Así supera la IA al método científico

Jorge Pelegrín-Borondo, Cristina Olarte Pascual, Alba García Milon y Francisco Javier Martínez de Pisón, investigadores de la Universidad de La Rioja, han publicado en la revista Journal of Retailing and Consumer Services, de la editorial Elsevier, un estudio que demuestra que la inteligencia artificial no puede construir teoría científica sólida por sí sola, pero supera al método científico tradicional en capacidad predictiva cuando es supervisada por personas expertas. La investigación aparece en el número de junio de 2026 de la publicación y se basa en el análisis comparado de dos modelos teóricos construidos de forma independiente a partir de 1.000 cuestionarios.

La pregunta que nadie había respondido así

El artículo, titulado 'Humans vs. AI in Social Science Research: Rivals or Allies in Understanding Consumers?', aborda una de las tensiones más debatidas en la comunidad científica: si la inteligencia artificial puede reemplazar el razonamiento teórico humano en ciencias sociales. Para responderla, el equipo diseñó un experimento metodológico de alto rigor: construir dos modelos independientes sobre comportamiento del consumidor, uno desarrollado por el grupo investigador mediante el método científico clásico y otro generado íntegramente por IA mediante técnicas avanzadas de prompt engineering.

El modelo humano siguió los pasos tradicionales: revisión teórica, definición de variables, formulación de hipótesis y uso de escalas validadas. El modelo de IA, en cambio, fue instruido para seleccionar variables, justificar su elección con literatura científica real y proponer un cuestionario completo. Ambos modelos se contrastaron después sobre las respuestas obtenidas del millar de cuestionarios.

Dónde falla la IA sin supervisión

La Universidad de La Rioja concluye que la inteligencia artificial no alcanza el nivel de abstracción conceptual necesario en ciencias sociales cuando opera de forma autónoma. El modelo generado por IA incluyó variables redundantes, lo que generó problemas graves de discriminación entre constructos y de colinealidad. Este hallazgo confirma que la IA todavía no distingue con precisión conceptos psicológicos cercanos, una capacidad imprescindible para construir teoría válida.

Esta limitación tiene implicaciones directas para quienes defienden el uso autónomo de sistemas de inteligencia artificial en investigación social. La IA puede procesar grandes volúmenes de información y proponer estructuras, pero carece de la capacidad para jerarquizar conceptos con el rigor que exige la ciencia del comportamiento humano.

Cuándo la IA supera al experto

El escenario cambia radicalmente cuando interviene la supervisión experta. Tras eliminar las variables problemáticas y depurar el modelo generado por IA, el equipo investigador obtuvo resultados que superan al modelo humano en tres dimensiones clave.

En primer lugar, mayor capacidad predictiva: el modelo IA corregido explicó mejor el comportamiento del consumidor que el construido íntegramente por investigadores. En segundo lugar, mayor parsimonia: el modelo corregido necesitó solo 2 variables explicativas, frente a las 3 del modelo humano. En tercer lugar, menor número de ítems: el cuestionario resultante requirió únicamente 6 ítems, frente a los 10 del modelo humano final.

Estos tres indicadores apuntan en la misma dirección: la IA supervisada no solo iguala al método científico tradicional, sino que lo supera en eficiencia y precisión.

Cuestionarios más claros, otra ventaja

La investigación añade un hallazgo relevante para el diseño de instrumentos de medida. Los cuestionarios generados por inteligencia artificial fueron evaluados como más claros y fáciles de entender que los elaborados por el equipo humano. Esta ventaja tiene un impacto real en la calidad de los datos recogidos: un cuestionario mal redactado introduce sesgo en las respuestas y compromete la validez de cualquier modelo, independientemente de su sofisticación teórica.

La propuesta: investigación híbrida

El equipo de la Universidad de La Rioja no propone sustituir al investigador por la máquina, sino integrar ambos en un proceso colaborativo. La conclusión estratégica del estudio es clara: la inteligencia artificial no reemplaza la teoría construida por personas, pero potencia su capacidad predictiva cuando se incorpora a un proceso de investigación supervisado.

Este enfoque híbrido abre posibilidades concretas para la investigación en marketing y comportamiento del consumidor: diseñar cuestionarios más eficientes y comprensibles, reducir tiempos y cargas de trabajo, identificar patrones complejos y mejorar la precisión de los modelos. No se ha detallado si el grupo investigador prevé extender este enfoque a otras áreas de las ciencias sociales ni si existen líneas de investigación futuras vinculadas directamente a estos resultados.

El artículo completo está disponible en Journal of Retailing and Consumer Services a través del identificador digital https://doi.org/10.1016/j.jretconser.2026.104812.