Cada avance de la inteligencia artificial que usted utiliza hoy depende de una verdad que rara vez aparece en los titulares: los algoritmos son solo la mitad de la ecuación. La otra mitad son los materiales físicos que los ejecutan. Chips, servidores, centros de datos enteros descansan sobre sustancias con propiedades extremadamente específicas, desde tolerancia a altas temperaturas hasta conductividad precisa. Y esa dependencia se ha convertido en una vía de doble sentido: la IA necesita materiales avanzados para seguir creciendo, pero también está empezando a diseñarlos.
Cuando la IA entra al laboratorio
Un ejemplo reciente muestra hasta dónde llega esta convergencia. Una forma geométrica famosa por cubrir una superficie sin repetir patrón ha revelado una capacidad inesperada: torcer la luz en configuraciones quirales, un comportamiento que abre la puerta a nuevas formas de controlar la polarización y a dispositivos ópticos avanzados. No se trata de un hallazgo aislado, sino de una señal de que la exploración de estructuras complejas, cada vez más asistida por algoritmos, está descubriendo propiedades que la intuición humana no anticipa.
En el Instituto de Tecnología Cerámica (ITC), la IA no se aborda como una moda, sino como una herramienta complementaria para comprender y diseñar materiales. Allí trabajan en la optimización de características morfológicas de los materiales y construyen una base de datos propia que integra parámetros clave. El objetivo es ambicioso: que un sistema inteligente proponga compuestos con las propiedades deseadas antes de que alguien pise el laboratorio. Como explica Gómez, investigador del ITC, del mismo modo que la IA generativa crea imágenes o textos realistas a partir de la nada, cabe aspirar a que invente nuevos materiales con solo pedírselo.
Ya se exploran aplicaciones concretas, como las zeolitas, una sustancia presente en productos que van desde la arena para gatos hasta los catalizadores de vehículos diésel.
Sin embargo, Gómez subraya que el proceso es bastante más complicado. Disponer de datos para entrenar a la IA es el primer obstáculo: en el campo de los materiales hay mucha menos información que en el de las imágenes o el lenguaje. Y no basta con dibujar un material en una pantalla; hay que crearlo en el laboratorio, medir sus propiedades reales y manufacturarlo. David Fairén, catedrático de Ingeniería Molecular en la Universidad de Cambridge, señala que estos avances pueden favorecer una administración de fármacos más precisa y menos invasiva, o implantes más compatibles con el cuerpo. Pero también recuerda un dato estructural: normalmente pasan dos décadas desde que un material se inventa hasta que encuentra uso comercial.
El cuello de botella de la era digital
Esa brecha temporal es la clave que los líderes tecnológicos deberían tener presente. En sectores como la energía, la construcción o la movilidad, la IA aplicada a materiales ya está en marcha, pero donde la presión es más intensa es en la industria digital. Los semiconductores y los centros de datos requieren materiales capaces de soportar condiciones extremas, reducir el consumo energético y responder a las exigencias de la computación avanzada. La sostenibilidad añade otra capa: los materiales del futuro no solo deben ser funcionales, sino compatibles con ciclos de vida responsables.
Las grandes tecnológicas lo saben. Google, IBM y Microsoft, entre otras, mantienen equipos especializados en programar algoritmos para descubrir nuevos materiales. No es filantropía: es una apuesta estratégica por controlar el siguiente eslabón de la cadena de valor. Cuando un modelo de IA inventa un compuesto que antes no existía, quien posea ese material tendrá una ventaja competitiva que no dependerá de la potencia de cómputo, sino del conocimiento profundo de la materia.
La oportunidad para América Latina
Para América Latina, el mensaje es doble. Ninguna empresa de la región va a competir con esos gigantes en escala de inversión, pero el ITC demuestra que la transferencia entre investigación e industria no exige ser una gran tecnológica. Exige datos, persistencia y una estrategia clara para llevar los descubrimientos al mercado. La región tiene un laboratorio natural en sus recursos minerales, su industria cerámica y su biodiversidad química; la pregunta es si los centros de investigación y las empresas están generando las bases de datos necesarias para que la IA trabaje sobre ellos.
La IA no va a reemplazar a los científicos de materiales; los va a obligar a ser más ambiciosos. Pero sin inversión en laboratorios, en medición de propiedades y en datos propios, esa ambición se quedará en simulaciones. La próxima frontera de la tecnología no se escribirá solo en código: se escribirá en la tabla periódica. Y quien llegue tarde a esa conversación no tendrá segundas oportunidades.
