La tecnología que inventa nuevas tecnologías

Durante los últimos tres años hemos dedicado bastante energía a preguntarnos qué trabajos hará la inteligencia artificial. Quizá estamos haciendo la pregunta pequeña. La interesante es otra: ¿qué cosas descubrirá que todavía no sabemos hacer?

La verdadera revolución de la IA no es que escriba informes, programe o responda correos, actividades apasionantes, sin duda, especialmente la última, sino que se convierta en una tecnología capaz de ayudarnos a inventar otras tecnologías. Ahí está, para mí, la frontera verdaderamente fascinante de la inteligencia artificial y también de la futura AGI (Artificial General Intelligence) o superinteligencia.

Demis Hassabis, hoy centrado especialmente en ciencia y AGI, lleva tiempo defendiendo que una inteligencia artificial general podría convertirse en una de las herramientas más poderosas jamás creadas para acelerar ciencia, medicina y productividad. Pero ni siquiera necesitamos esperar a que llegue la discutida AGI. Los primeros síntomas ya están aquí.

AlphaFold fue probablemente el aviso. Resolver mediante IA el problema de predecir la estructura tridimensional de las proteínas abrió una nueva manera de hacer biología. Su base contiene ya más de 200 millones de estructuras proteicas predichas y la utilizan más de tres millones de investigadores de más de 190 países. Algo que podía requerir meses o años de trabajo experimental puede, en determinados casos, aproximarse ahora en minutos.

Pero lo importante no es AlphaFold. Es el modelo mental que inaugura. Escoger un campo de conocimiento, comprender sus reglas, alimentarlo con datos científicos y utilizar la IA para explorar espacios de posibilidades demasiado grandes para un humano.

En materiales ya está ocurriendo. GNoME, de Google DeepMind, predijo 2,2 millones de nuevas estructuras cristalinas, de las cuales 380.000 fueron identificadas como especialmente estables y, por tanto, candidatas interesantes para experimentación. Investigadores externos habían sintetizado independientemente 736 de esas estructuras, y un laboratorio autónomo de Berkeley logró producir más de 40 nuevos materiales utilizando automatización robótica.

Este agosto, investigadores de la Universidad de Toronto anunciaron nuevas aleaciones de níquel, cobalto y cromo descubiertas utilizando IA y laboratorios autónomos, capaces de mantener mejores prestaciones a altas temperaturas y con posibles aplicaciones en motores aeronáuticos o generación energética. Más cerca de casa, ArcelorMittal trabaja también en el proyecto HEADS para acelerar mediante machine learning el desarrollo de aleaciones de alta entropía. La industria de los materiales empieza a parecerse menos a probar recetas y más a navegar un gigantesco espacio de combinaciones con un copiloto extraordinariamente rápido.

En biomedicina sucede algo similar. Investigadores del MIT utilizaron IA generativa para explorar decenas de millones de posibilidades químicas y diseñar nuevos candidatos a antibióticos contra gonorrea resistente y MRSA. Algunos compuestos funcionaron posteriormente en pruebas experimentales y modelos animales. Todavía no son medicamentos, entre un ratón y una farmacia existe un trecho considerable, pero la IA permitió explorar espacios químicos que mediante procedimientos convencionales resultarían inabarcables.

Y ahora empieza a cambiar incluso quién hace ciencia. The AI Scientist, desarrollado por Sakana AI con investigadores de UBC, Oxford y Vector Institute, es capaz de proponer hipótesis, programar experimentos, ejecutarlos, interpretar resultados y redactar artículos científicos. En 2026, el trabajo que describe el sistema fue publicado en Nature, después de que una versión anterior consiguiera producir autónomamente un artículo que superó la revisión humana de un workshop científico. Google DeepMind ha presentado también Co-Scientist, un sistema multiagente que genera, debate y refina hipótesis científicas, mientras AlphaEvolve ya está encontrando nuevos algoritmos y soluciones en matemáticas, computación, física e ingeniería.

Y el capital está tomando nota. Project Prometheus, la nueva compañía que Jeff Bezos codirige junto al científico Vik Bajaj, nació con unos 6.200 millones de dólares de financiación para aplicar IA al mundo físico: ingeniería, fabricación, ordenadores, automóviles y espacio. Prometheus todavía es una apuesta, no un catálogo de descubrimientos, pero el tamaño de la apuesta dice bastante sobre hacia dónde se mira. Hasta ahora hemos utilizado la tecnología principalmente para hacer mejor lo que ya sabíamos hacer.

La IA introduce algo diferente: puede combinar biología con computación, química con datos, ingeniería con simulación y millones de artículos científicos con capacidad de razonamiento y experimentación. Es conocimiento aplicado transversalmente sobre conocimiento.

Y cuando añadamos agentes científicos, laboratorios robotizados, simulación, sensores y sistemas capaces de aprender del resultado de cada experimento para diseñar automáticamente el siguiente, el ciclo descubrimiento-experimentación-aprendizaje puede acelerarse enormemente.

No significa que desaparezcan los científicos ni los ingenieros. Al contrario. Alguien tendrá que saber qué preguntar, distinguir una correlación absurda de una hipótesis brillante y recordar que una predicción computacional no se convierte mágicamente en una aleación, una proteína o un medicamento. Pero su capacidad se multiplicará.

Por eso sospecho que recordaremos esta década no solo como la década de la inteligencia artificial. La recordaremos como la década de los nuevos descubrimientos. Porque quizá la tecnología más importante que estamos inventando sea precisamente aquella que nos ayudará a inventar todas las demás.