Segun arXiv q-fin, un estudio reciente analiza el impacto de las inteligencias artificiales en el desarrollo científico, utilizando tres fuentes de datos: 15 millones de interacciones con Gemini, una lista de más de 2.600 modelos especializados en distintas áreas y una encuesta a más de 600 investigadores. El trabajo se centra en comprender cómo se integran estas herramientas en las tareas científicas, mediante una nueva clasificación de actividades. Los hallazgos revelan una amplia adopción de tecnologías de inteligencia artificial entre los científicos, superando incluso a otras profesiones. Más del 50 por ciento de los encuestados reportan usar alguna forma de IA diariamente. Los modelos especializados, aunque enfocados en disciplinas específicas, han alcanzado alto reconocimiento en el campo académico y se emplean para tareas como generación de datos, clasificación y predicciones.
Los grandes modelos lingüísticos, como los representados por Gemini, se utilizan principalmente para tareas generales: análisis de textos, programación y redacción de manuscritos. En contraste, los modelos especializados actúan como aliados en procesos técnicos y disciplinares. Esta división de funciones sugiere que la IA no reemplaza al científico, sino que amplía sus capacidades. Los investigadores indican que el uso de IA les permite ahorrar casi siete horas semanales, tiempo que se reinvierte directamente en actividades de investigación. Este ahorro no solo mejora la eficiencia, sino que también provoca cambios estructurales en el proceso científico.
Una de las consecuencias más notables es el desplazamiento de los puntos críticos en la investigación. A medida que etapas como la recopilación de datos o el análisis inicial se vuelven más rápidas, los obstáculos se desplazan hacia fases posteriores, como la validación de resultados y la prueba de hipótesis. Los científicos reportan un aumento en el número de ideas sin evaluar y una creciente necesidad de revisar los outputs generados por IA. Este fenómeno indica que, aunque la IA potencia la productividad, también genera nuevos desafíos de calidad y rigor.
Para el lector peruano, este panorama ofrece una reflexión clave sobre la transformación tecnológica en el trabajo intelectual. En un contexto donde el acceso a tecnología avanzada está creciendo, los profesionales de ciencias, ingeniería o educación pueden beneficiarse de estas herramientas. Sin embargo, también deben estar atentos a que la automatización no elimina los procesos de validación. Los investigadores deben mantener una vigilancia crítica sobre los resultados generados por IA, especialmente en áreas donde la precisión y la ética son fundamentales. La integración de inteligencia artificial debe ir acompañada de formación en uso responsable y evaluación de riesgos. En el Perú, donde las instituciones académicas y el desarrollo tecnológico se fortalecen, esta tendencia puede acelerar la innovación, pero solo si se gestionan adecuadamente los nuevos desafíos que surgen.