide a la IA es muy variable. Usar un LLM (Large Language Model) para redactar un párrafo es una cosa. Usar un modelo entrenado para analizar videos y detectar patrones de movimiento para estudiar el desarrollo motor de una persona, es otra completamente distinta.

En el primer caso, la IA ayuda a decir algo que la persona ya pensó. En el segundo, la IA participa de un método, ayudando a construirlo. Pero tratar ambos casos igual, como si “usar IA” fuera una sola categoría, es la raíz de la confusión.

No se trata de pedir que se deje de usar IA. De hecho, todo lo contrario. La ciencia ya no puede ni debería prescindir de estas herramientas. El punto es que cuando una IA participa en el método, no basta con mencionarlo de pasada. Hay que decir qué modelo se usó, con qué datos se entrenó, quién validó el resultado antes de que ese resultado influya en una decisión real, clínica o educativa.

Y aquí la investigación ya está reaccionando, aunque todavía incipiente. Las revistas científicas Nature y Science hoy exigen declarar el uso de IA en la sección de Métodos, no en la carta al editor, y ya rechazan papers que lo mencionan sólo ahí. Pero la práctica no acompaña. Un estudio publicado en PNAS analizó 5,2 millones de papers y encontró que, aunque el 70% de las revistas ya exige declarar el uso de IA en la escritura, no hay una diferencia real de comportamiento entre quienes publican en revistas con política y sin ella, y que la declaración aparece en un porcentaje mínimo.

Ese vacío de definición, más que cualquier exención legal, es el verdadero problema. No porque la ley esté mal escrita, sino porque una ley pensada para frenar el engaño al consumidor no es la herramienta correcta para resolver una pregunta de integridad científica. Y hay algo más estructural: cualquier ley, por bien diseñada que esté, envejece rápido frente a una tecnología que cambia cada pocos meses.

Para cuando un artículo termina su tramitación, los usos de la tecnología que pretendía regular ya cambiaron. Esa pregunta la debería responder la propia comunidad de investigación, con estándares propios, proporcionales y actualizables, antes de que alguien con poco conocimiento de IA aplicada a investigación tenga que legislarlo por default.

Europa decidió que era tan importante saber si una imagen es real como saber si hablamos con una máquina. La ciencia necesita esa misma certeza, aunque no lo indique la ley: saber que una investigación se desarrolló con IA, y poder describir cómo. Por eso, quienes trabajamos con IA buscamos construir esa claridad desde adentro, con quienes entienden lo que está en juego.