Mientras que en la pega de Komatsu vemos cómo los modelos de IA ya están tomando decisiones crÃticas en los camiones autónomos, me encontré con un estudio publicado en Science que deja una pregunta incómoda sobre la mesa: ¿qué tan confiable es una tecnologÃa que promete transformarlo todo pero que no deja huella en la literatura cientÃfica?
El equipo de John Ioannidis — ese mismo metacientÃfico de Stanford que primero destapó el fraude de Theranos en 2015 — analizó 317 compañÃas unicornio del sector IA entre 1998 y 2025. El resultado: más de la mitad nunca publicó un solo paper o preprint. Y todas juntas representaron apenas uno de cada mil papers de IA publicados en 2025.
Pensar que una industria que dice revolucionar la medicina, la ciencia y el software no documenta sus propios descubrimientos es, en palabras de Ioannidis, un «paradoja muy rara». Si no hay papers revisados por pares, ¿cómo verificamos que lo que prometen es real, reproducible y seguro?
La concentración del conocimiento
Si pensabas que la falta de publicaciones era uniforme, te equivocas feo. El 5% superior de las firmas concentra más del 90% de todas las citaciones. OpenAI sola acumula casi el 40% del total. Megvii y Hugging Face le siguen a distancia. El resto del ecosistema está más ciego que yo revisando logs a las 3 de la mañana.
Y no es que OpenAI sea un bastión académico: con casi 4.500 empleados, solo ocho investigadores han publicado cinco o más papers. La mayorÃa de la organización opera en la oscuridad. Esto contrasta con lo que vemos en Komatsu, donde incluso los parches de firmware van documentados y auditados hasta el cansancio.
Blogs técnicos en vez de ciencia
La excusa que dan las empresas es que operan más rápido que la academia. El peer review puede demorar meses, y en este negocio eso es una eternidad. Asà que optaron por la «blogificación» de la investigación: lanzan modelos con posts técnicos, informes corporativos y algunos datasets, pero nada que pase por un proceso de revisión independiente.
Y aquà viene el detalle: a diferencia de la industria farmacéutica, donde publicar permite patentar, las empresas de IA aprendieron que abrirse no siempre paga. El paper de Google sobre transformers en 2017 es el ejemplo clásico del error. Lo patentaron, sÃ, pero como dice el investigador Mohamed Abdalla: «No creo que alguien le esté pagando a Google por eso».
Los chinos publican más
Un dato que me llamó la atención: las empresas de IA con sede en China publican consistentemente más que las de Estados Unidos. Mientras los labs fronterizos de EE.UU. cierran cada vez más sus modelos, los chinos apuestan por el open source. Moonshot AI acaba de lanzar Kimi K3, uno de los modelos abiertos más potentes hasta la fecha. ¿Consecuencia? Su investigación queda documentada y cualquiera puede auditarla.
Mi opinión
Trabajo con sistemas crÃticos todos los dÃas. En Komatsu, si un sensor de un camión autónomo falla, no nos quedamos con la palabra del proveedor: auditar, documentar y repetir. La IA se está metiendo en infraestructura crÃtica — hospitales, centrales eléctricas, sistemas financieros — y permitir que operen sin documentación cientÃfica es pedir problemas.
Esta no es una queja de académico enojado. Es una alerta de alguien que ve cómo la falta de transparencia ya causó un ciberataque en Hugging Face el mes pasado, y cómo la prisa por lanzar modelos más poderosos sin saber qué contienen o cómo funcionan es un riesgo que nos afecta a todos.
Si una startup de IA te dice que va a cambiar el mundo, pero no ha publicado nunca un solo paper… duda. Y duda fuerte. La tecnologÃa sin rastros es tecnologÃa sin control.
Fuente de inspiración: AI’s top startups are barely publishing their research
