Las propuestas que parecen escritas por una IA consiguen más dinero de los NIH — y hacen preguntas más pequeñas
Dashun Wang y Yifan Qian, de la Kellogg School de Northwestern, publicaron ayer en PNAS un estudio sobre la financiación federal estadounidense de la investigación. Las solicitudes de subvención con señales más fuertes de redacción asistida por IA fueron financiadas por los Institutos Nacionales de Salud a una tasa cuatro puntos porcentuales superior a las que carecían de ellas. Esas mismas propuestas puntuaron más bajo en distintividad semántica: se parecían más a trabajos que el organismo ya había financiado. En la Fundación Nacional de Ciencias, los autores no hallaron relación significativa entre la redacción asistida por IA y el éxito.
Por qué importaEs el caso más claro hasta la fecha de una herramienta de IA que optimiza lo que no debe. Un modelo entrenado con los ganadores del pasado escribe propuestas que se parecen a los ganadores del pasado, y los evaluadores premian ese parecido, justo al revés de lo que necesita una institución cuyo trabajo es financiar lo que nadie ha intentado. El resultado de la NSF importa igual: sea lo que sea lo que ambas agencias hacen distinto al evaluar, una de ellas no está pagando la misma prima por la familiaridad.
Léelo en la app — gratis, en 9 idiomas
Noticias relacionadas
Estados Unidos pone la IA en el centro de la ciencia con 16 países.2026-10-05Cinco problemas abiertos cayeron con un chat corriente.
2026-10-05El modelo sin ajustar resolvió tareas que su versión pulida no logró.
2026-10-04Un modelo entrenado con fotos comunes logró 70% en razonamiento.
2026-10-04Google puso sus chips de IA en órbita para ver si sobreviven.
2026-10-03