Actualmente, PSI no se limita a la investigación teórica; ya genera ingresos optimizando centros de datos mediante el modelado avanzado de calor, energía, agua y sonido. Esta dualidad de investigación de vanguardia y aplicación comercial pragmática es clave para entender su estrategia. Mientras tanto, el ecosistema de la IA sigue evolucionando a pasos agigantados, con modelos cada vez más potentes emergiendo de laboratorios privados, lo que plantea interrogantes sobre el acceso a estas herramientas y su impacto en la dinámica de la investigación global. Este hito de PSI no solo es un logro técnico, sino un catalizador que nos obliga a reevaluar la colaboración entre la inteligencia artificial y la inteligencia humana en la búsqueda del conocimiento.
IA en Descubrimiento Científico: PSI y Anthropic vs. la Academia Tradicional
El caso de la conjetura de Aaronson-Ambainis es un claro ejemplo de la divergencia entre la velocidad y el enfoque de la investigación tradicional y el poder computacional de la IA. Durante 18 años, desde 2008, esta conjetura de la computación cuántica representó un muro para la comunidad académica. La aproximación humana, caracterizada por la intuición, la prueba y error, la colaboración entre pares y largos periodos de análisis, es invaluable por su profundidad y capacidad de conceptualización. Sin embargo, cuando se trata de la búsqueda exhaustiva de patrones, la validación lógica rigurosa y la capacidad de procesar vastas cantidades de información en tiempo récord, la IA demuestra una ventaja innegable. El sistema de investigación de PSI, al emplear el modelo Fable 5.2 de Anthropic, no solo encontró una prueba completa en tres días, sino que esta fue autoformalizada y verificada en Lean, un asistente de pruebas interactivo que comprueba cada paso lógico con una precisión inquebrantable. Esta metodología minimiza el riesgo de errores humanos y acelera exponencialmente el proceso de validación.
Esta eficiencia ha generado reacciones mixtas en el ámbito académico. Scott Aaronson, uno de los creadores de la conjetura, aunque sorprendido, acepta la validez de la prueba generada por la IA, desarrollando un “extraño nuevo tipo de confianza” en estos resultados verificados computacionalmente. Por otro lado, figuras como Terence Tao, un matemático de renombre de UCLA, han reflexionado sobre cómo esta irrupción de la IA marca el “fin de la era romántica de las matemáticas”, reconociendo nuevas posibilidades pero lamentando la pérdida de ciertos aspectos de la exploración puramente humana. Esta dicotomía sugiere un cambio de paradigma: si bien la IA no reemplazará la creatividad o la formulación de nuevas preguntas fundamentales, sí se perfila como una herramienta indispensable para resolver problemas complejos y validar teorías a una escala y velocidad antes inalcanzables. La implicación para la academia es profunda, tal como lo indicó una encuesta del MIT, donde el 76% de los estudiantes de posgrado y postdoctorados expresaron que los avances de la IA les hacían menos propensos a permanecer en la academia matemática después de graduarse, reflejando una desmotivación ante la posibilidad de que sus áreas de investigación sean rápidamente abordadas por máquinas. Esta tensión entre el potencial de la IA y el rol del investigador humano definirá la próxima generación de descubrimientos científicos.
Los datos hablan
Los números asociados a este hito y a las tendencias circundantes son elocuentes. La conjetura de Aaronson-Ambainis, que permaneció sin solución durante 18 años (desde 2008), fue resuelta por el sistema de PSI en tan solo tres días utilizando el modelo de Anthropic. Esta prueba fue rigurosamente autoformalizada y verificada en Lean, garantizando su validez lógica. Financieramente, PSI ha demostrado un fuerte respaldo del capital de riesgo, recaudando una ronda semilla de 58 millones de dólares el 1 de septiembre de 2026. Esta inversión fue liderada por Breakthrough Energy Ventures, con el apoyo de Valkyrie y SV Angel, reflejando la confianza del mercado en su modelo de negocio basado en el descubrimiento científico impulsado por IA. Actualmente, PSI cuenta con un equipo de más de 25 investigadores e ingenieros, consolidando su capacidad para afrontar desafíos de gran envergadura.
El impacto de la IA en la percepción de la investigación académica se refleja en una encuesta del MIT, donde un sorprendente 76% de los estudiantes de posgrado y postdoctorados en matemáticas manifestó una menor inclinación a permanecer en la academia tras graduarse, citando la influencia desmotivadora de los avances de la IA en la investigación. En el ámbito de la computación cuántica en Latinoamérica, Brasil planea una inversión de R$5 mil millones (aproximadamente $1 mil millones de dólares) para 2034 en tecnologías cuánticas, con su primera estrategia nacional esperada para 2026. Chile también ha delineado una Estrategia Nacional de Tecnologías Cuánticas 2025-2035, mientras que IQM, una empresa de computación cuántica, entregará su primera máquina cuántica en Sudamérica al Instituto de Investigación Eldorado en Brasil en el primer trimestre de 2027. Estos datos subrayan una carrera global y regional por dominar estas tecnologías emergentes, donde la IA de PSI podría jugar un papel crucial.
Que significa para Latam
Para Latinoamérica, la irrupción de la IA en el descubrimiento científico, ejemplificada por PSI, presenta un escenario de doble filo. Por un lado, abre oportunidades inéditas para que la región se integre en la vanguardia de la investigación global, particularmente en áreas como la computación cuántica, donde países como Brasil y Chile ya están formulando ambiciosas estrategias nacionales. La posibilidad de que startups o centros de investigación en Latam accedan a herramientas de IA más potentes, aunque actualmente restringidas a modelos no públicos como Fable 5.2, podría acelerar significativamente sus propios esfuerzos en ciencia y tecnología. Por ejemplo, la inversión de R$5 mil millones de Brasil para 2034 en tecnologías cuánticas o la Estrategia Nacional de Tecnologías Cuánticas 2025-2035 de Chile podrían beneficiarse enormemente de la capacidad de la IA para resolver problemas teóricos complejos y optimizar procesos de investigación.
Sin embargo, el rápido avance de la IA también plantea desafíos. La regulación de la IA es una preocupación creciente, con países como Perú que ya han aprobado su primera ley de IA, y otros como Argentina, México y Colombia en proceso de desarrollar marcos éticos y centrados en el ser humano. La falta de coordinación regional y las limitaciones en las capacidades técnicas para auditar y hacer cumplir estas normas son barreras importantes. Además, la desmotivación académica observada en el MIT podría replicarse en la región, afectando la formación de futuros talentos científicos si no se reorientan los currículos y los enfoques de investigación para integrar colaborativamente la IA. Las empresas locales de IA, como Blip en Brasil o Aiflow en México, están floreciendo en diversas aplicaciones, y la adopción de la computación cuántica, aunque en etapas tempranas, está ganando tracción. La región debe enfocarse en capacitar a su fuerza laboral, fomentar la inversión en infraestructura de investigación y desarrollar políticas que promuevan una integración ética y productiva de la IA en la ciencia, para no quedarse atrás en esta nueva frontera del conocimiento. El caso de PSI es un recordatorio de que el futuro de la ciencia será intrínsecamente ligado a la IA, y Latinoamérica tiene la oportunidad de ser parte activa de esta construcción.
