Del parasitismo a la simbiosis: escapar de la presión de las editoriales con fines de lucro mediante el acceso abierto diamante

Publicado en The Scholarly Kitchen
https://scholarlykitchen.sspnet.org/2026/07/16/guest-post-from-parasitism-to-symbiosis-escaping-peer-pressure-and-for-profit-publishers-through-diamond-open-access/?informz=1&nbd=567d61ec-36ea-4197-85eb-43e2bd36d175&nbd_source=informz 

Artículo invitado — Del parasitismo a la simbiosis: escapar de la presión entre pares y de las editoriales con fines de lucro mediante el acceso abierto diamante

Por Camille Thomas y Romain Vaucher
16 de julio de 2026

Nota de los editores: La publicación de hoy fue escrita por Camille Thomas y Romain Vaucher. Camille es investigadora en biogeociencias en la Universidad de Berna. Romain es profesor titular de Sedimentología en la Universidad James Cook, Australia.

Los ecosistemas surgen de las interacciones entre grupos de organismos y su entorno. Desde nuestra perspectiva humana, solemos describirlos como equilibrados o alterados, pero en realidad nunca son estáticos. Cambian constantemente y atraviesan estados dinámicos, a veces frágiles, tanto en el tiempo como en el espacio. Algunas especies aparecen y otras desaparecen; llegan nuevos depredadores, mientras otras migran o se extinguen. A medida que cambian las condiciones ambientales, organismos que antes estaban limitados pueden expandirse y comienzan a tomar forma interacciones completamente nuevas. Cuando estas condiciones ambientales se modifican de manera más drástica, sus efectos se propagan por todo el sistema. Las relaciones existentes se reconfiguran y pueden surgir nuevas conexiones ecológicas. En este sentido, el cambio no solo es una fuente de alteración, sino también un motor de innovación.

En muchos aspectos, las industrias humanas y las economías asociadas a ellas funcionan de manera semejante a los ecosistemas. Términos como alteración, evolución y dinámicas depredador-presa se utilizan habitualmente para describir sus interacciones. Durante las últimas décadas, la propia industria de la publicación científica ha experimentado grandes transformaciones «ambientales», que han desencadenado respuestas evolutivas rápidas y de amplio alcance.

El auge de la publicación en acceso abierto, impulsado por una demanda creciente y reforzado por los mandatos de los organismos financiadores, reconfiguró rápidamente el ecosistema de la publicación científica. Las revistas basadas en suscripciones vieron disminuir una fuente fundamental de recursos, a medida que las instituciones y los investigadores fueron presionados para cumplir con las nuevas políticas.

Algunos actores se adaptaron ocupando nuevos nichos, mediante el lanzamiento de revistas completamente de acceso abierto dorado o el desarrollo de modelos híbridos, es decir, revistas que dependen del sistema de suscripción, pero que también ofrecen una vía de acceso abierto dorado. Las grandes editoriales con fines de lucro, que en algún momento parecían estar en peligro, demostraron una gran capacidad de adaptación (Larivière, Haustein y Mongeon, 2015; Butler et al., 2023). Al introducir cargos por procesamiento de artículos para publicar mediante la vía dorada, trasladaron el costo de la publicación a los autores y sus instituciones, convirtiendo el acceso abierto en una nueva fuente estable de ingresos (Frank, Foster y Pagliari, 2023).

Las grandes transiciones suelen dar lugar a nuevas interacciones. En la publicación científica, los investigadores fueron impulsados a explorar nuevos espacios editoriales, en ocasiones menos prestigiosos o con recompensas menos inmediatas, pero potencialmente más sostenibles a largo plazo. El acceso abierto verde fue una de las primeras estrategias de adaptación. Requería pocos cambios en las prácticas de publicación y permitía cumplir con los mandatos de acceso abierto mediante repositorios institucionales. Sin embargo, más que una verdadera solución, ha funcionado en gran medida como un refugio temporal durante un periodo de alteración.

Los autores que deciden utilizar la vía verde depositan su manuscrito sin maquetar en plataformas de acceso abierto, por ejemplo, repositorios institucionales, después de que este ha sido aceptado en una revista que no es de acceso abierto. De este modo, cumplen con los mandatos de acceso abierto de los organismos financiadores. Como resultado, el artículo queda disponible en internet en dos formatos diferentes: i) un archivo PDF cuidadosamente maquetado detrás de un muro de pago, y ii) una versión sin formato en una plataforma institucional, cuyo acceso suele retrasarse, tal como exigen algunas revistas que aplican periodos de embargo a los manuscritos aceptados. La dinámica subyacente de los recursos permanece prácticamente inalterada. Las instituciones continúan pagando suscripciones y, al mismo tiempo, cubren los cargos por procesamiento de artículos de la vía dorada.

Paralelamente, las universidades invierten en la construcción y el mantenimiento de repositorios. La opción verde, que inicialmente funcionó como un nicho de transición, se ha convertido ahora en un refugio cómodo que retrasa transformaciones sistémicas más profundas (Vaucher y Thomas, 2026). En este ecosistema cambiante, los actores dominantes no han desaparecido; se han adaptado. Varias décadas después, sus ganancias se han disparado (Suarez y McGlynn, 2017; Khoo, 2019). Los antiguos depredadores dominantes extraen ahora valor por múltiples vías y se asemejan cada vez más a los parásitos descritos por Walter y Mullins (2019) dentro del sistema que siguen configurando.

Durante la transición hacia el acceso abierto surgieron nuevas «especies» que desafiaron el dominio de las editoriales tradicionales con fines de lucro mediante modelos marcadamente parasitarios: recurrían a fondos públicos a través de cargos elevados por procesamiento de artículos, pero ofrecían un valor añadido limitado, como una supervisión editorial mínima, una selección deficiente y salvaguardas insuficientes frente a prácticas poco éticas. Actores como Hindawi, MDPI y Frontiers ocuparon rápidamente este nicho (Enserink, 2015; Oviedo-García, 2021; Nicholas et al., 2023). Su modelo resultó difícil de competir: era eficiente, escalable y estaba perfectamente alineado con las presiones que enfrentan los investigadores sometidos al régimen de «publicar o perecer» (Hanson et al., 2024).

Una publicación más rápida, procesos de aceptación previsibles y tarifas relativamente estandarizadas ejercieron una fuerte atracción (Horbach, Ochsner y Kaltenbrunner, 2022). Las editoriales consolidadas no tardaron en adoptar estrategias similares. En lugar de resistirse, incorporaron estas dinámicas tróficas a sus propios modelos y aprovecharon su prestigio para justificar cargos por procesamiento de artículos aún más elevados (Butler et al., 2023). Surgieron nuevas revistas que capitalizaron el reconocimiento de marca para comercializar la visibilidad como un producto premium, como ocurre con Nature y su lista cada vez más extensa de revistas especializadas por temas, cuyas tarifas han alcanzado niveles sin precedentes («Nature Neuroscience offers OA publishing»).

En este sistema, los investigadores quedan atrapados en ciclos de retroalimentación que se aceleran y en los que la supervivencia depende de una participación continua. Sin embargo, al igual que en los sistemas ecológicos, una abundancia excesiva de estrategias extractivas puede desestabilizar el conjunto, y cuando la extracción de recursos supera su regeneración, los ecosistemas se debilitan. La publicación académica se encuentra en una fase de este tipo, en la que la sostenibilidad a largo plazo cede ante las ganancias inmediatas. No obstante, el sistema está lejos del equilibrio. Por una parte, resulta difícil escapar de las dinámicas parasitarias, ya que están integradas en los mecanismos globales de evaluación de la investigación. Por otra, están surgiendo nuevas «especies» que coevolucionan dentro de nichos diferenciados.

Por ejemplo, algunos sectores del ecosistema de investigación chino operan bajo restricciones e incentivos diferentes, presumiblemente derivados de la ausencia actual de acuerdos transformativos y de una fuerte preferencia nacional en las decisiones económicas, y muestran una adhesión limitada e incluso decreciente a los modelos de acceso abierto dorado. A medida que su influencia en la ciencia mundial continúa creciendo, su presencia transformará inevitablemente las interacciones en todo el sistema. Sigue siendo una pregunta abierta cómo se adaptarán otros ecosistemas a este cambio de equilibrio.

Al mismo tiempo, los organismos nacionales e internacionales de financiamiento están cultivando activamente nichos alternativos. Estos se basan en modelos dirigidos por académicos, financiados con recursos públicos e impulsados por las comunidades, especialmente el acceso abierto diamante: gratuito tanto para publicar como para leer, preserva la propiedad de los autores y su derecho a compartir libremente su trabajo. En Europa, iniciativas como DIAMAS y el European Diamond Capacity Hub están sentando las bases de esta transición, paralelamente a esfuerzos más amplios para reformar la evaluación de la investigación, como las declaraciones de San Francisco y Estocolmo (Sabel y Larhammar, 2025).

Estos avances tienen el potencial de redefinir los parámetros ambientales de la publicación académica. El acceso abierto diamante ofrece una vía para abandonar las dinámicas extractivas. Aunque durante mucho tiempo permaneció limitado a iniciativas relativamente artesanales e impulsadas por las comunidades, esta situación podría estar cambiando. Los formatos actuales de publicación, como PDF y HTML, no son técnicamente complejos en sí mismos y, aunque publicar implica costos editoriales y de infraestructura, estos formatos no son intrínsecamente costosos. Con el aumento de la inversión pública en infraestructuras compartidas, actualmente existen las condiciones para una transformación más amplia. El siguiente paso evolutivo quizá no dependa de la tecnología ni del financiamiento, sino de que los propios investigadores decidan ocupar este nicho emergente. A medida que se multiplican los incentivos y las iniciativas, cabría esperar que prevalecieran los modelos más sostenibles. Sin embargo, los ecosistemas antropogénicos rara vez evolucionan únicamente de acuerdo con principios racionales o guiados por la sostenibilidad. Otras presiones selectivas, como el prestigio, la inercia y las ganancias a corto plazo, continúan moldeando sus trayectorias.

Por ahora, solo unas cuantas disciplinas dependen de estos mecanismos alternativos, mientras que otras comienzan lentamente la transición. Sin embargo, las áreas de investigación con mayor financiamiento permanecen atrapadas en dinámicas que ellas mismas crearon involuntariamente hace relativamente poco tiempo, semejantes a las interacciones clásicas entre depredadores y presas, pero que, desde una perspectiva ecológica externa, se inclinan cada vez más hacia el parasitismo. La última gran transición no estuvo impulsada únicamente por principios, sino por incentivos: los mandatos y los requisitos de financiamiento alejaron al sistema de los modelos basados en suscripciones y lo orientaron hacia el acceso abierto.

En la actualidad comienza a tomar forma una transformación semejante. Con infraestructuras que ahora surgen en las bibliotecas universitarias y esfuerzos coordinados para construir un marco viable, vuelven a reunirse las condiciones necesarias para el cambio. Por consiguiente, la siguiente etapa puede depender menos de las restricciones estructurales que de una elección colectiva. Los investigadores pueden seguir tolerando estas interacciones extractivas, casi vampíricas, o avanzar hacia modelos más simbióticos, como los ofrecidos por el acceso abierto diamante, en los que el valor se comparte de manera ética en lugar de ser absorbido.

Los ecosistemas no cambian únicamente por intención, sino mediante la selección.

La pregunta ahora es sencilla: ¿qué modelo elegiremos sostener?

Nota de los autores: Este texto está inspirado, sin ningún pudor, en el hermoso artículo de Walter y Mullins (2019), publicado en Molecular Biology of the Cell.

…………………………………….

Guest Post — From Parasitism to Symbiosis: Escaping Peer-Pressure and For-Profit Publishers Through Diamond Open Access

By Camille Thomas, Romain VaucherJul 16, 2026

Editors’ note: Today’s post is by Camille Thomas and Romain Vaucher. Camille is a biogeosciences researcher at the University of Bern. Romain is a Senior Lecturer in Sedimentology at James Cook University, Australia.

Ecosystems emerge from the interactions between groups of organisms and their environment. From our human perspective, we often describe them as either balanced or disrupted, but in reality, they are never static. They are constantly shifting, moving through states that are dynamic, sometimes fragile, across both time and space. Species come and go with new predators arriving, others migrating or disappearing. As environmental conditions change, previously constrained organisms can expand, and entirely new interactions begin to take shape. When these environmental conditions shift more dramatically, the effects ripple through the system. Existing relationships are reshaped, and new ecological connections can emerge. In this sense, change is not only a source of disruption, but also an engine for innovation.

In many ways, human industries and their associated economies function similarly to ecosystems. Terms such as disruption, evolution, and predator–prey dynamics are routinely borrowed to describe their interactions. Over the past decades, the scientific publishing industry has itself undergone major “environmental” shifts, triggering rapid and far-reaching evolutionary responses.

The rise of open access (OA) publishing, driven by growing demand and reinforced by funder mandates, rapidly reshaped the scientific publishing ecosystem. Subscription-based journals saw a key resource stream decline, as institutions and researchers were pushed to comply with new policies.

Some actors adapted by occupying new niches, launching fully Gold OA journals or developing hybrid models (i.e., journals relying on the subscription-based model while also offering a Gold OA, route). Large for-profit publishers, once seemingly at risk, proved highly resilient (Larivière, Haustein, & Mongeon, 2015; Butler, et al., 2023). By introducing article processing charges (APCs) to publish via the Gold OA route, they shifted the cost of publication onto authors and their institutions, turning OA into a new, stable resource stream (Frank, Foster, & Pagliari, 2023).

Major transitions often give rise to new interactions. In scientific publishing, researchers were pushed to explore new venues, sometimes less prestigious or immediately rewarding, but potentially more sustainable over time. Green OA was one of the first adaptive strategies. It required little change in publishing practices, allowing compliance with OA mandates through institutional repositories. Yet, rather than a true solution, it has largely functioned as a temporary refuge during a period of disruption.

Authors deciding to use the Green route submit their non-formatted manuscript to OA platforms (e.g., institutional repositories) after acceptance in a non-OA journal. Therefore, the authors are complying with OA mandates by funders. As a result, the article is available under two different formats on the web: i) a nicely formatted PDF beyond a paywall, and ii) a raw non-formatted version on an institutional platform, which has its access commonly delayed (as required by some journals applying embargo periods to their accepted manuscripts). The underlying resource dynamics remain largely unchanged. Institutions continue to pay subscription fees, while also covering APCs for Gold OA.

At the same time, universities invest in building and maintaining repositories. The Green OA option that initially served as a transitional niche has now become a comfortable shelter, one that delays deeper, systemic change (Vaucher & Thomas, 2026). In this evolving ecosystem, dominant actors have not disappeared; they have adapted. A few decades later, their profits have surged (Suarez and McGlynn 2017, Khoo 2019). Former apex predators now extract value through multiple pathways, increasingly resembling the parasites described by Walter & Mullins (2019) within the system they continue to shape.

During the OA transition, new “species” emerged, challenging the dominance of established for-profit publishers with models that leaned heavily toward parasitism, drawing on public funds through high APCs while offering limited added value (minimal editorial oversight, weak curation, and insufficient safeguards against unethical practices). Actors such as Hindawi, MDPI, and Frontiers rapidly occupied this niche (Enserink, 2015; Oviedo-García, 2021; Nicholas, et al., 2023). Their model proved difficult to compete with: efficient, scalable, and perfectly aligned with the pressures faced by researchers operating under a “publish or perish” regime (Hanson et al. 2024).

Faster publication, predictable acceptance pathways, and relatively standardized fees created a powerful pull (Horbach, Ochsner, and Kaltenbrunner 2022). It did not take long for established publishers to adopt similar strategies. Rather than resisting, they integrated these trophic dynamics into their own models, leveraging their prestige to justify even higher APCs (Butler, et al., 2023). New outlets emerged, capitalizing on brand recognition to market visibility as a premium product, like Nature and its ever-expanding list of topic-specific journals, with fees reaching unprecedented levels (“Nature Neuroscience offers OA publishing“).

In this system, researchers find themselves caught in accelerating feedback loops, where survival depends on continued participation. Yet, as in ecological systems, an overabundance of extractive strategies can destabilize the whole, and when resource extraction outpaces regeneration, ecosystems weaken. Scholarly publishing is in such a phase where long-term sustainability gives way to short-term gain. But it is far from balanced. On one hand, parasitic dynamics remain difficult to escape, as they are embedded in the global mechanics of research evaluation. On the other hand, new “species” are emerging and co-evolving within distinct niches.

For instance, parts of the Chinese research ecosystem operate under different constraints and incentives (presumably induced by the current lack of Transformative Agreements and strong influence of national preference regarding economic choices), showing limited and even decreasing alignment with Gold OA models. As their influence on global science continues to grow, their presence will inevitably reshape interactions across the system. How other ecosystems will adapt to this shifting balance remains an open question.

At the same time, national and international funding bodies are actively cultivating alternative niches. These rely on scholar-led, publicly funded, community-driven models: most notably the Diamond OA (free to publish, free to read, preserving author ownership, and the right to freely share their work). In Europe, initiatives such as DIAMAS and the European Diamond Capacity Hub are laying the groundwork for this transition, in parallel with broader efforts to reform research assessment (e.g., San Francisco and Stockholm declarations) (Sabel & Larhammar, 2025).

These developments have the potential to redefine the environmental parameters of scholarly publishing. Diamond OA offers a pathway out of extractive dynamics. While it has long remained confined to relatively artisanal, community-driven efforts, this may be changing. The current modes of publishing (PDF/HTML) are not technically complex in themselves and, although publishing involves editorial and infrastructural costs, these formats are not inherently expensive. With increasing public investment in shared infrastructures, the conditions are now in place for a broader shift. The next evolutionary step may not depend on technology or funding but on whether researchers themselves choose to occupy this emerging niche. As incentives and initiatives multiply, one might expect the most sustainable models to prevail. Yet, anthropogenic ecosystems rarely evolve according to rational or sustainability-driven principles alone. Other selective pressures like prestige, inertia, short-term gain continue to shape their trajectories.

For now, only a handful of disciplines rely on these alternative mechanisms, while others are slowly beginning to transition. Yet the most well-funded areas of research remain locked in dynamics they inadvertently created not so long ago, ones that resemble classic predator-prey interactions but that are increasingly drifting toward parasitism from an external ecological perspective. The last major transition was not driven by principle alone, but by incentives: mandates and funding requirements pushed the system away from subscription-based models toward open access.

Today, a similar shift is taking shape. With infrastructures now emerging in university libraries and coordinated efforts to build a viable framework, the conditions for change are once again being assembled. So the next phase may hinge less on structural constraints than on collective choice. Researchers can continue to tolerate these extractives, almost vampiristic interactions, or shift toward more symbiotic models such as those offered by Diamond OA, where value is ethically shared rather than siphoned.  Ecosystems do not change by intention alone, but by selection.

The question now is simple: which model will we choose to sustain?

Authors’ note: This piece is shamelessly inspired by the beautiful paper by Walter and Mullins (2019), published in Molecular Biology of the Cell.

¿Podemos evitar que la IA inunde las revistas científicas? El problema no es la IA sino el "Publish or Perish"

Publicado c&en. Chemical & Engineering News

https://cen.acs.org/policy/publishing/ai-fraud-science-journal-generative-ai/104/web/2026/07

¿Podemos evitar que la IA inunde las revistas científicas?

Es posible que los detectores de inteligencia artificial nunca logren superar el fraude. Cambiar la forma en que la ciencia recompensa a sus investigadores podría ser la única solución duradera.

Por Ananya Palivela

28 de julio de 2026

Puntos clave

• La inteligencia artificial generativa ha agravado el antiguo problema del publicar o perecer en la comunidad académica, al hacer que la fabricación de artículos científicos sea trivialmente rápida y barata.

• Los sistemas de detección de IA identifican parte del problema, pero sus propios desarrolladores admiten que la carrera contra modelos de IA cada vez más sofisticados es una competencia que quizá no puedan ganar.

• Los expertos en integridad científica sostienen que la única solución duradera consiste en cambiar la manera en que se evalúa a los científicos: dejar de privilegiar la cantidad y centrarse en la calidad.

«Certainly, here is a possible introduction for your topic» («Claro, aquí tiene una posible introducción para su tema») comienza un artículo posteriormente retractado de la revista Surfaces and Interfaces, de Elsevier. Esa es una de las frases de apertura habituales de ChatGPT al responder a una solicitud de un usuario. El investigador envió el manuscrito comenzando con esa línea, y éste superó la revisión por pares. Nadie advirtió el error hasta después de su publicación.

Publicar es fundamental para la carrera de muchos científicos, especialmente en el ámbito académico, y constituye un elemento clave para obtener empleo, financiamiento y la titularidad académica (tenure). La presión por publicar siempre ha llevado a algunos investigadores a tomar atajos. Sin embargo, con la IA generativa, ahora un investigador puede crear un manuscrito convincente en apenas unas horas, incluso incorporando datos y citas bibliográficas falsos. Muchas revistas no cuentan con los recursos o los incentivos necesarios para detectar estos fraudes. Como resultado, la IA generativa ha agravado un problema preexistente derivado de la cultura del publicar o perecer.

«La IA es un acelerante, no la leña que alimenta el fuego», afirma Ivan Oransky, cofundador de Retraction Watch, organización que da seguimiento a las retractaciones de artículos científicos. «La leña es el publicar o perecer.»

Un estudio publicado en julio del año pasado, que examinó más de 15 millones de resúmenes biomédicos de PubMed en todo el mundo, encontró que al menos el 13.5 % de los artículos publicados en 2024 mostraban indicios de haber recibido asistencia de IA. La proporción variaba según la disciplina, la revista y el país, llegando hasta el 40 % en determinadas áreas y siendo más elevada en países donde el inglés no es la lengua materna.

«Hay muchas maneras en que la IA puede ayudar en la redacción científica», señala David Resnik, bioeticista del National Institute of Environmental Health Sciences. Puede mejorar el estilo, corregir la gramática y ayudar a los investigadores cuyo idioma nativo no es el inglés a presentar su trabajo con mayor claridad. «Incluso puede redactar secciones de un artículo, siempre que exista una supervisión humana adecuada», afirma Resnik. «Pero, al final del día, el ser humano debe ser responsable del contenido, y la contribución de la IA debe declararse de manera apropiada.»

Otro estudio, publicado en agosto de 2025, informó que el número de artículos producidos por las llamadas paper mills —organizaciones dedicadas a fabricar y vender investigaciones fraudulentas— se está duplicando cada 1.5 años, un ritmo mucho mayor que el crecimiento de la producción científica legítima.

Los problemas asociados con los artículos generados por IA abarcan desde casos evidentemente absurdos hasta fraudes extremadamente convincentes. En un extremo se encuentran manuscritos que todavía contienen frases características de la IA generativa, como «As an AI language model» («Como modelo de lenguaje de IA»), porque nadie leyó el texto con suficiente atención para detectarlas.

En el otro extremo están los artículos que utilizan IA para generar texto, fabricar conjuntos de datos y crear figuras aparentemente realistas capaces de eludir los métodos habituales de detección. Como señala Resnik: «La IA generativa puede crear imágenes digitales completamente desde cero. Es realmente, realmente difícil distinguir la diferencia». Estos artículos parecen legítimos: siguen las convenciones de la escritura científica, citan referencias y presentan datos que se ajustan a las distribuciones estadísticas esperadas.

Una vez publicados, estos trabajos se propagan. «Es un problema para toda la ciencia», afirma Resnik. Otros investigadores construyen nuevas investigaciones sobre resultados que nunca existieron, desperdiciando tiempo, recursos y financiamiento. Estos estudios defectuosos también distorsionan las decisiones de financiamiento y desvían la investigación hacia direcciones equivocadas. «Otros investigadores citan estos artículos, y los sistemas de IA se entrenan con ellos», explica Guillaume Cabanac, especialista en integridad científica y profesor de ciencias de la computación en la Universidad de Toulouse. Cada vez que esa información errónea se repite o reutiliza, el problema se amplifica y termina amenazando el conocimiento público.

Todo ello socava la confianza del público en la ciencia, que ya es frágil. Además, resulta injusto: quienes construyen extensos historiales de publicaciones con ayuda de la IA compiten con investigadores honestos por puestos de trabajo, subvenciones y reconocimiento. Por ello, muchos científicos se preguntan si la única manera de enfrentar el problema es introducir cambios sistémicos que eliminen los incentivos que empujan a los investigadores a utilizar la IA de forma indebida.

Decir la verdad sobre el uso de la IA

La mayoría de las grandes editoriales exigen actualmente que los autores declaren el uso de IA. La revista Science ha prohibido expresamente el texto generado por IA; la American Chemical Society (ACS), que publica Chemical & Engineering News (C&EN), exige un reconocimiento detallado de su utilización; y el Committee on Publication Ethics (COPE) ha actualizado sus directrices. Además, una coalición de organizaciones trabaja en el desarrollo de un estándar internacional para la divulgación del uso de IA.

Resnik considera que estas declaraciones deben tener consecuencias reales. Actualmente trabaja en un artículo donde propone lo que denomina declaraciones de certificación de datos (data attestation statements): una declaración firmada que acompañe cada artículo o solicitud de financiamiento, certificando que los datos son auténticos, que existen registros originales y que estos podrán compartirse si se solicitan.

La idea es sencilla: la ciencia auténtica siempre puede rastrearse hasta su fuente. «Cuando se utiliza IA, no existe una fuente original. Todo está inventado», explica Resnik. También plantea la posibilidad de certificar digitalmente determinadas imágenes experimentales, de manera similar a como se certifican las obras de arte, registrando exactamente qué instrumento produjo una imagen, en qué fecha y quién la generó. Si puede demostrarse que un resultado proviene de un microscopio real en una fecha concreta, la fabricación fraudulenta se vuelve mucho más difícil.

No obstante, tanto la divulgación como el intercambio de datos presentan limitaciones. Ambos dependen de la honestidad de los autores, precisamente en un sistema donde existen fuertes incentivos para ocultar el uso indebido de la IA. Es aquí donde los sistemas de detección cobran especial importancia.

Los sistemas de detección podrían estar perdiendo la carrera

Guillaume Cabanac creó en 2020 el Problematic Paper Screener, después de identificar alrededor de 40 artículos que mostraban señales inequívocas de haber sido producidos mediante generadores automáticos de texto y que, aun así, habían superado la revisión por pares. Desarrolló entonces un programa para examinar sistemáticamente artículos científicos en busca de indicios de fabricación y mala conducta, publicando posteriormente los resultados en línea. En la actualidad, el sistema analiza más de 160 millones de artículos indexados en la base bibliográfica Dimensions.

Expresiones gramaticalmente correctas, pero científicamente absurdas —como formic corrosive («corrosivo fórmico») en lugar de formic acid («ácido fórmico»), o weighty metals («metales pesados» traducidos literalmente como «metales pesantes») en vez de heavy metals («metales pesados»)— son lo que Cabanac denomina frases torturadas (tortured phrases). No corresponden a conceptos científicos reales y, precisamente por ello, constituyen una señal inequívoca de que algo no está bien.

En el caso específico del texto generado por IA, Cabanac busca lo que llama pistolas humeantes (smoking guns): rastros que ChatGPT deja cuando los usuarios copian y pegan sus respuestas sin leerlas. Una de las expresiones que encuentra con frecuencia es «Regenerate response» («Regenerar respuesta»). «Ningún investigador, ningún ser humano diría eso», comenta. «Es espantoso.»

Cuando el sistema detecta un artículo sospechoso, Cabanac publica un comentario en PubPeer, una plataforma de revisión por pares posterior a la publicación, y se pone en contacto directamente con la editorial correspondiente. Como resultado de su trabajo, ya se han retractado más de 3 000 artículos.

Dado que Cabanac publica abiertamente sus métodos, herramientas similares han sido adoptadas ampliamente por organizaciones científicas y editoriales. Varias de las principales editoriales ya utilizan sistemas de detección de frases torturadas durante el proceso de envío de manuscritos, identificando trabajos problemáticos antes de que lleguen a la revisión por pares.

Sin embargo, la detección sigue siendo una estrategia defensiva, y sus propios desarrolladores reconocen sus limitaciones. Incluso Cabanac admite que estas herramientas sólo detectan los fraudes más burdos. «Sospecho que existen casos en los que las personas generan conjuntos de datos mucho más difíciles de descubrir.»

En un artículo publicado en 2025, Resnik afirmó que la capacidad de la IA generativa para producir datos falsos altamente realistas constituye «una bomba de tiempo» para la publicación científica: actualmente no existe un método confiable para distinguir entre conjuntos de datos fabricados por IA y datos experimentales reales, y, a medida que los modelos mejoren, quizá nunca llegue a existir uno. «Creo que se trata de una carrera armamentista», advierte. «A medida que las herramientas mejoran, los modelos se vuelven mejores para evadirlas y los usuarios también aprenden a hacerlo. Pienso que, en última instancia, probablemente sea una batalla perdida.»

«Incluso si llegáramos a tener un detector que funcionara perfectamente, eso no resolvería todos nuestros problemas», afirma Oransky. «La idea de que basta con resolver el problema de la IA para volver a una época ideal es equivocada: esa época nunca existió. Los editores llevan décadas quejándose de que no encuentran suficientes revisores.»

Oransky considera que el uso de IA será prácticamente inevitable, no sólo para redactar artículos científicos, sino incluso para preparar solicitudes de financiamiento. Elaborar estas solicitudes resulta tan laborioso que, según él, «deberíamos aceptar que la IA será la herramienta con la que la mayoría de las personas las elaborarán».

Atacar la causa de fondo

Los especialistas en integridad científica, junto con la mayoría de los investigadores, coinciden en que la causa profunda del fraude impulsado por la IA —y de muchas otras formas de mala conducta científica— reside en la estructura de incentivos de la ciencia moderna. Los investigadores siguen siendo evaluados principalmente por el número de artículos que publican y por el prestigio de las revistas donde aparecen esos trabajos. La obtención de plazas permanentes, financiamiento, ascensos, salarios, la situación migratoria de investigadores internacionales e incluso la clasificación de las instituciones dependen, en mayor o menor medida, del volumen de publicaciones. Este sistema existía mucho antes de la aparición de la IA y ha sido objeto de críticas durante décadas. «No necesitamos la IA generativa para convertir la literatura científica en un desastre», afirma Oransky. «La única solución consiste en cambiar aquello que la ciencia recompensa.»

«Si tuviera una varita mágica», dice Cabanac, «pediríamos a las personas que presentaran únicamente sus cinco mejores artículos, evaluando la calidad y no la cantidad. En Francia, los comités de contratación y promoción ya reciben instrucciones para centrarse en una selección reducida de trabajos.»

La Declaración de San Francisco sobre la Evaluación de la Investigación (DORA) fue redactada en 2012 por un grupo de editores y editoriales durante la reunión anual de la American Society for Cell Biology. Actualmente constituye una iniciativa internacional independiente que exhorta a universidades, organismos financiadores y editoriales a dejar de utilizar el volumen de publicaciones y el prestigio de las revistas como indicadores de la calidad científica. Más de 25 000 instituciones e investigadores de todo el mundo la han suscrito. Las agencias federales de financiamiento de Canadá ya utilizan currículos narrativos en las solicitudes de subvenciones. Asimismo, los National Institutes of Health (NIH) de Estados Unidos declararon el año pasado que las solicitudes de financiamiento generadas mediante IA no son elegibles y limitaron a seis el número de solicitudes que cada investigador puede presentar por año.

La detección y la divulgación del uso de IA pueden ganar tiempo. «Pero preocuparse únicamente por atrapar a los tramposos no nos llevará a ninguna parte», sostiene Oransky. «¿Debemos acabar con la desigualdad o castigar a quienes terminan robando por necesidad?». Su respuesta es que deben hacerse ambas cosas. «No podemos permitir que todo siga descontrolado mientras intentamos solucionar el problema desde su origen.»

«Llevamos décadas diciendo que no debemos valorar la cantidad por encima de la calidad», señala Resnik. «Y, sin embargo, eso todavía no ha ocurrido». Mientras tanto, añade, el problema compete a todos: «Los organismos financiadores deben asumir su responsabilidad, las instituciones necesitan desarrollar mejores políticas sobre IA y, por supuesto, los investigadores también deben actuar con responsabilidad y declarar su uso. Necesitamos bajar el ritmo. Publicar menos y permitir que los revisores por pares hagan su trabajo.»

La barrera para cometer fraude científico nunca había sido tan baja. Cuando fabricar un artículo requería meses de trabajo y habilidades especializadas, el costo era suficientemente elevado para disuadir a la mayoría de las personas. Pero cuando basta una tarde y un chatbot, el cálculo entre costos y beneficios cambia por completo.

……………………………………………………………………

Can we stop AI from flooding scientific journals?

AI detectors may never beat fraud. Changing how science rewards its researchers might be the only fix that does

by Ananya Palivela

July 28, 2026

Key Insights

• Generative artificial intelligence has worsened a long-standing publish-or-perish problem in the academic community by making scientific paper fabrication trivially cheap and fast.

• AI detection systems catch what they can, but their creators openly admit that the race against improving AI models is one they may not win.

• Research integrity experts say the only lasting solution is changing how scientists are evaluated: away from volume and toward quality.

“Certainly, here is a possible introduction for your topic,” begins a retracted paper in the Elsevier journal Surfaces and Interfaces. This is one of ChatGPT’s standard openers when responding to a user prompt. The researcher submitted the manuscript beginning with this line, and it passed peer review. No one noticed the mistake until after publication.

Publishing is crucial for many scientists’ careers, especially those in academia, and a key part of securing jobs, funding, and tenure. The pressure to publish has always led some to take shortcuts. But with generative AI, a researcher can now create a convincing manuscript in just a few hours, even adding fake data and citations. Many journals don’t have the resources or motivation to catch this. As a result, generative AI has made an existing publish-or-perish problem worse.

“AI is an accelerant, not the kindling,” says Ivan Oransky, cofounder of Retraction Watch, which tracks retractions across scientific literature. “The kindling is publish or perish.”

A study published last July examining over 15 million PubMed biomedical abstracts worldwide found that at least 13.5% of papers published in 2024 showed signs of AI assistance. The rate varied by field, journal, and country—climbing as high as 40% in certain disciplines and running higher in non-English-speaking countries.

“There are a lot of ways that AI can help out in scientific writing,” says David Resnik, a bioethicist at the National Institute of Environmental Health Sciences. It can smooth prose, improve grammar, and help non-native English speakers present work more clearly. “It can even draft sections of a paper with appropriate human oversight,” Resnik says. “But at the end of the day, the human being must be responsible, and the contribution of AI should be appropriately disclosed.”

Another study, published in August 2025, reported that the number of papers published by paper mills—organized operations that fabricate and sell fraudulent research—is doubling every 1.5 years, a rate much faster than the growth of legitimate scientific output.

The challenges posed by problematic AI-generated papers span a spectrum from the obviously absurd to the dangerously convincing. For example, at one end are manuscripts that in which signature phrases of generative AI such as “As an AI language model” left in the text because no one read the paper carefully enough to notice.

At the other end are papers that use AI to generate text, fabricate datasets, and create realistic-looking figures that evade standard detection. As Resnik points out, “Generative AI can make digital images completely from scratch. It's really, really hard to tell the difference.” These papers look legitimate on the surface; they follow the conventions of scientific writing, cite references, and present data that conform to expected statistical distributions.

Once published, these papers spread. “It’s a problem for science as a whole,” Resnik says. Other scientists build on results that don't exist, wasting time, funding, and resources. These flawed studies also skew funding decisions and steer research in the wrong direction. “Other researchers cite these papers, and AI systems train on them,” says Guillaume Cabanac, a research integrity expert and computer scientist at the University of Toulouse. Each time this flawed information is repeated or used, the error grows, ultimately threatening public knowledge.

All this undermines public trust in science, which is already fragile. It’s also unfair: those creating long publication records with the help of AI compete with honest researchers for jobs, grants, and recognition. Many researchers are asking whether the only way to combat the problem is systemic change—removing the reason researchers are being pushed to use AI in the first place.

Telling the truth about AI use

Most major publishers require authors to declare their use of AI. The journal Science has banned AI-generated text outright, the American Chemical Society (ACS publishes C&EN) requires a detailed acknowledgment, and the Committee on Publication Ethics has updated its guidance. To further address the issue, a coalition of organizations is developing a global AI disclosure standard.

Resnik thinks disclosure needs teeth. He’s working on a paper proposing what he calls data attestation statements—a signed declaration submitted with every paper or grant application that the data are real and the original records exist, and that they will be shared if requested.

The idea is that real science can always be traced back to its source. “When you have AI, you don't have an original source. It's just made up,” Resnik explains. He also raises the possibility of digitally certifying certain experimental images the way fine art is certified—logging exactly which instrument produced an image and on which day, and who was logged in. If someone can prove a result came from a real microscope on a real Tuesday, fabrication becomes much harder.

However, the limitations of disclosure and data sharing remain. They depend on the author's honesty in a system in which the incentive to conceal AI use is strong. This is where detection efforts become essential.

Detection systems may be losing the race

Cabanac built the Problematic Paper Screener in 2020 after spotting roughly 40 papers that showed definite signs of being produced by text generators but had somehow cleared peer review. He created a program to systematically screen scientific papers for signs of fabrication and misconduct and to publish the results online. Today, the screener trawls 160 million papers—and counting—indexed by the bibliographic database called Dimensions.

Phrases that are grammatically correct but scientifically nonsensical, like formic corrosive in place of formic acid and weighty metals instead of heavy metals, are what Cabanac calls tortured phrases. These are not scientific concepts, he says. That is exactly how he knows something is wrong.

For AI-generated text specifically, Cabanac looks for what he calls smoking guns: traces left by ChatGPT when users copy and paste its output without reading it. “Regenerate response” is one he sees often. “No researcher, no human would say that,” Cabanac says. “It is hideous.”

When the screener flags a paper, Cabanac posts a comment on PubPeer, a postpublication peer review platform, and contacts the publisher directly. More than 3,000 papers have been retracted as a result of his work.

Because Cabanac publishes his methods openly, similar tools have been widely adopted across scientific organizations and publications. Several major publishers have now implemented tortured-phrase screening at submission, catching problematic manuscripts before they reach peer review.

But detection remains a rearguard action, and its creators are honest about its limitations. Even Cabanac acknowledges that the tools only catch crude fraud. “I suspect there are cases where people generate datasets that are more difficult to find.”

Resnik’s 2025 paper says the potential for generative AI to create highly realistic fake data is “a ticking time bomb” in scientific publishing: there is no reliable method for distinguishing AI-fabricated datasets from real experimental data, and as models improve, there may never be one. He warns, “I think it's an arms race. As tools improve, models get better at evading them, and users also get better at evading them. I think it’s ultimately probably a losing battle.”

“Even if we were to get a detector that works, it won’t solve all our problems,” Oransky says. “This notion that if we just tackle the AI problem we'll get back to something great—it was never so great. Editors have been complaining about not being able to find peer reviewers for decades.”

Oransky sees AI use as almost inevitable, not just for publishing papers but even for grant applications. Applying for grants is so burdensome that “you should just accept that AI is going to be how people do most of it,” he says.

Targeting the root cause

Research integrity experts, along with most scientists, agree that the root cause of AI-driven and other fraud is the incentive structure of modern science. Researchers are evaluated primarily on the number of papers they publish and the prestige of the journals in which those papers appear. Tenure, funding decisions, promotions, salary, immigration status for international researchers, and institutional rankings all depend, to varying degrees, on publication volume. This system predates AI by decades and has been criticized for just as long. “We don't need generative AI to make a dog's breakfast out of scientific literature,” Oransky says. The only solution, he says, is to change what science rewards.

“If I had a magic wand,” Cabanac says, “we'd ask people to list only their top five articles, evaluating quality over quantity. In France, hiring and promotion committees are already asked to focus on a short selection of works.”

The San Francisco Declaration on Research Assessment, or DORA, was drafted in 2012 by a group of journal editors and publishers at the American Society for Cell Biology's annual meeting. Now it is an independent worldwide initiative. It calls on universities, funders, and publishers to stop using publication volume and journal prestige as proxies for research quality. More than 25,000 institutions and researchers around the world have signed it. Canada's federal funding agencies have introduced narrative curriculum vitae for grant applications. The US National Institutes of Health declared AI-generated grant applications ineligible last year and capped grant submissions at six per year per researcher.

Detection and disclosure buy time. “But only worrying about catching the bad guys isn’t going to get you anywhere,” Oransky says. “Should we end inequality, or should we punish people who end up having to steal?” We must do both things, he says. “You're never going to let it all run rampant while you fix the upstream.”

“We've been talking about not measuring quantity over quality for decades,” Resnik says. “It hasn't happened.” Meanwhile, it’s everybody's problem, he adds. “Funders and funding agencies need to take responsibility, and Institutions need to develop better AI policies. And then of course, researchers should be responsible and disclose too. We need to slow down,” he says. “Publish less and let peer reviewers do their job.”

The barrier to fraud has never been lower. When fabricating a paper required months of effort and specialized skill, the cost was high enough to deter most people. When it requires an afternoon and a chatbot, the cost-benefit calculus changes entirely.

Ananya Palivela is a physical sciences reporter at C&EN.