Elicit

Elicit es un asistente de investigación con IA creado específicamente para la búsqueda de literatura académica y la extracción de datos. Fue desarrollado en Ought, una organización sin fines de lucro de investigación en seguridad de IA fundada por Andreas Stuhlmüller, exinvestigador del Stanford Computation and Cognition Lab, y se escindió como una corporación de beneficio público independiente en septiembre de 2023. El problema central que resuelve Elicit: los investigadores académicos dedican un promedio de cuatro semanas a la selección manual de artículos para una sola revisión sistemática. Elicit reduce esa ventana de selección de semanas a horas mediante la ejecución de consultas semánticas en lenguaje natural en una base de datos de 138 millones de artículos y 545,000 ensayos clínicos.

El valor principal de la herramienta es la extracción estructurada: los investigadores añaden columnas personalizadas para extraer tamaños de muestra, descripciones de intervenciones, medidas de resultados y notas metodológicas de docenas de artículos simultáneamente. Cada punto de datos extraído enlaza con un pasaje resaltado en el artículo original, lo que agiliza la verificación humana. Elicit también genera informes de investigación automatizados (Automated Research Reports), exporta tablas a formatos CSV, BibTeX y RIS para su importación directa a Zotero, Mendeley o EndNote, y admite la carga de PDF para responder preguntas estilo chat sobre bibliotecas de documentos privados. Un modo de alta precisión (High-Accuracy Mode), disponible en los planes de pago, utiliza motores LLM avanzados para tareas de extracción complejas. Hasta febrero de 2025, Elicit reportó 400,000 investigadores activos mensuales tras recaudar $22M en una Serie A con una valoración de $100M.

Qué es realmente Elicit en abril de 2026

Elicit no es un chatbot de IA de uso general con apariencia de herramienta de investigación. Es una herramienta de flujo de trabajo de literatura estructurada. La distinción es importante: cuando introduces una consulta, Elicit no genera prosa a partir de su propio conocimiento. Busca en el corpus indexado de OpenAlex y Semantic Scholar, clasifica los artículos por relevancia semántica respecto a tu pregunta y extrae campos específicos de los resúmenes y textos completos cuando están disponibles.

La función estrella es la tabla de extracción. Defines las columnas, ya sea desde una biblioteca de 35 opciones predefinidas (población, intervención, tamaño de la muestra, diseño del estudio, período de seguimiento, tamaño del efecto) o mediante indicaciones personalizadas en lenguaje natural ("¿Qué método estadístico utilizó este artículo para los factores de confusión?"), y Elicit rellena cada fila con un fragmento de texto citado del artículo correspondiente. El resultado es una matriz estructurada que se puede exportar y analizar, similar a lo que produciría un asistente de investigación después de leer 40 artículos, pero generada en minutos en lugar de días.

El flujo de trabajo de revisión sistemática (Systematic Review) va más allá: añade una fase de selección (incluir/excluir con razonamiento sugerido por IA), genera un diagrama de flujo compatible con PRISMA y produce un informe resumido. Este proceso es lo que atrae a la plataforma a investigadores clínicos, equipos de salud pública y grupos de síntesis de evidencia. El anuncio de la Serie A de Elicit en febrero de 2025 nombró a la atención médica, las políticas públicas y la industria farmacéutica como mercados de expansión clave más allá del ámbito académico.

Dónde se sitúa Elicit frente a Consensus y SciSpace

Tres herramientas dominan la investigación académica asistida por IA a partir de abril de 2026. Comparten el corpus de artículos subyacente de Semantic Scholar, pero persiguen diferentes flujos de trabajo con mecánicas significativamente distintas.

Consensus está diseñado para la verificación rápida de afirmaciones en lugar de la recopilación sistemática de datos. Su mecánica principal es un "Consensus Meter" binario de Sí/No que agrega hallazgos de estudios relevantes para responder a una sola pregunta de investigación en segundos. Consensus también muestra puntuaciones SJR (SCImago Journal Ranking) e indicadores SciScore junto a los resultados, ofreciendo a los investigadores una señal integrada sobre la calidad de la revista de la que Elicit carece por completo. Mientras que Elicit construye tablas de extracción de múltiples columnas a través de docenas de artículos, Consensus ofrece un veredicto rápido sobre una sola afirmación científica. Consensus cuesta $20/mes en su plan inicial frente a los $12/mes de Elicit, y ninguna de las dos herramientas admite idiomas distintos al inglés.

SciSpace adopta un enfoque centrado en los PDF. Su principal fortaleza es explicar artículos complejos de forma individual: sube un artículo y pídele a la IA que desglose una ecuación, interprete una tabla estadística o resuma una densa sección de métodos en lenguaje sencillo. SciSpace admite hasta 50 columnas de extracción personalizadas en los planes de pago frente al máximo de 10 de Elicit, incluye un asistente de escritura integrado (Elicit no tiene ningún tipo de soporte de escritura) y proporciona un generador de citas dedicado. Su precio inicial de $20/mes es más alto que el de Elicit, y su plan gratuito es más restrictivo que el de Elicit en algunos aspectos. La interfaz modular de SciSpace separa las herramientas en paneles, mientras que la interfaz de Elicit es minimalista y lineal. La elección mecánica se reduce a la prioridad del flujo de trabajo: usa SciSpace cuando necesites comprender profundamente artículos individuales; usa Elicit cuando necesites extraer datos consistentes de una gran colección para una revisión formal.

"Elicit no fue desarrollado para proporcionarte un análisis y síntesis profundos. Puede pasar por alto matices o relaciones complejas entre estudios que un experto humano captaría. Pero es mucho más fácil verificar la información que recopilarla en primer lugar." - Boris Nikolaev, investigador, Medium, 2025

Cómo funciona realmente la IA dentro de Elicit

La capa de búsqueda de Elicit utiliza incrustaciones vectoriales (vector embeddings) para hacer coincidir la intención de la consulta con los resúmenes de los artículos en lugar de la coocurrencia de palabras clave. Esta es la razón por la que Elicit encuentra artículos relevantes que utilizan una terminología diferente a los términos de tu consulta, lo cual es esencial en campos de investigación donde el mismo concepto recibe diferentes nombres a lo largo de las disciplinas o períodos de tiempo.

Las columnas de extracción ejecutan un pase de inferencia separado sobre cada artículo. Para cada par artículo-columna, Elicit envía las secciones relevantes del artículo a un modelo de lenguaje subyacente junto con la definición de tu columna. El modelo extrae el fragmento más relevante y Elicit almacena la ubicación de origen. En el modo de alta precisión (solo en planes de pago), Elicit enruta las solicitudes a motores LLM más capaces para las columnas que requieren una interpretación compleja. El sistema de créditos refleja esto: las columnas de extracción simples son baratas, mientras que las columnas de alta precisión consumen significativamente más créditos por artículo.

Las cargas de PDF añaden una capa de generación aumentada por recuperación (RAG). Cuando chateas con un artículo subido, Elicit recupera los pasajes más relevantes para tu pregunta y los pasa al LLM con instrucciones de responder basándose únicamente en el documento. La atribución de la fuente se muestra para cada respuesta. Es por esto que la precisión de las citas de Elicit es sustancialmente mayor que la de las herramientas de IA de uso general para preguntas específicas de artículos, aunque sigue requiriendo verificación humana para cualquier afirmación que planees publicar.

Las preocupaciones sobre precisión y reproducibilidad que los investigadores siguen planteando

El marketing de Elicit afirma una precisión de extracción del 80-90%. Los estudios académicos publicados en 2025 pintan un panorama más matizado que todo investigador debería comprender antes de confiar en la herramienta para trabajos formales.

Un estudio comparativo de junio de 2025 publicado en Cochrane Evidence Synthesis and Methods (Bianchi et al.) analizó la extracción de Elicit frente a revisores humanos en 20 ensayos controlados aleatorios. Los hallazgos: en las siete variables estudiadas, Elicit extrajo información "igual" a la de los revisores humanos en solo el 20.7% de los casos, fue "parcialmente igual" (información faltante) en el 45.7% y activamente "desviada" (datos incorrectos) en el 4.3%. De manera crítica, el 95% de las extracciones de "efectos de intervención", la variable más importante en la investigación clínica, se calificaron solo como parcialmente iguales. El estudio concluyó: "La verificación por parte de revisores humanos es necesaria para garantizar que Elicit capture toda la información relevante de manera completa y correcta".

Un estudio independiente de Cochrane (Lau et al., 2025) encontró que la sensibilidad promedio de Elicit en las búsquedas de literatura era de aproximadamente el 39.5%, lo que significa que la herramienta pasa por alto aproximadamente el 60% de los artículos potencialmente relevantes en una búsqueda exhaustiva. La precisión de Elicit fue mayor, con un 41.8%, pero la sensibilidad es lo que importa para las revisiones sistemáticas. Los autores concluyeron que Elicit "no buscó con una sensibilidad lo suficientemente alta como para reemplazar la búsqueda de literatura tradicional".

"Elicit debe servir como un andamiaje de investigación, no como una fuente autorizada. Los usuarios requieren instrucción sobre cómo interrogar los resultados de la IA y comprender las limitaciones de transparencia, particularmente en lo que respecta a la procedencia de los datos y la documentación de la metodología de búsqueda." - Biblioteca de la Universidad de Deakin, guía de Evaluaciones de Herramientas de IA, 2025

Limitaciones adicionales documentadas: Elicit no puede extraer información de figuras, diagramas de flujo o tablas de datos visuales dentro de los PDF. Las búsquedas no son reproducibles de la manera estructurada y documentada que se requiere para los informes de revisión sistemática compatibles con PRISMA. La herramienta está disponible solo en inglés, lo que restringe su utilidad en contextos de investigación multilingües.

Estas no son razones para evitar Elicit. Son razones para usarlo correctamente: como una capa de selección y aceleración, no como un reemplazo de la revisión humana. Los investigadores que comprenden el perfil de rendimiento real de la herramienta obtienen valor de ella de manera constante; los investigadores que toman los resultados al pie de la letra crean problemas en etapas posteriores.

Para quién es Elicit

Los estudiantes de posgrado e investigadores de doctorado en campos empíricos son la principal base de usuarios de Elicit. Si tu investigación involucra datos estructurados (ensayos clínicos, estudios experimentales, encuestas), las tablas de extracción de Elicit son genuinamente transformadoras para la selección de primera pasada y la recopilación de datos. Los investigadores de biomedicina, psicología, ciencias sociales y aprendizaje automático son los que obtienen el mayor valor. La búsqueda semántica de Elicit es particularmente buena en campos donde la terminología evoluciona a lo largo de décadas de literatura.

Los equipos de revisión sistemática y síntesis de evidencia en investigación clínica, salud pública y políticas utilizan los planes Pro y Team de Elicit para todo el proceso de revisión sistemática: selección, extracción y generación de informes. La capacidad de exportar documentación compatible con PRISMA (con verificación humana integrada en el flujo de trabajo) lo hace útil incluso dadas las limitaciones de sensibilidad.

Evita Elicit cuando trabajes principalmente en humanidades, derecho o ciencias sociales cualitativas, donde los artículos utilizan razonamiento narrativo en lugar de datos estructurados y las tablas de extracción de Elicit aportan poco valor. Evítalo si necesitas una cobertura de búsqueda exhaustiva y reproducible para una revisión sistemática formal lista para publicación sin complementarla con búsquedas en bases de datos tradicionales como PubMed, Scopus o Web of Science. Evítalo si eres un usuario ocasional que desea respuestas rápidas respaldadas por la ciencia a preguntas individuales, donde Consensus es una mejor opción. Evítalo si tu investigación está en un idioma distinto al inglés.

El límite de dos informes por mes del plan gratuito significa que la mayoría de los investigadores que lo prueban alcanzan el tope en una tarde y necesitan decidirse por un plan de pago. La tarifa Plus de $10/mes (facturada anualmente) es donde terminan la mayoría de los investigadores individuales. Para los equipos que ejecutan múltiples revisiones sistemáticas por mes, el plan Pro a $42/mes (facturado anualmente) se convierte en el punto de entrada adecuado.