Columna de Opinión

La ciencia está entrando en una profunda fase de transformación, impulsada por la incorporación de la inteligencia artificial no solo como una herramienta de apoyo, sino también como un componente activo del proceso científico.

Hoy ya existen desarrollos concretos que ilustran este cambio: sistemas como el AI Scientist de Sakana AI, capaces de automatizar revisiones de literatura, proponer hipótesis y generar experimentos, o el AI co-scientist de Google Research, diseñado para colaborar directamente con investigadores humanos en la exploración y evaluación de nuevas ideas. Estos avances muestran que la inteligencia artificial comienza a participar en tareas centrales del método científico, más allá del análisis de datos o la aceleración de cálculos.

Un ejemplo estratégico se materializó en la Misión Génesis (Genesis Mission USA), una iniciativa que busca rediseñar de manera sistemática la forma en que se produce el conocimiento científico, integrando sistemas de inteligencia artificial como actores fundamentales del descubrimiento científico.

Más que un programa tecnológico aislado, la iniciativa representa una nueva visión sobre cómo organizar, financiar y ejecutar la investigación científica en el siglo XXI, con implicancias profundas para universidades, centros de investigación y sistemas nacionales de ciencia en todo el mundo, lo que impone un nuevo desafío para el desarrollo de los países.

Esta iniciativa redefine la forma en que se produce el conocimiento científico mediante el uso intensivo de la inteligencia artificial y plantea un desafío para los países en la generación de conocimiento.

Integra datos científicos, supercomputación e IA en una única infraestructura al servicio de la investigación. O sea, se propone articular grandes volúmenes de datos provenientes de agencias públicas, laboratorios nacionales y universidades, combinándolos con capacidades de cómputo avanzadas y modelos de inteligencia artificial de última generación.

Su objetivo explícito es acelerar el descubrimiento científico, automatizando y optimizando las etapas del proceso de investigación que tradicionalmente han sido lentas, costosas y altamente dependientes del trabajo manual de los investigadores. En consecuencia, la IA emerge en el ámbito de la política pública, al asumir explícitamente que estas capacidades ya no son experimentos aislados, sino la base sobre la que debe reorganizarse la infraestructura científica de un país que aspira a liderar la frontera del conocimiento.

Este cambio modifica la noción misma de la frontera científica. Los sistemas de investigación capaces de articular datos masivos, modelos computacionales e inteligencia artificial estarán en condiciones de explorar espacios de conocimiento mucho más amplios que los que siguen operando bajo esquemas tradicionales. La diferencia ya no será solo de productividad, sino de posibilidad: habrá preguntas científicas que simplemente no podrán abordarse sin estos nuevos enfoques.

La clave está en comprender que el desafío no es únicamente tecnológico, sino también institucional y estratégico. Adaptarse a este nuevo escenario implica repensar cómo se organizan los equipos de investigación, cómo se priorizan las áreas de desarrollo y cómo se construyen capacidades científicas acumulativas y sostenibles a lo largo del tiempo.

El desafío está en generar una política pública práctica y de rápida implementación que se materialice en un programa coordinado de formación, acompañamiento y experimentación en inteligencia artificial aplicada a la investigación científica.

Esta política podría comenzar por capacitar sistemáticamente a la comunidad científica en el uso crítico y metodológico de la IA, habilitar pilotos interdisciplinarios de corto y mediano plazo en áreas estratégicas y ajustar los instrumentos de financiamiento para reconocer el desarrollo de datos, modelos y software científico como resultados válidos de investigación.

Un enfoque de este tipo permitiría aprender haciendo, reducir la brecha metodológica y preparar a las entidades involucradas en este rubro para asumir un rol activo en la transición hacia una ciencia en la que la inteligencia artificial ya no sea un accesorio, sino una condición de base.