La IA está acelerando la producción científica, pero no la está creando

La inteligencia artificial aplicada en la academia no hace conocimiento nuevo, sino ayuda a generarlo con mayor rapidez, coincidieron especialistas en el área convocados por Pablo Rudomin y Ranier Gutiérrez en el ciclo “Las neurociencias en México y el mundo”, de El Colegio Nacional.

Durante el encuentro Retos y oportunidades de la Inteligencia Artificial para la Ciencia, Pablo Rudomin –investigador emérito del Cinvestav y miembro y decano de El Colegio Nacional–, señaló que en los últimos meses hemos sido testigos de algo que no tiene precedente claro en la historia de la ciencia. “La aparición de herramientas que no sólo procesan información, sino que parecen razonar, que no sólo recuperan datos, sino que aceleran y ayudan a generar conocimiento nuevo, que describen código, proponen hipótesis, sintetizan décadas de literatura científica en segundos y en algunos dominios superan ya el desempeño de especialistas humanos con años de formación”.

De acuerdo con el neurofisiólogo Premio Príncipe de Asturias, esto obliga a los científicos a hacerse preguntas que ninguna generación anterior tuvo que enfrentar: ¿Qué es el conocimiento cuando una máquina puede producirlo más rápido que una mente humana? ¿Qué es la autoría cuando un algoritmo contribuye de manera sustancial a un descubrimiento? ¿Qué es la educación científica cuando las habilidades que tardamos décadas en enseñar pueden ser ejecutadas por un modelo en milisegundos?

Por si fuera poco, hay que deliberar aspectos éticos que también requieren reflexión. “La inteligencia artificial no es neutral, como toda tecnología poderosa amplifica lo que somos, nuestra creatividad y nuestros sesgos, nuestra generosidad y nuestras inquietudes, nuestra capacidad de curar y nuestra capacidad de dañar”.

Añadió que frente a este panorama, México no puede ser un espectador pasivo de esa transformación, puesto que tenemos científicos de primer nivel, tradición intelectual y preguntas propias que hacerle al mundo. “La pregunta es si, ¿tendremos también la capacidad institucional, la voluntad política y la imaginación colectiva para participar en este cambio y no sólo recibirlo?”.

En su participación, Ranier Gutiérrez, académico del Instituto de Fisiología Celular del Centro de Investigación y de Estudios Avanzados (Cinvestav), contextualizó que los cambios en el avance de la IA han sido rápidos, pero que en diciembre del 2025 la aparición casi simultánea de Gemini 3.0 de la compañía Google y Claude Opus 4.5 de Antropic marcó un punto de inflexión que algunos lo llaman como el “diciembre disruptivo”.

“Modelos que aparentan razonar, planificar y ayudan a generar y acelerar el conocimiento a una escala que redefinió lo que se consideraba posible. Lo que meses antes parecía lejano se convirtió de golpe en una herramienta al alcance de cualquier investigador con conexión a internet y de hecho al alcance de todo el público”.

Este efecto disruptivo no es sólo tecnológico, también afectó laboratorios de biología, astrofísica, genómica y neurociencias, añadió. “Los científicos se enfrentan hoy a una pregunta urgente: ¿Cómo integrar estas herramientas sin comprometer el rigor, la ética y la creatividad que definen a la ciencia?”.

Añadió que él, por ejemplo, logró rediseñar un software más poderoso que de otra forma no habría logrado desarrollar, más que con un equipo de diseñadores de software. Ahora ha sido capaz de crear en tiempo récord un software científico libre y disponible para todo. “Eso me llena de emoción”.

Para María del Pilar Gómez Gil, investigadora en modelos matemáticos y redes neuronales artificiales del INAOE, la expansión reciente de estas herramientas ha sido sorprendente incluso para quienes trabajan en el campo. Explicó que, aunque el momento actual parece disruptivo, la base tecnológica no es nueva. “Estos modelos existen desde hace años; son modelos matemáticos que están metidos desde hace tiempo en muchas aplicaciones”, señaló. Lo que cambió recientemente es el contexto que permitió su uso masivo y su enorme poder de procesamiento, dijo.

Sin embargo, advirtió que este avance también genera inquietud. “Tenemos ahorita un arma muy poderosa y necesitamos saber cómo usarla”, dijo.

CAMBIO DE VELOCIDAD.

Desde una perspectiva práctica, el investigador Isaac Rudomin –profesor del Departamento de Tecnologías de la Información de la UAM Cuajimalpa– explicó que estas herramientas ya están modificando la dinámica cotidiana del trabajo científico. En su caso, utiliza sistemas como ChatGPT o Gemini como asistentes para tareas de programación y análisis.

“Antes le decía al estudiante ‘hazme esto’ y tardaba un par de meses; ahora se lo digo a ChatGPT o a Gemini y con su ayuda avanzo mucho más rápido”. Aun así, subrayó que el investigador sigue siendo quien dirige el proceso. “Tengo que saber qué pedirle y tengo que saber si lo que me está dando hace algún sentido”, explicó.

De acuerdo con Rudomin Goldberg, el principal cambio es la velocidad con la que se puede pasar de una idea a su implementación. “La inteligencia artificial está reduciendo la brecha entre hipótesis y realidad”, afirmó, al permitir que tareas que antes podían tomar un año ahora se realicen en cuestión de días o semanas.

El impacto de la IA también radica en que transforma la manera en que los científicos interactúan con las computadoras y con el conocimiento, refirió a su vez Víctor de Lafuente. “Ahora puedes interactuar con las computadoras a través del lenguaje, platicando con ellas”, señaló el especialista del Instituto de Neurobiología de la UNAM, campus Juriquilla.

Este cambio, explicó, reduce la fricción en el proceso de investigación. Antes, desarrollar un análisis de datos podía requerir meses de programación; ahora, el ciclo entre formular una pregunta, analizar información y obtener resultados puede reducirse a días.

“Antes, el análisis que nos llevaba meses programar ahora nos lleva menos de una semana”, dijo. Esta rapidez permite explorar preguntas de manera más dinámica y ampliar el ritmo de generación de conocimiento científico.

Sin embargo, también enfatizó que las redes neuronales artificiales siguen siendo muy distintas del cerebro humano. “Por el momento absolutamente no son conscientes”, aclaró. Según explicó, estos sistemas solo procesan datos de entrada mediante operaciones matemáticas y generan una salida, sin actividad interna autosostenida como ocurre en los sistemas biológicos.

Por su parte, Enrique Hernández Lemus –especialista en genómica computacional del Inmegen– coincidió en que la inteligencia artificial está acelerando el trabajo científico, aunque considera que su impacto se relaciona más con la escala que con un cambio fundamental en la naturaleza de la investigación.

“Estos sistemas nos están permitiendo hacer más cosas más rápido”, afirmó. En su opinión, las herramientas actuales amplían la capacidad de análisis y permiten abordar problemas más grandes, pero siguen siendo instrumentos que los científicos deben saber utilizar.

De hecho, el científico prefiere emplearlas con cautela. “Las uso solo para hacer cosas que yo sé hacer de cualquier manera”, explicó, lo que le permite identificar cuándo los resultados son correctos y cuándo pueden contener errores.

En conjunto, los investigadores coinciden en que la inteligencia artificial representa una herramienta tecnológica capaz de acelerar el desarrollo científico. No obstante, también subrayan que su verdadero potencial dependerá de cómo la comunidad científica aprenda a integrarla de forma crítica y responsable en sus procesos de investigación.