Los investigadores dejan que la IA haga ciencia – aún no puede publicar

Un esfuerzo colaborativo que abarca varias universidades y laboratorios de IA se propuso responder una pregunta audaz: ¿pueden los agentes de IA más avanzados de hoy reemplazar a los científicos humanos? La respuesta, según un nuevo estudio publicado en Decrypt, es un rotundo “todavía no”.

Los investigadores otorgaron a los modelos de lenguaje de última generación —potenciados con capacidades de uso de herramientas y planificación autónoma— control total sobre todo el proceso de investigación. Los agentes redactaron hipótesis, diseñaron y ejecutaron simulaciones, e incluso escribieron borradores de artículos. En el aspecto mecánico, actuaron admirablemente, automatizando la recopilación de datos y el ajuste de modelos con una velocidad que haría envidiar a cualquier director de laboratorio.

Sin embargo, cuando la producción fue evaluada por un panel de revisores de las principales conferencias de IA, ninguno de los manuscritos generados por IA alcanzó el umbral de novedad necesario para ser aceptado en eventos como NeurIPS o ICML. Los agentes tendían a reciclar ideas existentes, producir mejoras incrementales y, crucialmente, carecían de los saltos intuitivos que los investigadores humanos aportan. Los autores del estudio señalan que los agentes “tropezaron en el eje creativo del descubrimiento científico”, una brecha que las actuales tuberías de aprendizaje por refuerzo a partir de retroalimentación humana no pueden cerrar.

Para el ecosistema de IA en general, los hallazgos son a la vez aleccionadores y reveladores. Los agentes autónomos ya han demostrado su valor en tareas de bajo riesgo y alto rendimiento —piense en bots de arbitraje DeFi o scripts de monitoreo en cadena. Esta investigación subraya que esos mismos agentes aún no están preparados para asumir la carga intelectual de la ciencia de vanguardia. Se espera un modelo híbrido continuo donde la IA gestione tareas repetitivas y con gran carga de datos, mientras los humanos conservan la dirección estratégica y la generación de hipótesis.

Inversores y desarrolladores deben prestar atención: el bombo alrededor de los “laboratorios de investigación solo con IA” es prematuro. Destinar capital a agentes de IA que prometen reemplazar equipos de investigación completos sin una ruta clara hacia la innovación genuina es una apuesta de alto riesgo. En su lugar, la financiación debería enfocarse en una integración incremental: herramientas que potencien a los científicos humanos, mejoren la reproducibilidad y aceleren el ciclo iterativo.

El estudio también plantea cuestiones de gobernanza. A medida que los agentes de IA se vuelvan más autónomos en dominios sensibles —biotecnología, finanzas o seguridad— los reguladores deberán definir marcos de responsabilidad. Hasta que la IA pueda producir de forma constante avances dignos de revisión por pares, la supervisión humana seguirá siendo la red de seguridad.

En resumen, el experimento demuestra que, aunque los agentes de IA pueden gestionar la logística de la ciencia, aún carecen de la chispa que convierte los datos en descubrimiento. La frontera sigue abierta para que los investigadores construyan la próxima generación de máquinas verdaderamente creativas, pero por ahora, la mente humana sigue empuñando la pluma.