La intel·ligència artificial ha passat d'ocupar, en només una dècada, un espai especialitzat en laboratoris i departaments tecnològics a convertir-se en un dels principals vectors de transformació econòmica i social. No obstant això, reduir el seu impacte als assistents conversacionals o a la generació de textos, imatges i codi seria observar únicament la superfície. La singularitat d'aquesta etapa és més profunda. Per primera vegada, una mateixa tecnologia comença a connectar el cicle complet de la transformació, accelerant el desenvolupament d'altres tecnologies, participant en la formulació de noves hipòtesis científiques i adquirint capacitat per actuar sobre la realitat física. La IA ja no ocupa una fase concreta del progrés tecnològic, sinó que comença a articular descobriment, desenvolupament i acció dins d'un mateix sistema.

La combinació de grans capacitats de còmput, dades i noves arquitectures d'aprenentatge ha donat lloc a models capaços d'interpretar volums massius de coneixement, identificar relacions no evidents, generar alternatives i aprendre dels resultats. Aquestes capacitats estan convertint la IA en una infraestructura transversal de transformació que connecta àmbits científics i tecnològics abans separats. El seu valor estratègic va molt més enllà de fer més eficients els processos existents. En treballar amb llenguatge, imatges, senyals, estructures moleculars, dades experimentals no estructurades i simulacions, la IA accelera la convergència entre biotecnologia, materials, semiconductors, fotònica, energia o robòtica, entre altres. 

Això resulta especialment rellevant en tecnologies avançades d'alt impacte industrial i social, on permet explorar amplis espais de possibilitats, comparar milions de configuracions virtuals i concentrar l'experimentació en les alternatives amb més potencial. Al mateix temps, no només accelera el descobriment i el desenvolupament tecnològic, sinó que també redueix la distància entre la invenció i l'aplicació, integrant investigació, disseny i desenvolupament en cicles més flexibles i iteratius. La transformació que vivim arriba al mateix mètode científic. La incorporació de models generatius altera una de les bases tradicionals de la ciència, fins ara sustentada en preguntes i hipòtesis formulades essencialment pels investigadors. La IA comença a intervenir també en la definició dels problemes, el disseny dels experiments i la reformulació successiva de les hipòtesis, configurant una nova forma de produir coneixement diferencial.

Aquests sistemes poden analitzar una gran quantitat de publicacions científiques, relacionar resultats procedents de disciplines diferents i identificar buits de coneixement i connexions no evidents. S'incorpora al procés de descobriment una capacitat generativa que amplia l'espai de preguntes, hipòtesis i rutes d'exploració que la ciència pot considerar. Encara que la ciència continua depenent de l'evidència, l'experimentació, la reproductibilitat i la interpretació crítica, el que canvia és l'origen i l'amplitud de les possibilitats que poden sotmetre's a validació, mentre l'investigador manté la responsabilitat de determinar quines són rellevants, com han de contrastar-se i quin significat tenen els seus resultats.

Experiències com AlphaFold han demostrat el potencial d'aquestes aproximacions en la predicció d'estructures biomoleculars. GNoME ha ampliat de forma radical l'univers de possibles nous materials, A-Lab ha integrat predicció, experimentació i síntesi autònoma de nous compostos, i sistemes com Co-Scientist ja generen, confronten i refinen hipòtesis en àmbits biomèdics com el reposicionament de fàrmacs, la identificació de noves dianes terapèutiques o la resistència als antimicrobians, abans de sotmetre-les a validació experimental. En aquest nou paradigma, la funció del científic no desapareix. Al contrari, es torna encara més decisiva. Com més gran sigui la capacitat dels models per generar possibilitats, més important serà el criteri humà per distingir entre correlació i causalitat, novetat i repetició, plausibilitat i evidència. La IA pot proposar milers de camins, però l'humà ha de decidir quins mereixen ser investigats, com han de validar-se i quin significat tenen els seus resultats.

Mentre la IA es perfila com a propulsor transversal del desenvolupament tecnològic i comença a transformar el procés científic, emergeix una tercera frontera que estén aquest cicle cap al món físic. La IA física representa un salt qualitatiu en integrar percepció, comprensió de l'entorn, planificació, acció i aprenentatge a partir de les seves conseqüències. No es tracta simplement d'incorporar millors algoritmes a màquines automatitzades. L'automatització tradicional executa seqüències predefinides en entorns controlats. L'autonomia exigeix operar davant la variabilitat, interpretar situacions no previstes i adaptar el comportament a les condicions reals. No parlem, per tant, només d'una automatització més avançada, sinó de sistemes que funcionen amb autonomia i capacitat de decisió.

La convergència entre models generatius, visió artificial, raonament espacial, simulació i control està acostant la possibilitat de sistemes capaços de comprendre un objectiu, seleccionar una estratègia i actuar en contextos canviants. La IA deixa així de limitar-se a representar o predir el món i comença a intervenir dins d'ell. Aquestes tres transformacions, orquestració tecnològica, descobriment científic i acció sobre el món físic, no avancen de forma aïllada. La seva convergència i reforç mutu estan donant forma a la veritable revolució en la qual ja estem immersos.

La IA accelera el desenvolupament d'altres tecnologies, transforma el procés científic i comença a traslladar la seva capacitat d'interpretació i decisió al món físic. Un sistema pot contribuir a identificar un nou material, generar el disseny d'un component, simular el seu comportament i transferir aquest coneixement a una màquina capaç de fabricar-lo, manipular-lo, provar-lo i aprendre durant la seva operació. El que abans romania fragmentat en disciplines, coneixements, infraestructures, processos i organitzacions, i condicionat per llargs cicles de desenvolupament, comença a integrar-se en un circuit continu entre coneixement i acció.

Aquesta continuïtat està redefinint la competitivitat científica i industrial. Els territoris i les organitzacions que liderin aquesta etapa no seran necessàriament els que incorporin més aplicacions d'IA, sinó els que siguin capaços d'integrar coneixement, models, dades, capacitat de còmput, infraestructures d'escalat tecnològic, entorns industrials i talent multidisciplinari. Per al nostre teixit socioeconòmic, el risc no resideix únicament a adoptar tard aquestes tecnologies, sinó a quedar limitat a l'ús de solucions el coneixement, models i aprenentatge de les quals es generen fora. La posició estratègica es juga en la capacitat de participar en tot el procés, des de la formulació de noves hipòtesis fins a la seva validació, desenvolupament i aplicació. És a dir, la clau està en la capacitat de generar ecosistema que participi en totes les fases de la cadena de valor.

Per tant, el veritable canvi de paradigma no consisteix a aplicar IA a més activitats, sinó a desplegar la seva capacitat per integrar la generació de coneixement, el desenvolupament tecnològic i l'acció sobre el món físic en una nova cadena de valor contínua, iterativa i flexible. Això és el que canvia realment la IA. Converteix el coneixement en capacitat d'acció a una velocitat i una escala inèdites, i dota a aquesta cadena de més resiliència mitjançant sistemes que aprenen, es reconfiguren i mantenen la seva operativitat quan canvien les dades, els objectius o les condicions de l'entorn. 

El domini de la convergència entre l'orquestració tecnològica, el descobriment científic i l'acció sobre el món físic determinarà qui innova més ràpidament, què s'investigarà, quines tecnologies es desenvoluparan, com es desplegaran i qui capturarà el seu valor. Construir capacitats pròpies al llarg de tot aquest recorregut és una qüestió de sobirania tecnològica inajornable. Renunciar a elles significa acceptar que altres actors defineixin les nostres prioritats tecnològiques, condicionin la nostra competitivitat industrial, redueixin el nostre marge de decisió i determinin en quina mesura aquesta transformació es tradueix en benestar social.

-Gabriel Anzaldi, director d'Ecosistemes d'Eurecat
-Rafael Redondo, director de la Unitat de Tecnologies Multimèdia d'Eurecat
-Lali Soler, directora de l'Àrea Digital d'Eurecat