Imagina esto: llevas tres años trabajando en tu tesis doctoral de ingeniería mecánica. Has sacrificado fines de semana, has discutido con tu director, has reescrito el marco teórico cuatro veces. Finalmente, entregas. Y entonces llega el email del tribunal con el documento lleno de marcas rojas y una frase que te hiela la sangre: “Se detectan evidentes indicios de generación automatizada sin supervisión adecuada. Se recomienda rehacer las secciones afectadas.”
No es ficción. Es lo que le pasó a un doctorando de la Universidad Politécnica de Valencia en 2024. Y no fue el único.
Las herramientas de inteligencia artificial para tesis doctorales han llegado para quedarse. Pero hay un problema enorme: la mayoría de doctorandos las están usando mal. Y lo peor es que ni siquiera lo saben.
🎯 Los 5 errores que vamos a desmontar hoy:
- Delegar la redacción completa de secciones técnicas
- Confiar ciegamente en referencias generadas por IA
- Ignorar el estilo y terminología específica de tu campo
- Obsesionarse con el “porcentaje de IA permitido”
- Usar IA solo para escribir, nunca para pensar
Según datos del Ministerio de Universidades de España, las sanciones académicas relacionadas con uso indebido de IA aumentaron un 340% entre 2023 y 2025. El área más afectada fue, precisamente, ingeniería.
Si aún no tienes claro qué puede y qué no puede hacer la IA por tu tesis, te recomiendo empezar por esta guía sin filtros sobre IA en tesis doctorales. Porque lo que viene a continuación puede salvarte la carrera académica.
Error #1 — Delegar la Redacción Completa de Secciones Técnicas a la IA
Este es, con diferencia, el error más común. Y también el más peligroso.
El patrón es siempre el mismo: el doctorando tiene que entregar el borrador del marco teórico en dos semanas. Está agotado, tiene datos por analizar, y piensa: “¿Y si le pido a ChatGPT que me escriba una primera versión?”
Lo hace. Copia. Pega. Entrega.
Y ahí empieza el desastre.
La ingeniería no es filosofía ni sociología. Aquí cada palabra técnica tiene un significado preciso. Cuando le pides a una IA que “escriba sobre análisis de elementos finitos aplicado a estructuras de hormigón pretensado”, esto es lo que puede pasar:
- Terminología genérica: La IA puede escribir “esfuerzos internos” cuando el término correcto en tu contexto es “tensiones principales de von Mises”.
- Imprecisiones técnicas: Puede describir un método de mallado que no existe o mezclar conceptos de análisis lineal y no lineal.
- Inconsistencias con tu trabajo real: El texto generado no sabe nada de tu diseño experimental, tus condiciones de contorno ni tus parámetros específicos.
Un revisor experto —y créeme, los miembros de tu tribunal llevan décadas leyendo tesis— detecta esto en segundos. No necesita ningún detector de IA. Le basta con su experiencia.
Dependiendo de tu universidad, puedes enfrentarte a correcciones mayores obligatorias (meses de retraso), suspensión temporal del proceso de defensa, acusaciones formales de falta de autoría o, en casos extremos, expulsión del programa doctoral.
¿Quieres conocer casos reales? Aquí tienes un análisis detallado de errores con ChatGPT que podrían expulsarte.
La solución: IA como asistente, no como autor. Tú escribes el primer borrador con todas tus imperfecciones. La IA sugiere mejoras de claridad, estructura o gramática. Tú validas cada sugerencia y la adaptas a tu contexto técnico. Piénsalo como un revisor humano: no escribe por ti, pero te ayuda a mejorar lo que ya has escrito.
Así es exactamente como SÍ puedes usar ChatGPT sin problemas, como explica esta guía de uso permitido.
Error #2 — Confiar Ciegamente en Referencias Generadas por IA
Si hay algo que puede destruir tu credibilidad académica en un instante, es esto: citar papers que no existen.
Las famosas “alucinaciones” de la IA no son un bug menor. Son un problema estructural. ChatGPT, Claude o cualquier modelo de lenguaje grande no accede a bases de datos académicas en tiempo real. Genera texto que “suena” correcto. Y eso incluye inventar referencias con DOIs falsos, autores inexistentes y conclusiones fabricadas.
Imagina que escribes en tu metodología:
“Según el estudio de García-Fernández et al. (2021), el método de simulación CFD propuesto alcanza una precisión del 97% en condiciones de flujo turbulento.”
Y ese estudio… no existe. El tribunal lo busca. No lo encuentra. Tu credibilidad cae al suelo. Estudios recientes indican que hasta un 32% de las referencias generadas por ChatGPT sin verificación contienen algún tipo de error factual o son completamente inventadas.
💡 Herramientas que sí funcionan para verificar fuentes:
Elicit permite buscar papers reales, resumir hallazgos y extraer datos verificables. A diferencia de ChatGPT, trabaja directamente con bases de datos académicas como Semantic Scholar. La Universidad de Sevilla ya ofrece licencia de Elicit Plus a sus investigadores. Consulta si tu universidad tiene acceso institucional.
ResearchRabbit te ayuda a descubrir literatura relacionada y visualizar redes de citación. Evita el error de “quedarte con 10 papers” cuando existen conexiones clave que desconoces.
scite te muestra si un paper “apoya”, “menciona” o “contradice” lo que citas. En ingeniería, donde la evidencia importa, esto es absolutamente crítico.
🎬 Video recomendado: Si quieres ver cómo combinar estas herramientas para un flujo de revisión de literatura efectivo y verificable:
Para un proceso completo de revisión con IA sin errores, consulta esta guía paso a paso de revisión de tesis con IA.
Error #3 — Ignorar el Estilo Técnico y la Terminología de Tu Campo
Hay algo que los profesores veteranos describen como “el olor a IA”. No es científico, pero es real. Y tiene que ver con esto: la IA genera texto académico genérico que no suena a tu campo específico.
Ingeniería civil no escribe igual que ingeniería eléctrica. Y dentro de ingeniería eléctrica, no es lo mismo una tesis sobre sistemas de potencia que sobre electrónica de radiofrecuencia.
Señales de alerta que detectan los tribunales:
- Sinónimos incorrectos: escribir “resistencia al corte” cuando el estándar en tu subcampo es “tensión tangencial máxima”
- Tono divulgativo: frases como “esto es muy importante porque…” en lugar del registro científico-técnico esperado
- Estructuras atípicas: párrafos que empiezan con “Es importante destacar que…” (típico de IA)
- Falta de precisión numérica: escribir “temperaturas elevadas” cuando deberías especificar “temperaturas superiores a 450°C”
❌ Generado por IA (sin supervisión):
“El análisis de elementos finitos es una técnica muy utilizada en ingeniería que permite obtener resultados precisos mediante la discretización del dominio en elementos más pequeños.”
✅ Redacción técnica real:
“El modelo FEM implementado empleó elementos hexaédricos de 20 nodos (SOLID186 en ANSYS), con funciones de forma cuadráticas y un mallado adaptativo que garantizó una convergencia inferior al 2% en las tensiones de von Mises máximas.”
¿Ves la diferencia? El segundo párrafo demuestra conocimiento. El primero, solo demuestra que alguien sabe usar un chatbot.
Para entender exactamente cómo los profesores detectan esto (más allá de los detectores automáticos), lee este análisis sobre cómo los profesores realmente detectan IA en tesis.
La solución: especifica tu subdisciplina en los prompts (“Actúa como revisor de textos de ingeniería de materiales, especializado en caracterización mecánica de compuestos de matriz cerámica, siguiendo terminología ISO 17025”), crea un glosario de términos técnicos exactos, y aplica revisión en dos capas: IA para gramática y claridad → Tú para precisión técnica y terminología.
Para configurar la IA y mantener el rigor técnico, esta guía de revisión de estilo académico con IA es imprescindible.
Error #4 — Obsesionarse con el “Porcentaje de IA Permitido”
Te voy a contar un secreto que muchos doctorandos desconocen: ese “porcentaje de IA” del que todo el mundo habla no existe como umbral oficial.
El mito funciona así: “Si el detector dice que tengo menos del 20% de contenido generado por IA, estoy a salvo.” Esa es una de las creencias más peligrosas que puedes tener.
Los detectores de IA (GPTZero, Turnitin AI Detection, Originality.ai…) tienen falsos positivos (textos 100% humanos marcados como IA, especialmente común en textos técnicos o en español académico), falsos negativos (textos claramente generados por IA que pasan sin problema), y enorme variabilidad (un mismo texto puede dar 15% en una herramienta y 45% en otra).
Pero aquí viene lo importante: las universidades no evalúan porcentajes, evalúan uso ético.
El problema de obsesionarte con el porcentaje es que te lleva a estrategias contraproducentes: “parafrasear IA” para que “pase el detector” sigue siendo problemático éticamente, te da falsa seguridad, y desvía tu foco de lo que realmente importa.
En lugar de preguntarte “¿cuánta IA puedo usar?”, pregúntate “¿cómo documento mi uso?”. Esto implica transparencia con tu director, declaración formal de uso de IA (cada vez más universidades lo exigen), y trazabilidad: guardar prompts, iteraciones y decisiones.
Para desmontar completamente el mito del porcentaje, lee la verdad sobre el límite de IA en tesis doctorales. Y para entender el marco ético que deberías seguir, aquí tienes la guía de uso ético de IA en trabajos académicos.
Error #5 — Usar IA Solo Para Escribir, Nunca Para Pensar
Este es el error más sutil de todos. Y probablemente el que más oportunidades te hace perder.
El patrón típico es este: el doctorando trabaja durante meses sin IA. Hace su revisión de literatura manualmente. Define sus hipótesis solo. Diseña su metodología en silencio. Y solo cuando tiene que “llenar páginas” recurre a ChatGPT.
Eso es usar el 5% del potencial de la IA.
| Fase de la tesis | Uso inteligente de IA |
|---|---|
| Planificación | Brainstorming de preguntas de investigación, identificación de gaps, estructuración de argumentos |
| Revisión bibliográfica | Descubrimiento de literatura con Elicit/ResearchRabbit, síntesis de hallazgos, mapeo de conexiones |
| Análisis | Interpretación de patrones, generación de visualizaciones preliminares, identificación de anomalías |
| Redacción | Asistencia (no autoría): mejora de borradores, clarificación de ideas, sugerencias estructurales |
| Revisión | Coherencia argumentativa, consistencia terminológica, detección de redundancias |
Imagina que tienes un ayudante de investigación brillante que puede leer mil papers en una hora, identificar conexiones que tú nunca verías, y hacerte preguntas incómodas sobre tu metodología. Ahora imagina que solo le pides que te escriba emails. Eso es lo que hace la mayoría de doctorandos con la IA.
Para aprender a integrar IA en todas las fases de tu tesis doctoral (no solo en la escritura), esta guía completa de asistente IA para tesis doctoral te cambiará la perspectiva.
📋 No olvides la gestión de referencias: la IA te ayuda a encontrar fuentes, pero Zotero te ayuda a no perderlas. Se integra perfectamente con Word y Google Docs para mantener tu bibliografía organizada, con formato automático en APA, IEEE o el estilo que necesites.
Tendencia 2025: Hacia la IA Supervisada y Documentada
El panorama está cambiando rápidamente. Las universidades españolas han pasado de la fase de “prohibir IA” a la fase de “regular su uso”.
Esto significa declaraciones obligatorias (cada vez más programas doctorales exigen especificar qué herramientas de IA se utilizaron y cómo), rúbricas actualizadas (los tribunales empiezan a evaluar el “uso crítico y responsable” de herramientas digitales), y formación institucional (algunas universidades ya incluyen módulos sobre IA ética como parte del programa doctoral).
En campos como ingeniería, donde la precisión metodológica es crítica, los tribunales prestan especial atención a secciones computacionales y de simulación. Se espera que domines herramientas avanzadas, pero de forma ética. Y quienes documenten bien su uso de IA tendrán ventaja sobre quienes lo oculten.
Según estimaciones de la Conferencia de Rectores de las Universidades Españolas (CRUE), más del 70% de las universidades españolas tendrán políticas específicas sobre IA en investigación para finales de 2025.
Lo Que Distingue a los Doctorandos que Usan Bien la IA
Después de analizar cientos de casos, hay patrones claros que separan a quienes usan IA con éxito de quienes acaban en problemas.
“La IA amplifica, no reemplaza.”
Si tu investigación es sólida, la IA la hace más eficiente. Si tu investigación es débil, la IA solo magnifica tus carencias.
Los 5 hábitos de los doctorandos exitosos con IA:
- Verifican TODO: No dan por válido ningún output de IA sin comprobación manual
- Documentan su proceso: Guardan prompts, iteraciones y decisiones
- Comunican abiertamente: Su director sabe exactamente cómo trabajan con IA
- Combinan herramientas: No dependen de un solo chatbot; usan el ecosistema completo
- Nunca delegan el pensamiento crítico: La IA sugiere, ellos deciden
✅ Checklist: Uso Responsable de IA en Tu Tesis de Ingeniería
- ☐ He verificado cada referencia citada en bases de datos reales
- ☐ He revisado que la terminología técnica sea la correcta para mi campo
- ☐ He documentado qué herramientas usé y para qué fases
- ☐ Mi director conoce y aprueba mi metodología de trabajo con IA
- ☐ El texto final refleja mi voz y mi conocimiento, no el de un chatbot
La diferencia entre usar IA de forma inteligente y usarla de forma imprudente puede ser la diferencia entre defender tu tesis con orgullo o tener que rehacer meses de trabajo. Ahora tienes el mapa. El siguiente paso es tuyo.
Leave a Reply