LO
Adopción por quien trabajaAutomatización cognitiva2024-03-11
Entre el 6,5% y el 16,9% del texto de las revisiones por pares en varios congresos de IA podría haber sido modificado sustancialmente por modelos de lenguaje, estimó un estudio de Stanford
Docente universitariopágina de la ocupación →
Fecha del hecho / publicación
2024-03-11
Categoría de la evidencia
Adopción por quien trabajaUna herramienta se usa a gran escala en trabajo real y eso está medido, y quien decidió usarla fue la persona que trabaja, no quien emplea. Es más que un registro de capacidad —el trabajo es real, no una demostración— y menos que uno de despliegue, porque ningún empleador la puso en producción, ni la exigió, ni construyó un proceso alrededor. Ponderada como `cautious`: `automating` significa que la máquina puede hacer la tarea Y que hay indicios de adopción, y esto es un indicio de adopción; pero el uso puede ser una prueba, y buena parte de la medición viene de una parte con intereses, así que un registro nunca basta y dos independientes sí. Fíjate además en quién cuenta. La telemetría de un proveedor ve esto directamente y a la vez vende la herramienta, así que un registro de este tipo declara ese interés en su ámbito de aplicación; una agencia estadística que pregunta a las empresas si su personal usa IA en tareas ve el mismo canal sin ningún interés propio, y donde exista es la mejor fuente.
Tareas sobre las que incide
Revisión por pares
Revisar artículos y propuestas de otros investigadores.
Sigue llevándola una persona✓ Con evidencia
Dónde aplica esto
Revisiones por pares en congresos de IA (ICLR, NeurIPS, CoRL, EMNLP). Con un estimador a nivel de población, el estudio informa de que entre el 6,5% y el 16,9% del texto enviado como revisiones por pares a estos congresos podría haber sido modificado sustancialmente por modelos de lenguaje, más allá de la corrección ortográfica o de pequeños retoques de redacción. Abarca solo congresos de IA y estima proporciones de texto, no revisores individuales.
Qué significa esto
Quienes revisan ya usan modelos de lenguaje en sus revisiones, al menos en la investigación en IA. Las normas que vienen después tratan de qué pueden delegar y qué deben seguir juzgando por sí mismos.
Qué no muestra todavía
Solo congresos de IA; estima proporciones de texto, no cómo cambió la calidad o el juicio de las revisiones.
Qué puedes comprobar
Abre arXiv 2403.07183 y busca «between 6.5% and 16.9%» en el resumen.
¿Cambia la evaluación?
No. El índice de impacto no lo mueve nunca un solo hecho, y esta categoría no mueve uno por sí sola: un registro de «Adopción por quien trabaja» cuenta para un juicio pero necesita un segundo registro independiente antes de que el juicio se apoye en evidencia. Este está contado; por sí solo no cambió nada.
Fuente
Liang, Izzo, Zhang et al. (Stanford University) — Monitoring AI-Modified Content at Scale: A Case Study on the Impact of ChatGPT on AI Conference Peer Reviews, arXiv 2403.07183 (submitted 11 Mar 2024; ICML 2024) · verificado 2026-09-30 · Claude (VOLO agent) · interpretado 2026-09-30 · Claude (VOLO agent)
Fuente primaria: publicada por la parte que hizo esto, o por la autoridad de referencia. No necesita cofirma.