Sr. Editor:
En la publicación de Caviedes y cols. (1), publicada en 2022, se hablaba del uso de la inteligencia artificial (IA) para la realización de revisiones sistematizadas y, desde dicha fecha, el desarrollo de esta tecnología ha sido impresionante.
Ante la gran cantidad de información que se genera cada día, el hecho de poder realizar revisiones sistematizadas de calidad de manera rápida es cada vez más difícil y la IA es una respuesta concreta ante esta limitación. Estudios han evidenciado que es posible realizar el mismo trabajo de búsqueda y selección de información en casi un tercio del tiempo si se utiliza una IA (2).
La interacción con una IA utiliza el procesamiento del lenguaje natural (PLN), que permite no solo la corrección de texto, sino también generar sistemas con la capacidad de abstraer y analizar el significado semántico y sintáctico de la información (3). El PLN nos permite realizar tareas como el resumen automático de documentos, el etiquetado de texto, la interpretación de tópicos, la generación de preguntas y respuestas y el reconocimiento de las partes de una oración, así como la comprensión lectora en general (3,4).
El uso de IA en la realización de revisiones sistematizadas permite la automatización de tareas como la búsqueda y extracción de datos, generando revisiones más completas y con una mayor cobertura de información en menos tiempo. Además, permite mejorar la precisión y la objetividad de los resultados al minimizar los sesgos inherentes al trabajo manual (3,5). Dado lo anterior, se están volviendo comunes los procesos formativos en el uso de IA para la realización de revisiones sistematizadas (6).
Sin embargo, existen claras limitaciones en el uso de las IA, como, por ejemplo, la calidad de los algoritmos utilizados, los cuales pueden comenzar a generar sesgos repetitivos que se reflejen en errores en el análisis de los textos (3,5). Por otro lado, tenemos los problemas referentes a las instrucciones en lenguaje natural (prompt), ya que los usuarios muchas veces tendrán que experimentar con una amplia gama de prompt hasta lograr obtener los resultados deseados. Por ejemplo, se debe indicar a la IA que busque la información declarada explícitamente en el texto, o que pueda ser resultado directo de él, y que no busque en fuentes externas al propio texto, que descarte el uso de información que puede obtenerse desde las referencias del artículo o que, en caso de no encontrar una información, lo declare, entre muchas otras instrucciones que nos aseguren que la información que nos proporciona la IA proviene efectivamente del texto en análisis y no de otras fuentes. Esto nos lleva a un ejercicio de validación y mejora constantes de los modelos de comunicación con la IA que utilizaremos para realizar una revisión de calidad (7).
Por el momento, la IA no reemplaza completamente el trabajo del investigador, ya que su experiencia y conocimientos aún son necesarios para interpretar los resultados, realizar juicios de valor y contextualizar la evidencia, pero, claramente, el futuro que las IA proyectan trae desafíos Éticos relevantes.