Cómo usar la IA en el TFG sin ponerlo en riesgo

La pregunta útil no es si la inteligencia artificial es «buena» o «mala» para un TFG. Es otra: qué tarea concreta puede delegarse, con qué permiso y cómo se comprobará el resultado. Una herramienta generativa puede ayudar a detectar un hueco en un índice o a ensayar preguntas para la defensa, pero también puede inventar una referencia, simplificar un debate o introducir en sus servidores datos que nunca debieron salir del ordenador.

Por eso no existe una lista universal de usos permitidos. Las reglas cambian entre universidades y, dentro de una misma universidad, entre asignaturas. La guía de una materia puede admitir un apoyo declarado mientras otra exige que no se utilice IA generativa salvo autorización expresa. Esta guía propone un método para tomar decisiones sin apoyarse en rumores, capturas de redes sociales ni promesas sobre herramientas «indetectables».

Antes de abrir una IA: comprueba la norma que te afecta

El orden correcto es sencillo: guía docente, normativa del centro y tutor. No basta con que otro estudiante de la misma universidad haya podido utilizar una herramienta. El criterio aplicable es el del TFG concreto y el curso en el que se presenta.

Las diferencias son reales. Una guía de TFG de la UNED indica que no se permite utilizar herramientas de inteligencia artificial generativa salvo que el equipo docente autorice expresamente una actividad. Otra guía de la misma universidad advierte de consecuencias académicas cuando el uso es inapropiado y no está autorizado. No son reglas para todos los TFG de España: son ejemplos de por qué hay que leer la propia guía.

Si la documentación no resuelve un uso concreto, conviene formular al tutor una pregunta cerrada: «¿Puedo utilizar esta herramienta para revisar la claridad de un texto escrito por mí si conservo los cambios y lo declaro en un anexo?». Una respuesta así es mucho más útil que preguntar en abstracto si se puede «usar IA».

Un criterio de decisión para cada tarea

Antes de introducir una instrucción, somete la tarea a cinco preguntas:

| Criterio | Pregunta que debes poder responder | | --- | --- | | Permiso | ¿La guía o el tutor permiten este uso concreto? | | Autoría | ¿Las ideas, decisiones y conclusiones seguirán siendo mías? | | Verificación | ¿Puedo comprobar el resultado en una fuente independiente? | | Trazabilidad | ¿Puedo explicar y documentar qué hizo la herramienta? | | Privacidad | ¿La consulta evita datos personales, confidenciales o inéditos? |

Si una de las respuestas es «no», no envíes la consulta. Si la respuesta es «no lo sé», detén el proceso y acláralo. La rapidez que proporciona una IA no compensa una decisión que luego no se puede justificar ante el tutor o el tribunal.

La Universitat de Barcelona resume bien el enfoque: uso honesto y transparente, responsabilidad humana sobre el resultado, comprobación de la veracidad y protección de la información. También recomienda documentar el uso en trabajos académicos de la forma que establezca cada contexto.

Usos que pueden aportar valor si están autorizados

Una IA suele ser más útil cuando critica un material que ya existe que cuando se le pide producir el trabajo desde cero. Por ejemplo, puedes darle tu pregunta de investigación y un índice propio para que señale conceptos sin definir, saltos lógicos o apartados que no conducen a ningún objetivo. La decisión de aceptar o rechazar cada observación sigue siendo tuya.

También puede servir como interlocutor para aprender. En lugar de pedir «hazme el marco teórico», es preferible solicitar preguntas socráticas sobre una teoría que ya has leído y contestarlas con tus notas. Si el modelo responde, esa respuesta no se incorpora al TFG como conocimiento: se contrasta con el manual o artículo original.

Otros usos razonables, siempre que la norma los admita, son revisar la claridad de un párrafo propio sin alterar su significado, proponer objeciones a una interpretación, explicar un error de código para que puedas corregirlo o simular un tribunal durante la preparación de la defensa. Incluso en esas tareas hay que conservar la versión anterior y revisar el resultado palabra por palabra.

Un prompt responsable incluye límites. Por ejemplo:

Lee este índice redactado por mí. No escribas contenido para el TFG ni añadas bibliografía. Señala únicamente incoherencias entre la pregunta, los objetivos y los apartados, y formula una pregunta para que yo revise cada problema.

El valor de esta instrucción no está en que el modelo tenga razón, sino en que obliga a convertir una petición vaga en una tarea acotada y comprobable.

Usos que ponen en riesgo el trabajo

El principal riesgo no es que un detector marque un porcentaje. Es presentar como propio un razonamiento que no se puede reconstruir ni defender. Un capítulo fluido puede ocultar conceptos incompatibles, afirmaciones sin apoyo y una bibliografía decorativa. Estas carencias suelen aparecer al comparar el texto con los objetivos o al pedir al estudiante que explique por qué eligió una fuente.

Hay cuatro prácticas especialmente problemáticas:

1. pedir la redacción final de apartados que se entregarán como autoría propia sin permiso ni declaración;
2. copiar referencias sin abrirlas y leerlas;
3. resumir artículos a los que no se ha accedido o sustituir su lectura por la respuesta del modelo;
4. cargar entrevistas, historias clínicas, datos de participantes, documentos internos o trabajo inédito sin una base y unas garantías adecuadas.

Tampoco es sensato pedir a una herramienta que «humanice» un texto para eludir controles. Ese objetivo ya revela que se está ocultando el proceso, y las sucesivas reescrituras pueden deformar todavía más las ideas. Si te preocupa no poder demostrar tu autoría, la solución es un proceso trazable: notas, lecturas, matrices, borradores y decisiones conservadas.

La bibliografía: comprobar no es buscar si el título existe

Una referencia sugerida por un modelo puede ser falsa, pero también puede ser real e inútil. El artículo quizá no sostenga la frase, estudie otra población o emplee un concepto distinto. Por eso la verificación tiene dos niveles: identidad y pertinencia.

Primero busca el título, los autores, el año y el DOI en el catálogo de la biblioteca, la web de la revista o la base especializada. Después abre el texto completo y localiza el argumento o dato que necesitas. Lee el contexto, comprueba el método y registra la página. Solo entonces la fuente puede entrar en la matriz bibliográfica y, si procede, en la memoria.

Este flujo evita un error frecuente: citar la respuesta del modelo como si fuera la evidencia. La IA no sustituye al artículo original. La UOC explica cómo documentar una herramienta generativa cuando el contexto lo requiere, pero esa cita describe el uso de la herramienta; no convierte su salida en una fuente académica para cualquier afirmación.

Cómo llevar un registro de uso

Si la herramienta está permitida, abre desde el principio una tabla de trazabilidad. Esperar al final obliga a reconstruir de memoria decenas de interacciones. Para cada uso anota la fecha, herramienta y versión, finalidad, prompt relevante, salida utilizada, cambios realizados y forma de verificación. Guarda también los borradores anterior y posterior.

Cuando la universidad no ofrece una plantilla, un anexo podría decir, con la aprobación del tutor:

Se utilizó [herramienta y versión] el [fecha] para identificar posibles incoherencias en un índice previamente redactado. No se incorporó texto generado. Las observaciones aceptadas se comprobaron mediante [procedimiento] y las decisiones finales fueron del autor.

No copies esta fórmula sin consultar las instrucciones de tu centro. Su función es mostrar el grado de precisión necesario, no crear un estándar universal.

Un flujo de trabajo que puedas defender

El proceso más sólido mantiene separadas tres capas. La primera contiene las fuentes originales: artículos, libros, datos y normas. La segunda contiene tu trabajo intelectual: notas, comparaciones, decisiones, análisis y borradores. La tercera, si está permitida, contiene las interacciones con IA. La tercera nunca sustituye a las dos primeras.

Al terminar cada sesión, comprueba qué frases proceden de una fuente, cuáles son interpretación propia y qué cambios fueron sugeridos por una herramienta. Si no puedes reconstruir una afirmación desde su evidencia, todavía no está lista para el TFG. Este hábito mejora el trabajo incluso cuando no se utiliza IA, porque hace visible la relación entre lectura y escritura.

Qué hacer si ya la has utilizado sin registrar el proceso

No intentes ocultarlo con otra herramienta. Vuelve a la normativa, informa al tutor si el uso debía declararse y reconstruye la trazabilidad con lo que aún conserves. Revisa cada fuente desde el original y reescribe únicamente a partir de tu comprensión y de las indicaciones académicas recibidas. Si una parte no puede verificarse o explicarse, elimínala.

También conviene ensayar la defensa sin el texto delante. Explica por qué formulaste cada objetivo, cómo seleccionaste la literatura y qué limitaciones tiene el método. Las dudas que aparezcan en ese ensayo revelan mejor los problemas de fondo que cualquier porcentaje automático.

Fuentes y recursos consultados

• Buenas prácticas en el uso de la IA generativa, Universitat de Barcelona
• Políticas y recomendaciones sobre IA generativa, Universitat de Barcelona
• Cómo citar las inteligencias artificiales en trabajos académicos, UOC
• Orientaciones generales sobre IA generativa, UOC
• Guía de TFG de Estudios Ingleses 2026/2027, UNED
• Guía de TFG de Ciencia Política 2026/2027, UNED
• Fotografía editorial de Carter Hightower, Unsplash

Continúa con estas guías

• Cómo construir el marco teórico
• Cómo hacer el marco teórico
• Cómo citar correctamente
• Cómo preparar la presentación y la defensa