La IA expone fallas en el 99,2% de los mejores artículos académicos

Los investigadores han utilizado agentes de inteligencia artificial para auditar artículos de las principales conferencias de IA, y han descubierto que muchos resultados publicados no pueden reproducirse. Por ejemplo, una auditoría con agentes de IA de todas las 168 presentaciones orales en ICML 2026 reveló que, de 92 artículos con al menos cinco afirmaciones verificables, solo 34 pudieron reproducir más del 40% de las conclusiones, y solo 8 pudieron reproducir más del 80%. Además, cuatro artículos dependían de un modelo que ha sido retirado de línea, lo que hace que sus resultados sean permanentemente irreproducibles. Otro estudio desarrolló un verificador de artículos basado en GPT-5 que analizó artículos de las principales conferencias de IA, y encontró que, en promedio, cada artículo contenía 4,7 errores objetivos, y el 99,2% de los artículos tenían al menos un problema. Los errores matemáticos y de fórmulas fueron los más comunes (54,0%). El número de errores por artículo de NeurIPS aumentó de 3,8 en 2021 a 5,9 en 2025. Estos hallazgos resaltan un problema creciente en la reproducibilidad científica y sugieren oportunidades para nuevas direcciones de investigación, como revisar artículos antiguos y corregir errores. Además, un químico teórico del Laboratorio de Zhejiang descubrió que la IA predijo puntos de ebullición diferentes a los de una base de datos de hace 75 años, y tras la verificación manual, la IA tenía razón, revelando errores en mediciones centenarias. Esto demuestra que la IA ahora puede ayudar a reevaluar la literatura científica histórica.