Report on CHIIR 2026 Workshop on Generative AI and Academic Search (GAI&AS)

Resumen Técnico: Taller CHIIR 2026 sobre IA Generativa y Búsqueda Académica (GAI&AS)

Planteamiento del Problema
El artículo aborda el cambio de paradigma que está ocurriendo en los sistemas de búsqueda académica debido a la integración de la IA Generativa (GenAI). Los sistemas tradicionales de recuperación de información (IR) han operado históricamente bajo el supuesto de que el rol del sistema es localizar fuentes relevantes, dejando el trabajo interpretativo y epistémico de evaluación, conexión y uso al investigador humano. Sin embargo, las capacidades de la GenAI —como la síntesis, la resumen, la recomendación y la interacción conversacional— están desdibujando estos límites. Este cambio desafía los supuestos fundamentales de la búsqueda académica, la cual depende fuertemente de la trazabilidad, la credibilidad y la interpretación cuidadosa de la evidencia. El problema central es determinar cómo diseñar y evaluar sistemas de búsqueda académica que aprovechen la GenAI para la eficiencia y el descubrimiento sin comprometer la integridad de la investigación, la agencia del usuario, el compromiso cognitivo o la transparencia requerida para el trabajo académico.

Metodología
Este documento es un informe de taller que resume las actas del Taller CHIIR 2026 sobre IA Generativa y Búsqueda Académica (GAI&AS). La metodología empleada fue un proceso de establecimiento de agenda de investigación colaborativo y dirigido por la comunidad, que involucró a investigadores de la interacción humano-información y de la recuperación de información. La estructura del taller incluyó:

1. Charlas Relámpago (Lightning Talks): Diez presentaciones de investigadores detallando proyectos en curso y perspectivas teóricas sobre la GenAI en contextos académicos.
2. Agrupación Temática: Los participantes generaron ideas para trabajos futuros en notas adhesivas, que luego fueron organizadas por los organizadores en tres grupos temáticos distintos.
3. Discusiones en Mesa Redonda: Discusiones estructuradas centradas en tres consignas específicas: (a) teorías y principios orientadores, (b) métodos y enfoques prometedores, y (c) asociaciones y construcción de comunidad.
4. Síntesis: Los autores sintetizaron los resultados de estas actividades para delinear el estado actual del campo, identificar desafíos clave y proponer una agenda de investigación con visión de futuro.

Contribuciones Clave y Hallazgos
El taller identificó tres grupos temáticos primarios que definen el panorama de investigación actual:

1. Fundamentos y Principios:

   • Transparencia y Confianza: Existe un consenso en que los sistemas de GenAI deben ser transparentes respecto a su proceso (atribución de fuentes), su propósito (provocar los objetivos del usuario) y su desempeño (comunicar niveles de confianza).
   • Agencia e Integridad: La investigación debe abordar la "brecha de confianza" donde los estudiantes confían excesivamente en la IA mientras que los docentes desconfían de ella. Los sistemas deben diseñarse para preservar la agencia humana, evitar la descarga cognitiva del pensamiento crítico y mitigar los sesgos (por ejemplo, la dinámica de "el rico se hace más rico" en la reconstrucción de la coautoría).
   • Diseño Ético: Se propusieron principios de "fricción productiva", sugiriendo que los sistemas no deben eliminar la incertidumbre o la exploración, sino apoyar virtudes intelectuales como la curiosidad y la minuciosidad.

2. Aplicaciones y Oportunidades:

   • Más allá de la Recuperación: Las aplicaciones se extienden al soporte personalizado, agentes en el dispositivo y la IA agéntica para tareas de largo plazo como revisiones de literatura y generación de hipótesis.
   • Colaboración Humano-IA: Se necesitan nuevos modelos para la colaboración humano-IA, particularmente en tareas como la programación informática y la búsqueda de información compleja.
   • Casos de Uso Específicos: Se identificaron oportunidades que incluyen resumir/contrastar artículos, encadenamiento hacia adelante/atrás para revisiones de literatura, identificación de brechas de investigación y hacer la literatura académica accesible para audientes no académicos.
   • Desafíos: Los obstáculos clave incluyen el "abismo de ejecución" (la brecha entre la intención del usuario y la capacidad del sistema) y el "abismo de evaluación" (el deseo del usuario de comprender los componentes internos del sistema).

3. Búsqueda como Aprendizaje (Search-as-Learning):

   • Compromiso Cognitivo: Un tema central es la distinción entre la fricción beneficiosa y la perjudicial. Los sistemas deben fomentar que los usuarios se involucren en procesos metacognitivos críticos en lugar de delegarlos a la IA.
   • Andamiaje (Scaffolding): La investigación debe centrarse en un andamiaje adaptativo que apoye a los estudiantes hasta que puedan realizar las tareas de forma independiente, evitando al mismo tiempo el "principio del menor esfuerzo" que conduce a la atrofia de habilidades.
   • Resultados de Aprendizaje: Es necesario investigar si la GenAI mejora el aprendizaje autodirigido o si simplemente facilita la delegación de los procesos críticos de aprendizaje.

Resultados del Taller
El taller estableció con éxito una agenda intelectual compartida para la comunidad CHIIR. Los resultados clave incluyen:

• Identificación de Brechas de Investigación: La necesidad de obtener información empírica sobre cómo los investigadores utilizan realmente los sistemas mejorados por IA en diferentes disciplinas y niveles de experiencia.
• Cambios Metodológicos: Un llamado a ir más allá de las evaluaciones automatizadas a gran escala hacia prácticas de investigación auténticas y participativas, incluyendo estudios observacionales naturalistas, estudios de usuario longitudinales y diseño sensible a los valores.
• Reevaluación Teórica: El reconocimiento de que los modelos existentes (por ejemplo, el Modelo de Aceptación de Tecnología) pueden necesitar una revisión o que se requieren nuevas teorías fundamentadas para abordar el impacto transformador de la GenAI en el trabajo académico.
• Construcción de Comunidad: El establecimiento de la necesidad de asociaciones intersectoriales entre investigadores académicos, bibliotecarios y empresas tecnológicas para acceder a datos de uso en el mundo real y alinear las herramientas con los valores académicos.

Significancia
El artículo afirma su significancia como un documento fundacional para un campo naciente pero en rápido crecimiento. Argumenta que la GenAI en la búsqueda académica no debe tratarse meramente como un nuevo área de aplicación, sino como una oportunidad para revisar los supuestos fundamentales sobre cómo los sistemas de búsqueda apoyan el trabajo del conocimiento. Al reunir a diversos interesados, el taller destacó la tensión entre las ganancias de eficiencia de la GenAI y los requisitos epistémicos de la investigación académica. El informe sirve como una hoja de ruta para la investigación futura, enfatizando la necesidad de un diseño centrado en el humano, la preservación de la integridad de la investigación y el desarrollo de sistemas que apoyen los procesos cognitivos de orden superior en lugar de reemplazarlos. Los autores señalan que el taller demostró un fuerte interés de la comunidad y una amplia gama de iniciativas en curso, lo que justifica los planes para un segundo taller y ediciones especiales de revistas para avanzar en esta agenda de investigación.