Hay muchísimas formas de hacer investigación, pero la mayoría solo conocemos una: la del laboratorio académico clásico. Es el agua en la que nadamos sin darnos cuenta de que es agua.
Una sola pregunta desmonta el sistema entero: ¿cuándo y cómo entran los datos en tu proyecto? Esa decisión condiciona quién manda, cuándo termina el proyecto y qué cuenta como éxito.
En este episodio recorro una línea con 10 modelos ordenados por cuándo entra el dato, desde el dato congelado hasta el dato que pide un algoritmo.
- Laboratorio académico clásico: el dato entra una vez y se congela.
- Bell Labs: «correa larga, valla estrecha». Dato continuo dentro de una empresa.
- Institutos independientes (Arc Institute, etc.): financiación a varios años, poca presión por publicar.
- Ciencia ciudadana: el público recoge datos de forma distribuida y constante.
- Big Science (CERN, Hubble): datos en chorro permanente, papers con miles de autores.
- FRO: 15 a 30 personas, 5 años, dinero filantrópico, sin obligación de publicar.
- DARPA: un Program Manager con poder real marca hitos. Así nació Internet.
- DeSci: financiación y propiedad intelectual en blockchain entre holders de tokens.
- Self-Driving Lab: bucle DMTA. El dato entra a demanda; cada vuelta decide el siguiente experimento.
- Radial: rediseñar el proceso científico como ingeniería, en ciclos, a nivel de sistema.
El laboratorio autónomo es el extremo más radical: no tiene final, sigue optimizando mientras lo dejes encendido. Eso es justo lo que el sistema científico actual no sabe gestionar.
Lo más profundo: ¿quién decide qué dato pedir? En el modelo clásico, el investigador. En Big Science, un comité. En DARPA, el Program Manager. En DeSci, una comunidad. En el laboratorio autónomo, un algoritmo. No estamos automatizando el pipeteo: estamos delegando la autoría intelectual del siguiente paso.
La razón por la que casi ninguno nace en la academia es sencilla: la academia solo sabe puntuar papers. No es un problema de calidad, es un problema de contabilidad del mérito.
¿Tu problema pide un bucle? Porque si lo estás forzando dentro del molde del paper, estás remando contra tu propio problema.
Comunidad de investigadores: https://horacio-ps.com/comunidad
Newsletter: https://horacio-ps.com/newsletter
Si el episodio te ha resultado útil, dale like, suscríbete o compártelo en Spotify, Apple Podcasts, iVoox o YouTube.
Enlaces y referencias
- Tony Blair Institute, «A New Model for Science»: https://institute.global/insights/tech-and-digitalisation/new-model-science
- Future Blind (Max Olson), «The new wave of science and research models»: https://futureblind.com/p/the-new-wave-of-science-and-research-models
- Construction Physics (Brian Potter), «The Influence of Bell Labs»: https://www.construction-physics.com/p/the-influence-of-bell-labs
- Arc Institute, «The Arc Model»: https://arcinstitute.org/model
- Franzoni y Sauermann (2014), Research Policy 43(1), pp. 1-20: https://ideas.repec.org/r/eee/respol/v43y2014i1p1-20.html
- Britannica, «Big Science»: https://www.britannica.com/science/Big-Science-science
- Federation of American Scientists, «FROs: A New Model»: https://fas.org/publication/focused-research-organizations-a-new-model-for-scientific-research/
- Ethereum.org, «Decentralized science (DeSci)»: https://ethereum.org/desci/
- Tom et al. (2024), Chemical Reviews 124(16), pp. 9633-9732: https://pubs.acs.org/doi/abs/10.1021/acs.chemrev.4c00055
- Autonomous Chemical Experiments, Acc. Chem. Res. (2022): https://pmc.ncbi.nlm.nih.gov/articles/PMC9454899/
- Astera, «Announcing Radial»: https://astera.org/announcing-radial/
- Seemay Chou, «Scientific Publishing: Enough is Enough»: https://astera.org/scientific-publishing-enough-is-enough/
- STAT News sobre Radial: https://www.statnews.com/2026/03/11/radial-ai-science-astera-nonprofit/
- Nature, «Inside the self-driving lab revolution»: https://www.nature.com/articles/d41586-026-00974-2
- Nature, «Will self-driving robot labs replace biologists?»: https://www.nature.com/articles/d41586-026-00453-8