OpenAI acaba de meter un pie y medio en el día a día de los laboratorios con Prism, un nuevo espacio de trabajo científico integrado con GPT-5.2 y disponible gratis para cualquiera que tenga cuenta de ChatGPT. El movimiento no es casual. La propia compañía asegura estar viendo una auténtica avalancha de uso: 8,4 millones de mensajes semanales en ChatGPT relacionados con ciencias “duras”.
En este contexto, Prism se presenta como algo más que un editor avanzado: un “procesador de texto con esteroides” pensado para escribir papers, revisar afirmaciones, pulir la prosa y rastrear investigación previa sin salir del documento.
Eso sí, OpenAI deja claro desde el inicio que no se trata de un científico automático: no está diseñado para investigar por sí solo, sino para trabajar bajo la guía constante de una persona experta.
Aquí la clave no es solo el modelo, sino la integración. Prism funciona como una aplicación web en la que escribes y organizas tu trabajo igual que en un editor de documentos tradicional, pero con una ventana de ChatGPT embebida que “vive” dentro del proyecto. Cuando le preguntas algo al modelo, no responde a ciegas con un prompt aislado, sino que puede acceder al contexto completo de tu investigación: texto, secciones, notas y borradores en curso.
A esto se suma una idea que parece simple, pero cambia bastante el juego: una gestión del contexto mucho más rigurosa, diseñada para que las respuestas sean pertinentes y menos genéricas. Cualquiera que haya usado LLMs para escribir o revisar ciencia conoce el punto débil: cuando el modelo pierde el hilo, se nota en cuestión de dos frases. Si Prism consigue mantener al modelo “anclado” al proyecto, la utilidad práctica se dispara, especialmente en trabajos largos y técnicos donde el detalle lo es todo.
OpenAI no oculta la inspiración detrás de Prism. La propia compañía lo compara con interfaces de programación asistidas por IA como Cursor o Windsurf. Kevin Weil, vicepresidente de OpenAI para Ciencia, fue directo en una llamada de prensa: 2026 será para la IA y la ciencia lo que 2025 fue para la IA y la ingeniería de software.
La expectativa es clara: un salto de productividad similar al que se vio cuando los copilotos dejaron de ser demos curiosas y pasaron a integrarse en flujos de trabajo reales. Sin embargo, en ciencia el listón es mucho más alto. No basta con sonar convincente: hay que ser correcto, reproducible y, en muchos casos, demostrable. El coste de un error en un paper no es un bug en producción; es tiempo perdido, credibilidad dañada y, a veces, años de trabajo mal encaminado.
Prism se integra directamente con LaTeX, el estándar de facto para la maquetación de artículos científicos. Esto significa que no obliga a abandonar el formato que usan revistas, congresos y buena parte de la comunidad académica, algo que ya supone media batalla ganada. OpenAI, además, afirma ir significativamente más allá de la mayoría de herramientas LaTeX actuales.
Uno de los puntos más interesantes es el uso de las capacidades visuales de GPT-5.2 para resolver una pesadilla recurrente para cualquiera que haya escrito un paper: la creación de diagramas. La promesa es convertir dibujos hechos en pizarras online en diagramas utilizables, atacando uno de esos puntos donde hoy se pierde una cantidad absurda de tiempo por fricción entre herramientas.
Eso sí, aquí también hay letra pequeña. Cuando un modelo interpreta un dibujo, puede inventarse conexiones o simplificar de más. El flujo ideal no es “hazlo todo por mí”, sino “hazme un primer borrador y yo lo dejo fino”, que es justo donde la IA suele rendir mejor.
El dato que comparte OpenAI no es decorativo. 8,4 millones de mensajes semanales sobre ciencias duras indican un uso masivo, aunque la empresa admite que es difícil saber cuántos proceden de investigadores profesionales. Aun así, encaja con lo que muchos ya observan: ChatGPT se usa como tutor, revisor de redacción, radar de bibliografía y sparring intelectual para poner a prueba hipótesis.
La ciencia ya estaba usando IA, pero lo hacía con herramientas de consumo general y flujos improvisados basados en copiar, pegar y cruzar los dedos para no romper el contexto. Al mismo tiempo, la investigación asistida por IA se está normalizando en la academia, no solo para escribir mejor, sino también para explorar ideas nuevas.
En matemáticas, por ejemplo, ya se han usado modelos para avanzar en varios problemas de Erdős de larga trayectoria, combinando revisión bibliográfica con aplicaciones novedosas de técnicas existentes.
La relevancia exacta de algunas de estas demostraciones sigue en debate, y no es una cuestión menor: ¿qué significa “demostrar” cuando parte del camino lo propone un sistema no humano? De ahí que gane peso la verificación formal y los enfoques donde la IA propone y el humano valida con rigor.
Un artículo de estadística publicado en diciembre utilizó GPT-5.2 Pro para establecer nuevas demostraciones de un axioma central de la teoría estadística. En ese caso, los investigadores humanos se centraron principalmente en orientar al modelo mediante prompts y en verificar cuidadosamente los resultados obtenidos.
OpenAI destacó este trabajo en su blog como un ejemplo de colaboración humano-IA bien planteada: en dominios con fundamentos axiomáticos claros, los modelos avanzados pueden explorar pruebas, probar hipótesis e identificar conexiones que exigirían un esfuerzo humano enorme.
Prism no garantiza ese nivel por defecto, pero sí acerca ese tipo de colaboración a un entorno cotidiano, menos improvisado y más cercano a un producto usable. Esto, inevitablemente, va a abrir debates incómodos sobre autoría, atribución, revisión por pares y cómo documentar qué partes de un trabajo fueron asistidas por IA.
Si Prism se convierte en una pestaña fija del navegador para muchos grupos de investigación, las normas de publicación tendrán que adaptarse, les guste o no. OpenAI lo sabe bien: el éxito no depende solo del modelo, sino de cómo encaja en el flujo de trabajo, igual que ocurrió en el desarrollo de software cuando la integración lo cambió todo.
El veredicto real llegará cuando Prism se enfrente a la vida de verdad: papers largos, múltiples coautores, revisiones interminables, cambios de última hora y ese caos tan familiar que es investigar. Si consigue reducir fricción sin introducir errores sutiles, el efecto dominó puede ser rápido.
Por ahora, toca esperar para ver si 2026 se parece a ese “2025 del software” que promete Weil… o si la ciencia, como tantas veces, se resiste a ir al ritmo que marca Silicon Valley.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
La Newsletter Diaria Sobre Inteligencia Artificial. Además: Portal de Noticias, Tutoriales, Tips y Trucos de ChatGpt, Openai e Inteligencia Artificial.
Nuestra web está alojada en:
