Studi Universitas Cornell mengungkapkan bahwa alat AI seperti ChatGPT telah meningkatkan output makalah peneliti hingga 50%, terutama menguntungkan penutur non-pribumi bahasa Inggris. Namun, lonjakan naskah yang dipoles ini menyulitkan peer review dan keputusan pendanaan, karena banyak yang kurang nilai ilmiah substansial. Temuan ini menyoroti pergeseran dinamika penelitian global dan menyerukan kebijakan terbaru tentang penggunaan AI di akademi.
Sejak adopsi luas ChatGPT akhir 2022, para ilmuwan melaporkan produktivitas lebih tinggi, dengan editor jurnal mencatat banjir pengajuan yang ditulis baik tapi bernilai rendah. Studi Cornell, diterbitkan 18 Desember 2025 di Science, menganalisis lebih dari 2 juta preprint dari arXiv, bioRxiv, dan SSRN, mencakup Januari 2018 hingga Juni 2024. Peneliti mengembangkan detektor untuk mengidentifikasi makalah bantuan LLM dengan membandingkannya dengan yang ditulis manusia pra-2023.
Hasil menunjukkan peningkatan produktivitas yang jelas: penulis yang kemungkinan menggunakan LLM memposting sekitar sepertiga lebih banyak makalah di arXiv dan lebih dari 50% di bioRxiv dan SSRN. Keuntungan paling menonjol bagi penutur non-pribumi Inggris, dengan peneliti dari institusi Asia meningkatkan output 43% hingga 89,3%, tergantung platform. "Ini pola yang sangat menyebar, di berbagai bidang sains," kata Yian Yin, asisten profesor ilmu informasi di Ann S. Bowers College of Computing and Information Science Cornell.
Selain menulis, alat pencarian AI seperti Bing Chat meningkatkan tinjauan literatur dengan menampilkan sumber lebih baru dan beragam. Penulis pertama Keigo Kusumegi mencatat, "Orang yang menggunakan LLM terhubung ke pengetahuan lebih beragam, yang mungkin mendorong ide lebih kreatif."
Namun, tantangan muncul dalam evaluasi. Makalah tulisan manusia dengan bahasa kompleks sering menandakan kualitas dan tingkat penerimaan jurnal lebih tinggi. Sebaliknya, makalah bantuan LLM, meski prosa canggih, kurang mungkin diterima, menunjukkan bahwa polesan tidak lagi menandakan nilai secara andal. Ketidaksesuaian ini bisa menghambat editor, reviewer, dan pendana, karena hitungan publikasi mentah menjadi menyesatkan.
Studi observasional ini menyerukan tindak lanjut eksperimental dan pembaruan kebijakan. Yin menyelenggarakan simposium 3-5 Maret 2026 di Ithaca untuk membahas peran AI dalam penelitian. Penulis bersama termasuk Xinyu Yang, Paul Ginsparg, Mathijs de Vaan, dan Toby Stuart; pendanaan dari National Science Foundation.
Saat AI berkembang menjadi "co-scientist," Yin menekankan transparansi: "Pertanyaannya adalah, bagaimana tepatnya Anda menggunakan AI dan apakah itu membantu atau tidak."
