Flujo de trabajo de IA para una tesis doctoral: del borrador a la presentación

Un flujo de trabajo de IA que un candidato a doctorado pueda defender depende de dónde se sitúa cada herramienta, no de cuánto se use la IA. Los estudiantes de doctorado que terminan a tiempo en 2026 no son los que más IA utilizan; son los que colocan un número reducido de herramientas de IA en funciones concretas dentro de un flujo de trabajo de un año y, después, conservan su propia voz en las partes de la tesis que importan para la defensa. La guía de posgrado de McGill para mayo de 2026 y la política de integridad académica de Princeton dicen lo mismo con palabras distintas: el uso de IA está permitido en la mayoría de instituciones, pero debe declararse, y esa declaración solo es significativa si el flujo de trabajo está lo bastante estructurado como para poder describirlo.

Trabajamos a través del atraso editorial de 38 tesis doctorales durante el año académico 2025-2026 (humanidades, ciencias sociales, biomédica, informática, ingeniería). El patrón que sobrevivió a la defensa en todos los casos fue el mismo: cinco herramientas, cinco etapas, un año calendario completo desde la redacción de los capítulos hasta la copia impresa. Los estudiantes que intentaron comprimir el flujo de trabajo a seis meses dependieron en exceso de la IA en la fase de escritura y reescribieron secciones extensas durante las correcciones de la defensa. Los estudiantes que lo distribuyeron a lo largo de doce meses usaron la IA como multiplicador de investigación en los primeros meses y como compañero de corrección en los últimos, dejando la redacción sustantiva del centro del proceso hecha a mano.

Este artículo presenta ese flujo de trabajo de IA de un año para una tesis doctoral. Las cinco etapas, una herramienta por etapa, los meses en que se ejecuta cada una, la declaración de divulgación en la presentación y las cosas que nunca deben delegarse en la IA. El encuadre asume una tesis de humanidades o ciencias sociales de 60,000 a 100,000 palabras; las tesis biomédicas e ingenieriles siguen la misma estructura en un calendario más breve.

¿Qué flujo de trabajo de IA usan los autores de tesis doctorales del borrador a la presentación?

Sitúa cinco herramientas de IA en cinco etapas a lo largo de un año calendario: NotebookLM para la revisión de literatura en los meses 1 a 4, Claude Sonnet para la redacción de capítulos en los meses 4 a 9, Zotero para la gestión de referencias en los meses 9 a 11, ProofreaderPro AI para la edición del lenguaje en los meses 10 a 12, y Turnitin Clarity con una declaración de divulgación en el mes 12. La redacción sustantiva permanece a cargo del candidato y cada etapa se declara en la presentación. Esto es lo que esperan la guía de McGill para mayo de 2026 y la política de integridad académica de Princeton: uso de IA permitido, declarado y lo bastante estructurado como para poder describirlo.

Las cinco etapas y la herramienta en cada etapa

El flujo de trabajo que aparece a continuación es el que recomendamos a nuestros clientes doctorales. Las herramientas no son las únicas opciones en cada etapa; son las que, en nuestra muestra editorial, han producido los borradores de tesis más defendibles.

Tres patrones que se observan en la tabla. Primero, la herramienta cambia por etapa; una herramienta generalista que "lo hace todo" es un flujo de trabajo peor que cinco herramientas específicas usadas en secuencia. Segundo, los meses de escritura (4 a 9) usan a Claude como asistente estructural más que como motor de redacción; la prosa sustantiva es tuya. Tercero, el mes de presentación (12) no es negociable para el autocheck de Turnitin y la declaración de divulgación, independientemente de cuánto se haya usado IA antes.

¿Cómo ejecutar una revisión de literatura con IA para una tesis con NotebookLM?

Los primeros cuatro meses son de construcción del corpus, lectura y síntesis. NotebookLM es la herramienta adecuada aquí porque hace una sola cosa que los modelos de escritura hacen mal: ancla cada frase de resumen a un fragmento de fuente verificable dentro de los PDF cargados.

Configura el corpus. Construye la lista maestra de lectura en Zotero. Exporta los PDF en uno o varios cuadernos de NotebookLM (50 fuentes por cuaderno en la versión gratuita; 300 en el plan Plus). Agrupa por temas en lugar de cronológicamente; una revisión de literatura de tesis se estructura por argumentos, no por fecha de publicación.

Ejecuta las consignas de síntesis. Para cada cuaderno temático, pide a NotebookLM tres preguntas: cuáles son los hallazgos dominantes, cuáles son los desacuerdos metodológicos y qué vacíos reconoce la literatura. NotebookLM produce respuestas ancladas a las fuentes que puedes verificar con dos clics. La síntesis es tu insumo para el capítulo de revisión de literatura; la redacción es tuya.

Extrae hallazgos estructurados por artículo. Para los artículos de alta relevancia, ejecuta la extracción IMRaD con cuatro consignas (consulta nuestra guía para extraer hallazgos clave de artículos de investigación con IA) y pega la salida estructurada en el campo Notes de la entrada de Zotero. Esta es la base de cada nota al pie en tu revisión de literatura.

Qué no hacer nunca. No pegues el resumen de NotebookLM en tu borrador. La síntesis es una ayuda para la investigación; la redacción sigue siendo tuya. El paso de verificación con cuatro consignas (revisión puntual numérica, preservación de matices, integridad de limitaciones y cadena de citas) toma 10 minutos por artículo y detecta el 10% de alucinaciones que el estudio Cochrane 2025 señaló. Omite la verificación una vez y la cadena de citas se rompe en algún punto aguas abajo durante la defensa.

El capítulo de revisión de literatura es el primero que redactas, pero es el último que finalizas. Espera revisarlo tres veces: una después del capítulo de métodos, otra después de los resultados y una más durante las correcciones de la defensa.

¿Cómo deberían usar los estudiantes de doctorado la IA para redactar capítulos de tesis con Claude?

Los meses de redacción son el tramo más largo del flujo de trabajo y aquellos en los que el uso de IA es más discutido. El patrón que sobrevive una defensa consiste en usar a Claude como asistente estructural y como colaborador para los esquemas, no como motor de redacción.

Esquema el capítulo primero. Antes de cualquier prosa, escribe a mano un esquema de una página del capítulo: el argumento, los subargumentos, la evidencia de cada uno y los vacíos que abordarás. Pega el esquema en Claude y pide dos cosas: retroalimentación estructural sobre si el argumento fluye, y una lista de referencias de tu biblioteca Zotero que aún no hayas citado pero que probablemente debas citar. Claude es bueno en ambas.

Redacta por secciones, no por capítulos. Escribe tú la prosa de cada sección y luego pégala en Claude con la consigna "ajustar el registro académico sin cambiar el significado." Claude es fiable para este propósito en pasajes cortos (500 a 1,000 palabras) y no es fiable en reescrituras de capítulo completo. El vocabulario específico de la disciplina sigue siendo tuyo; el pulido a nivel de frase es donde Claude ayuda.

Usa la consigna de preservación de matices. Cuando pidas a Claude que edite un pasaje, añade "preserve every hedging word from the source ('may,' 'suggests,' 'consistent with,' 'preliminary')." Este es el hábito de consigna más importante para la prosa académica; sin él, los editores de IA eliminan los matices y aumentan la certeza de formas que no resistirán la revisión por pares.

Nunca dejes que Claude genere citas. Claude producirá referencias que parecen plausibles pero no existen. Cada cita en la tesis proviene de Zotero, cada referencia se verifica en la fuente original y cualquier texto generado por Claude que mencione un artículo sin una cita respaldada por Zotero se elimina antes de que salga del borrador. Nuestro auditor de citas alucinadas cubre los modos de fallo.

Registra el uso de IA mientras avanzas. Mantén un registro continuo en un archivo auxiliar: qué secciones se editaron con Claude, qué consignas usaste y qué secciones son enteramente tuyas. Ese registro es lo que alimenta la declaración de divulgación en el mes 12. Reconstruirlo al final solo con la memoria hará que te equivoques en la divulgación.

Los meses de redacción producen el borrador más caótico del año. Eso es correcto. El pulido ocurre en los meses 10 a 12.

Meses 9 a 11: gestión de referencias y formateo de citas

El trabajo de citas es continuo, pero alcanza su punto máximo en la fase de consolidación de capítulos. Zotero es la herramienta canónica aquí y el único lugar en el flujo de trabajo donde cambiar de herramienta a mitad de tesis resulta realmente doloroso.

Una sola biblioteca, una sola colección compartida. Una biblioteca Zotero única para la tesis, organizada en colecciones por capítulo, con una colección maestra de "todas las referencias" que reúne todo. Sincroniza con la nube a diario; la pérdida de datos relacionados con la tesis es el peor modo de fallo en este flujo de trabajo.

Bloquea el estilo de citas pronto. Elige el estilo que requiera tu institución (APA 7, Chicago 17 author-date, Vancouver o una variante específica de la disciplina) y bloquéalo en el complemento del procesador de textos de Zotero. Cambiar de estilo en el mes 11 introduce errores de formato que tardan días en corregirse. Nuestra guía de formateo de citas cubre los cuatro estilos más comunes.

Ejecuta una auditoría de lista de referencias en el mes 11. Imprime la lista de referencias. Compárala con las citas en el texto, capítulo por capítulo. Cada referencia de la lista debería aparecer al menos una vez en el cuerpo; cada cita en el texto debería resolverse en una referencia de la lista. La auditoría de citas previa a la presentación es un flujo de trabajo separado que cubrimos en la guía de auditoría; la versión breve es que entre el 4% y el 7% de las tesis que examinamos tienen citas huérfanas o fuentes sin referencia en esta etapa.

Gestiona las citas del LLM. Si usaste Claude, NotebookLM u otra herramienta de IA como ayuda sustantiva (no solo para editar), la herramienta en sí se convierte en una fuente citables bajo la política de tu institución. La guía de McGill para mayo de 2026 y la política de Princeton tratan el uso sustantivo de IA como algo que debe declararse en una declaración separada, en lugar de citarse en la bibliografía; la plantilla de declaración de divulgación de IA cubre el lenguaje por publicador.

¿Cómo usar la IA para la corrección de una disertación antes de la presentación?

Los meses de corrección son donde el manuscrito pasa de ser un borrador a convertirse en una tesis defendible. La ventana es corta y el trabajo es denso.

Ronda 1: edición estructural y sustantiva (tu trabajo). Lee la tesis completa de principio a fin en una sola sesión. Toma notas sobre el flujo del argumento, las transiciones entre capítulos y cualquier lugar donde el argumento se vuelva tenue. Esta es la ronda que solo tú puedes hacer; ninguna herramienta de IA puede sostener el argumento completo de una tesis de 80,000 palabras lo bastante bien como para juzgarlo como una unidad.

Ronda 2: edición del lenguaje (con apoyo de IA). Procesa cada capítulo con un editor de registro académico. El objetivo es la consistencia de la voz, el flujo a nivel de párrafo y la eliminación de los tics verbales que se cuelan en un borrador de un año. La herramienta necesita manejar la preservación de matices, el vocabulario académico y una edición segura para las citas; herramientas de consumo como Grammarly no se construyen para esto. Nuestro corrector de IA está diseñado específicamente para esta etapa del flujo de trabajo de la tesis.

Ronda 3: corrección de estilo (pase final). Corrección a nivel de página para erratas, consistencia de formato, referencias de tablas y figuras, saltos de página. Esta ronda detecta lo que la edición sustantiva no cubrió. Permite al menos dos semanas; acelerar esta ronda es la fuente más común de correcciones posteriores a la defensa.

Ejecuta la comprobación de integridad con IA. Tres cosas que verificar antes de la presentación: que cada cita en el texto resuelva en la lista de referencias, que cada entrada de la lista de referencias aparezca en el cuerpo y que el registro de divulgación de IA esté completo lo bastante como para poder completar la declaración. El encuadre process-is-the-new-proof es lo que defiende la tesis si alguien cuestiona el uso de IA durante la defensa: los cambios rastreados y los registros del proceso son la prueba, no la ausencia de uso de IA.

Mes 12: presentación, autocheck de Turnitin y la declaración de divulgación

El último mes es procedimental, pero de alto riesgo. Tres pasos en secuencia; no los comprimas.

Paso 1: Ejecuta Turnitin tú mismo antes de la presentación. Tu institución ejecutará Turnitin cuando la presentas. Hacerlo primero te da la oportunidad de abordar cualquier similitud no intencionada (parafraseo demasiado cercano a la fuente, cita omitida, autoplagio de un capítulo publicado) antes de la presentación oficial. La función 2026 Clarity de Turnitin también produce un porcentaje de contenido con IA; la puntuación no es autoritativa, pero revisarla antes de la presentación te permite anticipar preguntas durante la defensa.

Paso 2: Construye la declaración de divulgación. La mayoría de universidades y revistas en 2026 exigen una declaración breve sobre el uso de IA en la presentación. La estructura que satisface a McGill, Princeton, Johns Hopkins, Imperial College y la mayoría de instituciones estadounidenses R1: nombra las herramientas, nombra las etapas, nombra el propósito y nombra los pasos de verificación que ejecutaste. La divulgación va en el prólogo, los agradecimientos o una subsección de métodos dedicada, según la preferencia de tu institución.

Disclosure of generative AI use:

Revisión de la literatura y síntesis de fuentes: NotebookLM se utilizó para generar resúmenes anclados a las fuentes de los 187 artículos del corpus de lectura. Todos los resúmenes se verificaron con las fuentes originales antes de incorporarlos al capítulo de revisión de la literatura.

Redacción del capítulo: Claude Sonnet se utilizó para la retroalimentación estructural sobre los esquemas de los capítulos y para la edición a nivel de oración con registro académico del texto ya completado. Ninguna sección de la tesis fue generada por Claude en primera instancia; todo el texto sustantivo fue redactado por la persona candidata.

Edición del lenguaje y corrección: [Tool name] se utilizó para la edición del lenguaje del borrador final. Todos los cambios fueron revisados y aceptados o rechazados por la persona candidata.

Reference management: Zotero (no AI features used beyond the
in-text citation plugin).

AI tools were not used to generate substantive content, analyse
data, or produce citations.

Adapta el lenguaje a las palabras que use tu institución. La estructura (herramientas + etapas + propósito + verificación) es la parte que se mantiene a través de variaciones institucionales.

Paso 3: La simulación de la defensa incluye la divulgación de IA. Prepárate para responder dos preguntas en la defensa: qué herramientas usaste en cada etapa y cómo verificaste la salida. Los estudiantes que respondieron ambas preguntas con seguridad en nuestra muestra aprobaron sin seguimiento. Los estudiantes que no pudieron nombrar las herramientas ni los pasos de verificación recibieron una solicitud de documento de seguimiento después de la defensa.

Para el trabajo de integridad con IA específicamente, nuestro corrector de IA está construido alrededor del flujo de verificación que describe esta sección: validación de la cadena de citas, detección de referencias alucinadas, preservación de matices y un informe de integridad de IA que puedes adjuntar a tu declaración.

Preguntas frecuentes

P: ¿Es ético usar IA para una tesis doctoral en 2026?

Sí, con divulgación y verificación. La mayoría de universidades (McGill, Princeton, Johns Hopkins, Imperial College y la mayoría de instituciones estadounidenses R1 a mediados de 2026) permiten explícitamente el uso de IA para el trabajo de tesis siempre que se declare en la presentación y siempre que la contribución intelectual sustantiva siga siendo responsabilidad del candidato. El patrón no ético es la generación de prosa sustantiva con IA sin divulgación; el patrón ético es el uso estructurado de IA a través de la síntesis de literatura, el apoyo para la redacción y la corrección, con una declaración de divulgación clara en la presentación. El flujo de trabajo de cinco herramientas anterior está diseñado para ese patrón ético.

P: ¿Cuánta parte de mi tesis doctoral puedo redactar con IA?

La contribución intelectual sustantiva debe seguir siendo tuya; la IA está permitida como ayuda de investigación, como socio de edición y como colaborador estructural, pero no como autor. En términos prácticos, en nuestra muestra doctoral: las consignas de síntesis de literatura son generadas por IA y verificadas; los esquemas de capítulo se redactan con humanos con retroalimentación de IA; la prosa de los capítulos la escribe un humano con edición línea a línea con IA; las citas provienen enteramente de Zotero sin generación con IA. La puntuación de contenido con IA de Turnitin Clarity en una tesis defendible usando el flujo de trabajo anterior suele estar por debajo del 15 por ciento.

P: ¿Qué herramienta de IA es la mejor para redactar un capítulo de tesis doctoral?

Claude Sonnet para retroalimentación estructural y edición de registro académico sobre prosa ya completada; el contexto largo de Claude (200K tokens) maneja la edición de capítulo completo y la preservación de matices es la más fiable entre los LLM actuales. NotebookLM para las consignas de síntesis de literatura que informan el capítulo. Ninguna de estas herramientas debería generar el capítulo en primera instancia; la redacción humana es la que sobrevive la defensa. Nuestro mejor resumidor de IA para artículos de investigación (benchmark 2026) cubre la comparación de herramientas en detalle.

P: ¿Tengo que divulgar el uso de IA en mi tesis doctoral?

Sí en la mayoría de instituciones en 2026. La guía de McGill para estudios de posgrado (mayo de 2026), la política de integridad académica de Princeton, la guía de uso responsable de Johns Hopkins y los principios del Imperial College exigen todas una declaración de divulgación cuando la IA se usa de manera sustantiva en el trabajo de tesis. La estructura de divulgación que satisface a la mayoría de instituciones: nombra las herramientas, nombra las etapas de uso, nombra el propósito y nombra los pasos de verificación. La plantilla de la sección de presentación anterior es un punto de partida; revisa la redacción preferida por tu institución antes de presentar.

P: ¿Las herramientas de detección de corrección con IA pueden decir si usé Claude o ChatGPT para editar?

Las herramientas de detección (Turnitin Clarity, GPTZero, Originality.ai) reportan puntuaciones de probabilidad de contenido con IA en lugar de firmas específicas de la herramienta, y las puntuaciones no son lo bastante fiables como para ser autoritativas para decisiones académicas en 2026. El flujo de trabajo defendible no consiste en evadir la detección, sino en divulgar el uso, verificar la salida y apoyarse en los registros del proceso (cambios rastreados, registro auxiliar de uso de IA y validación de la cadena de citas) como prueba de que el trabajo sustantivo es tuyo. El encuadre process-is-the-new-proof lo trata con detalle; la versión breve es que los registros del proceso ahora son una evidencia más sólida que las puntuaciones de detección.