El 30 de enero de 2026, a las 12:41 p.m. (EST), el Reino Unido dio a conocer una iniciativa para empujar la automatización de la ciencia: destinó más de 670.000 dólares a 12 proyectos internacionales que buscan desarrollar sistemas de inteligencia artificial capaces de administrar experimentos de laboratorio de punta a punta con un nivel de autonomía cada vez mayor.
Una apuesta para que la IA gestione experimentos completos
La convocatoria fue organizada por la Agencia de Investigación e Invención Avanzada (ARIA) y reunió 245 propuestas presentadas por equipos integrados por universidades y startups del Reino Unido, Estados Unidos y Europa. De ese total, se eligieron 12 iniciativas apuntadas a un mismo objetivo: acelerar el diseño, la ejecución y el análisis experimental mediante tecnologías que reduzcan la intervención humana directa en el trabajo cotidiano de laboratorio.
La estrategia de ARIA gira alrededor de la idea del “científico artificial”: un sistema de inteligencia artificial que pueda formular hipótesis, diseñar experimentos, llevarlos a cabo y analizar resultados, repitiendo ese ciclo de manera iterativa y con supervisión acotada. En este esquema, el rol de la persona investigadora queda concentrado en plantear las preguntas iniciales y monitorear el proceso general, mientras que la tecnología se hace cargo de las tareas operativas.
Plazos, procedencia de equipos y qué se espera al cierre
Los equipos seleccionados tienen 9 meses para mostrar avances concretos en la gestión autónoma de experimentos científicos con IA. La mitad de los grupos proviene del Reino Unido, y el resto se reparte entre Estados Unidos y otros países europeos.
El objetivo es que, al término de ese período, los desarrollos puedan evidenciar no solo mejoras operativas, sino también la capacidad de generar descubrimientos inéditos de forma autónoma, dentro de entornos experimentales altamente automatizados.
Aunque ARIA suele financiar programas con mayor duración y presupuestos más elevados, en este caso la decisión busca funcionar como una medición del estado actual de la automatización científica para orientar posibles inversiones futuras en investigación de alto impacto, según lo informado.
Tres ejemplos de los proyectos seleccionados
Entre las iniciativas elegidas aparece Lila Sciences, una compañía estadounidense que trabaja en un sistema autónomo para la síntesis de puntos cuánticos, es decir, nanopartículas semiconductoras con uso en sectores como la tecnología médica y la energía solar. Su director científico, Rafa Gómez-Bombarelli, sostuvo que la subvención permitirá diseñar un ciclo real de robótica con IA aplicado a un problema científico específico, producir evidencia de funcionamiento y dejar documentación que facilite que otros lo reproduzcan y lo amplíen.
Otro caso es el de la Universidad de Liverpool, que desarrolla un robot químico pensado para correr múltiples experimentos en paralelo. El sistema incorpora un modelo de lenguaje visual para reconocer fallas durante la ejecución y aplicar correcciones en el proceso, un punto clave cuando se busca sostener jornadas largas de trabajo sin intervención constante de una persona.
También figura una startup londinense enfocada en ThetaWorld, un sistema que utiliza modelos de lenguaje grandes para diseñar experimentos vinculados a las interacciones químicas y físicas que inciden en el rendimiento de las baterías. Ese proyecto contempla pruebas en un laboratorio completamente automatizado, con el objetivo de optimizar el diseño y la validación experimental.
Qué problema intenta resolver ARIA con la automatización
El director de tecnología de ARIA, Ant Rowstron, defendió la orientación del programa con una comparación directa sobre el uso del tiempo en el laboratorio: “Hay mejores usos para un doctorando que esperar en un laboratorio a las 3 de la mañana para asegurarse de que un experimento termine”. Según explicó, la intención de estos proyectos es medir cuán rápido están cambiando las dinámicas de la investigación innovadora y construir una base para lanzar convocatorias de mayor escala.
Limitaciones actuales: errores, dependencia de herramientas previas y falta de evaluación tradicional
Junto al entusiasmo, la iniciativa reconoce desafíos técnicos y metodológicos persistentes. Los sistemas autónomos disponibles hoy suelen depender de herramientas desarrolladas previamente por personas y, cuando operan durante períodos extensos sin supervisión, pueden acumular errores con impacto en la calidad del resultado.
En esa línea, se citó un estudio realizado en India donde los modelos de lenguaje grandes fallaron en tres de cuatro ocasiones al completar tareas científicas complejas. Los errores se vincularon tanto con desvíos respecto de las especificaciones originales como con interpretaciones incorrectas de resultados.
Rowstron también admitió que la tecnología atraviesa una etapa inicial, con límites concretos y posibles estancamientos, y señaló un obstáculo adicional: la divulgación de resultados mediante comunicados de prensa en lugar de revisión por pares, lo que vuelve más difícil dimensionar el alcance real de cada herramienta.
Un horizonte posible: sistemas que construyan sus propios instrumentos
Pese a esas restricciones, Rowstron proyectó que, en el corto plazo, estos “científicos artificiales” podrían llegar a crear sus propios instrumentos para abordar problemas nuevos, un cambio que alteraría de manera profunda el trabajo en los laboratorios. En ese escenario, la creatividad investigadora humana seguiría siendo central, pero la velocidad de desarrollo y la capacidad de adaptación se volverían factores decisivos para el sistema científico.
