Un nuevo análisis explora cómo los grandes modelos de lenguaje podrían industrializar el p-hacking—la práctica de manipular el análisis estadístico para hacer que resultados insignificantes parezcan significativos. Basándose en la investigación "Big Little Lies" de Stefan y Schönbrodt sobre manipulación estadística humana, el artículo examina si la IA se convertirá en "guardianes de la integridad científica" o automatizará el fraude a gran escala. La preocupación se centra en la capacidad de la IA para navegar lo que los investigadores llaman el "Garden of Forking Paths"—las innumerables decisiones analíticas que pueden alterar dramáticamente las conclusiones de un estudio.
Esto importa porque la IA ya está integrada en los flujos de trabajo de investigación en el ámbito académico e industrial. Mientras que el p-hacking humano típicamente involucra estudiantes de doctorado estresados falsificando números a las 3 AM, la IA podría explorar sistemáticamente cada vía analítica posible para encontrar la que produzca los resultados deseados. El potencial de automatización es asombroso: en lugar de un investigador probando algunos enfoques diferentes, un LLM podría probar miles de combinaciones de variables, estrategias de eliminación de valores atípicos y métodos estadísticos hasta que algo alcance significancia.
Lo que hace esto particularmente peligroso es la negación plausible. Cuando los humanos hacen p-hacking, generalmente hay intención. Cuando una IA lo hace, los investigadores pueden afirmar que solo estaban siendo "exhaustivos" o "explorando todas las posibilidades". La herramienta se convierte en el chivo expiatorio perfecto para la mala conducta metodológica, envuelta en una apariencia de rigor computacional.
Para los desarrolladores que construyen herramientas de investigación con IA, esto crea un problema de responsabilidad. Tu asistente de análisis estadístico no solo está ayudando a los investigadores a trabajar más rápido—podría estar ayudándolos a mentir mejor. La solución no es evitar la IA en la investigación, sino construir salvaguardas que prevengan expediciones de pesca sistemáticas. Piensa en el registro previo obligatorio de planes de análisis, alertas automatizadas para pruebas múltiples y registros de transparencia que muestren cada vía analítica explorada.