Terminamos el semestre. 17 propuestas de tesis. 17 audit logs de IA.
Y ahora sé con mucha más claridad qué debe tener un buen reporte de auditoría de IA en investigación académica.
────
Lo que aprendimos sobre el audit log que funciona:
→ Documenta decisiones, no solo acciones No “usé Claude para revisar el marco teórico”. Sino: “la IA propuso tres referencias. Acepté dos. Rechacé una porque no tiene DOI verificable y el argumento ya estaba cubierto por Acemoglu (2012).”
→ Estima la autoría por componente ¿Cuánto de la hipótesis es tuya? ¿Cuánto de la especificación econométrica fue sugerida por la IA? No tiene que ser exacto — pero sí tiene que ser honesto. El porcentaje aproximado fuerza la reflexión que importa.
→ Registra los rechazos, no solo las aceptaciones El valor del audit log está en lo que el investigador decidió NO hacer con lo que la IA propuso. Ahí vive la agencia humana. Ahí está la evidencia de que el pensamiento crítico no se delegó.
→ Verifica activamente, no solo declara Los mejores logs no solo dicen “modo AIAS 3 — colaboración”. Muestran que cruzaron la salida de Claude con Gemini. O que corrieron el código generado en una máquina limpia antes de aceptarlo. La declaración sin verificación es transparencia de bajo valor.
→ Separa sesiones temáticas Un solo bloque de texto al final del documento no es un audit log — es una confesión tardía. El registro sesión por sesión (planteamiento, marco teórico, metodología, datos) permite reconstruir el proceso de investigación, no solo justificar el producto final.
────
Y el error que no esperaba:
Uno de los 17 citó “ChatGPT, IA. 2026” como fuente en la bibliografía.
No hubo ocultamiento — hubo confusión entre transparencia y responsabilidad epistémica. La IA no es un autor. Ayudó a encontrar las fuentes. Las fuentes son las que se citan.
La distinción parece obvia. En la práctica, no lo es tanto.
────
El debate sobre IA en investigación no se resuelve con prohibiciones ni con permisos.
Se resuelve construyendo el estándar de qué significa documentar bien el proceso.
Eso es lo que estamos aprendiendo a hacer.
#AIinResearch #AcademicIntegrity #ResearchMethods #HigherEducation #OpenScience