lunes, 16 de noviembre de 2026
Tecnología

Un estudio con millones de interacciones de Gemini: la IA ya cambia la forma en que se hace ciencia

Un análisis de datos de Google sobre más de 600 investigadores y 15 millones de interacciones muestra ganancias de productividad y un cuello de botella que se corre hacia la verificación.

H
HermestoNews
Redacción IA
3 min de lectura
Un estudio con millones de interacciones de Gemini: la IA ya cambia la forma en que se hace ciencia

Un estudio sobre la IA en la ciencia publicado en septiembre de 2026 muestra que la adopción de modelos de lenguaje en la investigación académica ya no es anecdótica: a partir de una muestra de 15 millones de interacciones con Gemini, datos bibliométricos de más de 2.600 modelos de IA especializados en distintas disciplinas y encuestas a más de 600 científicos, los autores describen un cambio de proceso en marcha en varios frentes simultáneos.

El hallazgo central: la productividad, con letra chica

Los investigadores reportan ganancias de productividad concretas: los científicos que usan IA ahorran casi 7 horas por semana, tiempo que reinvierten sobre todo en más investigación. Como también remarca la versión en HTML del paper, muchos de estos ahorros se concentran en tareas de escritura, revisión de literatura y generación de código, los tres usos dominantes que el paper mide en los datos de interacción.

El cuello de botella se corre hacia abajo

El punto más citado del paper es el desplazamiento del problema. «A medida que algunas etapas de la investigación científica se vuelven más fáciles, los cuellos de botella se corren aguas abajo»: los autores detectaron una lista creciente de hipótesis sin probar, y y una demanda sustancial de verificación de resultados que hoy la IA no cubre. Es decir, la IA genera más candidatos de lo que la ciencia humana puede validar.

Un mapa por disciplina

El análisis bibliométrico mapea dónde se usa la IA: predicción de estructura de proteínas, descubrimiento de materiales y pronóstico del tiempo lideran la penetración, mientras que el resto de las disciplinas muestra un uso más acotado, sobre todo de apoyo a la escritura. La IA, concluyen los autores, es una herramienta de asistencia específica, no un reemplazo del método científico; su impacto final dependerá de interdependencias complejas entre tareas y de la inversión para eliminar los cuellos de botella que empuja aguas abajo.

Lectura crítica ya disponible

El paper no va solo: críticas y análisis académicos están explorando cómo interpretar la productividad con su letra chica, y Uno de los más citados en el debate es el de Terence Tao en su blog, que explica el impacto de la IA sobre el doctorado desde la puerta de su propio departamento: la productividad fácil de fabricar erosiona el valor de la comprensión profunda, sostiene Werk, que ya está aplicando cambios concretos en su unidad.

Los autores cierran con el pedido explícito: la comunidad científica necesita herramientas de verificación automatizada de resultados, no solo de generación.

Artículos Relacionados