La mejor IA para el TFG: para qué sirve y dónde está la línea

Si has buscado cuál es la mejor IA para el TFG, seguramente esperas un nombre. La respuesta honesta es que la herramienta importa mucho menos de lo que parece: entre los asistentes generalistas hay diferencias reales, pero ninguna de ellas decide si tu trabajo sale bien. Lo que lo decide es en qué parte del proceso la usas y qué le das como material de partida.

Conviene decir desde el principio qué no vas a encontrar aquí: nada que sirva para entregar como tuyo un trabajo que no has escrito. No es una advertencia moral, es que resuelve el problema equivocado. Un TFG no termina cuando subes el PDF: termina delante de un tribunal que pregunta.

Y un aviso sobre desde dónde escribo, para que lo leas con esa información: me dedico a la formación en IA para empresas y centros educativos, no a acompañar trabajos académicos, y no tengo nada que venderte para tu TFG. Escribo esto porque la habilidad de fondo —encargar bien y desconfiar de lo que vuelve— es la misma que trabajo en formación.

Qué pregunta hay detrás de «la mejor IA para el TFG»

En esa búsqueda caben dos intenciones muy distintas. Una es «quiero terminar antes»; la otra, «quiero que me salga mejor». Solo la segunda tiene una respuesta útil, y la primera se cumple, en parte, como efecto secundario de la segunda.

El motivo es que un TFG no es una tarea, son siete: buscar bibliografía, entenderla, decidir un enfoque, diseñar la metodología, analizar, redactar y defender. La IA no rinde igual en todas. En algunas ahorra horas de trabajo mecánico; en otras te mete en un problema que no verás hasta la defensa.

Lo que sí acelera es el trabajo de reordenar lo que ya tienes: tus notas convertidas en un esquema, un capítulo escrito devuelto como lista de puntos flojos, veinte páginas de un artículo reducidas a un resumen que te dice si merece la pena leerlo entero. Lo que no funciona es lo contrario: encargarle el trabajo entero desde cero y darlo por terminado. La revisión posterior se come el supuesto ahorro, y la hace alguien que ya no domina el texto que tiene delante.

El error de partida: una línea de encargo para un mes de trabajo

Antes de hablar de herramientas hay un fallo previo que explica la mayoría de los malos resultados: escribir una línea suelta y esperar un capítulo. «Hazme la introducción del TFG.» «Explícame este artículo.» En esa línea no está tu pregunta de investigación, ni el enfoque que llevas dos meses discutiendo con tu tutor, ni qué tendría que cumplir la respuesta para que la des por buena. Esos huecos los rellena el modelo por su cuenta, y por eso devuelve un texto de manual que podría ser de cualquiera.

El clic llega cuando dejas de preguntar y empiezas a encargar: contexto, criterios de aceptación, ejemplos y un formato de salida concreto. En un trabajo académico el contexto es tu titulación, tu pregunta de investigación y las normas de tu facultad; el criterio de aceptación, qué tiene que cumplir la respuesta para que la des por buena. La teoría completa está en qué es un prompt y por qué importa cómo lo escribes.

Merece la pena decirlo aunque este artículo hable de un TFG: esa habilidad no caduca al graduarte. Encargar bien, verificar lo que devuelve y saber qué no delegar es lo mismo que se le pide a cualquiera que use estas herramientas en un puesto de trabajo. Si es algo que te interesa a nivel profesional —no como estudiante—, es justo lo que se trabaja en el curso de prompt engineering.

Dónde ayuda de verdad la IA en un TFG

Estas son las cinco fases donde compensa —en un TFG y en los trabajos universitarios largos—, con la parte que sigue siendo tuya en cada una.

Buscar y organizar fuentes

No le pidas bibliografía: pídele vocabulario. Un asistente traduce bien «quiero estudiar cómo afecta el teletrabajo a la comunicación interna en pymes» a la docena de términos, sinónimos y descriptores con los que buscar en las bases de datos de tu biblioteca, en inglés además de en castellano. Después buscas tú, en el catálogo que sí contiene artículos reales.

Con las fuentes ya descargadas, sirve para lo aburrido: ordenarlas por temas o montar una tabla comparativa de metodologías a partir de tus propias fichas de lectura.

Entender un paper denso

Cuando te atascas con un artículo —un método estadístico que no conoces, un marco teórico escrito para especialistas—, tener algo a lo que preguntarle «explícame esta sección como si fuera la primera vez que veo este método» ahorra horas de frustración y no compromete nada: la explicación es un andamio para leer el original, no un sustituto de leerlo.

Aquí encajan especialmente bien las herramientas que trabajan solo sobre documentos que tú subes, como NotebookLM: al responder únicamente a partir de tus PDF y señalar de qué página sale cada afirmación, el margen para que se invente algo se reduce mucho.

Estructurar el índice

Un índice es una decisión sobre el orden de tu argumento, así que la tomas tú. Lo que funciona es usarla como contraste: le explicas tu pregunta de investigación y tu estructura provisional y le pides que señale qué apartado sobra, cuál está sin justificar y qué echaría en falta un lector entre dos capítulos. Lo que te sirva, lo incorporas; lo demás lo descartas.

Revisar coherencia y redacción

Sobre texto que ya has escrito tú, es una revisora incansable: frases de cuatro líneas, conectores repetidos, un término usado con dos significados, un apartado que promete algo que luego no aparece. Pídele que señale los problemas en vez de reescribirlos, y corrígelos tú: así el texto sigue siendo tuyo y aprendes a no repetir el fallo.

Un aviso: pedirle que «lo haga sonar más académico» no arregla un texto flojo, solo lo hace más largo. Por qué un texto suena a IA, y por qué no se arregla con instrucciones de estilo, está explicado en el artículo sobre humanizar textos generados con IA.

Preparar la defensa

El mejor uso, y el que casi nadie aprovecha. Le pasas tu trabajo terminado y le pides que actúe como un tribunal exigente:

«Eres un miembro del tribunal de este TFG, especialista en el área. Aquí tienes el trabajo. Hazme las diez preguntas más incómodas que se te ocurran, empezando por las debilidades metodológicas. No me des las respuestas: solo las preguntas, ordenadas de más a menos probable.»

Después contestas tú, en voz alta y cronometrado. Las preguntas que no sepas responder son exactamente el trabajo que te queda, y descubrirlas una semana antes en tu habitación es bastante mejor que descubrirlas en la sala.

El fallo más caro: la bibliografía inventada

Si te quedas con un solo aviso de todo el artículo, que sea este: los modelos de lenguaje se inventan referencias bibliográficas, y lo hacen con total aplomo.

El motivo es estructural, no un error puntual que corrija la siguiente versión. Un modelo genera la continuación más plausible de lo que lleva escrito, y una referencia académica tiene una forma extremadamente reconocible: apellido, inicial, año entre paréntesis, título, revista, volumen, páginas, un DOI con el formato correcto. Producir algo con esa forma es trivial; producir algo que además exista es otra cosa, y el modelo no distingue entre las dos porque no está comprobando nada.

Hay tres variantes, de menos a más peligrosa:

1. La referencia que no existe. Autores reales, revista real, artículo inventado. Es la más fácil de cazar.
2. La referencia real mal atribuida. El artículo existe, pero es de otro año, de otra revista o de otros autores.
3. La cita que tergiversa. La fuente existe y la has abierto, pero no dice lo que el resumen te ha hecho creer que dice. Esta es la que más se cuela, porque supera la comprobación superficial.

En un TFG el daño es desproporcionado. Un error de contenido se discute; una cita que no existe pone en duda todo lo demás que has escrito, incluido lo que sí habías leído. Y basta con que el tribunal compruebe una.

Cinco comprobaciones antes de dar una cita por buena

• No le pidas referencias. «Dame diez fuentes sobre X» es la petición que garantiza el problema. Busca tú en el catálogo de tu biblioteca y usa la IA sobre lo que ya has descargado.
• Abre cada fuente. Ninguna referencia entra en la bibliografía sin que hayas visto el documento. Sin excepciones.
• Comprueba el identificador. Si hay DOI, resuélvelo; si no, localiza el artículo por título. Que el formato sea correcto no significa nada.
• Verifica lo que dice, no solo que exista. Localiza en el original la frase o el dato que vas a citar. Es donde vive el tercer tipo de error.
• Desconfía de lo que encaja demasiado bien. La referencia perfecta, que dice justo lo que necesitabas para cerrar tu argumento, merece el doble de comprobación.

Dónde está la línea que no se cruza

Con todo lo anterior, la frontera se dibuja sola. Fuera quedan tres cosas:

Redactar el contenido que firmas. No la corrección de estilo ni la reorganización de tus notas: el contenido. El marco teórico, el análisis y las conclusiones son donde se demuestra que has leído y sabes relacionar lo leído. Delegarlo produce un texto correcto que se cae en la primera pregunta.

Citar lo que no has leído. Ya sea porque la referencia no existe o porque no has abierto la que existe, el efecto es el mismo: estás afirmando algo sobre un trabajo ajeno sin haberlo comprobado.

Firmar un razonamiento que no has hecho. La prueba no es filosófica, es práctica y tiene fecha en tu calendario: si mañana un miembro del tribunal te pregunta por qué elegiste esa muestra, esa metodología o esa interpretación de los resultados, ¿tienes respuesta? Si la tienes, el trabajo es tuyo aunque te haya ayudado una herramienta a redactar mejor. Si no la tienes, no lo has escrito: lo has aceptado.

A eso se añade una comprobación que solo puedes hacer tú: la normativa de tu universidad. No hay una regla común, cambia entre facultades y de un curso a otro, y es habitual que pidan declarar qué herramientas has usado. Se pregunta al tutor antes de empezar, no después de entregar.

Lo que no vas a encontrar aquí

Ninguna técnica para que «no se note». No por prudencia: porque no funciona y porque optimiza lo que no importa. Los detectores de texto generado no prueban nada en ninguna de las dos direcciones, y el razonamiento completo está en este artículo.

Lo interesante es que el sistema que sí distingue no es tecnológico. Cuando un docente quiere saber si has hecho el trabajo, lo que funciona es una conversación de tres minutos sobre decisiones concretas: por qué esta fuente y no otra, qué descartaste, qué te costó más. Así está planteado en la guía que uso con el profesorado sobre cómo evaluar cuando el alumnado usa IA. Y esa conversación, en un TFG, tiene nombre propio: es la defensa.

Entonces, ¿cuál elijo?

Por tarea, no por marca. La regla corta es esta: un asistente generalista —ChatGPT, Claude o Gemini, los tres sirven— para pensar, contrastar tu estructura, aclarar conceptos y prepararte la defensa; y una herramienta que solo trabaje sobre los documentos que tú le subas, del tipo NotebookLM, para todo lo que implique resumir o citar fuentes.

Esa segunda parte es la que más diferencia hace, y es una decisión de método más que de producto: cuando el sistema solo responde a partir de los PDF que le has dado y señala de dónde sale cada frase, el problema de la bibliografía inventada se reduce a comprobar que la fuente dice lo que parece decir. Sigue siendo trabajo tuyo, pero acotado.

Qué te llevas de aquí

La mejor IA para tu TFG es la que usas en las fases donde no compromete la autoría: entender, organizar, contrastar, revisar y ensayar la defensa. En las otras —redactar el contenido y sostener las fuentes— no hay herramienta que te sustituya, y el fallo se paga delante del tribunal.

Si tu interés es enseñar esto, no entregar un TFG

Cierro separando los perfiles, porque a un estudiante de grado no tengo nada que ofrecerle y a los otros dos sí.

Si tutorizas trabajos en la universidad, el problema que tienes no es esta lista: es qué se admite declarar, cómo se pregunta en una defensa y qué se hace con una sospecha sin apoyarse en un detector. El planteamiento está en cómo evaluar cuando el alumnado usa IA, y la habilidad de escribir buenos encargos sobre material propio es el curso de prompt engineering.

Si estás en un colegio o un instituto y ves llegar esto a los trabajos de bachillerato o a la investigación de final de etapa, lo que rinde es acordar criterios de claustro antes de que llegue el primer caso: eso es formación en IA para colegios e institutos.

Y si has llegado hasta aquí porque tienes un TFG entre manos, quédate con la frase que resume el artículo: úsala para entender, organizar y ensayar la defensa; escribe tú lo que firmas y no cites nada que no hayas abierto.