Nel nuovo paradigma dell’editoria, l’IA è indispensabile

I modelli tradizionali di pubblicazione si stanno rapidamente riformando man mano che il sostegno crescente per l’accesso aperto continua a salire. L’anno scorso, le sottomissioni sono aumentate del 30%, secondo Springer Nature. Tuttavia, questa domanda si sta rivelando una lama a doppio taglio, poiché gli articoli ritirati hanno raggiunto un massimo storico nell’ultimo decennio, e le riviste sono sommerse da articoli generati dall’IA e ricerche fabricate.

Naturalmente, ciò sta creando colli di bottiglia che danneggiano editori, ricercatori e revisori. Le pubblicazioni faticano a rispettare i calendari editoriali perché i revisori si affrettano a valutare i manoscritti, e gli autori rimangono in attesa per mesi, se non anni, per essere pubblicati. L’attuale modello di revisione paritaria non è mai stato concepito per sostenere questa scala di domanda.

In questo contesto, è fondamentale riconoscere il ruolo dell’IA come strumento di supporto essenziale per rafforzare i processi di revisione paritaria esistenti e aiutare il settore a superare i suoi ostacoli più grandi.

Perché i processi tradizionali stanno cedendo

La revisione paritaria è un lavoro non retribuito. I revisori offrono volontariamente il loro tempo come gesto di buona volontà verso le comunità accademiche e scientifiche. Le richieste sono elevate e le ricompense meno allettanti, con tutte le pressioni che si accumulano. A causa della crescente domanda e delle eccessive sollecitazioni, sempre meno revisori accettano gli inviti a valutare i manoscritti. Inoltre, trovare revisori è una sfida sempre più grande per gli editori, il che aggrava i ritardi e prolunga i tempi di pubblicazione.

Allo stesso tempo, gli accademici si trovano in un contesto di ‘pubblica o perisci’. Per progredire professionalmente, ci si aspetta che abbiano pubblicato lavori in un panorama sempre più congestionato. Questa è un’aspettativa universale in tutto il mondo, e c’è pressione per distinguersi tra il rumore, oltre alla tensione di soddisfare la domanda risultante. Questi fattori sono alla base della crisi della revisione paritaria, dove l’attuale sistema, così com’è, non è sostenibile.

Per chiarire, gli strumenti di IA non dovrebbero essere adottati nel processo di revisione paritaria per sostituire il giudizio umano, ma piuttosto per rafforzarlo. Autori ed editori si aspettano un certo livello di rispetto e dedizione nel processo di revisione, così come avviene per la ricerca.

Tuttavia, piccoli errori possono facilmente passare inosservati, soprattutto quando i revisori si affrettano a valutare un gran numero di manoscritti. Per illustrare, uno studio ha rilevato che nel 2020, oltre 100 milioni di ore – l’equivalente di 15.000 anni – sono state spese nelle revisioni paritarie a livello globale.

Tuttavia, ciò non rende questi errori una norma accettabile. Ciò che può apparire come una trascuratezza insignificante, come un piccolo difetto nei dati, può compromettere la percezione della qualità della ricerca da parte dei lettori.

L’IA come strumento di supporto, non come sostituto

Gli strumenti di IA segnalano errori sottili che altrimenti potrebbero sfuggire. Errori di citazione, omissioni di dati e potenziali sovrapposizioni con la letteratura esistente sono solo alcuni esempi di errori piccoli ma significativi che i revisori possono trascurare.

Questi strumenti sono progettati per gestire compiti a basso rischio, così i revisori possono concentrarsi sugli aspetti più avanzati della revisione, come l’analisi esperta e la valutazione contestuale. Uno strumento è limitato ai dati con cui è alimentato, ma un revisore umano con competenze specializzate può contestualizzare la ricerca a un livello molto più ampio e informato. Inoltre, un algoritmo non può sostituire il ragionamento sottile degli esperti di settore, né dovrebbe farlo. Tuttavia, può alleviare parte degli oneri a basso rischio che incontrano.

L’IA può aiutare i revisori a fornire feedback più chiari e approfonditi, ma solo se usata saggiamente. Può assistere nella conferma delle citazioni, nell’evidenziare problemi metodologici, nel rilevare dati mancanti e nell’individuare somiglianze con ricerche pubblicate in precedenza. Un altro motivo per cui attrae i revisori è il potenziale della ricerca potenziata dall’IA per aiutarli a rimanere aggiornati sulle nuove conoscenze.

Fondamentalmente, tuttavia, i leader del settore, come i senior editor di Elsevier, sostengono l’importanza dell’equilibrio. Lo considerano uno strumento utile per migliorare la qualità della revisione, ma solo se applicato eticamente e sempre sotto supervisione umana.

Affrontare le implicazioni più ampie dell’adozione dell’IA

Le preoccupazioni sono diffuse nella comunità accademica. Recentemente, i ricercatori hanno scoperto che l’afflusso di sottomissioni post-ChatGPT è aumentato del 42%, ma la qualità della scrittura ha purtroppo subito un calo. Lo stesso studio ha anche evidenziato preoccupazioni su come l’IA venga utilizzata per informare le decisioni editoriali quando è impiegata nelle revisioni paritarie.

Inoltre, linee guida e normative stanno ancora rincorrendo la tecnologia per garantire che gli strumenti vengano usati in modo etico e moderato. Sia gli individui che le pubblicazioni devono comprendere i rischi associati. L’abuso di questi strumenti garantisce bias, allucinazioni, conclusioni errate e percezioni false.

La comunità dell’editoria accademica è anche preoccupata per la privacy e la riservatezza. Gli autori tendono a sentirsi a disagio quando strumenti esterni vengono integrati nel processo di revisione, soprattutto in situazioni in cui la ricerca contiene dati sensibili. Questa ansia riguardo a possibili perdite è comprensibile, dato il tempo e lo sforzo che gli autori dedicano alla loro ricerca.

Per questi motivi, le percezioni sull’IA nel processo di revisione sono piuttosto deboli. Una ricerca congiunta di KPMG e dell’Università di Melbourne ha rilevato che 46% delle persone sono disposte a fidarsi dell’IA. Questa indagine ha anche mostrato che una stragrande maggioranza (70%) ritiene necessaria una regolamentazione.

È necessario affrontare questi fattori, il che richiede formazione e trasparenza su come l’IA viene applicata, indipendentemente dal livello di utilizzo nelle revisioni tra pari. Chi utilizza l’IA nel processo di revisione deve comprendere le migliori pratiche e applicare un pensiero critico in ogni fase. Revisori e team editoriali dovranno sviluppare le proprie competenze in IA e alfabetizzazione dei dati, includendo la capacità di interpretare il comportamento dei modelli, riconoscere i limiti e mitigare rischi come le allucinazioni.

La trasparenza è fondamentale per le strategie di adozione, e le pubblicazioni e i revisori devono essere pronti a chiarire e giustificare l’implementazione dell’IA. Audit di routine possono aiutare a confermare precisione e affidabilità. È inoltre cruciale che le pubblicazioni specifichino come i modelli sono addestrati e quali dati li guidano. Nel mondo accademico, gli autori devono sempre dimostrare i metodi di ricerca e le motivazioni. Lo stesso livello di divulgazione dovrebbe applicarsi all’uso dell’IA.

La sicurezza di questi strumenti non può essere ignorata. La crittografia dei dati aggiunge uno strato di protezione informatica indispensabile contro minacce di terze parti, come possibili tentativi di hacking. Ancora una volta, gli audit sono una parte fondamentale per rafforzare la sicurezza, poiché sono progettati per individuare eventuali punti ciechi prima che causino danni.

L’industria si trova a un bivio: rifiutare la tecnologia per mantenere i modelli tradizionali di valutazione della ricerca o abbracciarla. La prima opzione implica che è solo questione di tempo prima che il processo crolli sotto la pressione della domanda. La seconda, invece, consente a editori e revisori non solo di tenere il passo, ma di anticipare la domanda in rapida crescita.