Què és Elicit
Elicit és una plataforma de recerca que combina cerca de literatura científica, extracció de dades i generació de resultats amb referències. Les tres vies principals són Research Agent, Research Reports i Systematic Reviews: respectivament, una sessió flexible, un informe panoràmic i un procés de revisió més estructurat.
La unitat de treball no ha de ser necessàriament una conversa: també pot ser una taula en què cada fila representa un estudi i cada columna una pregunta definida. Aquesta organització permet discutir què s’ha trobat, què falta i d’on prové cada dada abans de redactar conclusions.
Documentació de referència: Which Elicit workflow should I use?.
Origen, empresa i desenvolupament
Elicit va néixer a Ought, una organització de recerca sense ànim de lucre. El setembre de 2023 va anunciar la seva independència com a public benefit corporation i una ronda inicial de nou milions de dòlars, liderada per Fifty Years. Els seus cofundadors són Andreas Stuhlmüller, director executiu, i Jungwon Byun, directora d’operacions.
El projecte original plantejava descompondre el raonament en tasques supervisables, com cercar, classificar i resumir. Ought també va publicar Interactive Composition Explorer, una biblioteca oberta per explorar programes de models de llenguatge. Aquest antecedent no converteix tot el servei comercial d’Elicit en programari de codi obert.
- 2024: l’equip va explicar la seva recerca en cerca semàntica i expansió lèxica mitjançant SPLADE.
- 2025: va ampliar els fluxos de revisió i informes i va anunciar al febrer una ronda de 22 milions de dòlars, amb una valoració de 100 milions. A l’octubre va afegir cerques per paraules clau.
- 2026: va presentar API i MCP al juliol, una ampliació de Research Agent a l’agost i noves funcions de col·laboració, biblioteca compartida i rutines durant l’agost i el setembre.
L’evolució és important per interpretar estudis sobre el producte: una avaluació d’una versió anterior descriu aquella configuració, no totes les funcions posteriors.
Documentació de referència: Elicit raises $9M and becomes a PBC · Elicit Series A · Elicit team · Elicit at Ought · From grep to SPLADE · Introducing Keyword Search · Elicit API and MCP · Introducing Elicit Research Agent · AI-powered research is now multiplayer · Elicit Library shared research hub · Introducing Routines.
Cerca semàntica i cerca reproduïble
La cerca semàntica intenta recuperar treballs relacionats amb una idea, encara que no facin servir exactament les paraules de la consulta. El 2024 Elicit va explicar el seu treball amb SPLADE, que amplia representacions lèxiques per combinar relacions de significat amb una cerca més interpretable. És una explicació de desenvolupament datada, no una especificació immutable del motor actual.
La cerca per paraules clau permet editar la consulta proposada, revisar-ne l’historial i treballar sobre el banc d’Elicit, PubMed o ClinicalTrials.gov. La consulta utilitzada es pot incorporar al mètode de l’informe. Això facilita documentar què s’ha cercat i ajustar sinònims o termes que generin resultats irrellevants.
Una estratègia útil comença amb articles coneguts que s’haurien de recuperar. Si no apareixen, cal revisar conceptes, restriccions i fonts abans d’ampliar el volum. Trobar moltes publicacions no demostra que s’hagi localitzat l’evidència pertinent; recuperar pocs resultats molt relacionats tampoc no demostra exhaustivitat.
Documentació de referència: From grep to SPLADE · Introducing Keyword Search.
Quines fonts pot utilitzar
La pàgina actual de Research Agent anuncia accés a més de 138 milions d’articles i més de 545.000 registres d’assaigs. També descriu documents propis i fonts públiques. El nombre de registres no indica quants textos complets són accessibles ni garanteix una cobertura uniforme de totes les disciplines.
L’ampliació documentada el novembre de 2026 inclou patents, Open Targets, DepMap, informació d’openFDA i ChEMBL. Són fonts de naturalesa diferent: una patent descriu reivindicacions; una base de notificacions recull comunicacions; un assaig publicat aporta resultats amb un disseny determinat.
Per investigar una pregunta preventiva cal separar aquests tipus d’evidència abans de sintetitzar-los. Un registre d’assaig sense resultats no s’ha de comptar com a demostració d’eficàcia, ni una notificació espontània com una taxa d’incidència. La procedència ha de continuar visible encara que diverses fonts apareguin juntes en una mateixa taula.
Documentació de referència: Elicit research agent · Where Elicit looks beyond research papers.
Cribratge i revisió estructurada
Systematic Reviews organitza configuració, recopilació, cribratge de títols i resums, possible cribratge del text complet, extracció i informe. La configuració admet pregunta, criteris i context; els modes Fast i Thorough permeten ajustar l’esforç. Algunes opcions avançades depenen del pla i consumeixen més ús.
Abans d’executar el cribratge, convé traduir cada criteri en una decisió comprovable. “Treballadors adults amb tasca d’oficina” és més interpretable que “població rellevant”. També cal decidir què es fa quan el resum no especifica una dada: excloure’l per manca d’informació pot eliminar un estudi vàlid que el text complet sí que aclareix.
Una revisió defensable conserva decisions i motius. Si es modifica un criteri després de veure els resultats, registrar el canvi i revisar quins articles anteriors en queden afectats evita que la selecció depengui de preferències que no consten al protocol.
Documentació de referència: Systematic Reviews in Elicit.
Dels articles a una taula d’evidència
En una extracció, la pregunta de cada columna ha d’especificar exactament què es busca. “Resultat principal al final del seguiment” i “qualsevol resultat esmentat” produiran taules diferents. Sabentis proposa separar població, disseny, mida, intervenció, comparador, durada, mesura i limitacions, adaptant els camps a la pregunta real.
Una dada numèrica necessita context: grup, moment, unitat i denominador. La cel·la “20” és inutilitzable si no permet saber si són participants, percentatge o setmanes. Conservar un fragment de suport i l’identificador de l’estudi ajuda a resoldre discrepàncies sense repetir tota la cerca.
La comprovació ha d’incloure casos difícils, com diversos grups o diversos seguiments, abans de processar el conjunt. Els errors repetits poden indicar que la columna està mal definida, a més d’un error d’extracció. Corregir la definició i reavaluar els articles afectats és més coherent que arreglar cel·les aïllades.
Informes i treball amb agents
Research Reports ofereix una síntesi organitzada d’una pregunta; Research Agent permet iterar amb el material i demanar sortides com taules, figures o presentacions. L’anunci de l’agost de 2026 descriu un entorn que combina fonts i genera resultats amb referències traçables.
Triar el format de sortida al principi millora la utilitat del treball. Per a una reunió de decisió, una taula que distingeixi troballa, incertesa i implicació pot ser més útil que un informe llarg. Per a una revisió formal, en canvi, la síntesi ha de conservar la selecció d’estudis i les decisions metodològiques que la sustenten.
En revisar un informe, cal seguir la cadena des de la conclusió fins a l’estudi: una referència pot estar ben identificada i no donar suport exactament a l’afirmació que l’acompanya. Separar els resultats dels autors, la interpretació de l’agent i la interpretació de l’equip evita atribuir a l’article una conclusió afegida després.
Documentació de referència: Introducing Elicit Research Agent · Elicit Reports · Which Elicit workflow should I use?.
Biblioteca, projectes i col·laboració
La biblioteca permet mantenir col·leccions personals i compartides que Research Agent pot consultar i ampliar. Els projectes es poden associar a aquestes col·leccions, de manera que l’equip conservi un conjunt de fonts de referència juntament amb el context del treball.
Les funcions col·laboratives de 2026 afegeixen sessions compartides, edició de resultats i historial de versions. Skills permet desar instruccions d’un mètode reutilitzable; les sessions col·laboratives i l’edició compartida es reserven a determinades modalitats organitzatives.
Perquè aquesta continuïtat sigui útil, una col·lecció hauria d’indicar l’abast i la data de revisió. Desar un article significa que està disponible per a l’equip, no que hagi superat una avaluació crítica. Distingir “pendent d’avaluar” d’“inclòs a la síntesi” evita que una biblioteca acumulativa es converteixi en una llista de conclusions implícites.
Documentació de referència: Elicit Library shared research hub · AI-powered research is now multiplayer.
Rutines, API i integració
Routines, anunciada el setembre de 2026, permet configurar treball recurrent diari o setmanal. L’usuari revisa instruccions i calendari, pot pausar la rutina i examinar-ne els resultats en una sessió de l’agent. És una manera d’actualitzar una recerca el contingut de la qual canvia amb el temps.
L’API i el servidor MCP ofereixen cerca, informes i revisió sistemàtica per a fluxos externs; l’accés es vincula a Pro i modalitats superiors. Les sortides es poden incorporar a altres aplicacions, conservant referències i estats del procés.
En un seguiment bibliogràfic, Sabentis proposa diferenciar “article nou” d’“evidència que canvia la conclusió”. Una rutina ha de registrar el període consultat, els duplicats i els resultats sense canvis. Per a integracions, fixar límits d’execució i conservar una revisió abans de distribuir conclusions ajuda a evitar que una actualització automàtica es confongui amb una decisió tècnica aprovada.
Documentació de referència: Introducing Routines · Elicit API and MCP.
Accés, plans i idiomes
L’oferta consultada distingeix Basic, Plus, Pro, Scale i Enterprise, amb prestacions que varien per segment i modalitat. Basic permet exploració; les revisions sistemàtiques, exportacions, col·laboració i capacitat ampliada depenen del pla. Convé pressupostar tot el treball de cerca, extracció i revisions, no només la primera consulta.
Elicit està optimitzat per a documents i ús en anglès. La seva ajuda adverteix que altres llengües tenen qualitat variable i poden consumir més ús; no es presenta com a servei de traducció. Aquesta fitxa està disponible en castellà, català i anglès, però això no implica una cobertura equivalent del producte en els tres idiomes.
Per a temes amb bibliografia local rellevant, cal conservar la cerca en l’idioma original i documentar quines fonts queden fora del flux principal. Traduir únicament la pregunta no resol per si sol una mancança de cobertura.
Documentació de referència: Elicit pricing · Languages other than English.
Què mostren les avaluacions publicades
Les xifres s’han de llegir per tasca. El març de 2025, Elicit va publicar una avaluació de cribratge basada en 58 revisions: va comunicar una sensibilitat del 93,6% i una especificitat del 62,8%. S’avaluava la classificació d’un conjunt d’articles, no la capacitat de trobar-los tots des de zero.
Lau i Golder, en un estudi independent de 2025 amb quatre síntesis, van observar una sensibilitat mitjana de cerca del 39,5% per a Elicit, davant del 94,5% de les revisions originals. També va trobar estudis addicionals. Els autors el van considerar complementari sota la configuració avaluada.
Bianchi i col·laboradors van comparar l’extracció en 20 assaigs i set variables. La informació va ser especialment incompleta en matisos dels efectes de la intervenció: el 95% d’aquests camps es va qualificar com a parcialment equivalent. La conclusió reclamava comprovació humana d’integritat i exactitud.
Les avaluacions de Reports publicades per la mateixa empresa reconeixen mostres petites, avaluadors remunerats i repetits entre rondes. Aquestes condicions han d’acompanyar qualsevol lectura dels resultats.
Aquests treballs permeten dissenyar una prova pròpia, però no adjudicar una precisió única al producte actual. Recuperació, exclusió, extracció i síntesi són etapes diferents. Un pilot hauria d’identificar en quina es produeixen els errors, quant costa corregir-los i quina informació es perdria sense revisió.
Documentació de referència: How Elicit evaluated Systematic Review · Lau and Golder: Four-case comparison · Bianchi et al.: Elicit versus human extraction · How Elicit evaluated Reports.
Dades, seguretat i drets d’ús
Elicit va anunciar l’octubre de 2025 un informe SOC 2 Type II disponible sota confidencialitat i descriu controls per a comptes i compartició. La política publicada contempla dades de compte i ús, conservació i serveis de tercers. Compartir un enllaç de lectura i fer un informe localitzable públicament són decisions diferents.
Els termes específics de l’API prohibeixen enviar dades personals i estableixen que les dades d’entrada no s’utilitzen per entrenar models llevat d’una acceptació separada. També recorden que les fonts de tercers mantenen les seves llicències. Aquestes condicions no s’han de confondre amb una autorització general per carregar expedients interns.
Per a una revisió de SST, treballar amb articles publicats i exemples anonimitzats redueix dependències innecessàries. Si l’equip vol incorporar documentació confidencial, ha de comprovar producte, contracte, permisos i destinataris de la sortida abans de fer-ho. Un control de seguretat del servei no acredita la qualitat metodològica de l’informe.
Documentació de referència: Elicit SOC2 announcement · Elicit API terms · Elicit privacy policy.
Aplicacions en seguretat i salut en el treball
En SST pot ajudar en una revisió sobre intervencions ergonòmiques, organització del treball o exposició a agents, facilitant la preparació de taules d’evidència. L’equip ha de definir la pregunta i els criteris d’inclusió abans d’interpretar els resultats per evitar seleccionar només estudis favorables a una hipòtesi.
Com a propostes de Sabentis, es pot utilitzar per comparar intervencions formatives, revisar resultats de canvis organitzatius o preparar una taula sobre mètodes d’avaluació d’una exposició. En tots els casos convé separar població, intervenció o factor estudiat, comparació i resultat. Dos estudis poden fer servir la mateixa paraula per mesurar coses diferents: satisfacció amb una formació no equival a aprenentatge, i l’aprenentatge no demostra per si sol reducció d’accidents.
Exemple desenvolupat i comprovacions
Per exemple, un investigador pot cercar estudis sobre pauses i molèsties musculoesquelètiques en personal d’oficina. Extreu població, intervenció, comparació i resultats, i revisa els textos complets per decidir quines conclusions s’apliquen al seu context i quines continuen sent incertes.
En la revisió sobre pauses i molèsties musculoesquelètiques:
- Formular una pregunta acotada i fixar prèviament població, tipus de tasca, intervenció, comparador i resultats d’interès. Registrar els criteris d’exclusió.
- Localitzar treballs i resoldre duplicats abans del cribratge. Conservar cerques, dates i decisions perquè el procés es pugui revisar.
- Provar les columnes d’extracció en un petit conjunt d’articles: participants, durada, forma de mesurar el resultat, comparador i limitacions declarades.
- Obrir els passatges que sustenten cada dada. Distingir què es mesura a l’inici i al final, i el grup d’intervenció del grup comparador.
- Revisar els textos complets rellevants i la qualitat metodològica abans de sintetitzar. Mantenir visibles estudis no comparables i resultats contradictoris.
La sortida útil és una taula amb procedència verificable i una síntesi que expliqui la incertesa. No basta comptar articles favorables ni combinar resultats que utilitzen escales, durades o poblacions diferents.
Límits d’interpretació i reproductibilitat
Elicit reconeix que pot perdre matisos i confondre a què correspon una xifra. També distingeix resumir resultats de valorar la fiabilitat metodològica d’un estudi. Una dada ben extreta pot provenir d’un disseny insuficient per a la conclusió que interessa.
La mateixa pregunta pot generar sortides diferents per canvis de filtres, actualitzacions o variabilitat dels models. Conservar data, criteris, consultes, estudis i versió exportada permet reconstruir què es va utilitzar en una decisió, encara que una execució posterior hagi canviat.
Quan només es disposa del resum, cal assenyalar-ho i deixar sense resoldre els camps que requereixen text complet. Una absència d’evidència trobada tampoc no demostra absència de l’efecte. L’informe ha d’explicar les mancances i quin treball addicional permetria reduir-les.
Documentació de referència: Elicit's limitations · Why Elicit answers vary.
Com triar i complementar l’eina
Elicit encaixa quan cal una taula d’evidència amb variables definides i un procés de selecció explícit. Per explorar com recerques posteriors han utilitzat un article, es pot complementar amb Scite. Per revisar i consolidar les dades extretes, Excel permet mantenir comprovacions i anotacions pròpies.
En un pilot, comparar una extracció automàtica amb una de revisada manualment. Registrar errors per camp, informació no localitzada i decisions d’exclusió dubtoses. Una millora de temps s’ha d’avaluar juntament amb el treball necessari per corregir i justificar els resultats.
Preguntes freqüents
Utilitzar el flux Systematic Reviews converteix el treball en una revisió sistemàtica?
L’eina ofereix una estructura, però la qualitat depèn del protocol, la cobertura de cerca, el cribratge i l’avaluació dels estudis que l’equip realment fa.
Què significa una cel·la sense informació?
Pot indicar que la dada no s’ha trobat o no estava disponible al material accessible. No equival automàticament que l’estudi no mesurés aquella variable.
Pot recomanar directament una intervenció per a la meva empresa?
Pot organitzar evidència rellevant. La tria exigeix valorar aplicabilitat, condicions locals i qualitat dels estudis, a més de la revisió tècnica corresponent.
