Qué es Elicit
Elicit es una plataforma de investigación que combina búsqueda de literatura científica, extracción de datos y generación de resultados con referencias. Sus tres vías principales son Research Agent, Research Reports y Systematic Reviews: respectivamente, una sesión flexible, un informe panorámico y un proceso de revisión más estructurado.
La unidad de trabajo no tiene por qué ser una conversación: también puede ser una tabla donde cada fila representa un estudio y cada columna una pregunta definida. Esta organización permite discutir qué se ha encontrado, qué falta y de dónde procede cada dato antes de redactar conclusiones.
Documentación de referencia: Which Elicit workflow should I use?.
Origen, empresa y desarrollo
Elicit nació en Ought, una organización de investigación sin ánimo de lucro. En septiembre de 2023 anunció su independencia como public benefit corporation y una ronda semilla de nueve millones de dólares, liderada por Fifty Years. Sus cofundadores son Andreas Stuhlmüller, director ejecutivo, y Jungwon Byun, directora de operaciones.
El proyecto original planteaba descomponer el razonamiento en tareas supervisables, como buscar, clasificar y resumir. Ought publicó también Interactive Composition Explorer, una biblioteca abierta para explorar programas de modelos de lenguaje. Ese antecedente no convierte el servicio comercial completo de Elicit en software de código abierto.
- 2024: el equipo explicó su investigación en búsqueda semántica y expansión léxica mediante SPLADE.
- 2025: amplió los flujos de revisión e informes y anunció en febrero una ronda de 22 millones de dólares, con una valoración de 100 millones. En octubre añadió búsquedas por palabras clave.
- 2026: presentó API y MCP en julio, una ampliación de Research Agent en agosto y nuevas funciones de colaboración, biblioteca compartida y rutinas durante agosto y septiembre.
La evolución importa al interpretar estudios sobre el producto: una evaluación de una versión anterior describe esa configuración, no todas las funciones posteriores.
Documentación de referencia: 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.
Búsqueda semántica y búsqueda reproducible
La búsqueda semántica intenta recuperar trabajos relacionados con una idea, aunque no utilicen exactamente las palabras de la consulta. En 2024 Elicit explicó su trabajo con SPLADE, que amplía representaciones léxicas para combinar relaciones de significado con una búsqueda más interpretable. Es una explicación de desarrollo fechada, no una especificación inmutable del motor actual.
La búsqueda por palabras clave permite editar la consulta propuesta, revisar su historial y trabajar sobre el banco de Elicit, PubMed o ClinicalTrials.gov. La consulta utilizada puede incorporarse al método del informe. Esto facilita documentar qué se buscó y ajustar sinónimos o términos que generen resultados irrelevantes.
Una estrategia útil comienza con artículos conocidos que deberían recuperarse. Si no aparecen, revisar conceptos, restricciones y fuentes antes de ampliar el volumen. Encontrar muchas publicaciones no demuestra que se haya localizado la evidencia pertinente; recuperar pocos resultados muy relacionados tampoco demuestra exhaustividad.
Documentación de referencia: From grep to SPLADE · Introducing Keyword Search.
Qué fuentes puede utilizar
La página actual de Research Agent anuncia acceso a más de 138 millones de artículos y más de 545.000 registros de ensayos. También describe documentos propios y fuentes públicas. El número de registros no indica cuántos textos completos están accesibles ni garantiza cobertura uniforme de todas las disciplinas.
La ampliación documentada en noviembre de 2026 incluye patentes, Open Targets, DepMap, información de openFDA y ChEMBL. Son fuentes de naturaleza diferente: una patente describe reivindicaciones; una base de notificaciones recoge comunicaciones; un ensayo publicado aporta resultados con un diseño determinado.
Para investigar una pregunta preventiva hay que separar esos tipos de evidencia antes de sintetizarlos. Un registro de ensayo sin resultados no debe contarse como demostración de eficacia, ni una notificación espontánea como una tasa de incidencia. La procedencia debe permanecer visible incluso cuando varias fuentes aparezcan juntas en una misma tabla.
Documentación de referencia: Elicit research agent · Where Elicit looks beyond research papers.
Cribado y revisión estructurada
Systematic Reviews organiza configuración, recopilación, cribado de títulos y resúmenes, posible cribado del texto completo, extracción e informe. La configuración admite pregunta, criterios y contexto; los modos Fast y Thorough permiten ajustar el esfuerzo. Algunas opciones avanzadas dependen del plan y consumen más uso.
Antes de ejecutar el cribado, conviene traducir cada criterio a una decisión comprobable. “Trabajadores adultos con tarea de oficina” es más interpretable que “población relevante”. También hay que decidir qué hacer cuando el resumen no especifica un dato: excluirlo por ausencia de información puede eliminar un estudio válido cuyo texto completo sí lo aclara.
Una revisión defendible conserva decisiones y motivos. Si cambia un criterio después de ver los resultados, registrar el cambio y revisar qué artículos anteriores quedan afectados evita que la selección dependa de preferencias que no aparecen en el protocolo.
Documentación de referencia: Systematic Reviews in Elicit.
De los artículos a una tabla de evidencia
En una extracción, la pregunta de cada columna debe especificar exactamente qué se busca. “Resultado principal al final del seguimiento” y “cualquier resultado mencionado” producirán tablas distintas. Sabentis propone separar población, diseño, tamaño, intervención, comparador, duración, medida y limitaciones, adaptando los campos a la pregunta real.
Un dato numérico necesita contexto: grupo, momento, unidad y denominador. La celda “20” resulta inutilizable si no permite saber si son participantes, porcentaje o semanas. Conservar un fragmento de apoyo y el identificador del estudio ayuda a resolver discrepancias sin repetir toda la búsqueda.
La comprobación debe incluir casos difíciles, como varios grupos o varios seguimientos, antes de procesar el conjunto. Los errores repetidos pueden indicar que la columna está mal definida, además de un fallo de extracción. Corregir la definición y reevaluar los artículos afectados es más consistente que arreglar celdas aisladas.
Informes y trabajo con agentes
Research Reports ofrece una síntesis organizada de una pregunta; Research Agent permite iterar con el material y pedir salidas como tablas, figuras o presentaciones. El anuncio de agosto de 2026 describe un entorno que combina fuentes y genera resultados con referencias rastreables.
Elegir el formato de salida al principio mejora la utilidad del trabajo. Para una reunión de decisión, una tabla que distinga hallazgo, incertidumbre e implicación puede resultar más útil que un informe largo. Para una revisión formal, en cambio, la síntesis debe conservar la selección de estudios y las decisiones metodológicas que la sostienen.
Al revisar un informe, seguir la cadena desde la conclusión hasta el estudio: una referencia puede estar correctamente identificada y no respaldar exactamente la afirmación que la acompaña. Separar los resultados de los autores, la interpretación del agente y la interpretación del equipo evita atribuir al artículo una conclusión añadida después.
Documentación de referencia: Introducing Elicit Research Agent · Elicit Reports · Which Elicit workflow should I use?.
Biblioteca, proyectos y colaboración
La biblioteca permite mantener colecciones personales y compartidas que Research Agent puede consultar y ampliar. Los proyectos pueden asociarse a esas colecciones, de modo que el equipo conserve un conjunto de fuentes de referencia junto al contexto del trabajo.
Las funciones colaborativas de 2026 añaden sesiones compartidas, edición de resultados e historial de versiones. Skills permite guardar instrucciones de un método reutilizable; las sesiones colaborativas y la edición compartida se reservan a determinadas modalidades organizativas.
Para que esa continuidad sea útil, una colección debería indicar su alcance y fecha de revisión. Guardar un artículo significa que está disponible para el equipo, no que haya superado una evaluación crítica. Distinguir “pendiente de evaluar” de “incluido en la síntesis” evita que una biblioteca acumulativa se convierta en una lista de conclusiones implícitas.
Documentación de referencia: Elicit Library shared research hub · AI-powered research is now multiplayer.
Rutinas, API e integración
Routines, anunciada en septiembre de 2026, permite configurar trabajo recurrente diario o semanal. El usuario revisa instrucciones y calendario, puede pausar la rutina y examinar sus resultados en una sesión del agente. Es una forma de actualizar una investigación cuyo contenido cambia con el tiempo.
La API y el servidor MCP ofrecen búsqueda, informes y revisión sistemática para flujos externos; el acceso se vincula a Pro y modalidades superiores. Las salidas pueden incorporarse a otras aplicaciones, conservando referencias y estados del proceso.
En un seguimiento bibliográfico, Sabentis propone diferenciar “artículo nuevo” de “evidencia que cambia la conclusión”. Una rutina debe registrar el periodo consultado, los duplicados y los resultados sin cambios. Para integraciones, fijar límites de ejecución y conservar una revisión antes de distribuir conclusiones ayuda a evitar que una actualización automática se confunda con una decisión técnica aprobada.
Documentación de referencia: Introducing Routines · Elicit API and MCP.
Acceso, planes e idiomas
La oferta consultada distingue Basic, Plus, Pro, Scale y Enterprise, con prestaciones que varían por segmento y modalidad. Basic permite exploración; las revisiones sistemáticas, exportaciones, colaboración y capacidad ampliada dependen del plan. Conviene presupuestar el trabajo completo de búsqueda, extracción y revisiones, no solo la primera consulta.
Elicit está optimizado para documentos y uso en inglés. Su ayuda advierte que otras lenguas tienen calidad variable y pueden consumir más uso; no se presenta como servicio de traducción. Esta ficha está disponible en español, catalán e inglés, pero eso no implica una cobertura equivalente del producto en los tres idiomas.
Para temas con bibliografía local relevante, conservar la búsqueda en el idioma original y documentar qué fuentes quedan fuera del flujo principal. Traducir únicamente la pregunta no resuelve por sí solo una laguna de cobertura.
Documentación de referencia: Elicit pricing · Languages other than English.
Qué muestran las evaluaciones publicadas
Las cifras deben leerse por tarea. En marzo de 2025, Elicit publicó una evaluación de cribado basada en 58 revisiones: comunicó una sensibilidad del 93,6% y una especificidad del 62,8%. Se evaluaba la clasificación de un conjunto de artículos, no la capacidad de encontrarlos todos desde cero.
Lau y Golder, en un estudio independiente de 2025 con cuatro síntesis, observaron una sensibilidad media de búsqueda del 39,5% para Elicit, frente al 94,5% de las revisiones originales. También encontró estudios adicionales. Los autores lo consideraron complementario bajo la configuración evaluada.
Bianchi y colaboradores compararon extracción en 20 ensayos y siete variables. La información fue especialmente incompleta en matices de los efectos de la intervención: el 95% de esos campos se calificó como parcialmente equivalente. Su conclusión reclamaba comprobación humana de integridad y exactitud.
Las evaluaciones de Reports publicadas por la propia empresa reconocen muestras pequeñas, evaluadores remunerados y repetidos entre rondas. Esas condiciones deben acompañar cualquier lectura de sus resultados.
Estos trabajos permiten diseñar una prueba propia, pero no adjudicar una precisión única al producto actual. Recuperación, exclusión, extracción y síntesis son etapas diferentes. Un piloto debería identificar en cuál se producen los errores, cuánto cuesta corregirlos y qué información se perdería sin revisión.
Documentación de referencia: How Elicit evaluated Systematic Review · Lau and Golder: Four-case comparison · Bianchi et al.: Elicit versus human extraction · How Elicit evaluated Reports.
Datos, seguridad y derechos de uso
Elicit anunció en octubre de 2025 un informe SOC 2 Type II disponible bajo confidencialidad y describe controles para cuentas y compartición. La política publicada contempla datos de cuenta y uso, conservación y servicios de terceros. Compartir un enlace de lectura y hacer un informe localizable públicamente son decisiones distintas.
Los términos específicos de la API prohíben enviar datos personales y establecen que los datos de entrada no se emplean para entrenar modelos salvo aceptación separada. También recuerdan que las fuentes de terceros mantienen sus propias licencias. Estas condiciones no deben confundirse con una autorización general para cargar expedientes internos.
Para una revisión de SST, trabajar con artículos publicados y ejemplos anonimizados reduce dependencias innecesarias. Si el equipo quiere incorporar documentación confidencial, debe comprobar producto, contrato, permisos y destinatarios de la salida antes de hacerlo. Un control de seguridad del servicio no acredita la calidad metodológica del informe.
Documentación de referencia: Elicit SOC2 announcement · Elicit API terms · Elicit privacy policy.
Aplicaciones en seguridad y salud en el trabajo
En SST puede apoyar una revisión sobre intervenciones ergonómicas, organización del trabajo o exposición a agentes, facilitando la preparación de tablas de evidencia. El equipo debe definir la pregunta y los criterios de inclusión antes de interpretar los resultados para evitar seleccionar solo estudios favorables a una hipótesis.
Como propuestas de Sabentis, puede utilizarse para comparar intervenciones formativas, revisar resultados de cambios organizativos o preparar una tabla sobre métodos de evaluación de una exposición. En todos los casos conviene separar población, intervención o factor estudiado, comparación y resultado. Dos estudios pueden usar la misma palabra para medir cosas diferentes: satisfacción con una formación no equivale a aprendizaje, y aprendizaje no demuestra por sí solo reducción de accidentes.
Ejemplo desarrollado y comprobaciones
Por ejemplo, un investigador puede buscar estudios sobre pausas y molestias musculoesqueléticas en personal de oficina. Extrae población, intervención, comparación y resultados, y revisa los textos completos para decidir qué conclusiones son aplicables a su contexto y cuáles siguen siendo inciertas.
En la revisión sobre pausas y molestias musculoesqueléticas:
- Formular una pregunta acotada y fijar previamente población, tipo de tarea, intervención, comparador y resultados de interés. Registrar los criterios de exclusión.
- Localizar trabajos y resolver duplicados antes del cribado. Conservar búsquedas, fechas y decisiones para que el proceso pueda revisarse.
- Probar las columnas de extracción en un pequeño conjunto de artículos: participantes, duración, forma de medir el resultado, comparador y limitaciones declaradas.
- Abrir los pasajes que apoyan cada dato. Distinguir lo medido al inicio de lo medido al final, y el grupo de intervención del grupo comparador.
- Revisar los textos completos relevantes y la calidad metodológica antes de sintetizar. Mantener visibles estudios no comparables y resultados contradictorios.
La salida útil es una tabla con procedencia verificable y una síntesis que explique la incertidumbre. No basta con contar artículos favorables ni con combinar resultados que usan escalas, duraciones o poblaciones diferentes.
Límites de interpretación y reproducibilidad
Elicit reconoce que puede perder matices y confundir a qué corresponde una cifra. También distingue resumir resultados de valorar la fiabilidad metodológica de un estudio. Un dato bien extraído puede proceder de un diseño insuficiente para la conclusión que interesa.
La misma pregunta puede generar salidas diferentes por cambios de filtros, actualizaciones o variabilidad de los modelos. Conservar fecha, criterios, consultas, estudios y versión exportada permite reconstruir qué se utilizó en una decisión, aunque una ejecución posterior haya cambiado.
Cuando solo se dispone del resumen, señalarlo y dejar sin resolver los campos que requieren texto completo. Una ausencia de evidencia encontrada tampoco demuestra ausencia del efecto. El informe debe explicar sus lagunas y qué trabajo adicional permitiría reducirlas.
Documentación de referencia: Elicit's limitations · Why Elicit answers vary.
Cómo elegir y complementar la herramienta
Elicit encaja cuando se necesita una tabla de evidencia con variables definidas y un proceso de selección explícito. Para explorar cómo investigaciones posteriores han utilizado un artículo, puede complementarse con Scite. Para revisar y consolidar los datos extraídos, Excel permite mantener comprobaciones y anotaciones propias.
En un piloto, comparar una extracción automática con una revisada manualmente. Registrar errores por campo, información no localizada y decisiones de exclusión dudosas. Una mejora de tiempo debe evaluarse junto al trabajo necesario para corregir y justificar los resultados.
Preguntas frecuentes
¿Usar el flujo Systematic Reviews convierte el trabajo en una revisión sistemática?
La herramienta ofrece una estructura, pero la calidad depende del protocolo, la cobertura de búsqueda, el cribado y la evaluación de los estudios que el equipo realmente realiza.
¿Qué significa una celda sin información?
Puede indicar que el dato no se encontró o no estaba disponible en el material accesible. No equivale automáticamente a que el estudio no midiera esa variable.
¿Puede recomendar directamente una intervención para mi empresa?
Puede organizar evidencia relevante. La elección requiere valorar aplicabilidad, condiciones locales y calidad de los estudios, además de la revisión técnica correspondiente.
