Hemos empezado a colaborar con investigadores académicos para probar el motor de investigación con IA de Truleaf en cuestiones de investigación biológica. Como organización sin ánimo de lucro y de I+D dedicada a la ciencia de las plantas, queremos que quienes examinan pruebas científicas a diario evalúen el motor. Pueden mostrarnos dónde ayuda, dónde estorba y qué debe cambiar antes de integrarse en un flujo de trabajo de investigación.
Compartimos esta información cuando el trabajo aún se encuentra en una fase inicial. Todavía no podemos nombrar a los investigadores, los laboratorios universitarios ni las cuestiones implicadas, y no tenemos resultados ni avales que anunciar. Sí podemos explicar por qué estamos abriendo el motor al uso académico, cómo abordamos el trabajo y qué necesitamos aprender.
Los investigadores deben contribuir a definir las herramientas de investigación
El motor ayuda a analizar investigaciones publicadas y a convertir pruebas dispersas en resultados estructurados y verificables. Mantiene las afirmaciones vinculadas a sus fuentes, de modo que el lector pueda pasar de una síntesis a la bibliografía en la que se basa. Lo creamos en torno a cuestiones de ciencia vegetal y protección biológica de cultivos, donde la respuesta suele depender de la especie, las condiciones, los métodos y el contexto.
Probar cuestiones que ya entendemos nos indica si el motor se comporta como esperamos. Nos dice mucho menos sobre si encaja con la forma en que los investigadores plantean una nueva cuestión, cuestionan una fuente, siguen un resultado inesperado o deciden que las pruebas son demasiado escasas para respaldar una conclusión.
Creemos que los investigadores deben contribuir a definir cualquier herramienta destinada a apoyar la investigación. Aplican comprobaciones que el desarrollo de producto no puede reproducir por sí solo. Preguntan qué pruebas se incluyeron, de dónde procede una afirmación, cómo se representa la incertidumbre y si los desacuerdos en la bibliografía siguen siendo visibles. También detectan los momentos problemáticos que una demostración pulida puede ocultar.
Queremos ese nivel de escrutinio. Una interfaz fluida no puede compensar un resultado difícil de verificar o fácil de interpretar de forma errónea. Comprobar el trabajo debe formar parte de su uso.
El acceso forma parte de nuestra misión
Nuestra misión como organización sin ánimo de lucro es hacer más accesible la información sobre plantas respaldada por la ciencia. Esto incluye tanto a productores que buscan orientación fiable como a investigadores que intentan comprender un conjunto complejo de publicaciones.
No todos los equipos académicos disponen de los mismos recursos, apoyo técnico o libertad para probar nuevo software de investigación. Un motor puede existir y seguir fuera de alcance porque el acceso es difícil, sus resultados no se pueden examinar o su flujo de trabajo solo se adapta a un tipo de organización.
Para nosotros, el acceso responsable incluye poner el motor en manos de un investigador y hacer que su trabajo sea verificable. Los investigadores deben poder saber de dónde procede una respuesta e identificar la incertidumbre sin tener que atravesar capas de presentación. Deben poder usar el resultado como punto de partida para su propio criterio y cuestionarlo cuando las pruebas apunten en otra dirección.
Trabajar con investigadores académicos nos permite probar esas condiciones en la investigación cotidiana. También nos obliga a reconocer la distancia entre una capacidad prometedora y una herramienta que merece ocupar un lugar en el trabajo de alguien.
Cómo abordamos el trabajo
Empezamos por la cuestión de investigación y el proceso actual del equipo. Queremos entender a qué dedican tiempo, en qué punto resulta difícil orientarse por la bibliografía, qué debe permanecer visible y qué haría que un resultado asistido por IA no fuera adecuado para su trabajo. Es posible que el motor no sea apropiado para el problema. Saberlo también nos ayuda a definir correctamente su alcance.
Cuando existe un encaje, pedimos a los investigadores que trabajen con el motor tal como es, con sus puntos fuertes y sus limitaciones actuales. Los comentarios basados en el uso nos resultan más útiles que las opiniones sobre una versión futura prometida. Observamos dónde el motor ayuda a avanzar entre las pruebas y dónde añade fricción, ambigüedad o comprobaciones adicionales.
El recorrido hasta las fuentes es esencial en esa experiencia. Los artículos de biología pueden estudiar organismos, entornos, protocolos o resultados diferentes y, aun así, parecer que abordan la misma cuestión. Una síntesis útil debe ayudar a distinguir esos límites. El investigador sigue teniendo que decidir si dos resultados pueden compararse y hasta qué punto debe acotarse una conclusión.
Nuestro motor se centra en la bibliografía publicada. La investigación biológica también recurre a datos de laboratorio, observaciones de campo, hallazgos no publicados, métodos especializados y conocimientos desarrollados durante años. Una síntesis asistida por IA no puede sustituir ese conocimiento. El investigador plantea la cuestión, examina las pruebas y decide qué permite sostener el material. Estamos construyendo el motor en torno a esa división de responsabilidades.
Privacidad e integridad científica
Las conversaciones iniciales sobre investigación necesitan espacio para desarrollarse sin convertirse en publicidad. No identificaremos a ningún investigador, universidad, laboratorio o proyecto hasta que todas las partes hayan autorizado la publicación de esa información. Una colaboración exploratoria no supone el aval de una institución ni establece por sí sola ningún resultado científico.
El mismo límite se aplica a los resultados. Si más adelante hay un trabajo que merezca compartirse, solo lo haremos cuando las personas implicadas estén de acuerdo y podamos exponer el contexto científico con precisión. Hasta entonces, mantendremos los detalles en privado.
Por eso esta actualización es menos concreta que muchas de nuestras publicaciones sobre el desarrollo de Truleaf. Podemos explicar qué ha comenzado, qué sigue sin conocerse y qué no tenemos permiso para revelar. Por ahora, ese es el relato fiel del trabajo.
Qué queremos aprender a continuación
Ahora queremos saber qué tareas de investigación biológica encajan con el motor sin dejar de mantener las fuentes rastreables, las afirmaciones verificables, los límites claros y el criterio experto al mando.
Los investigadores que utilicen el motor en cuestiones relevantes para ellos pueden descubrir carencias en la forma en que organizamos o presentamos la información. Pueden pedir un contexto que hayamos pasado por alto. Algunos quizá concluyan que el motor no es la herramienta adecuada para su trabajo. Sus comentarios nos ayudarán a decidir dónde debe utilizarse el motor y dónde no.
Si trabaja en investigación biológica y dedica demasiado tiempo a orientarse por una bibliografía fragmentada, nos gustaría conocer su opinión. Puede ponerse en contacto con nuestro equipo a través de Investigación y Desarrollo de Truleaf.org. Cuéntenos qué partes de una revisión bibliográfica requieren más tiempo, qué dificultan sus herramientas actuales y qué necesitaría examinar antes de confiar en un resultado asistido por IA.