El ascenso de Inherent no solo se mide por sus logros tecnológicos, sino también por el respaldo financiero que ha sabido consolidar. La startup salió de su fase “stealth” con una impresionante ronda de financiación inicial de 50 millones de dólares. Esta inyección de capital fue co-liderada por dos pesos pesados del venture capital, Index Ventures y Radical Ventures, y contó además con la participación estratégica de NVentures, el brazo de capital de riesgo de NVIDIA, lo que subraya la confianza del sector en su visión y capacidad técnica. La noticia de su financiamiento ha sido ampliamente cubierta por diversas publicaciones especializadas, como KuCoin, TNW y AI Adventurer, lo que denota el interés generalizado en sus propuestas.
En el corazón de este avance está Faraday, una arquitectura de IA de 27 mil millones de parámetros. Este agente utiliza una versión optimizada de Qwen 3.6 y, lo que es crucial, se beneficia del aprendizaje por refuerzo, una técnica que le permite tomar decisiones de investigación de manera independiente. Inherent puso a prueba a Faraday en su propio benchmark interno, denominado “Replica”, que comprende un total de 310 tareas derivadas de 100 artículos científicos. Estas tareas se dividen en dos categorías principales: 242 se enfocan en entrenamiento de machine learning y 68 en aplicaciones de IA para la ciencia. Los resultados de Faraday fueron notables, alcanzando puntuaciones de 0.856 y 0.791, respectivamente, en estos conjuntos de datos.
Aunque los márgenes de victoria sobre Claude Opus 4.8 fueron, como señala la investigación adicional, modestos (0.028 y 0.043, lo que representa un 3.4% y un 5.7% relativo en los dos conjuntos), el verdadero indicador del poder de Faraday se observa al compararlo con su propio modelo base. Frente a una versión del modelo Qwen3.6-27B sin las optimizaciones de Inherent, Faraday demostró un salto de rendimiento del 26% en el conjunto de entrenamiento y un asombroso 43% en el conjunto de prueba. Este significativo incremento es lo que resalta la eficacia de la metodología y la arquitectura desarrolladas por Inherent. La empresa, que actualmente cuenta con un equipo de 12 profesionales, planea expandirse a 20-25 empleados para finales de año, lo que indica una fase de crecimiento y ambición.
Analisis de la tendencia
El logro de Faraday marca una tendencia creciente en el desarrollo de la IA: su transformación de una herramienta pasiva a un “compañero de equipo” activo en el proceso de investigación. La capacidad de replicar investigaciones científicas no es solo una proeza técnica; es un trampolín fundamental para la innovación. En el mundo científico, la replicación es el pilar de la validación. Permite a los investigadores verificar la solidez de los hallazgos, identificar errores y construir sobre conocimiento ya establecido con mayor confianza. Al automatizar o acelerar este proceso, la IA podría liberar a científicos humanos de tareas repetitivas, permitiéndoles concentrarse en la formulación de nuevas hipótesis, el diseño de experimentos originales y la interpretación de resultados complejos.
Sin embargo, este avance no está exento de un matiz importante, que ha sido objeto de debate entre expertos. Analistas de Prime Intellect han reconocido que la habilidad de Faraday para reensamblar ciencia conocida es “extraordinaria”. No obstante, tras 153 experimentos autónomos realizados con 18 modelos frontera, no se produjo un método fundamentalmente nuevo. Todas las aproximaciones exitosas fueron recombinaciones de métodos existentes. Esto sugiere que, si bien la IA puede ser una herramienta poderosa para optimizar y validar el conocimiento existente, la “genuina originalidad” o la capacidad de generar descubrimientos radicalmente nuevos por parte de la IA podría ser una meta aún distante. Inherent, consciente de esta distinción, subraya que su evaluación de Faraday va más allá de la mera corrección, buscando un “juicio de investigación” que le permita discernir qué experimentos valen la pena y cómo diseñarlos, lo que implica un nivel de razonamiento y priorización más cercano al de un investigador humano.
La visión de Inherent de crear “científicos de IA capaces de innovar en diversos dominios” sigue siendo el objetivo a largo plazo. La capacidad de un agente como Faraday para navegar y ejecutar tareas de investigación de manera autónoma establece un precedente para cómo las máquinas podrían interactuar con el método científico en el futuro. Esto no solo afectaría a campos altamente computacionales como el machine learning y la biotecnología, sino que eventualmente podría extenderse a áreas más diversas, transformando la forma en que se aborda la investigación en casi cualquier disciplina.
Contexto regional
Para América Latina, la emergencia de herramientas como Faraday presenta tanto una promesa inmensa como desafíos persistentes. La adopción y regulación de la inteligencia artificial en la región, aunque en progreso, a menudo es más lenta en comparación con economías desarrolladas. Países como Brasil, Chile y Uruguay se han posicionado como líderes regionales en esta materia, impulsando estrategias nacionales y esfuerzos de buena gobernanza en IA. Un ejemplo tangible de este compromiso es Uruguay, que en 2025 se convirtió en el primer país de la región en firmar el Convenio Marco del Consejo de Europa sobre Inteligencia Artificial, Derechos Humanos, Democracia y Estado de Derecho. Asimismo, naciones clave como Argentina, Brasil, Chile, Colombia, Costa Rica, México y Perú han adoptado los Principios de IA de la OCDE, marcando un compromiso con marcos éticos y responsables.
Sin embargo, la región enfrenta obstáculos significativos que podrían dificultar la plena integración y el aprovechamiento de avances como el de Faraday. Las brechas en infraestructura digital, la escasez de talento especializado en IA, la preparación de datos de calidad y la fragmentación regulatoria entre países son barreras notables. A esto se suma la limitación de capital, que a menudo restringe la inversión en investigación y desarrollo de IA a nivel local. Existe también una preocupación creciente por la “dependencia tecnopolítica” de proveedores externos de sistemas de IA. Esto significa que las soluciones y tecnologías dominantes provienen mayormente de fuera de la región, lo que podría limitar la capacidad de los gobiernos y las instituciones locales para adaptar, cuestionar o incluso desarrollar versiones propias de estas tecnologías cruciales, con implicaciones para la soberanía tecnológica y la autonomía en la innovación.
El surgimiento de agentes de IA con capacidades de investigación avanzada como Faraday refuerza la urgencia de establecer marcos regulatorios que puedan equilibrar la promoción de la innovación con la mitigación de los riesgos. En este sentido, muchas discusiones regulatorias en América Latina buscan inspiración en modelos como la Ley de IA de la Unión Europea, intentando crear un ecosistema que sea al mismo tiempo seguro y propicio para el desarrollo tecnológico local y la colaboración internacional.
Perspectiva a futuro
La trayectoria de Inherent y el desempeño de Faraday apuntan hacia un futuro donde la interacción entre la IA y la investigación científica será cada vez más profunda y simbiótica. Es previsible que veamos una evolución de estos agentes, pasando de la replicación y validación a la generación de hipótesis genuinamente novedosas. Los próximos pasos para Inherent probablemente incluirán la expansión de las capacidades de Faraday a un espectro más amplio de disciplinas científicas y el desarrollo de mecanismos para que la IA no solo reensamble, sino que también proponga experimentos y teorías completamente nuevas que los científicos humanos puedan luego validar. Esto requeriría avances significativos en el razonamiento de sentido común y la creatividad algorítmica, áreas donde la investigación de IA aún tiene mucho terreno por recorrer.
Para el ámbito científico global, la promesa es una aceleración sin precedentes del ciclo de descubrimiento. La IA podría convertirse en una fuerza democratizadora, permitiendo a equipos más pequeños o con menos recursos abordar problemas complejos con una eficiencia antes impensable. No obstante, esto también plantea preguntas éticas y epistemológicas sobre la autoría del descubrimiento y la naturaleza del conocimiento científico. La dependencia en sistemas autónomos para la investigación implicará una mayor necesidad de transparencia y auditabilidad en los algoritmos.
En América Latina, el futuro requerirá una inversión estratégica y sostenida en educación STEM, infraestructura digital robusta y políticas públicas que fomenten la investigación y el desarrollo de IA adaptado a las realidades y necesidades de la región. La capacidad de las universidades y centros de investigación locales para interactuar con y contribuir a estas tecnologías globales será crucial. Monitorear los avances de empresas como Inherent y participar activamente en el diálogo global sobre la gobernanza de la IA no será solo una opción, sino una necesidad imperante para asegurar que la región no quede rezagada en esta nueva era de la ciencia impulsada por la inteligencia artificial. La colaboración internacional y la creación de ecosistemas de innovación local serán vitales para capitalizar estas oportunidades y mitigar los riesgos inherentes a una tecnología tan transformadora.
