La paradoja de la automatización científica: talento de Google se va a Discovery Loop mientras estudios muestran límites de la IA en investigación

El 5 de agosto, Jeff Dean, jefe científico de Google DeepMind y Google Research, anunció su salida después de 27 años en la compañía. Junto a Sanjay Ghemawat, Oriol Vinyals y Quoc Le —veteranos con entre 14 y 30 años de trayectoria en la empresa— fundó Discovery Loop, una Public Benefit Corporation que se propone automatizar el método científico mediante inteligencia artificial.

La misión: usar modelos de frontera y grandes infraestructuras de cómputo para ejecutar miles de experimentos en paralelo, comprimiendo drásticamente el tiempo de iteración que hoy requiere la ciencia manual. Sundar Pichai, CEO de Alphabet, confirmó que Google será inversor inicial y socio en la nube, y que la nueva empresa colaborará en frameworks de investigación de machine learning.

La salida de Dean se produce en medio de una reorganización mayor: Demis Hassabis, hasta ahora CEO de Google DeepMind, asume como presidente de GDM y chief scientist de Alphabet, mientras que Koray Kavukcuoglu toma el mando del desarrollo de Gemini. En los últimos meses, Google también ha visto partir a Noam Shazeer (cocreador de Gemini) hacia OpenAI y al nobel John Jumper hacia Anthropic. La fuga de talento científico contrasta con la apuesta de la compañía por un enfoque más integrado de la IA.

El límite de los agentes actuales: evidencia desde Princeton

Discovery Loop aspira a automatizar el ciclo completo de descubrimiento científico, pero un estudio publicado el 30 de julio por investigadores de Princeton, el UK AI Security Institute y otras instituciones ofrece evidencia temprana de que los agentes actuales están lejos de lograrlo. El trabajo, titulado "Can AI agents conduct open-ended AI research?", introduce un método de evaluación llamado shadow evaluation: se toma la pregunta central de un artículo de alta calidad aún no publicado, se asigna a un agente de frontera con seis días de tiempo, 3.000 dólares en créditos de API y acceso a una máquina virtual, y luego los autores originales califican el resultado como revisores de conferencia.

Los resultados fueron contundentes. Los agentes completaron toda la ingeniería sin ayuda humana, pero no lograron avances sustanciales para responder las preguntas de investigación. Ambos artículos generados fueron rechazados de forma inequívoca por los autores originales, con calificaciones generales de 2/6 y 1/6.

El estudio identificó cinco modos de fallo recurrentes: juicio pobre sobre el nivel requerido para una publicación, respuestas poco creativas a deficiencias en el diseño experimental, incapacidad para retroceder desde callejones sin salida, conciencia deficiente de los recursos disponibles y desviación de las instrucciones. Los agentes gastaron menos del 50% del presupuesto de API y no ajustaron su estrategia al enterarse de las limitaciones de tiempo. Un experimento de robustez con GPT-5.6 Sol y su scaffold nativo Codex reprodujo estos fallos casi en su totalidad.

Un contrapunto: cuando la IA descubre leyes de escalado

Sin embargo, la evidencia no es completamente negativa. Un artículo presentado en ICLR 2026 por investigadores de varias universidades (incluyendo a James Zou de Stanford) muestra que un agente especializado puede descubrir leyes de escalado de forma autónoma. SLDAgent, un agente basado en evolución que co-optimiza el modelo de scaling law y sus parámetros, logró producir leyes que extrapolan de manera más precisa que las versiones derivadas por humanos en siete tareas distintas. El equipo recopiló más de 5.000 experimentos de la literatura para crear las tareas de referencia.

El tipo de problema marca la diferencia clave. SLDAgent opera en un espacio acotado: predecir cómo mejora el rendimiento de un modelo al escalar datos, parámetros o cómputo. Es una tarea verificable con una métrica objetiva. Los agentes de Princeton, en cambio, enfrentaban preguntas abiertas que requerían juicio sobre qué evidencia es relevante, cómo interpretar resultados negativos y cuándo cambiar de hipótesis. Como señalan los autores de Princeton, "los agentes pueden escalar colina arriba, pero no pueden elegir un conjunto de hipótesis candidatas ni decidir qué evidencia resolvería una pregunta de investigación".

Qué significa para América Latina

Para los equipos de tecnología y datos en la región, esta tensión entre automatización posible y automatización real tiene implicaciones concretas. Discovery Loop, con el respaldo de Google y la experiencia de Dean, probablemente avanzará en la automatización de experimentos repetitivos —como el barrido de hiperparámetros o la validación de pipelines— y ofrecerá servicios que empresas latinoamericanas podrían consumir a través de la nube de Google. Pero el estudio de Princeton advierte que confiar en agentes autónomos para investigación estratégica o para decisiones de alto riesgo (como elegir una arquitectura de modelo o interpretar resultados) sigue siendo prematuro.

El hallazgo sobre la incapacidad de los agentes para retroceder de direcciones fallidas es particularmente relevante en entornos con recursos limitados. Una startup de IA en São Paulo o Ciudad de México que delegue a un agente la exploración de hipótesis podría terminar en una rama sin salida, habiendo consumido tiempo y presupuesto sin obtener conclusiones sólidas. La lección de Princeton es que la supervisión humana sigue siendo indispensable para el juicio científico y la toma de decisiones estratégicas.

Al mismo tiempo, SLDAgent demuestra que hay nichos donde la automatización ya supera al humano. Para empresas que necesitan entender el comportamiento de escalado de sus propios modelos —por ejemplo, al planificar cuántos datos recolectar o qué tamaño de modelo entrenar—, este tipo de agente puede ofrecer ventajas concretas sobre las aproximaciones manuales.

Con la salida de Jeff Dean y el nacimiento de Discovery Loop se marca un hito en la ambición de automatizar la ciencia. Pero la evidencia actual sugiere que el camino será más gradual de lo que algunos pronostican. Para el ejecutivo latinoamericano, la pregunta no es si la IA puede hacer ciencia, sino cuándo y en qué condiciones confiarle partes específicas del proceso. La respuesta, por ahora, depende del tipo de problema y del costo de equivocarse.