La inteligencia artificial impulsará cambios en la evaluación de la investigación.

Reestructurando la financiación de la investigación: cómo la inteligencia artificial impulsa la actualización del sistema de evaluación

Durante las últimas décadas, la hipótesis central del sistema de financiación de la investigación ha sido que las propuestas escritas pueden reflejar razonablemente la calidad de las ideas de investigación y la capacidad del solicitante. La aparición de la inteligencia artificial ha sacudido por completo esta hipótesis. Cuando un número creciente de solicitudes se genera con la ayuda de herramientas de IA, los financiadores tendrán dificultades para distinguir qué contribuciones provienen del propio investigador y cuáles de la tecnología que utiliza. Cuando este fenómeno se generalice, la capacidad de discernimiento del sistema de evaluación se enfrentará a una crisis lógica fundamental.

La gestión de la demanda es solo una medida temporal

Ante el aumento masivo de solicitudes, las agencias de financiación primero recurren a medidas de gestión de la demanda: limitar las re-presentaciones, establecer topes de solicitudes, implementar procesos de revisión en dos etapas. Estas medidas pueden ganar tiempo, pero no resuelven el problema central: en la era de la inteligencia artificial, ¿qué características esperan identificar y apoyar realmente las agencias de financiación?

Actualmente, muchas solicitudes de financiación siguen enfatizando los resultados esperados, aunque la investigación en sí misma esté llena de incertidumbre. Esto incentiva la sobreespecificación y el exceso de compromiso, y la IA amplifica aún más esta tendencia al generar narrativas más convincentes y más alineadas con las preferencias de los financiadores.

Desplazamiento del centro de gravedad de la evaluación

Un modelo de financiación más resiliente debería centrarse más en aquellas dimensiones que no son fácilmente optimizables mediante IA: el rigor metodológico, las capacidades relevantes, el pensamiento reflexivo y las vías creíbles para lograr el impacto. Estas dimensiones requieren evidencia contextual, juicio y diálogo, explorando en profundidad cómo se llevará a cabo la investigación y cómo actuará el investigador.

Esta dirección coincide en gran medida con las iniciativas existentes en el ámbito de la reforma de la evaluación de la investigación. Coaliciones como CoARA y DORA ya han planteado: la evaluación debe prestar atención tanto al proceso como a los resultados, reconocer las contribuciones diversas y abandonar los indicadores proxy que distorsionan el comportamiento. El papel de la IA es elevar la urgencia de convertir estos principios en el diseño de la financiación a un nuevo nivel.

En la práctica, los currículums narrativos permiten a los solicitantes mostrar sus contribuciones de manera más contextualizada, y los revisores pueden hacer juicios más integrales basados en ellos. Los marcos de competencias proporcionan herramientas para evaluar el liderazgo, la capacidad de colaboración y el pensamiento reflexivo. A nivel institucional, las evaluaciones formativas como el Acuerdo de Evaluación Estratégica de los Países Bajos se ven mucho menos afectadas por los riesgos relacionados con la IA en comparación con los métodos basados en indicadores o la revisión por pares a gran escala.

Evolución del proceso de evaluación

El propio proceso de evaluación también puede reformarse en torno a este nuevo marco. Invitar a los gestores de investigación a unirse a los paneles de revisión ayuda a proporcionar información valiosa sobre la viabilidad y la gestión financiera. Permitir que los beneficiarios de la investigación participen en la revisión ayuda a confirmar si las declaraciones sobre participación e impacto son creíbles. Las entrevistas, aunque consumen muchos recursos, permiten a los revisores conocer en profundidad la capacidad reflexiva, las habilidades de colaboración y el estilo de liderazgo del solicitante, aspectos que no pueden transmitirse a través del texto escrito.

Más importante aún, este cambio no debe limitarse a las solicitudes de financiación, sino que debe extenderse a los sistemas de contratación y promoción de las instituciones.

Reducir la frecuencia de las evaluaciones

Otro aspecto clave es la frecuencia con la que los individuos son evaluados.### Reducir la frecuencia de las evaluaciones

Otro aspecto clave es la frecuencia con la que se evalúa a los individuos. Un sistema basado en la financiación competitiva frecuente amplifica las distorsiones provocadas por la IA. Al ofrecer financiación a más largo plazo, ampliar las becas tipo fondos para investigadores o aumentar las subvenciones globales a las instituciones, reducir la frecuencia de las evaluaciones individuales ayuda a restablecer el equilibrio.

Ideas más radicales, como la renta básica para investigadores, siguen siendo controvertidas, pero su valor radica en obligar a reflexionar cuánto filtrado es necesario y cuánto es solo un subproducto del diseño del sistema, no una necesidad de la investigación en sí.

Un tema que no se puede eludir

En las discusiones internas de las agencias de financiación surge a menudo un tema delicado: si la IA desempeñará un papel en la selección o clasificación de solicitudes. Eludir este problema no sirve de nada, y es previsible que las entidades comerciales ya estén explorando soluciones de revisión asistidas por IA. Si la IA entra en este ámbito, la cuestión clave será quién la lidera. Será muy diferente si la exploración es liderada por la comunidad académica basándose en los principios de transparencia, rendición de cuentas y evaluación responsable, en lugar de ser impuesta por un plan impulsado por el beneficio debido a la inacción de las agencias de financiación.

Conclusión

La disrupción que plantea la IA se describe a menudo como una crisis que debe gestionarse. Pero también puede verse como un mecanismo forzoso que expone deficiencias arraigadas y crea espacio político e institucional para el cambio. Iniciativas reformistas como DORA y CoARA ya han establecido una dirección de evaluación que da más importancia a la calidad, la integridad y la inclusividad. El reto ahora es diseñar mecanismos de financiación que permitan poner en práctica estos principios en la era de la IA.

*Este artículo se basa en un artículo de opinión de Karen Stroobants publicado en Research Professional News.*