La IA de 2026 genera hipótesis científicas y ejecuta experimentos: Microsoft Research anuncia el fin del científico como único actor del descubrimiento
Peter Lee, presidente de Microsoft Research, describe 2026 como el año en que la IA pasa de resumir artículos a proponer nuevos experimentos en física, química y biología, mientras IBM avanza en la integración cuántica con IA
El laboratorio del futuro ya tiene un asistente que piensa
Durante años, la IA en ciencia ha sido sinónimo de aceleración: procesar más datos en menos tiempo, identificar patrones en conjuntos de miles de moléculas o generar resúmenes de literatura científica en segundos. Pero en 2026, según Peter Lee, presidente de Microsoft Research, ese papel ha dado un salto cualitativo que redefine el proceso científico completo. La IA ya no se limita a resumir artículos ni a responder preguntas: ahora genera hipótesis, utiliza herramientas para controlar experimentos científicos y colabora tanto con investigadores humanos como con otros agentes de IA. El paradigma ha cambiado: cada científico puede contar con un asistente de laboratorio basado en IA capaz de proponer nuevos experimentos e, incluso, ejecutar parte de ellos.
Este cambio es especialmente visible en tres áreas: la física de materiales, donde la IA acelera el descubrimiento de nuevos compuestos con propiedades específicas; la química computacional, donde la dinámica molecular puede simularse a escala sin precedentes; y la biología sintética, donde la IA diseña secuencias genéticas con objetivos funcionales concretos.
IBM y la convergencia cuántica: años, no décadas
Uno de los anuncios más significativos en el ámbito de la investigación en IA durante junio de 2026 procede de IBM. Jason Zander, vicepresidente ejecutivo de Microsoft Discovery and Quantum, ha señalado que la computación cuántica está entrando en una fase en la que la «ventaja cuántica» —la capacidad de resolver problemas que los ordenadores clásicos no pueden abordar— se producirá en «años, no en décadas». IBM está construyendo una arquitectura de supercomputación híbrida que combina computación cuántica, IA y sistemas de alto rendimiento con CPU, GPU y otros motores de procesamiento. La firma también trabaja con AMD para integrar las unidades de proceso de esta compañía con sus ordenadores cuánticos, con el objetivo de acelerar una nueva clase de algoritmos que ninguno de los dos paradigmas puede ejecutar de forma independiente.
En el campo de los modelos de código abierto aplicados a la ciencia, IBM identifica tres fuerzas para 2026: la diversificación global de modelos —incluyendo los lanzamientos chinos multilingües y ajustados al razonamiento—, la interoperabilidad como eje competitivo mediante estándares compartidos, y un gobierno reforzado con publicaciones auditadas de seguridad y pipelines de datos transparentes.
La IA científica y el dilema ético del descubrimiento autónomo
El salto de la IA como herramienta a la IA como coautora científica plantea preguntas que la comunidad académica aún no ha resuelto. ¿A quién pertenece un descubrimiento generado por una IA? ¿Cómo se valida y replica un experimento diseñado y ejecutado por un agente autónomo? ¿Qué papel tienen los sesgos de los datos de entrenamiento en las hipótesis que genera un modelo científico? Estas preguntas no tienen respuestas simples, pero están en el centro del debate en congresos como NeurIPS o ICML, y comienzan a aparecer en los marcos regulatorios de la UE y EEUU. La IA científica de 2026 es más poderosa que nunca; garantizar que ese poder se ejerce con rigor y transparencia es el desafío más importante del sector.
