¿Qué pasa cuando una herramienta que prometía ahorrar horas empieza a ocupar un lugar fijo en el escritorio, pero todavía no demuestra que realmente mejore el trabajo? Eso es lo que hoy ocurre con la inteligencia artificial en los laboratorios, donde ya funciona como una pieza cada vez más habitual.
El Índice de la IA 2026 del Instituto Stanford revela un hallazgo contundente: las publicaciones científicas que mencionan IA se multiplicaron casi 30 veces entre 2010 y 2015, y en el último año llegaron a unas 80.150 en ciencias naturales. Eso representa un salto del 24% frente a 2025.
Además, entre el 5,8% y el 8,8% de los trabajos de ciencias naturales ya incluyen o se relacionan con esta tecnología, cuando en 2010 apenas rondaban el 1%. Las ciencias físicas concentran cerca de 33.000 publicaciones, mientras que las ciencias de la Tierra muestran el mayor porcentaje de adopción, con un 9% del total.
La señal es clara: la IA dejó de ser un recurso de nicho y pasó a formar parte del cableado cotidiano de la ciencia. Pero el mismo informe subraya algo menos cómodo: todavía no hay evidencia sólida, a gran escala, de que esté aumentando de forma decisiva la productividad científica.
También te puede interesar:El CEO de Klarna usa un avatar de IA para presentar resultados financierosYolanda Gil, una de las voces citadas en este debate, sostiene que los científicos ya adoptaron plenamente la era de la IA. Otros expertos piden cautela y advierten que la integración acelerada está corriendo más rápido que las reglas que ordenan la investigación.
La analogía más simple es la de una casa a la que se le instala un nuevo sistema eléctrico. La IA actúa como un interruptor central: enciende tareas, automatiza pasos y conecta habitaciones que antes requerían recorridos largos. Pero si el cableado todavía es inestable, una luz puede prender rápido y aun así fallar cuando más se la necesita.
Eso explica su doble cara. Por un lado, algunos sistemas ya muestran utilidad concreta. AION-1, en astronomía, fue entrenado con más de 200 millones de objetos celestes y puede clasificar galaxias y estimar propiedades. Aardvark Weather, en 2025, se convirtió en el primer sistema de IA capaz de gestionar de extremo a extremo la predicción meteorológica.
Por otro, ese mecanismo todavía tiene piezas flojas. La automatización reduce tiempos, pero también puede introducir imprecisiones y “alucinaciones”, es decir, respuestas fabricadas con apariencia de certeza. En ciencia, ese detalle no es menor: una respuesta elegante no siempre es una respuesta verdadera.
También te puede interesar:El CEO de Klarna usa un avatar de IA para presentar resultados financierosUn engranaje veloz, pero todavía inestable
Los datos de rendimiento muestran esa tensión. En ChemBench, una prueba con más de 2.700 preguntas de química, los sistemas más avanzados superan el promedio de expertos humanos. Sin embargo, luego tropiezan en tareas básicas de comprensión y tienden a ofrecer respuestas demasiado optimistas.
La foto se vuelve más prudente en otras evaluaciones. En ReplicationBench, centrado en reproducir resultados científicos en astrofísica, los modelos no llegan al 20% de aciertos. En UnivEarth alcanzan cerca del 33% de precisión, y en PaperArena rondan el 39% en tareas que exigen planificación, análisis de múltiples fuentes y uso de herramientas.
Es decir, la IA puede resolver bien una cerradura concreta, pero aún no maneja con soltura todo el manojo de llaves del trabajo científico real. Según un análisis publicado por Nature, la preocupación no pasa solo por lo que la IA hace, sino por la velocidad con la que se la está incorporando. Si las normas científicas no se adaptan al mismo ritmo, el riesgo es que baje la calidad de la investigación o que se confunda velocidad con solidez.
Por ahora, la conclusión del informe es sobria: la IA en ciencia sigue en una etapa temprana de desarrollo y la cantidad de descubrimientos confirmados experimentalmente gracias a ella todavía es limitada.
La oportunidad existe. La clave será que ese interruptor no solo encienda más rápido, sino que ilumine mejor.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
