Las señales de Intel y MIT revelan el ingrediente que falta en la IA para la ciencia

Las señales de Intel y MIT cuestionan ahora una de las suposiciones más persistentes de la inteligencia artificial: más datos por sí solos no crearán un científico autónomo. Investigaciones recientes muestran que los agentes de IA pueden completar tareas analíticas estructuradas sin poner a prueba la evidencia, revisar sus creencias ni justificar sus conclusiones.

Esta distinción importa a medida que las empresas tecnológicas y las instituciones de investigación pasan de los modelos predictivos a agentes que planifican experimentos y proponen hipótesis. La competencia central ya no es IA frente a científicos humanos. Es la escalabilidad centrada en datos frente a sistemas diseñados en torno al razonamiento científico.

Un reciente análisis sobre IA en la ciencia enmarca este debate frente a declaraciones anteriores que sostenían que la ciencia se acercaba a su culminación. Esas predicciones subestimaron repetidamente cómo nuevas observaciones podían revelar defectos en teorías aceptadas.

La IA introduce una tentación relacionada. Los modelos ya pueden asimilar enormes corpus de literatura científica, recuperar artículos relevantes, escribir código y generar explicaciones plausibles. Esa fluidez puede hacer que el conocimiento acumulado parezca comprensión.

Sin embargo, la ciencia no avanza repitiendo la respuesta mejor respaldada en un conjunto de datos. Avanza cuando los investigadores identifican incertidumbres, cuestionan supuestos, diseñan pruebas discriminatorias y cambian sus conclusiones cuando la evidencia lo exige.

Esa es la inversión que subyace a la más reciente discusión entre Intel y MIT. La mayor limitación para el descubrimiento asistido por IA no es necesariamente el acceso a otro conjunto de datos. Es si un sistema de IA puede participar en el proceso autocorrectivo que convierte una observación en conocimiento defendible.

La investigación de Intel y MIT desplaza el foco de las respuestas a la indagación

El cambio importante es que los investigadores han empezado a evaluar cómo piensan los agentes científicos, no solo si llegan a una respuesta aceptable.

La primera generación de aprendizaje automático científico solía abordar problemas de predicción acotados. Un modelo podía estimar la estructura de una proteína, clasificar una imagen médica o predecir una propiedad de un material a partir de ejemplos etiquetados.

Esos sistemas podían ofrecer resultados útiles sin gestionar una investigación completa. Los científicos seguían eligiendo la pregunta, interpretando el resultado, verificando las restricciones físicas y decidiendo qué experimento debía realizarse después.

Los agentes de IA prometen un papel más amplio. Un agente combina un modelo de lenguaje con herramientas, memoria, recuperación de información y un bucle de control que le permite planificar y ejecutar múltiples pasos. En ciencia, esos pasos pueden incluir buscar literatura, procesar observaciones, escribir código de simulación y proponer experimentos.

La promesa suena como una extensión natural de la IA impulsada por datos. Basta con proporcionar al agente suficientes publicaciones y registros de laboratorio, conectarlo a las herramientas adecuadas y dejarlo buscar patrones a una escala que ningún investigador individual puede igualar.

Sin embargo, la evidencia reciente sugiere que completar flujos de trabajo y razonar científicamente son capacidades diferentes. Un agente puede producir un resultado correcto mediante un proceso débil, del mismo modo que un estudiante puede adivinar la respuesta correcta sin comprender el problema.

Un estudio de 2026 titulado AI scientists examinó más de 25.000 ejecuciones de agentes en ocho dominios científicos. Los investigadores evaluaron tanto el desempeño en las tareas como la estructura epistémica del razonamiento de los agentes.

La estructura epistémica describe cómo un sistema trata la evidencia, las explicaciones en competencia, la incertidumbre y la posible refutación. No son añadidos decorativos a la ciencia. Determinan si una conclusión merece confianza.

El estudio halló que el modelo de lenguaje subyacente explicaba el 41,4% de la varianza medida en el desempeño y el comportamiento. El andamiaje del agente, es decir, el marco circundante de planificación y herramientas, explicaba solo el 1,5%.

Más preocupante aún, los investigadores informaron de que los agentes ignoraban la evidencia en el 68% de los trazos analizados. La revisión de creencias impulsada por refutaciones apareció en el 26%, mientras que el respaldo convergente de múltiples pruebas seguía siendo poco frecuente.

Estos hallazgos no demuestran que los agentes científicos sean inútiles. Demuestran que un agente puede ejecutar partes de la investigación sin seguir de forma consistente las prácticas de razonamiento que hacen fiable a la investigación.

El trabajo de Intel sobre IA cognitiva apunta a una preocupación técnica similar. Intel Labs ha sostenido que los sistemas futuros necesitan conocimiento estructurado, razonamiento de sentido común y operaciones simbólicas junto con el aprendizaje neuronal.

Los investigadores del MIT han llegado a la cuestión desde otra dirección. Están probando si los agentes pueden formular preguntas útiles, interpretar respuestas incompletas y coordinarse bajo incertidumbre.

En conjunto, esas señales de Intel y MIT desplazan el objetivo. La IA científica debe mejorar en la indagación, no solo en generar respuestas pulidas a partir de información existente.

Más datos científicos no resuelven explicaciones en competencia

Los datos restringen una teoría, pero rara vez seleccionan la mejor explicación sin razonar sobre causas, supuestos e incertidumbre.

Los conjuntos de datos científicos no son colecciones neutrales de hechos. Reflejan decisiones sobre qué medir, qué instrumentos utilizar, qué observaciones excluir y cómo representar la incertidumbre.

Un modelo entrenado con esos registros puede heredar los mismos límites sin reconocerlos. También puede aprender correlaciones producidas por las prácticas de medición, en lugar del fenómeno que los investigadores desean explicar.

Más datos ayudan cuando un problema se mantiene estable y se conocen las categorías pertinentes. Son menos decisivos cuando los investigadores se enfrentan a una anomalía, un mecanismo desconocido o varias teorías que se ajustan a las mismas observaciones.

Pensemos en un agente de materiales que busca un electrolito mejor para baterías. Puede clasificar compuestos utilizando mediciones publicadas y propiedades predichas. Esa clasificación es útil, pero no establece por qué un compuesto se comporta como se predice.

Una variable oculta, un artefacto de laboratorio o una interacción no modelada podrían producir la relación aparente. Un sistema científico debe preguntarse qué explicación sobreviviría a un nuevo experimento, no simplemente qué patrón aparece con mayor frecuencia.

El mismo problema surge en biología. Un agente puede encontrar una asociación entre una molécula y el desenlace de una enfermedad. Pasar de la asociación a la intervención exige razonamiento causal, controles, replicación y atención al contexto biológico.

El razonamiento causal pregunta qué ocurriría si cambiara un factor específico mientras las demás condiciones relevantes permanecen controladas. Los datos de entrenamiento por sí solos no proporcionan automáticamente esa prueba contrafactual.

Esta limitación explica por qué el progreso científico no puede reducirse a la ingesta de literatura. Las publicaciones contienen evidencia, interpretaciones, desacuerdos y resultados moldeados por incentivos. Un sistema de IA debe distinguir entre ellos.

También debe saber cuándo un consenso aparente descansa sobre supuestos compartidos. Si cada estudio utiliza el mismo indicador indirecto, otro millón de observaciones de ese indicador podría reforzar el modelo equivocado.

Los sistemas de recuperación enfrentan un problema adicional. Priorizan el material considerado relevante para la consulta actual. Eso puede dificultar que emerja un resultado desatendido que contradiga la hipótesis inicial del agente.

Una vez que un agente formula una explicación plausible, el sesgo de confirmación puede entrar en su proceso de búsqueda. El sistema puede recuperar evidencia de respaldo, interpretar la ambigüedad a su favor y detenerse al alcanzar una narrativa coherente.

Los científicos humanos son vulnerables al mismo comportamiento. La ciencia limita esa debilidad mediante revisión adversarial, métodos reproducibles, experimentos independientes y recompensas por identificar errores.

Un agente autónomo necesita controles comparables dentro de su proceso operativo. Debería buscar deliberadamente evidencia que lo contradiga, registrar las hipótesis descartadas y exponer los supuestos detrás de cada recomendación.

Estos requisitos convierten la IA científica en un problema de arquitectura del conocimiento. Los investigadores necesitan sistemas que preserven las relaciones entre afirmaciones, fuentes, experimentos y revisiones.

Este enfoque se asemeja a la knowledge blending, donde la información recuperada se mantiene conectada al contexto de trabajo del usuario. Las aplicaciones científicas exigen una versión aún más estricta, con procedencia, incertidumbre y linaje experimental.

Por tanto, la cuestión central no es si los datos importan. La IA científica depende de datos de alta calidad, registros de investigación accesibles y experimentos bien descritos.

El error consiste en tratar el volumen de datos como un sustituto del juicio. Las observaciones adicionales pueden acotar el campo, pero el razonamiento determina qué incertidumbre importa y qué evidencia debería obtenerse después.

Los agentes científicos siguen teniendo dificultades cuando la pregunta es abierta

Los agentes actuales rinden mejor cuando los humanos ya han convertido el descubrimiento en una tarea bien especificada con una meta claramente definida.

Un benchmark puede hacer que un sistema de IA parezca científico al eliminar la parte más difícil de la ciencia. Si el prompt define el problema, proporciona las herramientas pertinentes y especifica la regla de evaluación, el agente principalmente necesita ejecutar.

La investigación real suele comenzar antes de que cualquiera de esos elementos esté resuelto. Los científicos deben decidir qué pregunta vale la pena formular, qué medición sería informativa y qué resultado les haría cambiar de opinión.

El benchmark SciAgentArena de 2026 intenta reducir esta brecha. Contiene aproximadamente 200 tareas extraídas de escenarios de investigación científica y utiliza verificación paso a paso dentro de un entorno interactivo.

Sus autores descubrieron que los agentes actuales pueden contribuir eficazmente a flujos de trabajo de análisis de datos claramente especificados. El desempeño fue menos consistente cuando las tareas requerían exploración abierta, una idea novedosa o soluciones robustas sin una ruta predefinida.

Este resultado identifica quién enfrenta presión por la nueva evidencia. Los desarrolladores de agentes de propósito general ya no pueden equiparar el uso exitoso de herramientas con la autonomía científica.

Las organizaciones de investigación también enfrentan presión. Si implementan agentes basándose en benchmarks de respuesta final, corren el riesgo de automatizar un proceso que produce conclusiones plausibles sin una justificación fiable.

Los laboratorios necesitan evaluaciones que examinen las decisiones intermedias. ¿Reconoció el agente la evidencia en conflicto? ¿Eligió un experimento capaz de separar dos hipótesis? ¿Actualizó después su nivel de confianza?

La distinción también cambia el papel de la orquestación de agentes. Añadir agentes especializados en literatura, programación, estadística y revisión puede ampliar la cobertura. No garantiza que el grupo siga un método científico coherente.

Varios agentes pueden reforzar el mismo error. Si comparten un modelo base, una distribución de entrenamiento o un sistema de recuperación, el acuerdo aparente puede reflejar un fallo correlacionado en lugar de una confirmación independiente.

Los equipos científicos evitan este problema utilizando instrumentos, métodos, muestras y perspectivas teóricas diferentes. Los sistemas de agentes necesitan diversidad significativa, no múltiples copias de un modelo con distintos títulos de trabajo.

La investigación del MIT sobre la formulación colaborativa de preguntas ofrece un ejemplo concreto. En un juego controlado, los agentes tenían que hacer preguntas que ayudaran a un compañero a localizar objetos ocultos con comunicación limitada.

El estudio sobre preguntas descubrió que un modelo más pequeño y cuidadosamente entrenado podía superar a modelos mucho más grandes en ese entorno. La mejora procedía de elegir preguntas según su valor informativo esperado.

Eso importa para la ciencia porque el descubrimiento depende de seleccionar observaciones que reduzcan la incertidumbre. Un modelo grande puede conocer más hechos y aun así plantear una pregunta débil.

El resultado también cuestiona la idea de que el número de parámetros por sí solo determina la calidad de un agente. Un agente científico eficaz necesita una política para decidir qué no sabe y qué acción resolvería esa incertidumbre.

El trabajo de Intel sobre razonamiento estructurado y simbólico encaja con este mecanismo. Los métodos simbólicos representan explícitamente entidades, reglas y relaciones, lo que permite a un sistema manipularlas bajo restricciones definidas.

Los modelos neuronales siguen siendo valiosos porque pueden interpretar lenguaje no estructurado y detectar patrones en grandes conjuntos de datos. La arquitectura científica más sólida probablemente combinará esas fortalezas con hipótesis explícitas, modelos causales y herramientas de verificación.

Ese diseño híbrido crea un objetivo de ingeniería distinto. El sistema debe preservar la incertidumbre en lugar de comprimirla de inmediato en una única respuesta segura.

También debe separar la recuperación de información de la evaluación. Encontrar un artículo no equivale a decidir si sus métodos respaldan la afirmación que se está haciendo.

Por ello, el papel más creíble de los agentes a corto plazo es la colaboración acotada. Pueden buscar, calcular, simular y redactar explicaciones candidatas mientras los científicos conservan la responsabilidad de plantear el marco y validar.

Este enfoque es menos dramático que un científico de IA plenamente autónomo. También se ajusta más a lo que respalda la evidencia.

El verdadero adversario es el escalado de datos sin razonamiento científico

El conflicto central se da entre sistemas optimizados para reproducir resultados exitosos y sistemas entrenados para llevar a cabo un proceso de investigación defendible.

El escalado de datos transformó la IA moderna porque muchas tareas mejoran cuando los modelos se exponen a más ejemplos. El modelado de lenguaje, el reconocimiento de imágenes y la autocompletación de código se benefician de una amplia exposición a patrones.

La ciencia incluye reconocimiento de patrones, pero el descubrimiento también contiene una dimensión normativa. Los investigadores deben decidir qué cuenta como evidencia, cómo debe afectar la incertidumbre a una afirmación y cuándo una explicación ha fracasado.

Esas decisiones no pueden juzgarse únicamente por su coincidencia con una respuesta conocida. Las preguntas de frontera no tienen una clave de respuestas, y el resultado más interesante podría contradecir la literatura existente.

Las recompensas basadas en resultados crean un peligro concreto. Si los desarrolladores recompensan a un agente cada vez que su respuesta final se parece a una conclusión aceptada, el modelo puede aprender a imitar el consenso sin aprender por qué ese consenso está justificado.

Una predicción correcta producida mediante una relación espuria sigue siendo científicamente débil. Podría fallar ante una condición nueva, y el sistema quizá no ofrezca ninguna señal fiable sobre cuándo ocurrirá ese fallo.

La supervisión del proceso ofrece una respuesta. Evalúa los pasos intermedios, como si un agente utilizó correctamente la evidencia, probó alternativas y calibró su confianza.

Sin embargo, el proceso científico es más difícil de evaluar que la aritmética. Una prueba matemática a veces puede verificarse línea por línea, mientras que un argumento científico puede depender de evidencia incompleta y del juicio específico de cada disciplina.

Los investigadores han propuesto la idea de alineación científica, es decir, que los sistemas de IA deberían seguir los valores epistémicos que hacen utilizables las conclusiones científicas. Entre ellos se incluyen la trazabilidad, la coherencia, la verificabilidad, la calibración y la inteligibilidad.

Un artículo de 2026 sobre alineación científica sostiene que las métricas ordinarias de rendimiento no capturan esos valores. Propone referencias de evaluación y sistemas de recompensa diseñados en torno a la práctica científica.

Esta propuesta no exige que los modelos copien todas las convenciones de investigación humanas. Las instituciones científicas contienen sesgos, incentivos de publicación y desigualdades de acceso que no deberían codificarse de forma acrítica.

En cambio, el objetivo es preservar las características que favorecen la corrección. Las afirmaciones deben conectarse con la evidencia, los supuestos deben permanecer visibles y las observaciones contradictorias deben desencadenar una revisión.

Un agente científico alineado mantendría varias hipótesis activas en lugar de seleccionar de inmediato una sola narrativa. Identificaría el experimento con mayor capacidad para distinguir entre ellas.

También distinguiría la ausencia de evidencia de la evidencia de ausencia. Los modelos de lenguaje suelen difuminar esa frontera porque ambas pueden aparecer en contextos lingüísticos similares.

La calibración de la confianza es otro requisito. Un sistema calibrado expresa menor confianza cuando su evidencia es escasa, contradictoria o queda muy fuera de su distribución de entrenamiento.

Esto parece básico, pero un lenguaje fluido puede ocultar una calibración débil. Un párrafo seguro no revela si la inferencia subyacente se apoya en una fuente indirecta o en varios experimentos independientes.

El hilo de Intel y MIT es útil porque vincula arquitectura y comportamiento. La dirección de razonamiento estructurado de Intel se ocupa de cómo se representan el conocimiento y las reglas. La investigación de agentes del MIT examina cómo los sistemas recopilan información y actúan bajo incertidumbre.

Ninguno de los dos enfoques sugiere abandonar los modelos grandes ni los conjuntos de datos extensos. Ambos sugieren situar esos recursos dentro de un proceso diseñado para la indagación y la corrección.

Este mecanismo también determina si la IA puede contribuir al cambio conceptual. Un modelo entrenado para minimizar la sorpresa tenderá a favorecer explicaciones cercanas al centro de su distribución de entrenamiento.

Un agente científico debe preservar la sorpresa en ocasiones. Una anomalía puede ser ruido, pero también puede señalar dónde un modelo aceptado deja de funcionar.

El sistema no debería celebrar cada contradicción como un descubrimiento. Debería clasificar las anomalías según su credibilidad, reproducibilidad y capacidad para distinguir entre explicaciones.

Eso requiere razonar sobre datos, instrumentos y teoría. Es un objetivo mucho más exigente que producir otra secuencia probable de palabras.

La generación más rápida de hipótesis crea un cuello de botella de validación

Si los agentes generan ideas más rápido de lo que los investigadores pueden probarlas, la producción científica aumenta mientras puede disminuir la confianza en cada resultado.

El riesgo más inmediato de los científicos de IA no es que dejen de generar respuestas. Es que generen demasiadas respuestas plausibles para que las instituciones existentes puedan evaluarlas.

Un agente puede buscar entre miles de artículos, combinar conceptos distantes y proponer experimentos candidatos de forma ininterrumpida. La capacidad de los laboratorios, la revisión por pares y la atención de los expertos no escalan al mismo ritmo.

Investigadores de Google DeepMind describen esto como un cuello de botella de validación. A medida que se acelera la producción de hipótesis, la ciencia necesita una mejor infraestructura para comprobar la procedencia, reproducir resultados y priorizar experimentos.

Este cuello de botella debilita la afirmación simplista de que una mayor producción de IA implica automáticamente descubrimientos más rápidos. La tasa útil no es la de hipótesis generadas por hora. Es la de hipótesis creíbles probadas e incorporadas al conocimiento compartido.

Los revisores automatizados pueden ayudar a filtrar envíos, pero introducen preocupaciones por riesgos correlacionados. Un revisor construido a partir de la misma familia de modelos puede pasar por alto el mismo supuesto sin respaldo que el agente generador.

La verificación independiente debe implicar algo más que preguntar a otro chatbot si una respuesta parece correcta. Puede requerir datos separados, modelos diferentes, comprobaciones formales, simulaciones o experimentos físicos.

La validación física es especialmente importante porque los modelos científicos interactúan con el mundo. Una síntesis química puede fracasar por impurezas, sensibilidad a la temperatura o detalles de manipulación ausentes de la literatura.

Un agente de IA podría recomendar un experimento teóricamente informativo pero poco práctico o inseguro. Los expertos del dominio deben evaluar restricciones que nunca estuvieron plenamente representadas en sus datos de entrenamiento.

La procedencia de los datos crea otra vulnerabilidad. Los agentes suelen combinar afirmaciones de fuentes con distintos estándares de evidencia. Un resultado revisado por pares, un preprint y una entrada de base de datos no verificada pueden convertirse en frases consecutivas dentro de una respuesta segura.

Un sistema fiable debería mostrar de dónde procede cada afirmación y cómo cambió durante el razonamiento. No debería ocultar el desacuerdo tras un resumen fluido.

El escepticismo también debería extenderse a los resultados de las evaluaciones comparativas. Un rendimiento sólido en aproximadamente 200 tareas interactivas no demuestra que un agente pueda gestionar todos los ámbitos de investigación.

Las evaluaciones comparativas simplifican necesariamente la realidad, y los modelos pueden optimizarse para su estructura recurrente. Un sistema que funciona bien en biología computacional aún podría fallar en un laboratorio físico o en un estudio de campo.

El estudio de más de 25.000 ejecuciones de agentes también sigue siendo un preprint en el momento de la publicación. Su amplia base experimental lo hace valioso, pero la replicación independiente y la revisión por pares siguen siendo importantes.

Sus porcentajes no deberían convertirse en constantes universales para todos los agentes científicos. Describen los sistemas, las tareas y los métodos de puntuación evaluados.

Aun así, es difícil descartar la advertencia central. Los agentes que ignoran la evidencia durante una evaluación controlada no deberían recibir autoridad sin controles sobre investigaciones costosas o sensibles para la seguridad.

Las organizaciones deberían separar la asistencia de la autonomía. Un agente puede preparar un mapa de la literatura sin decidir que un tratamiento funciona. Puede sugerir un experimento sin controlar equipos peligrosos.

Los equipos también necesitan registros de razonamientos fallidos, no solo de resultados exitosos. Los fallos ocultos impiden que los investigadores aprendan qué tareas superan la competencia del sistema.

Aquí es donde el argumento de Intel y MIT se vuelve operativo. El razonamiento científico debe diseñarse en los flujos de trabajo, las evaluaciones y los controles de revisión antes de que las instituciones amplíen el despliegue de agentes.

De lo contrario, el resultado será una producción de contenido más rápida ligada a una verificación más lenta y costosa. Eso es automatización de la apariencia científica, no progreso científico.

Tres señales mostrarán si los agentes de IA se están convirtiendo en científicos

La próxima etapa debería juzgarse por la revisión de creencias, la validación en el mundo real y la replicación independiente, en lugar de por demostraciones cada vez más pulidas.

La primera señal es la aparición de evaluaciones científicas comparativas a nivel de proceso. Estas pruebas deberían puntuar si un agente busca contraevidencia, distingue la correlación de la causalidad y revisa su postura tras una predicción fallida.

El resultado de una evaluación comparativa se vuelve más convincente cuando la traza de razonamiento es auditable y la tarea permanece oculta antes de la evaluación. El éxito bajo esas condiciones reforzaría la idea de que el razonamiento científico puede convertirse en una capacidad entrenable.

El fracaso reforzaría la conclusión actual de que los agentes de propósito general ejecutan principalmente flujos de trabajo estructurados. También mostraría que añadir herramientas y memoria no resuelve la brecha de razonamiento subyacente.

La segunda señal es la validación experimental de extremo a extremo. Los equipos de investigación deberían informar cuántas hipótesis generadas por agentes superan las pruebas de laboratorio, no solo cuántas ideas produce el agente.

La evidencia más sólida procederá de casos en los que el agente seleccione un experimento informativo, reciba un resultado inesperado y cambie su teoría de trabajo. Esa secuencia pone a prueba el ciclo científico completo.

Un descubrimiento exitoso aislado atraerá atención, pero el rendimiento repetido importa más. Los investigadores necesitan saber si el proceso funciona en tareas nuevas y si los fallos siguen siendo detectables.

La tercera señal es la replicación independiente por equipos que utilicen modelos, herramientas y conjuntos de datos diferentes. La replicación puede revelar si un resultado depende de los supuestos ocultos de un agente o del diseño de una evaluación comparativa.

La concordancia entre copias del mismo modelo subyacente no debería contar como confirmación independiente. Una replicación significativa requiere suficiente separación metodológica para exponer errores correlacionados.

Estas señales también aclaran el mercado a corto plazo de los agentes científicos. Los sistemas que documenten la incertidumbre y se integren con la revisión humana deberían generar más confianza que los productos que prometen descubrimientos autónomos solo mediante la escala.

Para los desarrolladores, la prioridad práctica es crear agentes que expongan su estado de trabajo. Cada hipótesis debe estar vinculada a fuentes, supuestos, pruebas planificadas, resultados observados y revisiones posteriores.

Para los responsables de investigación empresarial, la evaluación debe comenzar con tareas acotadas. Los equipos pueden comparar las recomendaciones de los agentes con las decisiones de expertos y registrar dónde divergen ambas.

Los trabajadores del conocimiento deberían prestar atención porque la misma distinción se extiende más allá de los laboratorios. Un agente que revise contratos, investigación de productos o evidencia de clientes también puede producir una respuesta plausible sin poner a prueba los supuestos que la sustentan.

Por eso el debate entre Intel y MIT tiene una importancia más amplia. Plantea si los sistemas de IA simplemente acelerarán resultados conocidos o mejorarán la calidad del razonamiento que los genera.

Más datos seguirán siendo esenciales. Los mejores modelos importarán, y las herramientas especializadas ampliarán lo que los agentes pueden hacer.

Ninguna de esas inversiones elimina la necesidad de un proceso autocorrectivo. El conocimiento científico adquiere su estatus porque una afirmación puede cuestionarse, rastrearse, probarse y revisarse.

El próximo científico de IA creíble no se definirá por cuántos artículos haya leído. Se definirá por lo que haga cuando la evidencia indique que su primera respuesta era errónea.

Investigadores, desarrolladores y compradores de tecnología deberían plantear ahora una pregunta más exigente a cada agente científico: ¿puede el sistema mostrar qué evidencia le haría cambiar de opinión?

Si esa respuesta sigue sin estar clara, el agente continúa siendo un asistente de investigación competente, y no un científico autónomo. Esta distinción debería guiar la forma en que las organizaciones evalúan las próximas afirmaciones de investigación de Intel y MIT, así como cada demostración posterior de IA científica.