Revolución con dudas: La inteligencia artificial (IA) transforma la investigación científica, pero su impacto real sigue siendo un misterio.
El uso de la inteligencia artificial (IA) en la ciencia ha crecido a un ritmo sin precedentes, especialmente en disciplinas como física, química y astronomía. Según el «Informe del Índice de la IA 2026», publicado por el Instituto Stanford, las menciones a esta tecnología en estudios científicos se multiplicaron 30 veces entre 2010 y 2015. Sin embargo, el mismo documento advierte: los avances en precisión y productividad aún no son concluyentes.
Yolanda Gil, experta en informática de la Universidad del Sur de California y responsable del informe, lo resume así: «Los científicos han adoptado plenamente esta era de la IA». Pero la euforia tiene matices. Aunque herramientas como ChatGPT ya aparecen en entre el 5.8% y el 8.8% de las publicaciones en ciencias naturales —un salto desde el 1% en 201080,150 estudios vinculados a la IA se registraron el año pasado, un 24% más que en 2025, pero ¿realmente está mejorando la calidad de la investigación?
Disciplinas que lideran (y las que más dependen) de la IA
No todas las áreas científicas adoptan la IA al mismo ritmo. Las ciencias físicas encabezan la lista con 33,000 publicaciones relacionadas, mientras que las ciencias de la Tierra son las que mayor proporción registran: 9% de sus investigaciones ya integran esta tecnología.
Arvind Narayanan, informático de la Universidad de Princeton, explica que este fenómeno no sorprende: «La IA dejó de ser un lujo para convertirse en una necesidad». De hecho, añade, los científicos actuales «no pueden vivir sin ella». Pero hay un problema: «Si se les quitara, habría caos. Eso demuestra que ayuda, pero no sabemos exactamente cómo ni cuánto».
El informe destaca casos concretos donde la IA ha marcado diferencias, aunque limitadas. Por ejemplo:
- AION-1, un modelo especializado en astronomía, entrenado con 200 millones de objetos celestes, puede clasificar galaxias y estimar sus propiedades con precisión.
- Aardvark Weather, lanzado en 2025, fue el primer sistema de IA en gestionar predicciones meteorológicas completas sin intervención humana.
Sin embargo, estos logros contrastan con datos preocupantes. En el benchmark ChemBench, los modelos superan a expertos humanos en 2,700 preguntas de química, pero fallan en tareas básicas de comprensión. Peor aún: en ReplicationBench (que evalúa la capacidad de reproducir resultados en astrofísica), los sistemas más avanzados no alcanzan el 20% de precisión.
El costo oculto: ¿productividad a cambio de calidad?
La automatización de análisis y la reducción de tiempos son beneficios evidentes, pero ¿a qué precio? Narayanan es contundente: «La calidad de la investigación ha caído en picada». La razón: los modelos aún sufren de «alucinaciones» (respuestas inventadas) y sesgos optimistas que distorsionan los resultados.
Pruebas como UnivEarth (observación terrestre) y PaperArena (comprensión de literatura científica) revelan cifras alarmantes:
- En UnivEarth, los modelos solo aciertan el 33% de las preguntas.
- En PaperArena, su desempeño en tareas complejas (planificación, análisis de fuentes) apenas llega al 39%.
El informe concluye con una advertencia: aunque la IA es una herramienta poderosa, su adopción masiva «está ocurriendo demasiado rápido», sin dar tiempo a que la comunidad científica establezca normas claras. Hasta ahora, «la lista de descubrimientos confirmados gracias a la IA sigue siendo corta».
¿El futuro? Dependerá de si los científicos logran equilibrar velocidad y rigor antes de que la IA se convierta en un estándar irreversible. «No es magia —advierte Narayanan—. Es una herramienta, y como toda herramienta, puede usarse bien… o mal».
