El presente artículo examina el uso del Modelo Transformador Generativo Preentrenado (GPT) en la investigación académica, específicamente en Ingeniería de Sistemas. Se abordan problemáticas como la dependencia excesiva en la automatización, que puede reducir la creatividad y pensamiento crítico de los investigadores, la calidad y sesgo de los datos de entrenamiento que pueden comprometer la validez de los resultados, y la reducción de la colaboración y discusión entre investigadores, necesarios para el avance del conocimiento. Se propone un enfoque híbrido que combine la formación continua de los investigadores con el uso responsable de GPT, incluyendo una rigurosa selección y validación de los datos de entrenamiento para minimizar los sesgos, igualmente se recomienda el fomento de la colaboración e interacción humana para complementar las capacidades automatizadas de GPT. Este enfoque equilibrado permitirá maximizar los beneficios de GPT mientras se preserva la integridad y calidad de la investigación académica en Ingeniería de sistemas.