Publicado en blog Impact of Social Sciences (London School of Economics-LSE)
https://blogs.lse.ac.uk/impactofsocialsciences/2026/06/23/ai-promised-to-democratise-academic-publishing-the-evidence-says-otherwise/
La IA prometía democratizar la publicación académica; la evidencia dice lo contrario
Brendal Aformeziem
23 de junio de 2026
La inteligencia artificial generativa ha sido ampliamente adoptada como una herramienta capaz de nivelar el terreno de juego en la publicación académica, ofreciendo a quienes no tienen el inglés como lengua materna y a los investigadores de instituciones con recursos limitados una oportunidad más equitativa. Sin embargo, Brendal Aformeziem recurre a un creciente conjunto de evidencias para demostrar que la realidad es más preocupante. La IA está siendo adoptada con mayor rapidez precisamente por quienes más la necesitan, pero no está eliminando las barreras estructurales que enfrentan y, en algunos casos, incluso podría estar creando nuevas.
Durante décadas, el predominio del inglés en la publicación científica ha impuesto una carga medible y ampliamente documentada sobre los investigadores cuya lengua materna no es ese idioma. Un estudio pionero publicado en Written Communication reveló que redactar artículos científicos en inglés, en comparación con hacerlo en español, se percibe como un proceso 24 % más difícil, 21 % más generador de ansiedad y 11 % menos satisfactorio. Dado que el inglés representa hasta el 90 % de las publicaciones científicas a nivel mundial, esto no constituye una simple incomodidad, sino una desventaja estructural que determina qué investigaciones se escriben, se envían, son evaluadas y finalmente leídas.
Cuando apareció la inteligencia artificial generativa, trajo consigo una promesa convincente. Los modelos lingüísticos capaces de redactar, reorganizar y perfeccionar textos académicos parecían ofrecer, por fin, una forma de superar esa desventaja. Los investigadores del Sur Global, los científicos en etapas iniciales de su carrera que trabajan en instituciones con escasos recursos y los académicos multilingües podrían, en teoría, producir textos que satisfacieran las expectativas lingüísticas de las revistas dominadas por el inglés. El terreno de juego, durante mucho tiempo inclinado, parecía finalmente poder nivelarse.
Sin embargo, la evidencia comienza a contar una historia diferente.
Quienes recurren a la IA son precisamente quienes menos pueden permitirse ser penalizados por utilizarlaUn análisis a gran escala de más de dos millones de publicaciones biomédicas encontró que el uso de asistencia de IA para la redacción aumentó aproximadamente 400 % entre 2022 y 2024 en los países donde el inglés no es la lengua principal, frente a un incremento del 183 % en los países angloparlantes. La adopción fue mayor entre investigadores al inicio de su carrera, aquellos con menos publicaciones y citas, y quienes trabajan en instituciones de menor prestigio.
Otro análisis de 5.2 millones de artículos publicados en Proceedings of the National Academy of Sciences confirmó el mismo patrón: los autores de países no anglófonos tienen mayor probabilidad de utilizar herramientas de IA para escribir, y esa dependencia está creciendo más rápidamente que en cualquier otra parte del mundo.
Esto no resulta sorprendente. Estos investigadores recurren a la IA por la misma razón por la que cualquiera utiliza una herramienta: porque la necesitan. La carga lingüística que implica redactar investigaciones en una segunda lengua, documentada por Hanauer y Englander, no desapareció con la llegada de ChatGPT; simplemente generó una demanda que las herramientas de IA están comenzando a satisfacer. La verdadera pregunta es si satisfacer esa demanda realmente está ayudando.
La IA mejora la redacción, pero no elimina el sesgoUn estudio que examinó 76,453 evaluaciones por pares correspondientes a 20,827 artículos a lo largo de siete años, complementado con entrevistas a investigadores de cinco continentes, encontró que los revisores continúan penalizando a los autores provenientes de países donde el inglés es menos utilizado, incluso después de la popularización de ChatGPT. El sesgo disminuyó solo ligeramente y, en la mayoría de los casos, la reducción no fue estadísticamente significativa.
Más preocupante aún es que los revisores parecen haberse adaptado. Las expresiones características del estilo de ChatGPT se han convertido en nuevas señales para inferir la identidad del autor. Palabras como delve, hoy fuertemente asociadas con la escritura asistida por IA, son utilizadas por algunos revisores para identificar a quienes emplean estas herramientas.
Los autores describen una situación de «pierdas o ganes, sales perjudicado». Si escriben de manera natural, corren el riesgo de ser identificados como hablantes no nativos de inglés; si utilizan IA para mejorar su redacción, pueden ser señalados como usuarios de inteligencia artificial.
Investigaciones de la Graduate School of Education de la Universidad de Stanford corroboran este hallazgo. El sesgo contra quienes no tienen el inglés como lengua materna persiste incluso cuando utilizan grandes modelos de lenguaje para mejorar sus textos. Los revisores emplean el lenguaje como un indicador indirecto de identidad y, cuando la IA elimina unas señales lingüísticas, simplemente sustituyen esas pistas por otras. La discriminación no desaparece; simplemente se adapta.
Esto resulta fundamental porque desmonta el argumento central de que la IA democratiza la publicación científica. La IA puede mejorar la apariencia lingüística de un manuscrito, pero no puede cambiar quién lo escribió, de dónde proviene el autor ni cómo reaccionan los revisores ante esas inferencias. El problema nunca fue exclusivamente lingüístico; siempre ha sido estructural. Y las herramientas de IA no están diseñadas para resolver los sesgos estructurales.
La obligación de declarar el uso de IA está generando nuevas desigualdadesUna nueva dimensión de inequidad está emergiendo en torno a la obligación de declarar el uso de inteligencia artificial durante la preparación de manuscritos.
El estudio de PNAS sobre 5.2 millones de artículos encontró que únicamente el 0.1 % de los más de 75,000 trabajos publicados desde 2023 declaraban haber utilizado IA, a pesar de que alrededor del 70 % de las revistas ya exigen esa declaración. La proporción entre el uso detectado de IA y el uso declarado es aproximadamente de 40 a 1. La diferencia entre lo que realmente ocurre y lo que se informa parece ser la norma, y las razones resultan fáciles de comprender.
Por ejemplo, una guía revisada por pares publicada en Medical Teacher encontró que una proporción considerable de los autores que sí declaran el uso de IA proviene de países del Sur Global. El estudio advierte que las políticas de divulgación deben analizarse cuidadosamente por su potencial para imponer cargas desproporcionadas sobre investigadores multilingües, científicos al inicio de su carrera y autores pertenecientes a instituciones que carecen de directrices formales sobre el uso de IA.
El temor a ser juzgados, estigmatizados o víctimas de lo que los autores denominan «AI shaming» constituye una barrera documentada para declarar el uso de estas herramientas. Los investigadores de instituciones con abundantes recursos, que cuentan con asesoría jurídica y políticas institucionales claras, pueden gestionar esos riesgos con relativa seguridad. Quienes carecen de ese respaldo no pueden hacerlo.
El Committee on Publication Ethics (COPE) ha advertido que, si los mecanismos de aplicación de estas políticas adquieren un carácter punitivo, corren el riesgo de reforzar las desigualdades existentes en el ámbito académico, favoreciendo a las instituciones de élite que pueden costear servicios de edición, suscripciones a herramientas de IA e infraestructura para cumplir con los requisitos regulatorios.
Paradójicamente, los investigadores con mayor probabilidad de ser sancionados por no declarar el uso de IA son precisamente aquellos que recurrieron a estas herramientas debido a necesidades estructurales.
Qué debe cambiarConviene aclarar que este argumento no se opone al uso de herramientas de IA ni a la obligación de informar sobre su utilización. Lo que sostiene es que el marco regulatorio actual se está construyendo sin prestar suficiente atención a quiénes soportan realmente sus costos.
Las editoriales deben abandonar los requisitos uniformes de declaración y desarrollar orientaciones graduadas y sensibles al contexto que reconozcan las distintas circunstancias de sus autores. Un investigador de una universidad bien financiada en un país angloparlante no enfrenta las mismas condiciones que un investigador de una institución con escasos recursos que redacta en su tercera lengua. Las políticas de divulgación no deberían tratarlos como si estuvieran en igualdad de condiciones.
Los organismos financiadores también tienen una responsabilidad. Garantizar un acceso equitativo a las herramientas de IA, así como la capacitación necesaria para utilizarlas de forma eficaz y responsable, debería formar parte del fortalecimiento de las capacidades de investigación en los entornos científicos con menores recursos.
El documento de trabajo (white paper) de Frontiers sobre el uso de IA en la revisión por pares, basado en una encuesta aplicada a 1,645 investigadores activos, identifica precisamente el acceso equitativo y la formación estructurada como dos de las prioridades más urgentes para las políticas científicas.
La propia comunidad académica también debe enfrentar la persistencia del sesgo lingüístico en la revisión por pares. La IA no ha resuelto este problema. En algunos aspectos, como demuestra la utilización del estilo característico de ChatGPT como nueva señal de sesgo, incluso ha añadido una dimensión adicional. Las revistas que inviertan en capacitar a sus revisores para reconocer y mitigar estos prejuicios, así como en fortalecer procesos de revisión doble ciego, contribuirán mucho más a una publicación científica equitativa que cualquier herramienta de escritura asistida por IA.
Un terreno verdaderamente equitativo requiere algo más que una mejor herramientaLa promesa de la inteligencia artificial en la publicación académica nunca fue irracional. La tecnología efectivamente reduce algunas barreras y, para determinados investigadores y en determinados contextos, resulta genuinamente útil.
Sin embargo, la evidencia acumulada —procedente de análisis a gran escala de millones de artículos, de datos de revisión por pares recopilados durante siete años en cinco continentes y de las experiencias de los propios investigadores que navegan estos sistemas— apunta de manera consistente en la misma dirección.
La IA está siendo adoptada con mayor rapidez por quienes enfrentan las mayores desventajas estructurales. No está eliminando los sesgos que esos investigadores siguen padeciendo. Y las políticas que se están construyendo alrededor de su uso corren el riesgo de imponer nuevas cargas precisamente sobre quienes ya soportan las más pesadas.
La democratización requiere mucho más que el acceso a una herramienta. Exige desmantelar las estructuras que hicieron necesaria esa herramienta desde el principio. En este punto, la evidencia es clara, y la comunidad científica todavía no ha logrado ponerse a la altura de ese desafío.
…………………………………………………….
AI promised to democratise academic publishing – the evidence says otherwise
Brendal Aformeziem
June 23rd, 2026
Generative AI has been widely embraced as a tool that could level the playing field in academic publishing, giving non-native English speakers and researchers in under-resourced settings a fairer chance. Brendal Aformeziem draws on a growing body of evidence to show that the reality is more troubling. AI is being adopted fastest by the researchers who need it most, yet is failing to remove the structural barriers they face, and may be adding new ones.
For decades, the dominance of English in scientific publishing has imposed a measurable and well-documented burden on researchers who did not grow up speaking it. A landmark study published in Written Communication found that writing research articles in English, compared to Spanish, is perceived as 24% more difficult, 21% more anxiety-inducing, and 11% more dissatisfying. With English accounting for up to 90% of scientific publications globally, this is not a minor inconvenience. It is a structural disadvantage that shapes whose research gets written, submitted, reviewed, and read.
When generative AI arrived, it carried a compelling promise. Language models capable of drafting, restructuring, and polishing academic text seemed, at last, to offer a way around this disadvantage. Researchers from the Global South, early-career scientists at under-resourced institutions, and multilingual scholars could, in theory, produce prose that met the linguistic expectations of English-dominant journals. The playing field, long tilted, might finally level.
The evidence is beginning to tell a different story.
The researchers turning to AI are those who can least afford to be penalised for itA large-scale analysis of over two million biomedical publications found that AI-assisted writing grew by approximately 400% in non-English-speaking countries between 2022 and 2024, compared with 183% in English-speaking ones. Adoption was highest among early-career researchers, those with fewer publications and citations, and scholars at lower-ranked institutions. A separate analysis of 5.2 million papers published in the Proceedings of the National Academy of Sciences confirmed the same pattern that authors from non-English-speaking countries are more likely to rely on AI writing tools, and this reliance is growing faster than anywhere else.
This is not surprising. These researchers are turning to AI for the same reason anyone turns to a tool, namely because they need it. The linguistic burden of writing research in a second language as documented by Hanauer and Englander did not disappear with the arrival of ChatGPT, but it created a demand that AI tools are now filling. The question is whether filling the demand is really helping?
AI polishes the prose, it does not remove the biasA study examining 76,453 peer reviews across 20,827 papers over seven years, drawing on interviews with researchers across five continents, found that reviewers continue to penalise authors from countries where English is less widely spoken, even after ChatGPT became widely available. Bias decreased only slightly, and in most cases not significantly. More troubling still, reviewers have adapted, and ChatGPT-style phrasing has become a new cue. Words like “delve“, now strongly associated with AI-assisted writing, are being used by reviewers to infer author identity. Authors describe a “damned if you do, damned if you don’t” dynamic. Write naturally and risk being flagged as a non-native speaker; write with AI assistance and risk being flagged as an AI user.
Research from the Stanford Graduate School of Education corroborates this finding. Bias against non-native English speakers in peer review persists even when authors use large language models to improve their writing. Reviewers use language as a proxy for identity, and when AI erases one set of linguistic cues, they shift to another. The discrimination does not disappear. It adapts.
This matters because it dismantles the core premise of the democratisation argument. AI can improve the surface of a manuscript. It cannot change who wrote it, where they are from, or how reviewers respond to those inferences. Therefore, the problem was never purely linguistic but structural, and AI tools are not designed to address structural bias.
The disclosure trap is falling unevenlyA further layer of inequity is emerging around how AI use in manuscript preparation is disclosed. The PNAS analysis of 5.2 million papers found that only 0.1% of more than 75,000 papers published since 2023 disclosed AI use, despite 70% of journals now requiring such disclosure. The ratio of detected AI use to disclosed AI use is approximately 40 to 1. The gap between what is happening and what is being declared is the norm, and the reasons are not hard to understand.
For instance, a peer-reviewed guide published in Medical Teacher found that a substantial proportion of authors who do disclose AI use originate from Global South countries, and warns that disclosure policies must be examined for their potential to disproportionately burden multilingual scholars, early-career researchers, and those from institutions without formal AI guidance. Fear of judgment, stigma, and what the authors describe as “AI shaming” are documented barriers to disclosure. Researchers at well-resourced institutions, with access to legal advice and clear institutional policies, can navigate these risks with relative confidence, but those without such support cannot.
The Committee on Publication Ethics (COPE) has warned that if enforcement mechanisms become punitive, they risk reinforcing existing academic inequities, favouring elite institutions that can afford editing services, AI subscriptions, and compliance infrastructure. The researchers most likely to be penalised for non-disclosure are the same researchers who turned to AI out of structural necessity in the first place.
What needs to changeTo be clear, this article is not an argument against AI tools or against disclosure. It is an argument that the current framework is being built without adequate attention to who bears its costs.
Publishers need to move beyond one-size-fits-all disclosure requirements and develop tiered, context-sensitive guidance that accounts for the different circumstances of their authors. A researcher at a well-funded institution in a native English-speaking country and a researcher at an under-resourced institution writing in their third language are not in the same position, and disclosure policy should not treat them as if they are.
Funders have a role too. Equitable access to AI tools, and to the training needed to use them effectively and responsibly, should be part of how research capacity is supported in lower-income research environments. The Frontiers whitepaper on AI in peer review, drawing on a survey of 1,645 active researchers, identifies equitable access and structured training as among the most pressing policy priorities for the research community.
And the research community itself needs to reckon with the persistence of language-based bias in peer review. AI has not solved this problem. In some respects, as the evidence on ChatGPT-style phrasing as a new bias cue suggests, it has added a new dimension to it. Journals investing in reviewer training on bias, and in double-blind review processes, will do more for equitable publishing than any AI writing tool.
A level playing field requires more than a better toolThe promise of AI in academic publishing was not unreasonable. The technology does reduce some barriers, and for some researchers in some contexts, it is genuinely useful. But the evidence emerging from large-scale analyses of millions of papers, from peer review data spanning seven years and five continents, and from the researchers navigating these systems in practice, points consistently in the same direction. AI is being adopted fastest by those who face the greatest structural disadvantage. It is not removing the bias those researchers encounter. And the policies being built around it risk adding new burdens to those who are already carrying the most.
Democratisation requires more than access to a tool. It requires dismantling the structures that make the tool necessary in the first place. On that, the evidence is clear, and the research community has not yet caught up.
