Resumen ejecutivo
La forma tradicional de aprender a investigar empieza por un libro de metodología. La propuesta de Sergio Tobón es exactamente la contraria: estudiar primero los artículos que ya lograron impacto y construir el propio proyecto para que cumpla esos criterios desde el día uno. A eso llama investigación inversa. El método se ordena en cinco hitos secuenciales —brecha, protocolo, análisis, redacción y publicación—, cada uno apoyado por un agente de IA especializado y entrenado, no por un chatbot genérico, y siempre bajo lo que Tobón llama la agencia crítica del investigador. Dos decisiones lo diferencian de casi todo lo que se enseña: la revista se elige al inicio del proyecto, y el foco no está en la pregunta de investigación sino en la brecha del conocimiento.
1. Qué es la investigación inversa
El punto de partida es una observación práctica: si quieres lograr alto impacto científico, estudia lo que ya lo está logrando. La investigación inversa consiste en analizar en detalle qué hace que los artículos publicados en revistas del primer cuartil tengan impacto: cómo se estructuran, qué plantean, cuál es su lenguaje, cómo abordan la brecha en el conocimiento, por qué se los considera innovadores y originales.
El análisis es minucioso y abarca cada componente del artículo: título, autores, afiliación, resumen, introducción, sección de métodos y técnicas, resultados. Y sobre todo, las relaciones entre esas partes — cómo se conectan los resultados con el método y con la introducción, cómo se estructura la discusión, en qué orden se abordan los temas, cómo dialoga con el estado del arte.
La recomendación operativa es concreta: elegir uno, dos o tres artículos de alto impacto —Tobón sugiere un mínimo de 50 citas por año, con muchas descargas y visualizaciones— y diseccionarlos. Con esos «elementos ganadores» identificados, se estructura el propio proyecto, sea de licenciatura, especialización, maestría, doctorado o posdoctorado.
2. Los cinco hitos
El método tiene cinco etapas que deben seguirse en orden, sin saltarse ninguna, y cada una requiere al menos un agente de IA especializado:
- Identificar y explicar la brecha en el conocimiento científico, tomando como base todos los artículos de primer cuartil del área (y bajando de cuartil solo si hay muy pocos). Aquí se desarrolla el estado del arte, con un agente entrenado para ese trabajo específico.
- Elaborar el protocolo a partir de esa brecha, siguiendo una guía estandarizada del área — no un protocolo genérico. Si el diseño es cuasiexperimental, se usa la guía internacionalmente aceptada para ese diseño; si es cualitativo etnográfico, la que corresponda. Y se registra antes de comenzar, porque muchas revistas de primer cuartil ya exigen el registro previo.
- Realizar los análisis —cuantitativos, cualitativos o mixtos— con las técnicas más avanzadas, revisando nuevamente la literatura de punta para ver qué métodos estadísticos o cualitativos se están proponiendo.
- Redactar el artículo. Nótese que la escritura llega recién en el cuarto hito, cuando ya existen la brecha, el protocolo, el registro, la revista seleccionada y los análisis hechos.
- Gestionar la publicación, enviando el artículo a la revista que se eligió al inicio.
El principio que más rompe con la práctica habitual: la revista no se elige al final, cuando el artículo ya está escrito — se elige desde el comienzo, para que toda la investigación se construya en función de sus referentes reales. Y ojo: no según las políticas editoriales declaradas, sino según los artículos que la revista efectivamente está publicando, tomando como referencia los últimos seis meses.
3. Agentes entrenados, no chatbots
Tobón es enfático en esto y vale la pena subrayarlo porque es donde más gente se equivoca: el método no funciona con asistentes conversacionales genéricos. Requiere agentes especializados, entrenados con la literatura de primer cuartil del área, con los referentes seleccionados y con los artículos de la revista de destino. Y una prueba de realidad para verificarlo: confirmar que el agente realmente actúe como agente y no como chatbot.
La ecuación completa del método es una interacción de tres partes: la agencia crítica del investigador + el agente de IA + los referentes de primer cuartil. Ninguna de las tres es prescindible — y la primera es la que decide.
Hay además un uso de la IA especialmente relevante para América Latina, donde el acceso a bases de datos científicas sigue siendo caro y limitado: entrenar un agente que busque directamente en las revistas y haga minería especializada de literatura, sin depender de suscripciones a los grandes índices. Es una respuesta concreta a una barrera estructural de la región.
4. La parte polémica: los libros de metodología
La recomendación más discutible de la charla —y el propio autor la presenta así— es abandonar los libros de metodología de la investigación. Sus argumentos son dos.
El primero es que son genéricos: enseñan un procedimiento universal cuando cada área tiene guías específicas y estandarizadas que son las que efectivamente se exigen. El segundo es más fino: enfocan el problema en el lugar equivocado. Los libros ponen el centro en cómo formular la pregunta de investigación y los objetivos; los artículos que se publican en el primer cuartil ponen el centro en la brecha del conocimiento —qué falta por conocerse para que el aporte sea innovador—. De hecho, señala Tobón, muchos de esos artículos tienen un solo objetivo general o una sola pregunta general.
Su conclusión: esos libros terminan desenfocando de la meta. Y aporta su propio testimonio como evidencia: nunca siguió un libro de metodología para planear un proyecto ni para redactar un artículo — desde su licenciatura, su forma de planificar fue revisar los artículos ya publicados en las revistas de mayor impacto de su área.
5. El efecto secundario: los obstáculos se vuelven resolubles
Hay un pasaje de la charla que describe algo que rara vez se menciona en las discusiones sobre método, y que es quizá su argumento más persuasivo. Cuando se trabaja de esta forma, «las cosas comienzan a fluir»: donde antes parecía imposible conseguir una muestra grande de participantes, aparecen las formas y los mecanismos; donde no había manera de acceder a determinados equipos, revisar qué hicieron otros que sí publicaron revela soluciones y alternativas.
La explicación es simple y poderosa: estudiar cómo resolvieron otros los problemas que hoy te frenan convierte esos problemas en asuntos con precedente. No es motivación: es acceso a soluciones ya probadas.
6. Conclusiones
Tres ideas para llevarse. Primero, ingeniería inversa aplicada a la ciencia: si existe un conjunto de artículos que ya lograron lo que buscas, ese conjunto es tu especificación — leerlo con detalle vale más que cualquier manual general. Segundo, el orden importa y la revista va primero: elegir el destino al inicio alinea todas las decisiones posteriores, desde el diseño hasta el lenguaje. Tercero, la IA aquí no escribe el artículo: entrena la mirada — agentes especializados que ayudan a mapear literatura, detectar la brecha y verificar el ajuste con los referentes, siempre subordinados al juicio crítico de quien investiga.
Para América Latina, donde publicar en revistas de alto impacto sigue siendo desproporcionadamente difícil, la propuesta tiene un valor adicional: convierte una desventaja de acceso en un problema de método. Y los problemas de método se pueden resolver con disciplina, criterio y herramientas que hoy están al alcance de cualquier investigador con conexión a internet.
Referencias
- Tobón, S. (2026). PAPER1: sistema de agentes de investigación para publicar en Scopus Q1 [charla magistral]. I Congreso IA-LATAM. Video en el canal de Comunidad IA LATAM.
- Perfil del autor: linkedin.com/in/sergiotobon.
- Índices citados como referencia de calidad: Scopus (cuartiles Q1–Q4) y Journal Citation Reports (JCR).
Sobre el autor
Sergio Tobón es investigador y creador de PAPER1, sistema de agentes de inteligencia artificial orientado a la investigación científica. Desarrolló la metodología de investigación inversa a partir de su propia experiencia publicando en revistas de alto impacto desde sus estudios de licenciatura, y la ha difundido en programas de posgrado de distintos países. Fue el keynote de apertura del I Congreso IA-LATAM. LinkedIn
Artículo elaborado por la Comunidad IA LATAM a partir de la transcripción del video de la charla magistral. Esta presentación no cuenta con material de diapositivas publicado, por lo que el artículo se basa exclusivamente en la exposición grabada. Las recomendaciones sobre metodología corresponden a la postura del autor, expresada como tal durante la charla.