Analizar entrevistas, revisar decenas de artículos, construir matrices bibliográficas, comparar categorías y redactar una discusión coherente son actividades que tradicionalmente requieren muchas horas de trabajo.

Las herramientas de inteligencia artificial generativa pueden reducir parte de esa carga. Pero en investigación científica su utilidad no depende únicamente de la velocidad.

Depende de que el investigador conserve el control sobre qué datos se analizan, cómo se interpretan, de dónde provienen las referencias y qué decisiones metodológicas sustentan las conclusiones.

Las 4 Reglas para Garantizar Rigor Científico al Usar IA

Un modelo generativo puede producir una respuesta académicamente convincente y, aun así, contener una interpretación inadecuada, una referencia inexistente o una afirmación que no está respaldada por los datos.

En investigación, una respuesta plausible nunca debe confundirse con evidencia verificable.

¿Qué son las “citas fantasma”?

Una cita fantasma es una referencia aparentemente legítima que el modelo presenta como si existiera, aunque sus autores, título, revista, páginas o DOI no correspondan a una publicación real.

Este problema es especialmente peligroso porque un DOI inventado puede tener una estructura visual perfectamente creíble.

Anonimización de entrevistas antes de utilizar IA

Sustituir el nombre del participante por “Entrevistado 01” es un primer paso, pero no siempre es suficiente.

Un fragmento puede seguir siendo identificable por la combinación de profesión, cargo, edad, institución, ciudad, fecha, proyecto, experiencia personal u otros datos contextuales.

Por ello, la preparación del corpus debería evaluar tanto identificadores directos como identificadores indirectos.

Cómo redactar un prompt académico de alta calidad

Una instrucción como:

“Analiza esta entrevista.”

deja demasiadas decisiones metodológicas en manos del modelo.

Para investigación académica resulta más útil utilizar esta estructura:

Actúa como asistente de investigación cualitativa.

MÉTODO:
[ENFOQUE METODOLÓGICO]

OBJETIVO:
[OBJETIVO DE ESTA TAREA]

CORPUS:
[PEGAR MATERIAL PREVIAMENTE ANONIMIZADO]

CRITERIOS:
- Trabaja únicamente con la información proporcionada.
- Distingue claramente evidencia textual de interpretación.
- No inventes citas, participantes, categorías ni referencias.
- Conserva fragmentos de evidencia que permitan auditar cada inferencia.
- Señala contradicciones y casos que no encajen con los patrones dominantes.
- No conviertas frecuencia en importancia teórica automáticamente.

FORMATO DE SALIDA:
[INDICAR TABLA / MATRIZ / CÓDIGOS / RESUMEN / OTRO]

NOTA:
La salida será revisada y validada por el investigador responsable.

5 Prompts de IA para Investigación Cualitativa Listos para Copiar

Estos ejemplos están diseñados para apoyar tareas concretas de tesis, papers, entrevistas cualitativas y revisión de literatura sin convertir la IA en sustituto del análisis metodológico.

Actúa como asistente metodológico especializado en investigación cualitativa.

OBJETIVO:
Realizar una primera propuesta de codificación del siguiente corpus.

PREGUNTA DE INVESTIGACIÓN:
[PREGUNTA]

ENFOQUE:
[INDUCTIVO / DEDUCTIVO / MIXTO]

MARCO O CATEGORÍAS PREVIAS:
[CATEGORÍAS EXISTENTES O "NINGUNA"]

CORPUS:
[PEGAR TRANSCRIPCIÓN ANONIMIZADA]

FASE 1 — CODIFICACIÓN ABIERTA:

1. Divide el texto en unidades de significado relevantes.
2. Propón un código breve para cada unidad.
3. Conserva el significado expresado por el participante.
4. Distingue:
   - códigos inductivos emergentes;
   - códigos deductivos derivados del marco previo.
5. No inventes información no expresada.
6. Incluye una cita textual breve como evidencia para cada código.

Genera una tabla con:

| Fragmento | Código | Tipo | Justificación |

FASE 2 — CODIFICACIÓN AXIAL:

Cuando el enfoque metodológico lo permita:

1. Identifica relaciones entre códigos.
2. Propón categorías y subcategorías.
3. Explica qué códigos sustentan cada categoría.
4. Señala relaciones posibles:
   - causa;
   - contexto;
   - condición;
   - estrategia;
   - consecuencia;
   - tensión o contradicción.
5. Identifica casos negativos o fragmentos que no encajen
   con el patrón predominante.

IMPORTANTE:
No presentes las categorías propuestas como resultados definitivos.
Son hipótesis analíticas que deben ser validadas por el investigador.

Actúa como asistente de revisión bibliográfica académica.

OBJETIVO:
Construir una matriz comparativa únicamente a partir de
los artículos proporcionados.

PREGUNTA DE INVESTIGACIÓN:
[PREGUNTA]

DOCUMENTOS:
[PEGAR RESÚMENES / ARTÍCULOS / INFORMACIÓN VERIFICADA]

Crea una tabla con las columnas:

1. Autor y año.
2. País o contexto.
3. Objetivo del estudio.
4. Diseño o metodología.
5. Muestra o corpus.
6. Técnica de recolección de datos.
7. Técnica de análisis.
8. Principales hallazgos.
9. Limitaciones reconocidas.
10. Vacío de investigación relevante.
11. Relación con mi pregunta de investigación.

REGLAS:
- Utiliza únicamente información presente en las fuentes entregadas.
- Si un dato no aparece, escribe "No reportado".
- No inventes DOI, autores, revistas ni información metodológica.
- No asumas que una limitación existe si el artículo no la declara.
- Distingue claramente entre información del artículo
  e interpretación comparativa.

DESPUÉS DE LA TABLA:

A. Identifica convergencias entre estudios.
B. Identifica resultados contradictorios.
C. Señala vacíos recurrentes.
D. Propón preguntas para una búsqueda bibliográfica adicional.

No redactes conclusiones que excedan la evidencia proporcionada.

Actúa como asistente de preparación de corpus para investigación cualitativa.

OBJETIVO:
Identificar y sustituir información potencialmente identificable
en el siguiente texto.

CORPUS:
[PEGAR TEXTO]

BUSCA:

- nombres y apellidos;
- nombres de empresas;
- instituciones;
- universidades;
- hospitales;
- escuelas;
- ciudades o localidades específicas;
- direcciones;
- correos electrónicos;
- teléfonos;
- números de documento;
- cargos extremadamente específicos;
- nombres de proyectos;
- fechas exactas cuando puedan identificar a la persona;
- otros detalles contextuales potencialmente identificables.

SUSTITUYE POR ETIQUETAS COMO:

[PARTICIPANTE_01]
[EMPRESA_A]
[INSTITUCIÓN_A]
[CIUDAD_A]
[FECHA]
[CARGO]
[OTRO_IDENTIFICADOR]

REGLAS:

1. Conserva el significado analítico de la entrevista.
2. No resumas el texto.
3. No corrijas las opiniones del participante.
4. No elimines información salvo que sea necesario para proteger identidad.
5. Marca cualquier fragmento donde exista riesgo de identificación indirecta.

FORMATO:

A. Texto anonimizado.
B. Tabla con:
   - elemento detectado;
   - tipo de identificador;
   - sustitución utilizada;
   - nivel de riesgo estimado.
C. Lista de fragmentos que requieren revisión humana.

IMPORTANTE:
Esta salida es una primera revisión y no sustituye
el protocolo formal de protección de datos de la investigación.

Actúa como asistente metodológico para la elaboración
del capítulo de Discusión de una investigación.

PREGUNTA DE INVESTIGACIÓN:
[PREGUNTA]

OBJETIVO GENERAL:
[OBJETIVO]

HALLAZGOS PROPIOS:
[PEGAR HALLAZGOS VERIFICADOS]

MARCO TEÓRICO:
[PEGAR SÍNTESIS O CONCEPTOS]

LITERATURA PREVIA:
[PEGAR ESTUDIOS VERIFICADOS]

TAREA:

Construye una matriz con:

| Hallazgo propio |
| Evidencia del estudio |
| Concepto del marco teórico relacionado |
| Estudios que coinciden |
| Estudios que contradicen |
| Posible interpretación |
| Limitaciones de esa interpretación |

DESPUÉS:

Propón una estructura argumentativa para la Discusión.

Para cada apartado:

1. Presenta el hallazgo.
2. Relaciónalo con evidencia previa.
3. Explica convergencias.
4. Explica divergencias.
5. Sugiere posibles interpretaciones.
6. Identifica explicaciones alternativas.
7. Señala límites de la interpretación.

RESTRICCIONES:

- No inventes referencias.
- No inventes resultados.
- No presentes correlación como causalidad.
- No ocultes evidencia contradictoria.
- No conviertas una interpretación posible en un hecho demostrado.
- Distingue claramente entre hallazgo, literatura e interpretación.

No redactes todavía el capítulo completo.
Primero entrega la matriz y el esquema argumentativo.

Actúa como editor de estilo académico.

OBJETIVO:
Mejorar la claridad y calidad formal del siguiente fragmento
sin modificar su significado científico.

TEXTO:
[PEGAR TEXTO]

TAREAS:

1. Corrige problemas gramaticales y sintácticos.
2. Elimina redundancias.
3. Mejora la cohesión entre oraciones y párrafos.
4. Reduce expresiones innecesariamente complejas.
5. Mantén un tono formal y académico.
6. Conserva terminología técnica relevante.
7. Mantén exactamente las citas y referencias existentes.
8. No añadas nueva evidencia.
9. No inventes referencias.
10. No cambies resultados, cifras, variables ni conclusiones.

FORMATO DE SALIDA:

A. Versión revisada.

B. Lista breve de cambios importantes realizados.

C. Señala aparte cualquier frase cuyo significado
   sea ambiguo y requiera decisión del autor.

IMPORTANTE:
No introduzcas afirmaciones que no estén presentes
en el texto original.

Prompt de control contra citas y referencias inventadas

Puedes añadir el siguiente bloque al final de prompts relacionados con revisión bibliográfica:

REGLA DE CONTROL BIBLIOGRÁFICO:

No inventes referencias, autores, títulos, revistas, años,
volúmenes, páginas, ISBN, DOI, PMID ni URL.

Si no puedes verificar una referencia, escribe:

"[REFERENCIA NO VERIFICADA]"

Diferencia claramente:

1. referencias proporcionadas por mí;
2. referencias verificadas;
3. referencias que requieren comprobación.

No completes automáticamente datos bibliográficos faltantes.

Antes de incluir una afirmación atribuida a un autor,
comprueba que dicha afirmación realmente esté sustentada
por la fuente proporcionada.

IA como copiloto, no como autora de la investigación

El valor de una tesis o artículo científico no reside únicamente en producir un texto gramaticalmente correcto.

El investigador debe poder explicar:

• por qué seleccionó determinado enfoque metodológico;
• cómo construyó o modificó sus categorías;
• qué evidencia respalda cada interpretación;
• qué decisiones tomó durante el análisis;
• qué limitaciones afectan sus conclusiones.

Cómo documentar el uso de IA en una tesis o paper

Si utilizas IA como parte de un proceso de investigación, conviene mantener un registro que permita explicar posteriormente qué hizo la herramienta y qué hizo el investigador.

• Nombre de la herramienta utilizada.
• Versión o modelo cuando sea relevante y esté disponible.
• Fecha aproximada de utilización.
• Tarea para la que se utilizó.
• Prompts metodológicamente relevantes.
• Tipo de información suministrada.
• Procedimiento de revisión humana.
• Cambios aplicados a la salida generada.

Flujo recomendado para utilizar IA con rigor académico

5 errores frecuentes al utilizar IA en una investigación

1. Pedir bibliografía sin verificarla

Una lista bibliográfica generada automáticamente puede contener referencias inexistentes, datos incorrectos o artículos que no respaldan la afirmación atribuida.

2. Subir entrevistas identificables

Los datos cualitativos pueden contener información extremadamente sensible. La confidencialidad debe considerarse antes de introducir un corpus en cualquier plataforma externa.

3. Confundir códigos sugeridos con resultados

Una categoría propuesta por una IA es una hipótesis de organización, no un hallazgo validado automáticamente.

4. Pedirle a la IA que interprete sin mostrar evidencia

Toda interpretación debería poder conectarse con fragmentos, documentos o datos concretos del corpus.

5. Ocultar el uso de IA cuando debe declararse

Algunas instituciones y revistas exigen transparencia sobre el uso de herramientas de IA. Consulta siempre las instrucciones específicas aplicables a tu tesis o publicación.

Checklist antes de utilizar un prompt académico

Corpus

• ¿El material está anonimizado cuando corresponde?
• ¿Tengo autorización para procesarlo con esta herramienta?
• ¿Estoy proporcionando únicamente la información necesaria?

Método

• ¿El prompt respeta mi metodología?
• ¿He separado datos de interpretaciones?
• ¿Puedo regresar al fragmento original que sustenta cada categoría?

Bibliografía

• ¿He comprobado cada referencia?
• ¿He verificado los DOI?
• ¿Las fuentes realmente respaldan las afirmaciones realizadas?

Autoría

• ¿Puedo explicar personalmente cada decisión metodológica?
• ¿He revisado y editado las salidas de IA?
• ¿Debo declarar el uso de IA según mi universidad o revista?

Preguntas frecuentes sobre IA en investigación cualitativa

La IA acelera el análisis; el rigor sigue siendo humano

La inteligencia artificial puede reducir considerablemente el tiempo dedicado a tareas repetitivas: ordenar una transcripción, comparar artículos, estructurar una matriz o revisar un párrafo.

Pero la calidad de una investigación no depende de cuántas páginas pueda generar un modelo.

Depende de que exista una relación defendible entre pregunta, método, datos, evidencia, interpretación y conclusión.

La mejor forma de integrar IA al proceso científico consiste en utilizarla como un sistema de apoyo sujeto a revisión, no como sustituto del investigador.