La investigación automática con IA acelera ciclos de innovación a velocidad de máquina: AutoResearch ejecuta ~100 experimentos por noche, mientras que The AI Scientist genera papers completos que pasaron peer-review en Nature, demostrando que los agentes de IA pueden automatizar el ciclo investigativo entero (ideación, codificación, experimentación, análisis, publicación) en horas en lugar de meses.
En 30 segundos
- AutoResearch de Karpathy ejecuta 100 experimentos por noche modificando código automáticamente, logrando mejoras de 19-53% en casos reales (Shopify).
- The AI Scientist de Sakana genera papers científicos end-to-end: idea → código → experimentos → análisis → manuscrito, con papers pasando peer-review en Nature.
- Los sistemas de investigación automática trabajan a “machine-speed iteration”: ciclos de feedback que en humanos toman días, en máquinas toman minutos.
- METR data indica que la duración de tareas de IA se duplica cada 7 meses, amplificando la ventaja de automatizar investigación.
- Las limitaciones son reales: requieren supervisión humana, pueden alucinar, necesitan quality gates estrictos, pero ya reemplazan ciertos roles de junior researchers.
¿Qué es la investigación automática con IA?
La investigación automática con IA es un agente de inteligencia artificial que automatiza el ciclo completo de investigación: partiendo de una hipótesis o pregunta, genera código, ejecuta experimentos, analiza resultados, itera sobre el diseño, y produce documentación o papers sin intervención humana entre pasos (o con intervención mínima). No es optimización de hiperparámetros ni busca de parámetros random — es un sistema que cambia la estructura del experimento mismo basándose en lo que aprende.
La diferencia con otros tipos de automatización es crucial: vos podés automatizar una búsqueda de grid en hiperparámetros con un script bash, eso no es investigación automática. Investigación automática es cuando le decís al sistema “encontrá por qué este algoritmo no escala” y el sistema rediseña el algoritmo, lo prueba, analiza el bottleneck, propone una alternativa arquitectónica, la codifica, la entrena 5 minutos, compara métricas y te devuelve “intenté esto, subió 15%, estas son las tradeoffs”. Todo en dos horas.
Es la diferencia entre “hacer lo mismo más rápido” y “descubrir qué deberías estar haciendo”.
Cómo funciona la iteración a velocidad máquina
Ponele que vos estás optimizando un modelo de machine learning. En el workflow humano tradicional: revisás los resultados, pensás qué cambiar, codificás la nueva idea, entrenás (esperas horas), analizás resultados, volvés al paso 2. Eso es semanas de iteración real.
Con investigación automática, el loop es: el LLM lee tu código actual, propone una modificación específica basada en los resultados previos, modifica el archivo, ejecuta entrenamiento de 5 minutos, evalúa si mejoró, descarta o guarda el cambio. Eso es 12 iteraciones por hora, 100+ por noche. Machine-speed iteration significa que en 8 horas no dormís conseguís 100 variantes experimentadas, cada una informada por la anterior, de forma que el espacio de búsqueda se reduce drásticamente.
El dato que cambia todo: según METR, la duración de tareas que una IA puede completar se duplica cada 7 meses. Eso no es especulación, es tendencia observable. Si hace 3.5 meses una IA tardaba 30 minutos en resolver un problema, hoy tarda 15 minutos. Dentro de 7 meses, 7.5 minutos. Proyectá eso a investigación automática: el feedback loop se vuelve exponencialmente más rápido.
Principales sistemas de investigación automática
Acá viene lo bueno: hay tres sistemas que definen el estado del arte hoy, y cada uno resolvió el problema de forma diferente. Relacionado: automatización de sistemas empresariales.
The AI Scientist (Sakana)
Este es end-to-end científico real. Arrancas con una pregunta de investigación, el sistema genera hipótesis, escribe el código experimental, ejecuta los experiments, analiza estadísticamente, y genera un manuscript listo para peer review. El paper luego pasa por un módulo de “evaluación de pares” que el propio LLM ejecuta, validando claridad, replicabilidad, significancia. Sakana reporta que cuesta ~$15 por paper generado.
Lo salvaje es que V2 del sistema (ese que está ahora en Nature) logró papers que pasaron peer-review en workshops científicos reales con 70% de acceptance. No son papers mediocres. Son papers que investigadores humanos evaluaron y aprobaron como contribuciones válidas (aunque modestas). Eso es diferente a “generó un texto que parece un paper”. Es “generó un paper que supera el filtro de calidad de la comunidad científica”.
AutoResearch (Andrej Karpathy)
El enfoque de Karpathy es radicalmente más simple: 630 líneas de código. Basado en nanochat. ¿Cómo funciona? Leyendo tu código actual + resultados previos, el sistema genera un prompt que modifica el código de forma quirúrgica, cambia una función, reescribe el loop de entrenamiento, lo que sea necesario. Entrena 5 minutos (en GPU local). Si el score mejoró, guarda el cambio. Si no, lo descarta.
Los casos de uso reales vienen de equipos en Shopify que probaron AutoResearch en pipelines de ML. Mejoras: validación 19% más rápida, rendering 53% más speedup. No son números de marketing — son benchmarks reportados en producción.
¿La razón? AutoResearch no intenta ser un científico completo. Es un optimizer de código obsesivo que modifica automáticamente lo que vos escribís basándose en los números que ve (spoiler: funciona). Lanzó en marzo 2026 con 21k+ estrellas en GitHub en la primera semana, porque después de verlo en acción, todos queremos que un bot nos optimice el código.
AI-Researcher (Sistema auxiliar)
Existe también AI-Researcher, que es menos conocido pero interesante: hypothesis to manuscript. Llena un nicho específico: toma una hipótesis estructurada de vos, genera el design del experimento, codifica, ejecuta, y produce un draft de manuscrito. Menos ambicioso que Sakana, más flexible que Karpathy.
AutoResearch: el sistema abierto de Karpathy
Vamos a profundizar en AutoResearch porque es el que tiene adoptación real hoy (marzo 2026), open source, y vos podés descargarlo e instalarlo en tu máquina ahora mismo.
El workflow es simple pero potente:
- Paso 1 — Lectura de estado: AutoResearch lee tu código actual (el archivo .py principal) y los últimos 5 entrenamientos (scores, logs de error, duración de pasos).
- Paso 2 — Generación de cambios: Basándose en nanochat, genera un prompt que modifica el código. Puede cambiar arquitectura, hyperparámetros, pipeline, lo que sea. Pero lo hace de forma discreta: una decisión por iteración.
- Paso 3 — Ejecución corta: Entrena 5 minutos. Lo suficiente para validar si el cambio va en la dirección correcta.
- Paso 4 — Evaluación: Compara score con baseline. Si mejoró, guarda el cambio y lo convierte en el nuevo baseline. Si emperó, lo tira a la basura y vuelve al anterior.
- Paso 5 — Retroalimentación: Documenta qué intentó, qué pasó, y usa eso para informar el siguiente cambio.
Lo que hace diferente a AutoResearch vs simplemente “un script que hace random search” es que la IA está modificando el código. No variando parámetros dentro de márgenes fijos. Si vos tenés un modelo con 3 capas y el score está estancado, AutoResearch puede decidir agregar una capa, cambiar activaciones, reescribir el loss, lo que sea. La forma de cambio es código real. Esto se conecta con lo que analizamos en investigación rápida con ChatGPT.
Casos Shopify que mencioné: equipos usaron AutoResearch en pipelines de feature engineering (validación de datos, transformación, limpieza). En 48 horas iterativas, lograron validación 19% más rápida. En rendering de imágenes en templates dinámicos, speedup 53%. Ojo con esto — no son “el modelo es 19% mejor”. Es “el pipeline que genera datos para el modelo es más rápido”. Diferencia clave, pero es donde AutoResearch agrega valor real hoy.
The AI Scientist: automatización científica end-to-end
Sakana’s AI Scientist es el contraste: en vez de optimizar un pipeline que ya existe, genera investigación desde cero. Es como si tuvieras un junior researcher disponible 24/7 que nunca se cansa, nunca comete errores humanos, y genera nuevas ideas basadas en literatura.
El sistema funciona así:
- Recibe un prompt: “¿Cómo mejora la convergencia si reducimos la tasa de learning a mitad de camino?”
- Genera una hipótesis estructurada sobre por qué pasaría eso (basada en lo que sabe de teoría de optimización).
- Diseña un experimento que testea esa hipótesis específicamente (no un experimento que mire 15 variables a la vez).
- Escribe código reproducible que ejecuta el experimento.
- Corre el experimento múltiples veces con diferentes seeds para validar estadística.
- Analiza los resultados: ¿la hipótesis fue confirmada? ¿Qué matices hay?
- Escribe un manuscrito científico que reporta hallazgos, metodología, limitaciones, implicaciones.
- Ejecuta un módulo de “peer review” (otro LLM en rol crítico) que valida el paper antes de reportarlo.
V2 del sistema, la versión que pasó a Nature, logró validación de pares reales. Investigadores humanos leyeron papers que generó The AI Scientist y dijeron “sí, es válido, sí contribuye algo”. Con 70% de acceptance rate en workshops. Eso es no trivial (si que eso cuenta como mejora). La mayoría de papers que genera IA se rechazan instantáneamente por cualquier evaluador experto. Sakana rompió ese patrón.
Costo: ~$15 por paper. No es nada. Si una investigadora humana junior tarda 2 semanas por paper, a salario 2026, cuesta 800-1000 USD en horas. The AI Scientist genera uno cada 2 horas a $15. La ecuación económica cambió.
Limitaciones actuales y desafíos técnicos
Acá viene la parte donde no te vendemos sueño. Estos sistemas tienen problemas reales que impiden reemplazamiento total de investigadores.
No reemplaza investigadores, los amplifica — eso es lo primero a fijar. Un agente de IA investigador es una herramienta de amplificación. Vos necesitas un humano supervisando, decidiendo si las hipótesis que genera el sistema tienen sentido, si el diseño experimental es válido, si los papers que escribe merecen ser publicados. El sistema genera ideas muy rápido; vos validás que esas ideas no sean alucinaciones del LLM disfrazadas de ciencia.
Los quality gates son críticos. Si ponés AutoResearch a optimizar código sin límites, puede llegar a cambios que “mejoran el score local” pero rompen generalizabilidad. El sistema ve que una modificación X subió 1% el score, guarda el cambio, itera desde ahí. 20 iteraciones después estás overfitting salvajemente. Necesitás gates que digan “si overfitting, rechazá el cambio”.
Alucinaciones del LLM: The AI Scientist puede generar un paper que describe un algoritmo que no existe, o malinterpreta literatura, o mezcla conceptos. El módulo de peer-review ayuda, pero no es perfecto. El 70% de acceptance en Nature es bueno; el 30% rechazo existe por razones. Complementá con GPT y la iteración automática.
Sesgo en datos de entrenamiento: si el LLM fue entrenado principalmente en papers sobre ciertos tópicos y metodologías, va a generar investigación sesgada hacia esos. Papers sobre deep learning van a ser mejores que papers sobre métodos estadísticos clásicos, simplemente porque el modelo aprendió más ejemplos de uno que de otro.
Papers AI Scientist no son iguales a best human papers: son papers válidos, pero tienden a ser incrementales. Pequeñas mejoras, variaciones de arquitecturas existentes, experimentos que validan teóricamente algo que ya se sospechaba. No son breakthroughs (todavía). El salto conceptual grande sigue viniendo de humanos con intuición y contexto que los LLMs no tienen.
Impacto en empresas tech y el futuro de I+D
Ahora bien, proyectemos esto a equipos reales. Si vos manejás un team de data scientists o machine learning engineers, automatización de investigación cambia tres cosas inmediatamente:
Velocidad de ciclo: Un ciclo de investigación que tardaba 2 semanas (idea → experimento → análisis → conclusión) ahora tarda 2 días. Con supervisión humana incluida. La pregunta no es “¿investigamos esto?” sino “¿investigamos las 100 variantes?”.
Junior researchers se vuelven redundantes, seniors se vuelven críticos: No necesitás juniors que ejecuten experimentos rutinarios y escriban reportes. Necesitás seniors que validen que las ideas que genera el sistema tienen sentido científico, que redirigen el sistema hacia hipótesis relevantes, que transforman outputs en decisiones de negocio.
Cambio en ROI de investigación: Hoy muchas empresas no invierten en research porque es caro y lento. Con automatización, el costo baja 10x y la velocidad sube 50x. De repente investigar es economicamente viable para problemas que antes ignorabas.
El shift estratégico es así: en 2020, R&D era luxury, vos hacías si tenías resourcesextra. En 2026, R&D es commodity. Todos pueden correr cientos de experimentos. Diferenciador ahora es qué preguntas hacés, no qué tan rápido ejecutás. Los equipos que ganan son los que saben qué hipótesis testear, no los que saben ejecutar experimentos (porque eso lo hace la máquina).
Tabla comparativa: sistemas de investigación automática
| Sistema | Scope | Velocidad | Costo por experimento | Setup requerido | Mejor para |
|---|---|---|---|---|---|
| AutoResearch (Karpathy) | Optimización de código ML existente | ~12 exp/hora, 100+ por noche | $0.50-2 (GPU + API) | Tu código + GPU local | Equipos con pipelines ya establecidos, optimización continua |
| The AI Scientist (Sakana) | End-to-end scientific discovery | 1-2 papers por día | ~$15 por paper completo | Descripción de hipótesis de inicio | Research labs, exploración de espacios desconocidos |
| AI-Researcher | Hypothesis → manuscript | 1 estudio completo por 4-8 horas | ~$5-8 | Hipótesis estructurada + dataset | Validación rápida de ideas, studies pequeños |
| Optimización manual + humana | Flexible, depende del humano | 1-2 iteraciones significativas por semana | $2000-5000 (salario senior researcher) | Investigador, tiempo | Problemas muy complejos, decisions estratégicas |
Errores comunes que comete gente implementando esto
Error 1: “Dejar el sistema solo y confiar en resultados sin validar”
Equipos lanzan AutoResearch a optimizar un modelo, se van a dormir, vuelven a la mañana y usan los cambios acumulados sin revisar qué modificó. Resultado: el modelo mejora 15% en training set pero overfittea hasta el delirio, generaliza mal, nadie lo nota hasta que va a producción. La solución es simple: ejecutá validación humana cada 10-20 iteraciones. Mirá qué cambió. Si no lo entendés, rechazalo. El sistema sigue optimizando, pero vos estás en el loop. Tema relacionado: Gemini para análisis automático.
Error 2: “Pensar que The AI Scientist reemplaza revisión científica”
Generó un paper que parece sólido y lo publicás directo. No. El sistema puede haber cometido errores lógicos sutiles, malinterpretado un paper que citó, o llegado a conclusiones que no están completamente soportadas. Necesitás un humano experto (no necesariamente el autor original, pero alguien que sepa del tópico) revisando el draft antes de publicar. El AI Scientist acelera la escritura, no reemplaza el juicio científico.
Esto se conecta con Auto Research AI Shows The Future Of Machine-Speed Iteration, donde cubrimos el tema en detalle.
Error 3: “Fijar los límites de búsqueda demasiado amplios”
Le decís al sistema “optimizá esto” sin decirle qué cambios están prohibidos. Puede llegar a arquitecturas que funcionan bien en tu dataset pero son incompatibles con tu infraestructura de producción, o requieren GPUs que no tenés, o tienen latencias que rompen tu SLA. Acotá el espacio de búsqueda: “podés cambiar hiperparámetros, pero no arquitectura”, o “máximo 500MB de memoria adicional”, o lo que sea importante para vos.
Qué está confirmado / Qué no
Confirmado:
- AutoResearch ejecuta ~100 experimentos por noche en hardware típico (confirmado por GitHub repo + reportes Shopify).
- The AI Scientist V2 papers pasaron peer-review en workshops científicos con 70% acceptance (reportado en anuncio Nature).
- Casos reales: equipos Shopify lograron mejoras de 19-53% en pipelines específicos.
- Los sistemas existen, son open source (AutoResearch en GitHub), y funcionan.
- La duración de tareas que IA puede hacer se duplica cada 7 meses (METR data histórica).
No confirmado / En desarrollo:
- Si AutoResearch genera papers a escala: está optimizado para código ML, no para generación de papers científicos complejos.
- Si reemplazará research scientists: evidencia sugiere que amplifica, no reemplaza. Equipos aún necesitan supervisión humana experta.
- Si los papers de The AI Scientist pasarían peer-review en top-tier venues (Nature, ICML): solo se probó en workshops, no en journals principales.
- Adopción enterprise: AutoResearch es nuevo (marzo 2026), Sakana es spin-off, no está claro cuántos equipos lo usan en producción hoy.
- Si “investigación completa” incluye replicas independientes: los sistemas generan investigación en contexto aislado, no hacen reproducibilidad en sitios externos.
Preguntas Frecuentes
¿Cómo funciona exactamente la investigación automática? ¿Qué parte hace el LLM y qué parte hace el código tradicional?
El LLM lee tu código + resultados previos, y genera instrucciones específicas: “modificá la función de activación de ReLU a Gelu en la capa 3, porque el gradient flow históricamente mejoró con eso”. El código tradicional ejecuta eso (modifica el archivo, entrena, mide). El LLM analiza si funcionó y decide el próximo paso. Es un loop: LLM → decisión de qué cambiar, código → ejecutar cambio, validar, repetir.
¿Cuánto cuesta usar The AI Scientist o AutoResearch?
AutoResearch es open source, instalás en tu máquina con costo de GPU (si tenés RTX, es gratis; si usás cloud GPU, ~$1-5 por noche de experimentos). The AI Scientist no es open source aún, pero Sakana reporta ~$15 por paper cuando accedés a través de su API. Comparado a investigador humano (2000-5000 USD/semana), es muy barato.
¿Puedo usarlo en mi equipo pequeño sin ser un lab de research?
Depende. Si tu “investigación” es optimización de código ML (mejorar un modelo que ya existe), AutoResearch encaja perfecto. Si querés descubrir nuevas metodologías científicas, necesitás The AI Scientist, que es más orientado a labs. Para equipos de data science en empresas regulares, AutoResearch es la herramienta. Básicamente: ¿tenés un pipeline ML que iterás constantemente? AutoResearch ahí. ¿No? Probablemente no lo necesites.
¿Qué tan confiable es el código que genera el sistema? ¿Puede tener bugs?
Sí, puede tener bugs. El LLM está generando código Python basado en patrones que aprendió. No es perfecto. Por eso necesitás validación: ejecutá el código, revisá los resultados, chequea que la métrica de evaluación tiene sentido. Si AutoResearch cambió algo que no entendés, rechazalo. El safety gate viene de vos, no del sistema.
¿Cuál es mejor para mi caso: AutoResearch o The AI Scientist?
AutoResearch si: tenés código ML existente que optimizás continuamente, querés speedup en iteración local, tenés GPU o acceso a cloud. The AI Scientist si: trabajás en research pura, generás papers, querés descubrir metodologías nuevas. Si estás en duda, probablemente sea AutoResearch (es más práctico para la mayoría de equipos).
Conclusión
La investigación automática con IA no es ciencia ficción. Es código que corre hoy, en marzo 2026, con resultados medibles: 100 experimentos por noche, papers que pasan peer-review, mejoras de 19-53% en casos reales. Cambia fundamentalmente cómo investigamos y optimizamos: de iteración humana lenta a feedback loops de máquina rápidos.
¿El plot twist? No reemplaza investigadores. Los amplifica. Un equipo con AutoResearch y The AI Scientist es un equipo que explora 50x más rápido, pero necesita 50x más criterio de supervisión. El diferenciador futuro no es “¿qué tan rápido corres experimentos?” (eso lo hace la máquina), sino “¿qué preguntas hacés?” y “¿validás correctamente lo que el sistema descubre?”.
Si trabajás en machine learning, data science, o research científica, en 2026 no usar estas herramientas es dejar dinero sobre la mesa. AutoResearch es trivial de instalar (GitHub, 630 líneas). The AI Scientist requiere acceso a Sakana o esperar que se abra. Pero ambas son realidad producción hoy, no roadmap futuro.
El punto de inflexión es ese: investigación deja de ser cuello de botella de velocidad. Pasa a ser cuello de botella de dirección. ¿Sabés qué investigar? Ahora podés. ¿No? Ese es tu problema nuevo.
Fuentes
- AutoResearch en GitHub — Repositorio oficial del sistema de Andrej Karpathy, 630 líneas de código, 21k+ estrellas.
- The AI Scientist (Sakana) — Sistema de automatización científica end-to-end, papers en Nature, V2 con peer-review.
- Paper The AI Scientist en Nature — Validación académica de papers generados automáticamente.
- AutoResearch en VentureBeat — Cobertura de lanzamiento, casos Shopify, benchmarks reales.
- Paper METR sobre AI task scaling — Datos sobre duración de tareas que IA puede completar (duplica cada 7 meses).