La IA empieza a resolver problemas científicos: qué significa el salto del 35 %

¿Y si una inteligencia artificial pudiera aportar una solución a un problema de física teórica que llevaba años ocupando a especialistas? Ya no es una pregunta puramente especulativa. Un estudio difundido el 13 de octubre de 2026 por el laboratorio FutureTech del MIT describe una mejora rápida en la capacidad de varios modelos de IA para resolver problemas teóricos de investigación: en una evaluación concreta, el porcentaje de respuestas que coincidían con las de los autores humanos pasó del 2,8 % con o1 al 34,6 % con GPT-5.5.

La cifra llama la atención, pero hay que leerla con cuidado. No significa que la IA pueda resolver un tercio de todos los problemas científicos, ni que haya sustituido el trabajo de físicos, matemáticos o economistas. Se refiere a una selección definida de preguntas teóricas con respuestas de referencia conocidas por los investigadores, pero que no estaban disponibles para los modelos cuando respondieron. La diferencia es importante: estamos ante una señal de progreso medido, no ante una prueba de que la ciencia pueda automatizarse de extremo a extremo.

La investigación abre una cuestión interesante para cualquiera que siga la tecnología: si los modelos empiezan a proponer soluciones útiles en áreas donde antes fallaban casi siempre, ¿cómo cambiarán la investigación, la forma de verificar resultados y el papel de las personas que hacen ciencia?

Del 2,8 % al 34,6 %: qué midió realmente el estudio del MIT

El trabajo, titulado AI Disruption and Falling Costs in Theory Research, está firmado por Gabriel Manso, Claudio Mayrink Verdun y Neil Thompson. El equipo comparó distintas versiones de modelos publicadas entre diciembre de 2024 y abril de 2026 y evaluó sus respuestas a problemas de investigación de siete dominios relacionados con matemáticas, física y economía.

Para construir la evaluación, los investigadores seleccionaron problemas extraídos de 254 artículos recientes de arXiv. Cada problema tenía una respuesta humana de referencia que no estaba disponible para el modelo cuando se realizó el intento. Según la descripción del laboratorio, la proporción de problemas en los que la respuesta de la IA coincidía con la de los autores aumentó del 2,8 % con o1 al 34,6 % con GPT-5.5 a lo largo de dieciséis meses.

Esos porcentajes no son una nota universal de inteligencia. Son el resultado de un protocolo y una colección de problemas concretos. Tampoco deben confundirse con la afirmación más general, difundida por WIRED el 14 de octubre de 2026, de que los mejores modelos pasaron aproximadamente del 2 % al 35 % en un conjunto de preguntas teóricas entre mediados de 2024 y mediados de 2026. Ambas descripciones apuntan a la misma tendencia, aunque sus periodos y cifras redondeadas no son idénticos.

La prueba cubría campos como probabilidad, teoría estadística, teoría económica, física de altas energías, gravitación y cosmología, y física cuántica. Se eligieron tareas que podían abordarse mediante razonamiento teórico, sin depender de ejecutar una simulación o llevar a cabo un experimento físico. Por tanto, el resultado dice más sobre ciertas clases de razonamiento formal que sobre toda la actividad científica.

Hay otra precaución: coincidir con una respuesta de referencia es una forma útil de medir el rendimiento, pero no resume todas las cualidades de una investigación. Una respuesta puede llegar a una conclusión correcta sin explicar bien el camino; también puede ser parcialmente útil y, aun así, no coincidir con la solución esperada. En ciencia importan la demostración, las hipótesis, la reproducibilidad, la interpretación y la capacidad de detectar cuándo una premisa es incorrecta.

¿Qué significa que una IA resuelva un problema científico?

En una conversación cotidiana, «resolver» puede significar contestar con una explicación plausible. En investigación, el estándar es más exigente. Una solución debe respetar las condiciones del problema, apoyarse en argumentos válidos y poder ser examinada por otras personas. Si se trata de una demostración matemática, no basta con que los pasos parezcan razonables: cada inferencia tiene que sostenerse. Si se propone una hipótesis física, debe encajar con las teorías pertinentes y, cuando corresponda, con observaciones o experimentos.

Los modelos de lenguaje pueden ayudar de varias maneras. Pueden reorganizar un planteamiento complejo, explorar estrategias distintas, generar código para comprobar casos, resumir bibliografía, detectar relaciones entre conceptos o redactar una primera versión de un argumento. En ciertos problemas teóricos, también pueden producir una derivación que los especialistas consideren novedosa. Pero la utilidad de cada una de esas tareas debe evaluarse por separado: ser bueno explicando un concepto no implica ser bueno demostrando un teorema, y escribir código correcto no garantiza que el modelo haya interpretado correctamente la pregunta científica.

La IA también se está probando en tareas técnicas delimitadas fuera de la ciencia teórica: en este análisis sobre una IA que detectó un fallo del kernel de Linux explicamos por qué atribuir un hallazgo a un sistema automático exige revisar qué hizo realmente y cómo se verificó.

La mejora del benchmark es relevante precisamente porque intenta ir más allá de las preguntas habituales con respuestas ampliamente conocidas. Los investigadores usaron problemas procedentes de trabajos recientes y bloquearon el acceso a internet durante las pruebas descritas por WIRED. De ese modo, reducían la posibilidad de que los modelos simplemente localizaran la solución publicada. No desaparecen todas las limitaciones de una evaluación, pero el diseño intenta medir la capacidad de llegar a una respuesta, no solo de recuperarla.

Los benchmarks teóricos permiten comprobar algunas capacidades, pero no miden toda la investigación científica.

De las matemáticas a la física y la economía: dónde puede notarse primero

Las disciplinas teóricas tienen una característica que las hace especialmente adecuadas para estas evaluaciones: parte de sus resultados puede expresarse en ecuaciones, argumentos formales o conclusiones comparables. Eso permite diseñar pruebas donde una solución se contrasta con una referencia. No significa que sean sencillas; muchos problemas requieren combinar conocimientos especializados, elegir una representación adecuada y evitar errores sutiles.

Matemáticas: propuestas que necesitan demostración

En matemáticas, la IA puede sugerir una estrategia, encontrar una transformación útil o producir una demostración candidata. Un ejemplo de la evolución reciente es la decisión de OpenAI de publicar resultados matemáticos obtenidos por un modelo interno en un repositorio público anunciado el 6 de octubre de 2026. La empresa explica que comparte manuscritos, materiales de apoyo y formalizaciones de muchas demostraciones en Lean, un sistema que permite comprobar pruebas matemáticas formalizadas por ordenador.

La propia descripción de OpenAI aclara que las formalizaciones cubren muchos resultados, pero no todos, y que el proceso de publicación debe seguir mejorando en exposición, citas y revisión. Esta distinción es esencial: que una demostración pase por un verificador formal constituye una comprobación importante de esa prueba formalizada, pero no convierte automáticamente en correcto todo el manuscrito, la interpretación del resultado o cualquier afirmación relacionada. La validación externa y la claridad para la comunidad siguen siendo necesarias.

Física teórica: explorar consecuencias de un modelo

En física, los sistemas de IA pueden contribuir a manipular ecuaciones, explorar aproximaciones o comparar consecuencias de distintas hipótesis. Los resultados de una evaluación teórica no demuestran que un modelo pueda diseñar por sí solo un experimento, construir un instrumento o descubrir una ley física confirmada. Para pasar de una propuesta matemática a una explicación fiable del mundo hacen falta datos, condiciones de medida y, en muchos casos, experimentos que permitan distinguir entre hipótesis rivales.

Economía y estadística: razonamiento bajo supuestos

En economía teórica y estadística, una solución puede depender de supuestos sobre incentivos, distribuciones, causalidad o incertidumbre. La IA puede ayudar a trabajar con ellos, pero también puede pasar por alto una condición que invalida el resultado. Una respuesta que parece sofisticada no elimina la necesidad de revisar las premisas ni de comprobar si el modelo matemático representa bien el fenómeno estudiado.

El patrón común es que la IA puede ampliar el conjunto de rutas que un equipo investiga. La contribución más valiosa no siempre será una respuesta final: también puede ser una pista que permita descartar una vía, formular una conjetura más precisa o ahorrar tiempo en una tarea intermedia.

La IA ya se utiliza en ciencia, pero no de una sola manera

La investigación teórica es solo una parte del panorama. Un análisis del laboratorio FutureTech del MIT publicado en septiembre de 2026, AI in Science: Early Insights, combina una muestra de 15 millones de interacciones con Gemini, un inventario de más de 2.600 modelos de IA especializados y una encuesta a más de 600 científicos. Entre sus resultados, casi la mitad de las personas encuestadas afirmó utilizar alguna forma de IA cada día, y los investigadores que la empleaban señalaron un ahorro de tiempo cercano a siete horas semanales.

Estas cifras deben interpretarse como resultados de las fuentes y muestras concretas del estudio, no como una medida universal aplicable a cualquier laboratorio. Aun así, ayudan a ver que el uso científico no se reduce a pedirle a un chatbot que escriba un artículo. Los modelos de propósito general pueden apoyar tareas de análisis, programación y preparación de manuscritos, mientras que las herramientas especializadas pueden realizar predicciones, generar datos o clasificar información de un campo concreto.

En biología, química o ciencia de materiales, por ejemplo, una herramienta puede priorizar candidatos para estudiar o ayudar a interpretar grandes conjuntos de datos. Pero seleccionar un candidato no demuestra que vaya a funcionar en el mundo real. Los resultados deben comprobarse con procedimientos adecuados al campo, y los costes de producir nuevas hipótesis pueden trasladar el cuello de botella a otra parte: el laboratorio quizá tenga más ideas para probar de las que puede verificar.

Por eso conviene evitar dos extremos. Ni la IA es solo un generador de texto sin valor científico, ni cada resultado prometedor equivale a un descubrimiento confirmado. El impacto depende de la tarea, la calidad de los datos, el diseño de la evaluación y los recursos disponibles para verificar las respuestas.

Una propuesta generada por IA solo adquiere valor científico cuando puede examinarse y comprobarse.

El límite decisivo: una respuesta convincente puede ser incorrecta

Los modelos generativos están diseñados para producir respuestas a partir de patrones aprendidos y de la información disponible en el contexto. No disponen automáticamente de un mecanismo interno que garantice que cada afirmación sea verdadera. En problemas complejos pueden cometer errores de cálculo, saltarse una condición, inventar una referencia o construir una cadena argumental que parece coherente pero contiene un paso inválido.

Este riesgo no es una razón para descartar la herramienta, sino para definir cómo se usa. Una respuesta de IA debe tratarse como una propuesta sometida a comprobación, no como una autoridad que pone fin a la discusión. La revisión puede incluir repetir los cálculos con otro método, comprobar las hipótesis, ejecutar código independiente, consultar literatura especializada o pedir a otra persona experta que examine el razonamiento.

En matemáticas, los verificadores formales como Lean pueden ayudar a comprobar demostraciones que se hayan expresado en un lenguaje formal compatible. Sin embargo, traducir una idea a ese lenguaje requiere trabajo y no todas las cuestiones científicas se pueden reducir a una prueba formal. En física experimental, por ejemplo, una deducción matemática puede ser impecable y aun así partir de un modelo que no describe adecuadamente el sistema observado.

La necesidad de verificar también aparece en la experiencia cotidiana con asistentes generativos. En nuestro artículo sobre las alucinaciones de la inteligencia artificial explicamos por qué una respuesta fluida no garantiza exactitud y qué prácticas ayudan a reducir los errores. En investigación, esa precaución debe elevarse: cuanto más importante sea la conclusión, mayor debe ser la calidad de la comprobación.

¿Puede la IA acelerar los descubrimientos sin reemplazar a los científicos?

La pregunta no tiene por qué plantearse como una competición entre personas y máquinas. En muchas tareas, la combinación puede ser más útil que cualquiera de las partes por separado. El sistema propone enfoques y ejecuta tareas repetitivas; la persona define el problema, evalúa si la pregunta tiene sentido, identifica las consecuencias relevantes y decide qué evidencia es suficiente para aceptar una conclusión.

El estudio del MIT plantea que algunos trabajos teóricos podrían volverse menos costosos. Sus autores estiman que los intentos con GPT-5.5 en su evaluación podían costar aproximadamente cinco dólares por problema y unos quince dólares por solución correcta. Son estimaciones del propio estudio para ese protocolo y ese modelo, no una tarifa general de investigación ni una garantía de que una tarea científica completa pueda resolverse por ese importe. El coste real incluye preparación del problema, supervisión experta, acceso a herramientas, replicación y revisión de resultados.

Si generar respuestas se vuelve más barato, la escasez puede desplazarse. Puede haber más hipótesis candidatas, más demostraciones que revisar y más resultados preliminares que necesitan replicación. El valor de la experiencia humana no desaparece: cambia de lugar, hacia el diseño de preguntas, la evaluación crítica, la integración de conocimientos y la decisión de qué merece tiempo experimental.

También importa quién puede acceder a estos sistemas y bajo qué condiciones. Si las herramientas más capaces son caras, cerradas o dependen de infraestructuras concentradas, sus beneficios pueden repartirse de forma desigual. A la vez, una herramienta más accesible puede permitir que equipos pequeños exploren preguntas que antes requerían muchos recursos. El resultado dependerá tanto de la capacidad técnica como de las políticas de acceso, la transparencia y la posibilidad de reproducir el trabajo.

Cómo evaluar una afirmación de que la IA ha hecho un descubrimiento

Cuando aparezca una noticia sobre una IA que «resuelve» un problema, conviene revisar algunos puntos antes de compartir el titular:

• Qué se ha resuelto exactamente. ¿Es un ejercicio conocido, un problema de referencia, una conjetura abierta o una hipótesis que todavía no se ha probado?
• Quién ha revisado el resultado. ¿Hay evaluación independiente, revisión por especialistas o solo una afirmación del equipo que desarrolló el modelo?
• Qué tipo de comprobación existe. ¿Se ha reproducido el cálculo, verificado formalmente la prueba o contrastado con datos y experimentos?
• Qué incluye la evaluación. ¿Cuántos problemas se probaron, de qué campos procedían y qué se consideró una respuesta correcta?
• Qué queda fuera. ¿Se midió el razonamiento teórico, la ejecución de un experimento, la calidad de una explicación o el proceso completo de investigación?
• Si los materiales están disponibles. Los datos, el código, las demostraciones y los métodos públicos permiten que otros equipos comprueben las conclusiones.

Estas preguntas no restan importancia a los avances. Al contrario, ayudan a separar un resultado sólido de una demostración preliminar y hacen posible valorar qué ha cambiado de verdad. Un titular puede resumir la novedad; el método y la verificación determinan hasta dónde llega su significado.

Qué puede cambiar en los próximos años

Si la tendencia se mantiene, los investigadores podrían incorporar modelos de IA como colaboradores habituales en etapas concretas: explorar un espacio de hipótesis, proponer demostraciones, revisar código, resumir resultados o identificar conexiones que merecen una investigación más profunda. Eso no implica que todas las disciplinas avancen al mismo ritmo ni que los resultados teóricos se traduzcan inmediatamente en aplicaciones prácticas.

El propio panorama de la investigación muestra límites. Un análisis más amplio de FutureTech, The AI-Enabled Scientific Frontier, compara 2.507 resultados entre IA y otras técnicas de análisis en 27 disciplinas científicas. Sus autores describen un escenario desigual: la IA puede superar a métodos estadísticos tradicionales en muchas comparaciones, pero a menudo con mayor coste computacional; frente a la computación científica, el rendimiento también varía. La conclusión no es que una técnica sustituya a todas las demás, sino que su utilidad depende del problema y de los recursos.

En otras palabras, es probable que la ciencia se vuelva más híbrida. La IA puede ampliar la exploración y reducir ciertos costes, mientras que los especialistas siguen siendo necesarios para formular preguntas relevantes, comprobar resultados y entender qué implican. El avance más profundo quizá no consista en que una máquina «haga ciencia» de manera autónoma, sino en que los equipos puedan investigar más posibilidades y concentrar el esfuerzo humano donde el criterio, la creatividad y la evidencia resultan decisivos.

Conclusión: más capacidad no significa menos necesidad de criterio

El salto del 2,8 % al 34,6 % en la evaluación del MIT es una señal importante de que los modelos recientes están mejorando en problemas teóricos de investigación. La cifra no mide toda la ciencia ni demuestra que la IA pueda validar por sí misma un descubrimiento, pero sí justifica seguir de cerca cómo se incorporan estas herramientas a matemáticas, física, economía y otras disciplinas.

El reto ya no consiste solo en conseguir que la IA produzca una respuesta, sino en determinar cuándo esa respuesta es correcta, útil y reproducible. Cuanto más fácil sea generar hipótesis, más importante será disponer de métodos sólidos para examinarlas. La investigación seguirá necesitando curiosidad humana, conocimiento especializado y comprobación independiente.

Para quienes trabajamos con tecnología, diseño y comunicación, hay una lección paralela: explicar un avance con claridad exige separar lo que se ha demostrado de lo que todavía es una posibilidad. En Joan Alonso Design, esa misma idea guía el trabajo con contenidos y experiencias digitales: la tecnología aporta valor cuando se entiende su alcance, se revisan sus límites y se comunica sin exageraciones.

Preguntas frecuentes

¿La inteligencia artificial ya puede hacer descubrimientos científicos?

Puede contribuir a producir soluciones o propuestas que resulten novedosas y útiles en determinadas tareas, especialmente teóricas. Cada caso requiere evaluación independiente; una respuesta generada por IA no equivale automáticamente a un descubrimiento confirmado.

¿Qué significa el salto del 2,8 % al 34,6 %?

En el estudio de FutureTech del MIT, esos porcentajes describen la proporción de problemas seleccionados en los que las respuestas de determinados modelos coincidieron con las de autores humanos. No representan el porcentaje de toda la ciencia que la IA puede resolver.

¿Puede una IA equivocarse aunque su explicación parezca correcta?

Sí. Puede omitir condiciones, cometer errores lógicos o presentar una conclusión incorrecta con una redacción convincente. Por eso es necesario revisar el razonamiento y comprobar los resultados con métodos adecuados.

¿La IA sustituirá a los investigadores?

Los estudios disponibles no permiten afirmar que vaya a sustituirlos de forma general. La IA puede automatizar o acelerar algunas tareas, pero la formulación de preguntas, la interpretación, la validación y el trabajo experimental continúan requiriendo supervisión y criterio experto.