Científicos de Google Research detallan cuatro aplicaciones prácticas de la Asistencia de Investigación Empírica

Qué pasó

El equipo de Google Research publicó esta semana una actualización sobre las aplicaciones de Empirical Research Assistance (ERA), herramienta basada en inteligencia artificial introducida en septiembre de 2025 mediante un preprint académico. La publicación original resolvió seis problemas de referencia en disciplinas como biología celular y neurociencia, y desde entonces el equipo expandió sus aplicaciones a escenarios del mundo real.

En salud pública, los científicos de Google han utilizado ERA para generar pronósticos hospitalarios semanales en Estados Unidos para influenza, COVID-19 y virus respiratorio sincicial (VRS). El equipo se sumó en noviembre a la competencia de pronósticos de influenza de los Centros para el Control y la Prevención de Enfermedades (CDC) para la temporada 2025-26, entregando proyecciones para todos los estados norteamericanos con horizontes de hasta cuatro semanas. Posteriormente, Google se integró a los pronósticos en vivo del CDC para hospitalizaciones por COVID-19 a nivel estatal y al hub de pronósticos de VRS.

Los tableros públicos de clasificación, administrados por Nicholas Reich de la Universidad de Massachusetts, muestran el desempeño competitivo de las herramientas de Google frente a modelos de referencia del CDC. En la versión preprint del trabajo, los autores habían demostrado que ERA podía igualar o superar retrospectivamente a las herramientas existentes para pronóstico de hospitalizaciones por COVID-19.

Además de las aplicaciones epidemiológicas, los investigadores exploraron el uso de ERA en cosmología, monitoreo atmosférico de dióxido de carbono y neurociencia. La herramienta demostró capacidad para democratizar el acceso al modelamiento computacional, encontrar soluciones a problemas no resueltos y generar modelos interpretables con precisión mecanicista.

Contexto

El anuncio de Google se inscribe en una tendencia más amplia de aplicación de modelos de inteligencia artificial a la investigación científica. Empresas tecnológicas como Microsoft, Meta y Anthropic han desarrollado herramientas similares orientadas a asistir a investigadores en la generación de código, análisis de datos y formulación de hipótesis. El concepto de inteligencia artificial aplicada a la ciencia ha ganado tracción en la industria global, con inversiones significativas en empresas emergentes y programas corporativos de gran escala.

La irrupción de herramientas como ERA plantea interrogantes sobre el futuro del trabajo científico en universidades y centros de investigación. Si bien la automatización de tareas de programación empírica puede acelerar el ritmo de descubrimientos, también redefine las habilidades requeridas para investigar. Académicos y sociedades científicas debaten sobre el rol de la curaduría humana, la validación de resultados y la interpretación de modelos generados por máquinas.

Este tipo de avances refuerza la posición de Google en la carrera por desarrollar aplicaciones científicas de inteligencia artificial generativa. La compañía ha destinado recursos crecientes a DeepMind y a sus divisiones de investigación aplicada, con resultados en predicción de plegamiento de proteínas, diseño de materiales y optimización de procesos industriales.

Para América Latina, este desarrollo se produce en un momento de creciente interés por la adopción de inteligencia artificial en instituciones académicas y empresas. Universidades de Chile, Brasil, México y Colombia han establecido centros de investigación en IA, aunque la brecha de inversión respecto a Estados Unidos y China sigue siendo significativa.

Impacto para empresas chilenas

Para el ecosistema empresarial chileno, los avances en herramientas de inteligencia artificial aplicadas a la investigación abren oportunidades concretas en sectores estratégicos. Empresas de áreas como minería, agricultura, acuicultura, energía y salud pueden beneficiarse de capacidades de modelamiento computacional avanzado que hasta hace pocos años requerían equipos altamente especializados y presupuestos considerables.

El monitoreo atmosférico y el análisis geoespacial tienen aplicación directa en la industria chilena. La gran minería del cobre, las empresas agrícolas del valle central y la salmonicultura del sur del país enfrentan desafíos de modelamiento predictivo que podrían abordarse con herramientas de este tipo, optimizando procesos y reduciendo costos operativos.

Las pymes y emprendimientos chilenos de base científico-tecnológica también pueden aprovechar estas plataformas para acelerar sus procesos de investigación y desarrollo. Empresas emergentes locales que trabajan en biotecnología, farmacología, cambio climático o ciencia de materiales podrían reducir los tiempos y costos de generación de modelos empíricos, mejorando su competitividad internacional.

Sin embargo, la adopción efectiva de estas herramientas en Chile requiere inversión en capital humano especializado, infraestructura de datos y marcos regulatorios que faciliten la transferencia tecnológica. La colaboración entre universidades, centros de investigación y empresas privadas resulta clave para traducir estos avances en productividad concreta.

Qué sigue

De cara a los próximos meses, Google anticipa una expansión de las capacidades de ERA y su disponibilidad más amplia para la comunidad científica global. El equipo proyecta nuevas aplicaciones en disciplinas adicionales, así como mejoras en la interpretabilidad y precisión mecanicista de los modelos generados.

A mediano plazo, la consolidación de este tipo de herramientas podría redefinir los estándares de la investigación empírica, exigiendo nuevas competencias a los profesionales del ámbito científico. Para Chile y la región, el desafío será construir capacidades locales que permitan aprovechar estas tecnologías sin depender exclusivamente de proveedores extranjeros.