INVESTIGACIÓN 5.0: Inteligencia artificial, creatividad humana y producción científica: un nuevo paradigma para la ciencia del futuro
Keywords:
Inteligencia artificial, Investigación 5.0, metodología científica, ética de la investigación, innovación académica, comunicación científica.Synopsis
La llegada de la inteligencia artificial a la investigación científica ha transformado el trabajo cotidiano en laboratorios y universidades, mientras las tareas que requerían semanas o meses de dedicación especializada, como el análisis masivo de publicaciones, la formulación de hipótesis o la estructuración de diseños metodológicos, hoy pueden acelerarse mediante herramientas algorítmicas. En América Latina, y de manera particular en el Ecuador, donde la ciencia se desarrolla a menudo con recursos presupuestarios limitados, este avance ofrece una oportunidad valiosa para reducir brechas históricas. Sin embargo, la automatización en la generación de textos y análisis no resuelve las preguntas esenciales sobre la validez del conocimiento ni sobre la atribución de la autoría intelectual. Por ello, la reflexión sobre el uso de la IA en la ciencia supera el terreno estrictamente tecnológico y se convierte en una exigencia ética y epistemológica ineludible para la comunidad universitaria y para la sociedad.
Frente a las posturas extremas que oscilan entre la fascinación tecnológica acrítica y el rechazo rotundo, el libro plantea una perspectiva ponderada y reflexiva. Su premisa central es que la inteligencia artificial solo resulta legítima en el ámbito académico cuando potencia el juicio crítico del investigador, respeta estándares de transparencia y se orienta al bien común. En este enfoque se fundamenta el concepto de Investigación 5.0, concebido no como una ruptura con el método científico tradicional, sino como una convergencia articulada entre la inteligencia humana, la artificial y la colectiva. Este paradigma no sustituye los valores fundamentales del trabajo intelectual —como el rigor, la honestidad y la contrastación empírica—, sino que los reafirma en un contexto donde el pensamiento científico interactúa constantemente con sistemas computacionales.
El libro organiza su propuesta a través de un recorrido sistemático y comienza desentrañando los fundamentos epistemológicos del nuevo entorno tecnológico, analiza la interacción entre la creatividad humana y los modelos generativos para la formulación de ideas, examina la transformación de las metodologías de investigación, aborda los procesos de redacción y comunicación científica, y concluye con el estudio de la gobernanza, la ética y la soberanía tecnológica. Cada capítulo combina evidencia científica reciente con directrices de organismos internacionales, adaptando estos marcos a la realidad y a las necesidades de la investigación en América Latina. Además, la obra evita concentrarse en herramientas comerciales de vida corta, priorizando la construcción de criterios metodológicos y éticos duraderos para evaluar la pertinencia y validez del trabajo con tecnologías inteligentes.
Las reflexiones de esta obra ofrecen una utilidad directa para distintos actores del ámbito académico. Los investigadores encontrarán criterios claros para incorporar tecnologías sin perder rigor metodológico; los estudiantes de posgrado dispondrán de una guía para desarrollar las competencias que exige la ciencia contemporánea; las autoridades universitarias obtendrán insumos para diseñar políticas institucionales; y los editores científicos hallarán análisis sobre los cambios en la difusión del conocimiento. En definitiva, el mayor valor de este libro radica en mostrar que, en la era de la automatización algorítmica, los principios de rigor, transparencia y responsabilidad no han perdido vigencia, sino que son más indispensables que nunca para garantizar una ciencia de calidad al servicio de la sociedad.
Downloads
Download data is not yet available.
References
Asamblea Nacional del Ecuador. (2021, 26 de mayo). Ley Orgánica de Protección de Datos Personales. Registro Oficial, Quinto Suplemento n.º 459.
Bender, E. M., Gebru, T., McMillan-Major, A., y Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? En Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (pp. 610–623). Association for Computing Machinery. https://doi.org/10.1145/3442188.3445922
Boiko, D. A., MacKnight, R., Kline, B., y Gomes, G. (2023). Autonomous chemical research with large language models. Nature, 624(7992), 570–578. https://doi.org/10.1038/s41586-023-06792-0
Breque, M., De Nul, L., y Petridis, A. (2021). Industry 5.0: Towards a sustainable, human-centric and resilient European industry. Comisión Europea, Dirección General de Investigación e Innovación. https://doi.org/10.2777/308407
Carayannis, E. G., y Morawska-Jancelewicz, J. (2022). The futures of Europe: Society 5.0 and Industry 5.0 as driving forces of future universities. Journal of the Knowledge Economy, 13(4), 3445–3471. https://doi.org/10.1007/s13132-021-00854-2
Centro Nacional de Inteligencia Artificial [CENIA]. (2024). Índice Latinoamericano de Inteligencia Artificial (ILIA) 2024. CENIA y Comisión Económica para América Latina y el Caribe. https://indicelatam.cl
Coalition for Advancing Research Assessment [CoARA]. (2022). Agreement on reforming research assessment. https://coara.eu/agreement/the-agreement-full-text/
Comisión Europea. (2024). Living guidelines on the responsible use of generative AI in research. Dirección General de Investigación e Innovación. https://research-and-innovation.ec.europa.eu
Committee on Publication Ethics [COPE]. (2023). Authorship and AI tools: COPE position statement. https://publicationethics.org/guidance/cope-position/authorship-and-ai-tools
Consejo de Educación Superior [CES]. (2022). Reglamento de Régimen Académico (Resolución RPC-SE-08-No.023-2022). Registro Oficial n.º 124.
Cui, H., y Yasseri, T. (2024). AI-enhanced collective intelligence. Patterns, 5(11), Artículo 101074. https://doi.org/10.1016/j.patter.2024.101074
Donthu, N., Kumar, S., Mukherjee, D., Pandey, N., y Lim, W. M. (2021). How to conduct a bibliometric analysis: An overview and guidelines. Journal of Business Research, 133, 285–296. https://doi.org/10.1016/j.jbusres.2021.04.070
Doshi, A. R., y Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), Artículo eadn5290. https://doi.org/10.1126/sciadv.adn5290
Duede, E. (2023). Deep learning opacity in scientific discovery. Philosophy of Science, 90(5), 1089–1099. https://doi.org/10.1017/psa.2023.8
Dwivedi, Y. K., Kshetri, N., Hughes, L., Slade, E. L., Jeyaraj, A., Kar, A. K., Baabdullah, A. M., Koohang, A., Raghavan, V., Ahuja, M., Albanna, H., Albashrawi, M. A., Al-Busaidi, A. S., Balakrishnan, J., Barlette, Y., Basu, S., Bose, I., Brooks, L., Buhalis, D., … Wright, R. (2023). “So what if ChatGPT wrote it?” Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management, 71, Artículo 102642. https://doi.org/10.1016/j.ijinfomgt.2023.102642
Gao, C. A., Howard, F. M., Markov, N. S., Dyer, E. C., Ramesh, S., Luo, Y., y Pearson, A. T. (2023). Comparing scientific abstracts generated by ChatGPT to real abstracts with detectors and blinded human reviewers. npj Digital Medicine, 6, Artículo 75. https://doi.org/10.1038/s41746-023-00819-6
Gao, S., Fang, A., Huang, Y., Giunchiglia, V., Noori, A., Schwarz, J. R., Ektefaie, Y., Kondic, J., y Zitnik, M. (2024). Empowering biomedical discovery with AI agents. Cell, 187(22), 6125–6151. https://doi.org/10.1016/j.cell.2024.09.022
Giray, L. (2023). Prompt engineering with ChatGPT: A guide for academic writers. Annals of Biomedical Engineering, 51(12), 2629–2633. https://doi.org/10.1007/s10439-023-03272-4
Hosseini, M., y Horbach, S. P. J. M. (2023). Fighting reviewer fatigue or amplifying bias? Considerations and recommendations for use of ChatGPT and other large language models in scholarly peer review. Research Integrity and Peer Review, 8, Artículo 4. https://doi.org/10.1186/s41073-023-00133-5
InterAcademy Partnership [IAP]. (2022). Combatting predatory academic journals and conferences. https://www.interacademies.org
International Committee of Medical Journal Editors [ICMJE]. (2023). Recommendations for the conduct, reporting, editing, and publication of scholarly work in medical journals. https://www.icmje.org/icmje-recommendations.pdf
Jumper, J., Evans, R., Pritzel, A., Green, T., Figurnov, M., Ronneberger, O., Tunyasuvunakool, K., Bates, R., Žídek, A., Potapenko, A., Bridgland, A., Meyer, C., Kohl, S. A. A., Ballard, A. J., Cowie, A., Romera-Paredes, B., Nikolov, S., Jain, R., Adler, J., … Hassabis, D. (2021). Highly accurate protein structure prediction with AlphaFold. Nature, 596(7873), 583–589. https://doi.org/10.1038/s41586-021-03819-2
Kapoor, S., y Narayanan, A. (2023). Leakage and the reproducibility crisis in machine-learning-based science. Patterns, 4(9), Artículo 100804. https://doi.org/10.1016/j.patter.2023.100804
Koivisto, M., y Grassini, S. (2023). Best humans still outperform artificial intelligence in a creative divergent thinking task. Scientific Reports, 13, Artículo 13601. https://doi.org/10.1038/s41598-023-40858-3
Krenn, M., Pollice, R., Guo, S. Y., Aldeghi, M., Cervera-Lierta, A., Friederich, P., dos Passos Gomes, G., Häse, F., Jinich, A., Nigam, A., Yao, Z., y Aspuru-Guzik, A. (2022). On scientific understanding with artificial intelligence. Nature Reviews Physics, 4(12), 761–769. https://doi.org/10.1038/s42254-022-00518-3
Liang, W., Zhang, Y., Cao, H., Wang, B., Ding, D. Y., Yang, X., Vodrahalli, K., He, S., Smith, D. S., Yin, Y., McFarland, D. A., y Zou, J. (2024). Can large language models provide useful feedback on research papers? A large-scale empirical analysis. NEJM AI, 1(8). https://doi.org/10.1056/AIoa2400196
Liu, P., Yuan, W., Fu, J., Jiang, Z., Hayashi, H., y Neubig, G. (2023). Pre-train, prompt, and predict: A systematic survey of prompting methods in natural language processing. ACM Computing Surveys, 55(9), Artículo 195. https://doi.org/10.1145/3560815
Lund, B. D., Wang, T., Mannuru, N. R., Nie, B., Shimray, S., y Wang, Z. (2023). ChatGPT and a new academic reality: Artificial intelligence-written research papers and the ethics of the large language models in scholarly publishing. Journal of the Association for Information Science and Technology, 74(5), 570–581. https://doi.org/10.1002/asi.24750
Mehrabi, N., Morstatter, F., Saxena, N., Lerman, K., y Galstyan, A. (2021). A survey on bias and fairness in machine learning. ACM Computing Surveys, 54(6), Artículo 115. https://doi.org/10.1145/3457607
Messeri, L., y Crockett, M. J. (2024). Artificial intelligence and illusions of understanding in scientific research. Nature, 627(8002), 49–58. https://doi.org/10.1038/s41586-024-07146-0
Miao, F., y Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
Molnar, C. (2022). Interpretable machine learning: A guide for making black box models explainable (2.ª ed.). https://christophm.github.io/interpretable-ml-book/
National Institute of Standards and Technology [NIST]. (2023). Artificial intelligence risk management framework (AI RMF 1.0) (NIST AI 100-1). Departamento de Comercio de los Estados Unidos. https://doi.org/10.6028/NIST.AI.100-1
Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., y Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, Artículo 100041. https://doi.org/10.1016/j.caeai.2021.100041
Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura [UNESCO]. (2021a). Recomendación de la UNESCO sobre la ciencia abierta. https://doi.org/10.54677/MNMH8546
Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura [UNESCO]. (2021b). Recomendación sobre la ética de la inteligencia artificial. Adoptada por la Conferencia General en su 41.ª reunión, 23 de noviembre de 2021.
Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura [UNESCO]. (2021c). UNESCO science report: The race against time for smarter development. UNESCO Publishing.
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., … Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372, n71. https://doi.org/10.1136/bmj.n71
Parlamento Europeo y Consejo de la Unión Europea. (2024). Reglamento (UE) 2024/1689 por el que se establecen normas armonizadas en materia de inteligencia artificial. Diario Oficial de la Unión Europea, L 2024/1689.
Red Iberoamericana de Indicadores de Ciencia y Tecnología [RICYT]. (2025). El estado de la ciencia 2025: Principales indicadores de ciencia y tecnología iberoamericanos/interamericanos. RICYT, OEI y UNESCO.
Si, C., Yang, D., y Hashimoto, T. (2025). Can LLMs generate novel research ideas? A large-scale human study with 100+ NLP researchers. En Proceedings of the Thirteenth International Conference on Learning Representations (ICLR 2025).
Szymanski, N. J., Rendy, B., Fei, Y., Kumar, R. E., He, T., Milsted, D., McDermott, M. J., Gallant, M., Cubuk, E. D., Merchant, A., Kim, H., Jain, A., Bartel, C. J., Persson, K., Zeng, Y., y Ceder, G. (2023). An autonomous laboratory for the accelerated synthesis of novel materials. Nature, 624(7990), 86–91. https://doi.org/10.1038/s41586-023-06734-w
Thorp, H. H. (2023). ChatGPT is fun, but not an author. Science, 379(6630), 313. https://doi.org/10.1126/science.adg7879
Tom, G., Schmid, S. P., Baird, S. G., Cao, Y., Darvish, K., Hao, H., Lo, S., Pablo-García, S., Rajaonson, E. M., Skreta, M., Yoshikawa, N., Corapi, S., Akkoc, G. D., Strieth-Kalthoff, F., Seifrid, M., y Aspuru-Guzik, A. (2024). Self-driving laboratories for chemistry and materials science. Chemical Reviews, 124(16), 9633–9732. https://doi.org/10.1021/acs.chemrev.4c00055
van de Schoot, R., de Bruin, J., Schram, R., Zahedi, P., de Boer, J., Weijdema, F., Kramer, B., Huijts, M., Hoogerwerf, M., Ferdinands, G., Harkema, A., Willemsen, J., Ma, Y., Fang, Q., Hindriks, S., Tummers, L., y Oberski, D. L. (2021). An open source machine learning framework for efficient and transparent systematic reviews. Nature Machine Intelligence, 3(2), 125–133. https://doi.org/10.1038/s42256-020-00287-7
Walters, W. H., y Wilder, E. I. (2023). Fabrication and errors in the bibliographic citations generated by ChatGPT. Scientific Reports, 13, Artículo 14045. https://doi.org/10.1038/s41598-023-41032-5
Wang, H., Fu, T., Du, Y., Gao, W., Huang, K., Liu, Z., Chandak, P., Liu, S., Van Katwyk, P., Deac, A., Anandkumar, A., Bergen, K., Gomes, C. P., Ho, S., Kohli, P., Lasenby, J., Leskovec, J., Liu, T.-Y., Manrai, A., … Zitnik, M. (2023). Scientific discovery in the age of artificial intelligence. Nature, 620(7972), 47–60. https://doi.org/10.1038/s41586-023-06221-2
Wang, L., Ma, C., Feng, X., Zhang, Z., Yang, H., Zhang, J., Chen, Z., Tang, J., Chen, X., Lin, Y., Zhao, W. X., Wei, Z., y Wen, J.-R. (2024). A survey on large language model based autonomous agents. Frontiers of Computer Science, 18(6), Artículo 186345. https://doi.org/10.1007
Downloads
Published
November 13, 2026
Copyright (c) 2026 Rafael Romero Carazas, Julio César Andrade Palacios, Juan Carlos Tapia Cueva, José Ricardo Arias, Milton Gabriel Del Hierro Mosquera (Author)
License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Details about this monograph
ISBN-13 (15)
978-9907-9566-6-5
How to Cite
INVESTIGACIÓN 5.0: Inteligencia artificial, creatividad humana y producción científica: un nuevo paradigma para la ciencia del futuro . (2026). ANDES COGNITIO. https://doi.org/10.64230/ypaahj26
