Validez del uso de inteligencia artificial generativa en la búsqueda de fuentes académicas: análisis comparativo y propuesta de buenas prácticas

La irrupción de los modelos de lenguaje (LLMs) y de las aplicaciones basadas en inteligencia artificial generativa han transformado los procesos de investigación académica, especialmente en la búsqueda y organización de fuentes. El crecimiento exponencial de la literatura científica y la presión por optimizar tiempos han convertido la recuperación de información en un reto metodológico que exige soluciones innovadoras. En este contexto, la inteligencia artificial se presenta como una herramienta prometedora, pero precisa preguntarse por su validez confrontada con los métodos tradicionales. Esta comunicación presenta un estudio comparativo entre tres enfoques: (a) búsqueda manual en bases de datos académicas consolidadas (Web of Science y Scopus); (b) búsqueda automatizada mediante asistentes conversacionales generalistas como Microsoft Copilot y ChatGPT; y (c) búsqueda con asistentes diseñados ex profeso para la recuperación de información académica, como Elicit, Consensus o el modo académico de Perplexity, que superan el concepto tradicional de motores de búsqueda. El objetivo es evaluar la precisión, exhaustividad, actualidad y fiabilidad de las fuentes recuperadas, así como los riesgos asociados, como sesgos, alucinaciones y referencias inexistentes. La metodología incluye la ejecución de búsquedas sobre un mismo tema en los tres entornos, comparando resultados, fundamentalmente en términos de calidad. A partir de los resultados, se propone un procedimiento de buenas prácticas para integrar IA en la fase de búsqueda documental, estableciendo recomendaciones sobre cuándo y cómo utilizar asistentes especializados. Se discute asimismo si es imprescindible recurrir a herramientas creadas ex profeso para garantizar rigor metodológico y cómo estas se diferencian de las aplicaciones construidas sobre LLMs que no son motores de búsqueda tradicionales. Finalmente, se plantea una línea de trabajo orientada a la construcción de un copiloto para el análisis crítico y la síntesis de publicaciones seleccionadas, con el fin de optimizar la revisión sistemática y asegurar la transparencia en la investigación académica.