Por Steve Smith : ¿Está muriendo el PDF como unidad del conocimiento científico?

 

Durante décadas, la publicación académica se organizó en torno a una respuesta tácita a una pregunta clave: ¿Cuál es la unidad básica del conocimiento científico? La respuesta fue el PDF. Artículos completos, con DOI, citas y métricas, concebidos como contenedores estables de saber. Sin embargo, en un escenario dominado por la inteligencia artificial y la demanda de respuestas más que de documentos, este modelo comienza a mostrar límites estructurales.

Esta cuestión atraviesa directamente la vida cotidiana de investigadores, estudiantes, editores y desarrolladores de IA. Cada vez más, el conocimiento se consulta, procesa y reutiliza de forma automática. Cuando los datos, métodos y evidencias están dispersos en un PDF pensado para lectura humana lineal, las máquinas deben “reconstruir” el contexto por inferencia, con riesgos de errores silenciosos, interpretaciones incorrectas o pérdida de trazabilidad.

Puntos clave

• El PDF como formato “con pérdida”: aunque es excelente para lectura humana, dispersa el contexto (figuras, métodos, datos, procedencia) de forma que las máquinas no pueden interpretarlo de manera determinista.

• Del acceso a las respuestas: la industria científica está pasando de una economía del acceso a una economía de las respuestas, donde el valor no es el archivo sino la capacidad de razonar con la información.

• Nacimiento del “Objeto de Conocimiento”: se propone reemplazar al artículo como unidad atómica por paquetes más pequeños, densos y computables, diseñados para la inferencia automática.

Tres capas esenciales:

• Activo: la figura, diagrama, texto o visual clave.

• Contexto: métodos, parámetros, supuestos y vínculos relevantes, estructurados y legibles por máquinas.

• Procedencia: autores, revisión por pares, licencias, versiones y metadatos que permiten evaluar confianza.

• No son fragmentos ni extractos: los Objetos de Conocimiento no son “snippets” sacados de un PDF, sino unidades completas capaces de sostener inferencias válidas por sí mismas.

• IA y confianza: sin contexto explícito, la IA no falla por incapacidad, sino por exceso de confianza en inferencias probabilísticas no verificables.

• Nuevo rol de las editoriales: el valor futuro no estará en poseer documentos, sino en custodiar el contexto y las relaciones verificadas entre datos, métodos y resultados.

• Infraestructura ya existente: identificadores persistentes, esquemas de metadatos, APIs y estándares emergentes permiten este cambio; lo que falta es decisión estratégica.

Fuente

Research Information, Steve Smith, 12 de enero de 2026.

Para localizar el texto completo, busca en Google: “After the PDF: A new unit of knowledge for the AI era Research Information”.

Para acceder a estas noticias o descargar los recursos de información promovidos consulta nuestro blog “Boletín SciELO-México” directo en nuestro perfil de Facebook:

https://www.facebook.com/ScieloMexicoOficial