¿Qué IA usar para el TFG? Test de fuentes inventadas en 7 modelos

👁 115 lecturas

Para el trabajo de fin de grado (TFG), la mejor combinación es: un buscador con acceso a la web o la base de datos de tu biblioteca para localizar fuentes, NotebookLM (actualmente Gemini Notebook) para trabajar sobre los artículos descargados, y ChatGPT o Claude para estructurar y redactar. En mi prueba con 7 modelos sobre 112 publicaciones solicitadas, 16 resultaron ser totalmente inventadas, y ante literatura regional en polaco dos modelos inventaron casi todo; por tanto, un chat sin conexión directa no sirve para recopilar bibliografía.

Este artículo forma parte de la guía sobre IA en la educación. Realicé la prueba el 12 de octubre de 2026 a través de la API de OpenRouter, comprobando cada referencia en las bases de datos de Crossref y OpenAlex, y revisando los casos sospechosos a mano en catálogos y sitios web de las revistas académicas. La iniciativa surgió tras la duda de un estudiante: qué IA alucina menos al investigar y no malgasta saldo de tokens.

Resumen: qué IA utilizar en cada fase del trabajo

Precios oficiales y consumo basados en los catálogos de OpenAI, Anthropic, Perplexity y Google a fecha de 8-12 de octubre de 2026. Los planes y condiciones de acceso los detallo en el artículo sobre IA para estudiantes.

Mi prueba: el mismo prompt en 7 modelos

Cada modelo recibió la misma instrucción que usaría un estudiante universitario (probada originalmente en polaco; aquí traducida): «Estoy redactando mi trabajo de fin de grado sobre: [tema]. Proporciona 8 publicaciones científicas en las que basar la revisión de la literatura, indicando autores, año, título, revista y DOI». Se evaluaron dos materias:

• Redes sociales: impacto de las redes sociales en la autoestima y la depresión en adolescentes (amplia literatura en inglés, ámbito muy documentado).
• Presupuestos participativos: presupuestos participativos en ciudades polacas, participación ciudadana y sus barreras (materia centrada en literatura específica local).

Todos los modelos se ejecutaron mediante API sin conexión a internet, salvo Perplexity Sonar Pro, que realiza búsquedas en la web de forma nativa. Consideré válida una referencia si realmente existe con esos autores, año y título (variaciones mínimas tipográficas o títulos traducidos se dieron por válidos). «Datos erróneos» corresponde a un trabajo real pero con DOI, revista o autores incorrectos. «Inventada» significa que el artículo no existe.

El coste total del experimento (14 respuestas generadas) fue de aprox. 0,156 EUR (0,175 USD). Conversiones estimadas según el tipo de cambio oficial del Banco Central Europeo del 12/10/2026 (1 EUR = 1,1181 USD; fuente: BCE). Conservo archivados los registros completos con prompts, salidas, consumo de tokens y veredicto de cada entrada.

Conclusiones de la comparativa

• En temas clásicos y con abundancia de literatura en inglés, casi todos aciertan. En la consulta sobre redes sociales, de 56 citas ninguna fue inventada y solo 4 contenían datos imprecisos (por ejemplo, título real emparejado con un DOI erróneo o revista cambiada).
• Con literatura local o no inglesa, los modelos aislados alucinan o evitan responder. DeepSeek inventó las 8 publicaciones polacas solicitadas; Gemini 3.8 Flash se inventó 7 de las 8. Claude y GPT recurrieron a literatura clásica internacional en inglés sobre casos en Brasil o el resto de Europa: referencias reales, pero poco útiles para un análisis local específico.
• Las invenciones resultan extremadamente verosímiles. Los artículos falsos citaban a investigadores reales en ese campo, situados en revistas académicas auténticas y con prefijos DOI reales que correspondían a investigaciones ajenas (como un estudio de psicología forense). En dos ocasiones el modelo alteró el nombre de pila de una autora real.
• Los buscadores con acceso web dan más referencias locales, pero no son infalibles. Perplexity aportó 7 referencias centradas en el país; una de ellas no existía y en otra asignó un DOI real a autores y cabeceras distintas.
• Ahorrar tokens no implica inventar menos. Modelos económicos como Claude Haiku 5.5 o GPT-6 Luna (en torno a 0,0013 EUR / 0,0015 USD por consulta) lograron un rendimiento equivalente al de alternativas diez veces más caras. En la interfaz web habitual, el factor limitante suele ser el número de mensajes por ventana horaria, que se consume con conversaciones largas y no con consultas puntuales de verificación.

Estas cifras coinciden con la bibliografía científica: un estudio en Scientific Reports (2023) detectó un 18% de citas inventadas en GPT-4, y un trabajo publicado en JMIR Mental Health (2025) halló un 19,9% en GPT-4o, subiendo al 28-29% en áreas poco documentadas. En mi muestra global la tasa de invención fue del 14% (16 de 112), pero se disparó al 29% en la temática especializada no anglosajona (16 de 56).

Cómo hacer el TFG con inteligencia artificial paso a paso

1. Revisa la normativa de tu universidad. Consulta la guía docente del TFG y la normativa sobre integridad académica de tu centro. En muchas universidades europeas es obligatorio presentar una declaración explícita del uso de herramientas de IA, o acordar su empleo con el tutor antes de redactar. Pregunta siempre a tu tutor qué herramientas acepta.
2. Delimitación del tema y preguntas de investigación. Pide a un modelo que te proponga 5 alternativas para acotar el objeto de estudio y 3 preguntas clave para cada una. La elección final siempre debe ser tuya y de tu tutor.
3. Revisión bibliográfica. Prioriza Dialnet, Google Scholar, el catálogo de la biblioteca universitaria y repositorios institucionales. Si usas motores de búsqueda académica con IA o Perplexity, abre siempre el documento original. Trata los chats convencionales solo como generadores de palabras clave.
4. Verificación de citas. Introduce cada identificador en doi.org y comprueba autoría, año y revista. Toda publicación sin identificador digital debe figurar en catálogos fiables o repositorios verificables.
5. Lectura y síntesis. Carga los PDF ya revisados en Gemini Notebook y consulta dudas sobre metodología, muestras o limitaciones, exigiendo enlaces al texto fuente. Redacta tus resúmenes con tus propias palabras.
6. Redacción. La elaboración de los capítulos te corresponde a ti. La IA puede sugerirte preguntas para detectar lagunas lógicas o argumentos sin respaldo bibliográfico.
7. Corrección de estilo. Mejorar fluidez, ortografía y coherencia léxica suele estar permitido, pero registra los cambios realizados. Puedes consultar las normas habituales en cómo citar la IA.
8. Control de autoría y detección. Muchos centros analizan los trabajos con herramientas de control documental y análisis de texto sintético. Guarda siempre borradores intermedios y el historial de versiones; abordamos estos sistemas en el análisis sobre si los detectores reconocen la IA.

Prompt para delimitar la bibliografía sin alucinaciones

Este prompt evita pedir referencias concretas; solicita una estructura temática y descriptores para evitar que el modelo invente artículos (traducción adaptada del prompt evaluado en las pruebas):

Estoy preparando mi trabajo de fin de grado sobre el tema: [tema]. Grado universitario: [especialidad].
No inventes ni indiques referencias bibliográficas concretas ni códigos DOI.
En su lugar:
1. Enumera entre 5 y 7 líneas de investigación habituales en la literatura académica sobre este asunto.
2. Para cada línea, indica de 3 a 5 palabras clave (en español y en inglés) para consultar en Google Scholar y catálogos de bibliotecas.
3. Señala qué tipología de fuentes conviene priorizar (artículos empíricos, informes técnicos de organismos oficiales, textos legislativos, bases estadísticas, etc.).
4. Plantea 5 preguntas críticas que ayuden a acotar el alcance del trabajo.

Una vez obtenida tu lista real de artículos, puedes aplicar este prompt para comprobar el formato:

Aquí tienes mi lista de fuentes recopiladas. Aplica el formato según la normativa [APA 7 / pautas del departamento].
No añadas documentos nuevos ni completes lagunas por tu cuenta: marca las omisiones con [DATO FALTANTE: campo].
Indica para cada entrada qué grado de certeza tienes de su existencia y qué datos debería contrastar manualmente.
[lista de fuentes]

Preguntas frecuentes

¿Está permitido usar IA para redactar el TFG?

Depende de la normativa de tu universidad y del criterio de tu tutor. En la mayoría de centros se permite como apoyo instrumental (corrección estilística, organización de esquemas o traducción), exigiendo transparencia y prohibiendo atribuirle la autoría de las conclusiones o redactar fragmentos íntegros sin declarar.

¿Qué modelo comete menos errores al buscar fuentes?

En nuestra comparativa, Claude Sonnet 5.5 no inventó ninguna referencia (16 de 16 verificadas), seguido muy de cerca por GPT-6.1 Sol, Claude Haiku 5.5 y GPT-6 Luna (15 válidas). Sin embargo, ante peticiones de literatura local no anglosajona, los modelos generalistas suelen derivar a estudios internacionales o generar citas ficticias, como ocurrió con DeepSeek y Gemini 3.8 Flash.

¿Qué herramientas de IA para trabajos académicos son gratuitas?

Las versiones de acceso libre de ChatGPT, Claude y Gemini son suficientes para tareas de esquema y corrección ortográfica, mientras que Gemini Notebook (anteriormente NotebookLM) permite procesar documentos PDF propios sin coste.

¿Puede un evaluador detectar si el texto se ha generado con IA?

El profesorado cuenta con herramientas de control documental que señalan patrones estilísticos frecuentes en modelos generativos, además de contrastar el texto con el progreso mostrado en tutorías. No obstante, la señal más inequívoca de fraude es una cita inventada o un DOI falso en la bibliografía.

¿Cómo comprobar si una referencia académica facilitada por una IA es real?

Copia el código DOI directamente en doi.org, busca el título literal entrecomillado en Google Scholar o localízalo en el repositorio de tu universidad, asegurándote de que autoría, revista y fecha coinciden plenamente.

¿Cuánto cuesta utilizar IA para la elaboración del trabajo?

Para la mayoría de fases académicas basta con planes gratuitos. Las suscripciones profesionales comerciales suelen rondar los 20 USD mensuales más impuestos si se contratan directamente con cada proveedor, mientras que el uso mediante API para tareas puntuales representa importes de céntimos de euro.

Referencias

• Walters, Wilder: Fabrication and errors in the bibliographic citations generated by ChatGPT (Scientific Reports, 07/09/2023)
• Análisis de citas generadas por GPT-4o en revisiones de psiquiatría (JMIR Mental Health, noviembre de 2025)
• NotebookLM pasa a denominarse Gemini Notebook (Google, 16/07/2026)
• Crossref REST API: plataforma utilizada para la verificación de identificadores
• OpenAlex: base de datos bibliográfica de validación
• OpenRouter: acceso a modelos evaluados (12/10/2026)

Más información: Qué IA utilizar para bibliografía, Qué IA usar para el trabajo de fin de máster, Cómo crear un esquema de trabajo con IA y Alucinaciones de la IA: test de 10 trampas habituales.

// sigue leyendoAnthropic denuncia ataques masivos de destilación de modelos por parte de Alibaba, Moonshot AI y DeepSeekNoticiasEl modelo rogue de Anthropic se bloqueó durante cientos de páginas intentando superar un CAPTCHANoticiasEl científico jefe de OpenAI defiende entrenar modelos más potentes como mecanismo de defensa ante la IA peligrosaNoticias

Kinetyra