Publicado en Evidence-Based Dentistry (Evid Based Dent)
https://www.nature.com/articles/s41432-026-01227-x
La IA en la revisión por pares: el elefante en la sala editorial
Giusy Rita Maria La Rosa y Mona Nasser
Evidence-Based Dentistry, volumen 27, pp. 23–24 (2026)
Más de la mitad de los investigadores utilizan actualmente inteligencia artificial (IA) al realizar revisiones por pares de manuscritos. Esto no es una proyección futura: es el estado actual de la publicación científica.
Una encuesta mundial realizada por Frontiers a más de 1.600 académicos de 111 países encontró que el 53 % de los revisores por pares han utilizado herramientas de IA en su trabajo, y casi una cuarta parte informó haber incrementado su uso durante el último año. Asimismo, un análisis computacional de informes de revisión enviados a importantes conferencias sobre IA estimó que entre el 6,5 % y el 16,9 % de las revisiones contenían texto modificado sustancialmente por modelos de lenguaje de gran tamaño (LLM). Entre quienes utilizan IA en la revisión por pares, el 59 % la emplea para ayudar a redactar el propio informe de revisión.
El elefante no está acercándose a la sala. Ya está dentro.
Lo que dicen las editorialesVarios grandes grupos editoriales han publicado políticas formales sobre el uso de IA generativa en la revisión por pares; la siguiente lista no es exhaustiva. Sus posiciones comparten un principio común: los revisores no deben cargar manuscritos inéditos en plataformas públicas de LLM debido a cuestiones de confidencialidad y propiedad intelectual.
Las diferencias se encuentran en el alcance y los matices de cada política:
Elsevier prohíbe cualquier participación de IA generativa en el proceso de revisión, incluida la redacción del informe.
Springer Nature exige revelar si la IA ha apoyado la revisión de cualquier forma.
Wiley permite utilizar IA para la corrección lingüística de los comentarios de los revisores, pero prohíbe cargar manuscritos y exige divulgación.
Taylor & Francis establece explícitamente que los revisores no deben utilizar IA para generar informes de revisión.
SAGE distingue entre IA asistencial (herramientas que mejoran la redacción propia) e IA generativa, eximiendo a la primera de los requisitos de divulgación.
Estas políticas representan un esfuerzo genuino por establecer estándares. Sin embargo, comparten una limitación estructural: ninguna especifica cómo se verificará el cumplimiento, qué constituye una infracción detectable ni cuáles son las consecuencias del incumplimiento.
La declaración existe. La gobernanza no.
La brecha entre la política y la prácticaLa distancia entre lo que prohíben las editoriales y lo que hacen los revisores no es simplemente una cuestión de incumplimiento individual.
Las discusiones informales dentro de las comunidades editoriales sugieren cada vez más que algunos editores podrían rechazar informes de revisión —e incluso manuscritos— basándose en sospechas de uso de IA, a pesar de la ausencia de estándares probatorios sólidos o herramientas fiables de detección.
Se trata de un problema sistémico y, sobre todo, de un problema de detección aún sin resolver.
Actualmente no existe ningún software capaz de identificar de forma fiable textos generados o modificados por IA. Las herramientas de detección producen elevadas tasas de falsos positivos y falsos negativos, y cuanto más sofisticado es el uso de la IA, menos detectable resulta.
Por lo tanto, un sistema de cumplimiento basado en la premisa de que las infracciones pueden detectarse no constituye una verdadera salvaguarda.
La falta de claridad puede incluso facilitar un tratamiento inconsistente y potencialmente discriminatorio hacia determinados revisores y autores.
Por otra parte, aunque no existan herramientas plenamente fiables, ciertos patrones característicos de los textos generados por IA siguen siendo reconocibles, lo que sugiere que su utilización a menudo no se declara.
En una evaluación informal realizada entre revisores del Journal of Food Science, más del 95 % afirmó no haber utilizado herramientas de IA, mientras que quienes sí lo hicieron declararon haberlas empleado únicamente para mejorar la gramática de sus comentarios.
Si se comparan estos resultados con la evidencia lingüística reportada por Liang y colaboradores y con los datos de la encuesta de Frontiers, la discrepancia no puede explicarse únicamente por diferencias metodológicas o de muestreo.
Aunque algunos de los hallazgos podrían incluir falsos positivos, las divergencias observadas sugieren una probable subdeclaración impulsada por una reticencia estructural a reconocer el uso de estas herramientas.
Los revisores pueden evitar informar sobre el uso de IA porque consideran que dicha divulgación tiene un costo reputacional y aún no está normativamente aceptada.
En ausencia de un marco claro y no punitivo para reconocer su uso, el silencio se convierte en la respuesta más racional.
Esto genera la paradoja de la transparencia de la IA en la revisión por pares: cuanto más estricta es la prohibición, mayor es el incentivo para ocultar su utilización.
Confiar únicamente en declaraciones voluntarias sin modificar el contexto normativo no reduce el uso no declarado de IA; simplemente lo vuelve invisible.
Lo que realmente se necesitaUna política más restrictiva no es la respuesta.
Más aún, podría cerrar oportunidades que una integración responsable de la IA realmente ofrece.
Las limitaciones de los LLM en la revisión por pares ya están bien documentadas. Su rendimiento disminuye precisamente en los ámbitos donde el juicio experto es más importante:
Evaluación de la originalidad.
Valoración del rigor metodológico.
Interpretación de hallazgos específicos de una disciplina.
En las ciencias clínicas y de la salud, se ha demostrado que los LLM interpretan incorrectamente el tono cauteloso característico de la literatura médica, confundiendo una prudente reserva epistemológica con debilidad científica.
Los LLM no sustituirán la revisión humana por pares.
El verdadero riesgo es que las prohibiciones impidan desarrollar las estructuras necesarias para hacer que el uso de IA sea seguro, transparente y responsable.
Además, la ausencia de un marco no punitivo para reconocer el uso de LLM limita nuestra comprensión de por qué los investigadores recurren a estas herramientas.
Su utilización no necesariamente refleja mala conducta o falta de competencia; también puede ser una respuesta a las crecientes presiones estructurales de la academia, donde se exige a los investigadores asumir más funciones y producir más resultados con menos recursos y menos tiempo.
Un cambio de paradigmaLo que se necesita es pasar de la prohibición al reconocimiento regulado.
Esto requiere actuar en cuatro niveles.
1. Nivel normativoLas exigencias de divulgación seguirán siendo inaplicables mientras reconocer el uso de IA se perciba como una admisión de mala conducta.
Los editores deben reformular activamente esta percepción.
Una asistencia limitada y transparente mediante IA no constituye una violación de la integridad del revisor; es una práctica que puede reconocerse, documentarse y delimitarse.
El cambio normativo debe preceder a los requisitos formales. De lo contrario, las políticas de divulgación reproducirán exactamente la brecha que pretenden cerrar.
2. Nivel infraestructuralLas editoriales deberían desarrollar entornos internos y seguros de IA para los revisores.
Se trataría de plataformas cerradas que permitieran tareas asistidas por IA —como corrección lingüística y apoyo a la estructuración de comentarios— manteniendo protegidos los contenidos de los manuscritos.
Frontiers ya ha experimentado con este modelo mediante una plataforma basada en GPT operando en un entorno cerrado con capacidad de auditoría.
Este enfoque transforma un problema de uso imposible de verificar en un sistema de asistencia verificable y acotado.
3. Nivel educativoActualmente la orientación sobre IA para revisores está prácticamente ausente en las prácticas editoriales.
Las invitaciones para revisar deberían incluir recomendaciones prácticas:
Qué herramientas son apropiadas.
Para qué tareas pueden utilizarse.
Cómo debe documentarse su uso.
Los módulos de formación en línea y las listas de verificación elaboradas por editores proporcionarían a los revisores el marco que actualmente les falta, reduciendo tanto el uso inapropiado como el ocultamiento innecesario.
Esto es especialmente importante en las revistas clínicas basadas en evidencia, donde los revisores deben:
Evaluar críticamente el diseño de los estudios.
Analizar el riesgo de sesgo.
Valorar la relevancia clínica de los resultados.
Interpretar hallazgos estadísticos.
Precisamente estas son las tareas en las que los LLM muestran su peor desempeño y donde una participación no detectada de la IA supone mayores riesgos para la práctica clínica.
4. Nivel colectivoNinguna revista ni editorial puede resolver este problema por sí sola.
Los editores de distintas disciplinas y casas editoriales deberían colaborar para desarrollar directrices compartidas y basadas en evidencia sobre el uso de IA en la revisión por pares, así como mecanismos para supervisar su aplicación.
Un observatorio coordinado que rastree la evolución del uso de IA en distintos campos y evalúe la adopción real de las prácticas de divulgación proporcionaría la base empírica que actualmente falta en la formulación de políticas.
Esta conversación debe producirse entre los consejos editoriales, no únicamente dentro de ellos.
Políticas dinámicas para un futuro cambianteLas políticas y los marcos de divulgación deben seguir siendo dinámicos y adaptables.
La academia probablemente experimentará un cambio generacional en el que los futuros investigadores habrán integrado los LLM en gran parte de su formación y desarrollo profesional.
En este sentido, los LLM podrían convertirse progresivamente en un paradigma que transforme profundamente la manera en que la información se adquiere, procesa, sintetiza y comunica dentro de la práctica científica.
Una cuestión de integridadEl sistema de revisión por pares está sometido a una presión real.
El volumen de manuscritos aumenta.
La disponibilidad de revisores disminuye.
La presión por completar revisiones rápidamente es considerable.
Las herramientas de IA están llenando ese vacío, de forma medible y, en gran medida, sin reconocimiento explícito.
En las revistas clínicas basadas en evidencia, las consecuencias son especialmente importantes.
Una revisión por pares de una revisión sistemática que haya sido parcial o totalmente delegada a una herramienta de IA puede no detectar:
Deficiencias metodológicas.
Problemas de cegamiento.
Resultados clínicamente irrelevantes.
Comparaciones estadísticas inapropiadas.
El efecto posterior no es simplemente un artículo más débil.
Es una orientación científica que llega a profesionales sanitarios y, en última instancia, a los pacientes.
Pretender que esto no ocurre no protege la integridad de la revisión por pares.
La erosiona, porque mantiene la ficción del cumplimiento normativo frente a una realidad de prácticas invisibles y no reguladas.
La obligación de editores y editoriales no es imponer prohibiciones más severas, sino construir las condiciones que permitan un uso de la IA honesto, informado y responsable.
El elefante ya está en la sala. Ha llegado el momento de nombrarlo, comprenderlo y gobernarlo.
………………………………………………………….
Editorial Published: 04 June 2026
volume 27, pages 23–24 (2026) Cite this article
More than half of researchers now use artificial intelligence (AI) while peer reviewing manuscripts. This is not a projection: it is the current state of scientific publishing. A global survey of over 1600 academics conducted by Frontiers across 111 countries found that 53% of peer reviewers have used AI tools in their work, with nearly one quarter reporting increased use over the past year1. Computational analysis of peer review reports submitted to major AI conferences estimated that between 6.5% and 16.9% of reviews contained text substantially modified by large language models (LLMs)2. Among those who use artificial intelligence in peer review, 59% do so to help write the report itself1. The elephant is not approaching the room. It is already inside.
What publishers saySeveral major publishing groups have issued formal policies on the use of generative AI in peer review, and the list below is not exhaustive. Their positions share a common core: reviewers must not upload unpublished manuscripts to public LLM platforms, on grounds of confidentiality and intellectual property. The differences lie in scope and nuance. Elsevier prohibits any generative AI involvement in the review process, including in the report itself3. Springer Nature requires disclosure if AI has supported the review in any way4. Wiley permits AI for language editing of reviewer feedback but prohibits manuscript uploading and mandates disclosure5. Taylor & Francis explicitly states that reviewers must not use AI to generate review reports6. SAGE distinguishes between assistive AI, meaning tools that improve one’s own prose, and generative AI, exempting the former from disclosure requirements7.
These policies represent a genuine effort at standard-setting. Yet they share a structural limitation: none specifies how compliance will be verified, what constitutes a detectable violation, or what consequences follow from non-adherence. The statement exists. The governance does not.
The distance between what publishers prohibit and what reviewers do is not only a matter of individual non-compliance. Informal discussions within editorial communities increasingly suggest that some editors may reject reviewer reports, and in some cases manuscripts based on suspicions of AI involvement, despite the absence of robust evidentiary standards or reliable detection tools. It is a systemic and, critically, an unresolved detection problem. No currently available software can reliably identify AI-generated or AI-modified text. Detection tools produce high rates of false positives and false negatives, and the more sophisticated the use of AI, the less detectable it becomes8. A compliance system built on the assumption that violations can be caught is therefore not a safeguard. The lack of clarity may inadvertently enable inconsistent and potentially discriminatory treatment of certain reviewers and authors.
On the other hand, even if no fully reliable tools are available, some recurrent AI-generated patterns are still identifiable, suggesting that the use of these tools is often not disclosed. In an informal assessment of peer reviewers at the Journal of Food Science, the vast majority (over 95%) declared they had not used AI tools, while those who did reported using it only to polish the grammar of their own comments9. Set against the linguistic evidence reported by Liang et al.2 and the data from the Frontiers survey1, this discrepancy cannot be explained by sampling differences alone. Although some of the findings identified by Liang et al. may represent false positives, the discrepancies across different surveys still suggest probable underreporting driven by a structural reluctance to disclose such use. Reviewers may avoid reporting AI use during the peer review process because disclosure is perceived as reputationally costly and not yet normatively sanctioned. In the absence of a clear and non-judgmental framework for acknowledgment, silence becomes the most rational response.
This produces the transparency paradox of AI in peer review: the stricter the prohibition, the stronger the incentive to conceal - and relying on voluntary declaration without shifting the normative context does not reduce undisclosed AI use. It simply makes it invisible.
A more restrictive policy is not the answer. More importantly, it would risk foreclosing opportunities that responsible AI integration genuinely offers. The limitations of LLMs in peer review are already well-documented: their performance degrades in precisely the domains where expert judgment matters most, including assessing novelty, evaluating methodological rigor, and interpreting domain-specific findings8. In clinical and health sciences, LLMs have been shown to misread the characteristically cautious tone of medical writing, conflating appropriate epistemic restraint with scientific weakness10. LLMs will not replace human peer review. The real risk is that prohibition prevents us from building the structures needed to make AI use safe, transparent, and accountable. Furthermore, the absence of a non-judgmental framework for acknowledging LLM use limits our understanding of the reasons why researchers rely on these tools. Their use may not necessarily reflect misconduct or lack of competence, but could also represent a response to increasing structural pressures within academia, where researchers are expected to manage expanding roles and productivity demands with progressively fewer resources and less time available.
What is needed is a shift in paradigm: from prohibition to governed acknowledgment. This requires action at four levels.
The first is normative. Disclosure requirements will remain unenforceable as long as disclosing AI use is perceived as an admission of misconduct. Editors must actively reframe this: limited, transparent AI assistance is not a violation of reviewer integrity, but a practice that can be acknowledged, documented, and bounded. Normative change must precede formal requirements; otherwise, disclosure policies will reproduce the same gap they are meant to close.
The second is infrastructural. Publishers should develop secure, in-house AI environments for reviewers, closed platforms that permit AI-assisted tasks such as language editing and structured feedback support while keeping manuscript content protected. Frontiers has already piloted this model, operating a GPT-based platform in a closed environment with audit capacity11. This approach transforms the problem of unverifiable use into a system of verifiable, bounded assistance.
The third is educational. Reviewer guidance on AI is largely absent from current editorial practice. Review invitations should be accompanied by practical recommendations: which tools are appropriate, for which tasks, and how use should be documented. Online training modules and editor-curated checklists would give reviewers the framework they currently lack, reducing both uninformed misuse and unnecessary concealment. This is especially critical in evidence-based clinical journals, where reviewers are expected to critically appraise study design, assess risk of bias, evaluate the clinical relevance of outcomes, and interpret statistical findings. These are precisely the tasks where LLMs perform most poorly and where undetected AI involvement carries the greatest risk for clinical practice.
The fourth is collective. No single journal or publisher can resolve this alone. Editors across disciplines and publishing houses should work together to develop shared, evidence-based guidelines for AI use in peer review, and to establish mechanisms for ongoing monitoring of their implementation. A coordinated observatory effort, tracking how AI use evolves across fields and evaluating the real-world uptake of disclosure practices, would provide the empirical foundation that current policy-making lacks. The conversation needs to happen across editorial boards, not within them.
Policies and disclosure frameworks should remain dynamic and adaptable. Academia is likely to face a generational shift in which future researchers will have integrated LLMs into much of their academic training and professional development. In this sense, LLMs may progressively become a paradigm that fundamentally reshapes how information is acquired, processed, synthesized, and communicated within scientific practice.
A question of integrity
The peer review system is under genuine strain. Submission volumes are rising, reviewer availability is declining, and the pressure to complete reviews quickly is substantial. AI tools are filling this gap, measurably and largely without acknowledgment. In evidence-based clinical journals, the stakes are particularly high. A peer review of a systematic review that has been partially or wholly delegated to an AI tool may fail to identify methodological flaws, inadequate blinding, clinically irrelevant outcomes, or inappropriate statistical comparisons. The downstream effect is not simply a weaker paper. It is guidance that reaches practitioners and, ultimately, patients. Pretending otherwise does not protect the integrity of peer review. It erodes it, by sustaining a fiction of compliance over a reality of unregulated and invisible practice. The obligation of editors and publishers is not to issue stronger prohibitions, but to build the conditions under which honest, informed, and accountable AI use becomes possible. The elephant is in the room. It is time to name it, understand it, and govern it.
References
Frontiers Media. Unlocking AI’s untapped potential: responsible innovation in research and publishing. Frontiers Media SA. (2025). https://www.frontiersin.org/news/2025/12/15/most-peer-reviewers-now-use-ai-and-publishing-policy-must-keep-pace [Accessed on Mar 19, 2026].
Liang W, Izzo Z, Zhang Y, Lepp H, Cao H, Zhao X, et al. Monitoring AI-modified content at scale: A case study on the impact of ChatGPT on AI conference peer reviews. Proc 41st Int Conf Mach Learn (PMLR). 2024;235:29575–620.
Elsevier. Generative AI policies for journals. (2025). https://www.elsevier.com/about/policies-and-standards/generative-ai-policies-for-journals [Accessed on Mar 19, 2026].
Springer Nature. Artificial intelligence (AI): Nature Portfolio editorial policies. (2025). https://www.nature.com/nature-portfolio/editorial-policies/ai [Accessed on Mar 19, 2026].
Wiley AI guidelines for researchers, authors, and peer reviewers. (2025). https://www.wiley.com/en-us/publish/article/ai-guidelines/ [Accessed on Mar 19, 2026].
Taylor & Francis AI policy. (2024). https://taylorandfrancis.com/our-policies/ai-policy/ [Accessed on Mar 19, 2026].
SAGE Publishing Artificial Intelligence (AI) policy. (2025). https://www.sagepub.com/journals/publication-ethics-policies/artificial-intelligence-policy [Accessed on Mar 19, 2026].
Lee J, Lee J, Yoo JJ. The role of large language models in the peer-review process: opportunities and challenges for medical journal reviewers and editors. J Educ Eval Health Prof. 2025;22:4. https://doi.org/10.3352/jeehp.2025.22.4.
Hartel R. Peer Review—Can AI Help?. J Food Sci. 2025;90:e70537. https://doi.org/10.1111/1750-3841.70537.
Thelwall M. Evaluating research quality with large language models: an analysis of ChatGPT’s effectiveness with different settings and inputs. J Data Inf Sci. 2025;10:1–19. https://doi.org/10.2478/jdis-2025-0011.
Naddaf M. More than half of researchers now use AI for peer review - often against guidance. Nature. 2026;649:273–4. https://doi.org/10.1038/d41586-025-04066-5.
Department of Clinical and Experimental Medicine, University of Catania, Catania, Italy
Giusy Rita Maria La RosaEvidence-Based Dentistry, Plymouth, UK; Peninsula Dental School, University of Plymouth, Plymouth, UK
Mona Nasser
Correspondence to Giusy Rita Maria La Rosa.
