Microsoft Discovery es la nueva apuesta presentada en la conferencia Build 2025, un proyecto ambicioso que busca transformar la forma en la que se lleva a cabo la investigación científica. Más que una simple herramienta, se trata de una plataforma extensible diseñada para integrar inteligencia artificial agente en cada etapa del proceso científico: desde la formulación de hipótesis hasta el análisis de resultados.
En lugar de depender únicamente de laboratorios, años de prueba y error, y conocimientos avanzados en programación, Discovery propone un nuevo enfoque: un entorno de trabajo inteligente en el que equipos de agentes especializados en IA colaboran con los científicos como si fueran colegas incansables, capaces de razonar, simular y analizar datos a velocidades sobrehumanas.
¿Qué es exactamente Microsoft Discovery y qué propone?
Microsoft define Discovery como una plataforma que permite a investigadores interactuar con herramientas científicas avanzadas utilizando lenguaje natural, sin necesidad de escribir código. Todo el sistema se apoya en un conjunto de agentes de IA especializados, también llamados «postdocs virtuales», que trabajan de manera coordinada para cumplir funciones como:
- Razonamiento sobre conocimientos científicos existentes
- Formulación de hipótesis
- Generación de candidatos o soluciones
- Simulación y análisis de resultados
Cada agente está entrenado para operar dentro de un dominio específico (química, biología, física, etc.) y se comunica con otros agentes y con los humanos a través de una interfaz central estilo Copilot, que organiza las tareas y supervisa los flujos de trabajo.
Una IA que piensa como un equipo de doctorados
Este enfoque por roles diferenciados busca superar una de las limitaciones que han enfrentado otros proyectos similares. Mientras iniciativas anteriores confiaban en un único modelo para cubrir todo el ciclo científico —como el caso de GNoME de Google o los intentos de Exscientia y BenevolentAI en el descubrimiento de fármacos— Microsoft propone un ecosistema colaborativo con responsabilidades definidas, aumentando así la transparencia, trazabilidad y control de calidad.
Esta estructura modular también facilita la validación por parte de investigadores humanos, que pueden supervisar, corregir y orientar a los agentes cuando sea necesario. Discovery no busca reemplazar al científico, sino aumentar sus capacidades.
Una primera aplicación: refrigerantes sin PFAS
Para demostrar su potencial, Microsoft utilizó Discovery para abordar un problema urgente en sus propios centros de datos: encontrar un refrigerante alternativo a los compuestos PFAS, conocidos como “químicos eternos” por su persistencia ambiental.
En solo 200 horas, los agentes de Discovery evaluaron 367.000 posibles compuestos, seleccionaron los más prometedores y facilitaron su síntesis. El resultado fue un refrigerante libre de PFAS con una eficiencia de enfriamiento entre 60% y 90% superior al enfriamiento por aire. Una tarea que habría tomado años mediante métodos tradicionales.
¿Por qué ahora y por qué es relevante?
La ciencia moderna enfrenta un cuello de botella: aunque el volumen de datos disponibles crece exponencialmente, la capacidad de analizarlos y extraer valor sigue siendo limitada por el tiempo y los recursos humanos. Discovery intenta resolver este problema aprovechando la infraestructura de supercomputación en la nube de Azure y los últimos avances en modelos fundacionales y simulación computacional.
Esto no solo hace que las investigaciones sean más rápidas, también abre la puerta a que pequeñas instituciones y laboratorios con pocos recursos accedan a tecnologías que antes estaban reservadas a élites científicas.
Colaboraciones estratégicas y aplicaciones futuras
Diversas industrias ya están explorando el uso de Discovery:
- GSK quiere acelerar el desarrollo de medicamentos con predicciones paralelas y pruebas virtuales.
- Estée Lauder planea usarlo para crear productos de belleza personalizados de forma más ágil.
- Nvidia integrará microservicios como ALCHEMI y BioNeMo para impulsar descubrimientos en materiales y ciencias de la vida.
- Synopsys lo aplicará al diseño de chips, una de las disciplinas más complejas en ingeniería moderna.
Consultoras como Accenture y Capgemini ayudarán a implementar Discovery en contextos específicos según cada industria.
Limitaciones y desafíos actuales
Aunque el potencial es enorme, los expertos advierten que aún estamos lejos de una «IA científica» capaz de realizar descubrimientos revolucionarios por sí sola. La fuerza de estos sistemas está en optimizar y acelerar, no en reemplazar la creatividad humana o plantear preguntas inusuales.
La fiabilidad también es un tema crucial. Un error sutil de la IA puede invalidar meses de trabajo, por lo que la supervisión humana sigue siendo indispensable. Microsoft ha integrado su marco de IA responsable, con mecanismos de control ético y trazabilidad que ya aplica en otros productos.
De la IA clásica a la computación cuántica
Discovery también es una pieza clave en la estrategia de computación cuántica de Microsoft. Aunque actualmente usa supercomputación tradicional, está diseñado para integrar hardware cuántico en el futuro.
En palabras de Jason Zander: «La química generativa será uno de los primeros campos donde los computadores cuánticos marquen la diferencia, permitiendo explorar espacios que serían imposibles para las computadoras actuales». La idea es que, algún día, Discovery pueda incluso ayudar a diseñar los materiales de los propios chips cuánticos que lo impulsarán.
Un nuevo paradigma de trabajo para la ciencia
Microsoft Discovery no es una promesa vacía ni una solución mágica. Es una apuesta por redefinir cómo trabajamos en ciencia, integrando inteligencia artificial de manera colaborativa y práctica. En lugar de cargar al investigador con más herramientas que aprender, propone un entorno donde la IA se adapta al lenguaje del científico, no al revés.
Esto puede marcar un antes y un después en la democratización del acceso a la investigación científica avanzada, haciendo posible que más personas, en más lugares, puedan contribuir al conocimiento humano.