Por: Pedro Bazo
La investigación es como subir una escalera: cada paso que das te acerca a tu objetivo. Y el primer peldaño en este proceso es definir cuál es el problema o pregunta de investigación dentro de un área específica del conocimiento. En estas situaciones, el mejor camino para comenzar es llevar a cabo una revisión de la literatura, la cual nos ayuda a identificar un vacío que podemos abordar con nuestra investigación.
Si el objetivo es seleccionar un tema de investigación, la revisión de la literatura funciona como un mapa: ayuda a identificar tendencias actuales, explorar publicaciones recientes en áreas preseleccionadas y detecta vacíos en el conocimiento que pueden convertirse en oportunidades de estudio. En cambio, cuando la pregunta de investigación ya está clara, el enfoque cambia: aquí se trata de profundizar en el conocimiento existente, analizar teorías y métodos relevantes y evaluar hallazgos previos para construir una base sólida que justifique el estudio. En resumen, la fase de selección de tema requiere una exploración amplia; mientras que una vez definido el tema y la pregunta de investigación, la revisión debe ser mucho más detallada y específica (ver Tabla 1).
Tabla 1. Diferencias en la revisión de literatura según la etapa de la investigación
| Aspecto | Para seleccionar un tema | Para profundizar en una pregunta |
| Objetivo | Identificar un área prometedora de investigación. | Construir una base sólida que justifique el estudio. |
| Alcance | Explorar ampliamente diversas líneas de estudio. | Profundizar en un tema específico con rigor. |
| Foco | Detectar tendencias, debates actuales y vacíos en el conocimiento. | Analizar estudios clave, teorías y métodos directamente relacionados. |
| Resultado | Formular una pregunta de investigación clara y viable. | Desarrollar un marco teórico bien fundamentado. |
Esta diferencia es clave. Si aún estás explorando el tema de investigación, herramientas generales de IA generativa como ChatGPT, Copilot, Claude o DeepSeek pueden ayudarte a generar ideas, identificar tendencias y reducir opciones. Pero una vez que tienes la pregunta definida y necesitas acceder a literatura científica especializada, estas IA no serán suficientes.
¿Por qué? Porque su acceso a bases de datos académicas de acceso restringido como Scopus o Web of Science es muy limitado. La mayoría solo pueden consultar información de fuentes abiertas en Internet, lo que significa que no siempre tendrán acceso a los artículos más relevantes o revisados por pares. Para demostrarlo, aquí están algunas respuestas directas de estas herramientas a la pregunta:
“¿[nombre de la IA], tienes acceso a artículos de investigación publicados en revistas científicas?” (respuestas obtenidas el 18.03.2025)
Figura 1. Respuesta de ChatGPT
Figura 2. Respuesta de Copilot
Figura 3. Respuesta de Claude
Figura 4. Respuesta de DeepSeek
Vale la pena destacar a Gemini 2.0 Flash de Google, que tiene una ventaja significativa respecto a las IA generativas mencionadas: puede acceder a diversas bases de datos académicas y repositorios de investigación, lo que le permite recuperar información de una amplia gama de revistas científicas. Además, una de sus fuentes es Google Scholar, lo que le da acceso a una cantidad considerable de literatura académica sin depender solo de fuentes abiertas en la web.
Cómo la IA está cambiando la revisión de la literatura
Las herramientas especializadas de IA para la revisión de literatura tienen un gran beneficio: ayudan a los investigadores a enfrentar tres de los mayores desafíos del proceso:
- Sobrecarga de información. Se publican entre 2 a 3 millones de artículos al año en unas 50,000 revistas científicas, lo que hace cada vez más difícil encontrar los estudios más relevantes. Ningún investigador, por más experto que sea, puede manejar este volumen de información por sí solo. La IA filtra y prioriza lo más importante haciendo más eficiente el proceso de búsqueda, lo que representa no sólo una ventaja sino una necesidad.
- Tiempo excesivo. Realizar una revisión de literatura manualmente puede tomar semanas o incluso meses. La IA agiliza la búsqueda, lectura y síntesis de artículos académicos, permitiendo que los investigadores reduzcan el esfuerzo mental asociado a las tareas manuales y se enfoquen en los aspectos interpretativos y de desarrollo teórico de su trabajo.
- Selección de fuentes confiables. La calidad de la revisión depende del acceso a literatura relevante y reciente. Las herramientas de IA ayudan a identificar fuentes creíbles y evitar información desactualizada o poco rigurosa.
En resumen, la IA no reemplaza el juicio crítico del investigador, pero sí hace que la revisión de la literatura sea más rápida y manejable en la etapa de búsqueda y revisión.
Existen muchas herramientas de IA diseñadas para facilitar la revisión de literatura, cada una con capacidades únicas. Algunas se especializan en la búsqueda de estudios relevantes, otras en organizar y visualizar información, y otras en resumir y analizar textos complejos. La clave está en elegir la herramienta adecuada según la etapa del proceso.
Para que tengas una visión clara y completa de las opciones disponibles, en la Tabla 2 encontrarás una descripción general de algunas de las herramientas más populares para gestionar, analizar y sintetizar literatura académica. Para mayor claridad, las hemos clasificado de acuerdo con su principal función: motor de búsqueda, visualización y mapeo de estudios, gestión de documentos y asistente de escritura.
Es importante aclarar que esta selección se basa en una revisión amplia de fuentes, pero sigue un criterio subjetivo y no pretende ser una lista definitiva ni exhaustiva. De hecho, para mantenerla práctica y fácil de recordar, hemos limitado la selección a unas pocas herramientas. Por supuesto, existen muchas más opciones y la elección ideal dependerá siempre de las necesidades específicas de cada investigador.
Tabla 2: Herramientas de revisión de literatura basadas en IA generativa
| Herramienta IA1 | Principal Función | Bases de Datos Bibliográficas2 |
|---|---|---|
| Consensus | Motor de Búsqueda (MB) | Semantic Scholar |
| CORE GPT | MB | Publicaciones de acceso abierto |
| Dimensions Research GPT | MB | Publicaciones de acceso abierto (Unpaywall) |
| Elicit | MB | Semantic Scholar y publicaciones de acceso abierto |
| EvidenceHunt | MB | PubMed (MEDLINE) |
| Litmaps | MB | Semantic Scholar |
| Perplexity | MB | Publicaciones de acceso abierto |
| Science Open | MB | Publicaciones de acceso abierto |
| SciSpace | MB | Semantic Scholar |
| Scite | MB | PubMed Central, Unpaywall |
| Scopus IA | MB | Scopus, sólo a través de suscripción |
| Semantic Scholar | MB | Semantic Scholar |
| Undermind.ai | MB | Semantic Scholar, PubMed, arXiv |
| Connected Papers | Visualización y Mapeo de Estudios (V) | Semantic Scholar |
| Research Rabbit | V | Semantic Scholar, PubMed |
| Pdf.ai | Gestión de Documentos (GD) | — |
| Scholarcy | GD | — |
| Scholar.ai | GD | — |
| Jenni.ai | Asistente de Escritura (AE) | — |
| MyStylus.ai | AE | — |
| ResearchBuddies | AE | — |
| Textero.ai | MB, AE | — |
| Unriddle.AI | GD, AE | — |
(1) La mayoría de estas herramientas son bastante versátiles y pueden usarse en distintos campos de investigación sin problema. Pero hay algunas con un enfoque más específico: EvidenceHunt, por ejemplo, está diseñada exclusivamente para el ámbito biomédico, mientras que Elicit se ha optimizado para funcionar bien tanto en biomedicina como en ciencias sociales. Así que, si trabajas en esas áreas, estas dos herramientas pueden darte una ventaja particular.
(2) Bases a la que tiene acceso
Los nuevos motores de búsqueda con IA no solo mejoran el acceso al conocimiento: están transformando por completo la forma en que lo descubrimos. En lugar de depender de complicadas combinaciones de palabras clave y operadores booleanos, ahora podemos hacer preguntas en lenguaje natural y obtener resultados relevantes. Estas nuevas herramientas no solo encuentran artículos de investigación en bases de datos accesibles, sino que también resumen los más importantes, ahorrándonos tiempo y haciendo que la ciencia sea más accesible para todos.
Pero antes de presentar algunas de estas herramientas en detalle, vale la pena hacer una breve pausa para aclarar algo importante: no es lo mismo una revisión de literatura que una revisión sistemática de la literatura (systematic literature review o SLR, por sus siglas en inglés). Aunque suenen parecidas, tienen propósitos y niveles de rigor muy distintos.
La revisión de literatura -que es el enfoque de este artículo- busca ofrecer una visión general sobre un tema. Es más flexible, menos estructurada y, en muchos casos, más subjetiva al seleccionar y evaluar los estudios previos. Sirve para contextualizar un proyecto de investigación o explorar un área en desarrollo.
En cambio, la revisión sistemática sigue reglas claras: criterios de inclusión y exclusión definidos, evaluación rigurosa de la calidad de los estudios y un objetivo muy específico: resumir de forma objetiva y completa la evidencia disponible para responder una pregunta concreta.
¿Por qué es importante esta distinción? Porque las herramientas que vamos a revisar aquí están pensadas para facilitar procesos de revisión de literatura general. Si te interesa una visión más profunda sobre las herramientas SLR potenciadas por IA, te recomiendo explorar el excelente trabajo de Bolaños et al. (2024).
Dicho esto les dejo algunas preguntas: ¿Cuáles son los primeros pasos por seguir? ¿Cómo nos ayuda la IA? ¿Qué ventajas podemos obtener de su uso correcto? De eso trata la segunda entrega de este artículo.
