学术界正在迅速采用人工智能来协助同行评审，但围绕这一转变的对话却远远不够。Christian Bird在其研究IDE项目中指出，AI审稿系统虽然能提高效率，却可能引入新的偏见，并削弱评审过程的透明度。
Bird的研究强调，当前许多AI评审工具依赖于训练数据，而这些数据本身可能包含历史偏见。如果不加以纠正，AI可能会放大这些偏见，导致对某些研究领域或作者群体的不公平对待。
另一方面，AI的客观性在一定程度上可以减少人为错误，例如对研究方法的忽视或对创新性研究的低估。然而，Bird警告说，过度依赖AI可能会让评审过程变得机械化，失去人类评审员所能提供的深度理解和创造性反馈。
为了充分发挥AI的潜力，同时保持评审的公正性，Bird建议学术界应开展更广泛的对话，制定明确的指南，确保AI工具在设计和使用时考虑到伦理和多样性因素。