Esta lectura explica una perspectiva basada en una experiencia exploratoria. El corpus descrito no está revisado por completo; sus propuestas no equivalen a descubrimientos confirmados.
1. La pregunta: ¿quién comprueba lo que producimos?
Imagine una mesa de investigación. A un lado llegan argumentos, cálculos y posibles resultados. Al otro, alguien comprueba si están bien, si ya existían y si sirven para algo. Hasta ahora, producir un resultado solía dar tiempo para examinarlo. ¿Qué ocurre si la primera pila crece mucho más deprisa que la segunda puede vaciarse?
Sergey Gusev y David E. Bernal Neira plantean esa pregunta en una perspectiva de septiembre de 2026. Dieron a grupos de agentes de IA un ámbito de trabajo, acceso a literatura y herramientas, e instrucciones para buscar avances y continuar. Según su relato, no aportaron ideas científicas a los resultados del corpus que presentan.
Un agente no es aquí solo un chat: es un modelo de lenguaje que utiliza herramientas y trabaja en ciclos. Un enjambre reúne varios agentes que exploran tareas y revisan trabajos. Esa organización permite intentar caminos en paralelo. No convierte sus respuestas en evidencia por el mero hecho de multiplicarlas.
Fuentes de este apartado
Fuentes: resumen, secciones 1 y 4.1.
2. La dificultad: escribir no es establecer conocimiento
Revisar un posible avance exige responder al menos tres preguntas distintas: ¿es correcto?, ¿es nuevo?, ¿es útil? Un argumento puede ser válido y repetir un resultado conocido. Un resultado original puede descansar en un supuesto inaplicable. Un borrador convincente puede ocultar una comprobación pendiente.
La novedad también depende de qué literatura pudo consultarse. No encontrar un antecedente en las fuentes accesibles no prueba que nunca haya existido. Los autores subrayan que su corpus necesita todavía esa evaluación, junto con la de corrección y utilidad.
La mesa y sus dos pilas son nuestra analogía: muestran una diferencia de ritmos, no una medición del rendimiento de investigadores o modelos. El problema aparece cuando confundimos documentos producidos con conocimiento ya comprobado.
Fuentes de este apartado
Fuentes: secciones 4.3, 4.4 y 5.3.
3. El punto de partida: una persona dirigía el ciclo
La investigación automatizada no nació con estos enjambres. El paper describe una historia de programas que proponen hipótesis, herramientas con evaluadores automáticos y sistemas capaces de escribir borradores. En muchos casos, las personas seleccionan el problema, el espacio de búsqueda o la prueba que determina si una propuesta mejora algo.
Los propios autores habían intentado construir herramientas que los mantuvieran estrechamente involucrados. Suponen después que parte de esa estructura frenaba el trabajo de los agentes. Es el relato de su experiencia, no una demostración de que toda supervisión humana empeore la investigación.
Hay una distinción decisiva: retirar una intervención durante la producción no elimina la necesidad de comprobar los resultados ni de responder por su uso.
Fuentes de este apartado
Fuentes: secciones 2.4, 3.1 y 3.5; tabla 2 del apéndice A.
4. El giro: una colección de candidatos, no 45 descubrimientos
La experiencia abarcó cinco áreas teóricas: optimización no lineal con variables enteras, métodos cuánticos de punto interior, termodinámica molecular, teoría del transporte y cinética de agregación. En catálisis, el encargo fue diferente: proponer programas experimentales.
El inventario organiza el material en 45 trabajos potenciales y ocho programas experimentales propuestos. De los 45, 22 son borradores completos, nueve grupos de resultados aparecen reunidos en un documento de síntesis y 14 existen solo como notas. De los ocho programas de catálisis, cuatro están desarrollados en un documento y cuatro figuran como notas. Ninguno de esos experimentos de laboratorio se había ejecutado.
Son categorías de un inventario, no 45 publicaciones científicas ni 45 avances ya confirmados. Los autores dicen que encontraron material digno de revisión y que no observaron errores científicos importantes en la parte que habían examinado. También reconocen que no conocen qué proporción del resto resistirá el examen.
El corpus corresponde a una fotografía del 25 de septiembre de 2026, identificada mediante un commit concreto. No representa automáticamente lo que el repositorio contenga después.
Fuentes de este apartado
Fuentes: sección 4.3, tabla 1, sección 4.4 y apéndice C.
5. La idea central: la cola cambia de lugar
La tesis de la perspectiva es que, en esta experiencia, el cuello de botella se desplazó de producir posibles resultados a revisar su corrección, novedad y utilidad. «Cuello de botella» significa la etapa cuya capacidad limita el conjunto del proceso.
Podemos expresar la intuición con una relación sencilla: cambio de la cola = candidatos que llegan − candidatos que se revisan. Si llegan más de los que se pueden revisar durante el mismo periodo, la cola aumenta. Es una herramienta explicativa; el paper no midió esos dos ritmos con un experimento controlado.
Para dimensionar el trabajo pendiente, los autores suponen tres jornadas por cada uno de los 53 elementos del inventario. El cálculo es 53 × 3 = 159 jornadas, redondeadas en el paper a unas 160. Las comparan con más de siete meses de trabajo de una persona.
Es una estimación hipotética, no una revisión que hayan completado ni una medida observada del tiempo medio por elemento. El relato de producción rápida y esa cuenta motivan su pregunta institucional; no bastan para calcular cuánto más productiva es la IA que una persona.
Fuentes de este apartado
Fuentes: secciones 1 y 4.4.
6. Cómo trabajaron y qué comprobaron
El procedimiento tuvo tres partes: delimitar un ámbito, proporcionar literatura y herramientas, y pedir avances con revisión por agentes nuevos. «Nuevo» describe aquí un contexto de revisión sin la memoria del trabajo anterior; no significa que sus errores sean estadísticamente independientes.
Los agentes podían escoger problemas dentro del ámbito y recurrir a cálculos o pruebas formales. Se utilizaron modelos de dos proveedores, en ocasiones para revisar trabajo producido por el otro. Los autores no diseñaron una comparación entre modelos ni atribuyen sistemáticamente cada resultado a uno de ellos.
Algunas afirmaciones se formalizaron en Lean. Un asistente de pruebas como Lean comprueba que una conclusión se deduce del enunciado formal y sus supuestos. Eso no demuestra por sí solo que el enunciado formal diga lo mismo que el borrador, ni que un modelo físico represente el mundo. Los autores no habían comprobado por completo esa correspondencia en su corpus.
Un episodio muestra por qué importa revisar también el verificador. Los agentes informaron inicialmente de cotas certificadas para 269 de 289 modelos de prueba. Una auditoría posterior encontró justificaciones que el comprobador no debía aceptar. Tras corregirlo, el examen de los registros históricos dejó 188 cotas aceptadas; una campaña nueva certificó 203 de 289. Son etapas distintas: no hay que tratar 188 y 203 como el mismo recuento. El paper aclara que se invalidaron justificaciones; no se demostró que las cotas fueran falsas.
Fuentes de este apartado
Fuentes: secciones 3.2, 4.1, 4.2 y 4.4, incluida su nota al pie.
7. Lo inesperado: producir y comprender pueden separarse
El giro que describen los autores no exige probar una gran conjetura para resultar importante. Su interés está en los avances incrementales que ocupan buena parte del trabajo teórico. Pero el dato incómodo permanece: muchos de los avances de esta colección son todavía candidatos.
Producir un documento sin comprenderlo permite que una firma aparente una revisión que no ocurrió. A su vez, varios agentes revisores pueden compartir sesgos. Ni la firma humana ni la cantidad de revisores sustituyen una evidencia de qué se comprobó.
La experiencia tampoco establece que una persona solo estorbe, que los agentes revisen mejor que especialistas o que todo campo científico pueda automatizarse. Los autores reconocen que no hicieron una revisión humana independiente de los mismos materiales para comparar quién detectaba más errores.
Fuentes de este apartado
Fuentes: secciones 4.4, 5.1, 5.2 y 5.4.
8. Las consecuencias: medir la confianza, decidir el uso
Los autores proponen comunicar los resultados afirmación por afirmación, con supuestos y enlaces a sus comprobaciones. También defienden auditar por muestreo la revisión de agentes, mantener literatura accesible y separar el número de documentos de la calidad de las contribuciones. Son posiciones de la perspectiva, no soluciones que esta experiencia haya validado.
Lo mismo ocurre con sus propuestas de formación y financiación: proteger el aprendizaje y el criterio, y preparar instituciones para distintas capacidades futuras. La previsión de que los agentes aventajen ampliamente a las personas depende de que continúe una tendencia; el paper admite que puede detenerse.
[Inferencia] Para una organización, una consecuencia práctica sería presupuestar la revisión al mismo tiempo que la producción y mantener un registro explícito de lo pendiente. Nuestra lectura deriva esa orientación de la discusión; no acredita una política universal ni sustituye los controles de cada campo.
El gasto también requiere contexto. Los autores declaran cuatro suscripciones de 200 dólares mensuales, 800 dólares al mes. Un rastreador de sus registros estimó más de 15 000 dólares al valorar las primeras cuatro semanas con tarifas de API. No pagaron necesariamente esa segunda cantidad: es una estimación a otras tarifas. Hubo reinicios de límites de uso que permitieron consumir más de lo habitual. Ninguna cifra garantiza el precio o la productividad de una reproducción actual.
Un resultado correcto puede ser peligroso si se utiliza mal. La perspectiva distingue revisar corrección de decidir si debe producirse, difundirse o usarse un resultado. Sus propuestas de gobernanza siguen abiertas; no se evaluaron como sistema de seguridad en estos ensayos.
Fuentes de este apartado
Fuentes: secciones 3.3, 4.2, 5.2, 5.4, 5.8 y 5.10; sección 6.
9. La lección: una pila de respuestas no es todavía ciencia
La experiencia invita a examinar qué partes de investigar son producción, cuáles son comprobación y cuáles requieren comprensión y decisiones responsables. Los autores liberan el material para que otras personas puedan revisarlo y describir qué resiste ese examen.
Nuestra metáfora termina con una pila grande y una pregunta pequeña: «¿Qué hemos comprobado?». Esa pregunta evita tanto descartar todo por su origen como aceptar todo por su apariencia. El interés de la perspectiva reside en hacer visible el trabajo que queda entre una respuesta producida y un resultado digno de confianza.
Fuentes de este apartado
Fuentes: secciones 4.4 y 7.
Notas de lectura y límites
- Se leyó el HTML completo y la ficha bibliográfica de arXiv:2609.35719v1. No se reprodujeron experimentos, ejecutaron pruebas Lean ni auditaron los borradores del corpus.
- Los resultados, costes y antecedentes relatados se atribuyen a los autores. El cotejo con este paper no verifica por separado sus fuentes secundarias.
- La tabla 1 contabiliza 45 trabajos potenciales, pero algunos comparten resultados. No se usa ese total como medida de avances distintos, correctos, nuevos o útiles.
- Los episodios de Riemann y Navier–Stokes citados por los autores no forman la prueba de nuestra explicación. No se afirma aquí que esta lectura resuelva esas cuestiones ni valide sus anuncios.
- La metáfora de la cola y la viñeta son recursos explicativos propios, no datos ni figuras originales del estudio. La única interpretación adicional está señalada como [Inferencia].
Referencia: Gusev, S. y Bernal Neira, D. E. (2026). AI Agent Swarms as Researchers: Progress, Challenges, and Open Questions. Perspectiva, arXiv:2609.35719v1, enviada el 28 de septiembre de 2026. Texto de la versión leída · Ficha bibliográfica.