Revisiones bibliográficas con IA: encontrar no es verificar

Herramientas al servicio de la evidencia

EFSA presenta recursos para evaluación científica, incluidos modelos y herramientas de cribado de resúmenes y textos mediante aprendizaje automático. Esto muestra un uso posible de la automatización dentro de un proceso de evaluación; no implica que cualquier resumen generado sea una conclusión científica válida.

Leer el trabajo, no solo su resumen

Una lista de títulos puede servir para explorar un tema. Antes de apoyar una decisión en uno de ellos, confirma autores, documento y contenido. Después revisa qué se estudió realmente y si las condiciones se parecen al problema que quieres resolver.

Conviene llevar una tabla de lectura con pregunta, método, resultado y limitación. Esa separación ayuda a evitar que una conclusión limitada se convierta en una promesa amplia al pasar por varias síntesis.

Preguntas para llevar al equipo

Cuando dos documentos parecen contradecirse, revisa primero si comparan lo mismo. Pueden variar el alimento, la población, el proceso o el resultado medido. La tarea no consiste en elegir automáticamente el texto más reciente, sino en entender la diferencia relevante.

Un asistente puede ordenar esa tabla, pero los enlaces y las citas deben comprobarse en los originales. Las referencias inexistentes se eliminan; no se completan por intuición.

Separar tres pasos

Para investigar un ingrediente, distingue búsqueda, selección y lectura crítica. Propongo registrar por qué se incluye cada trabajo y qué pregunta responde. Un título pertinente puede esconder una población, proceso o dosis que no coincide con el producto estudiado por el equipo.

Una salida que se pueda auditar

Pide una tabla con referencia original, diseño, alcance y limitaciones. Comprueba esos campos en el documento antes de utilizar el resumen en una decisión. Conserva también los estudios que contradicen la hipótesis inicial. La eficiencia no consiste en obtener más texto: consiste en reducir el tiempo para localizar evidencia relevante sin perder su contexto. En innovación alimentaria, esa trazabilidad ayuda a distinguir una idea prometedora de una afirmación lista para comunicar.