La startup Adaption presentó una nueva herramienta llamada AutoScientist, un sistema de inteligencia artificial orientado a automatizar uno de los procesos más complejos y costosos del desarrollo de modelos: el entrenamiento y optimización de otras IA. La noticia fue publicada por TechCrunch.
La propuesta apunta a un objetivo ambicioso: permitir que modelos de IA puedan mejorar parcialmente por sí mismos, probando configuraciones, ajustando parámetros y evaluando resultados sin depender constantemente de intervención humana directa.
Según la compañía, AutoScientist funciona como una especie de “investigador automatizado” capaz de ejecutar experimentos, comparar resultados y seleccionar iteraciones más eficientes durante el entrenamiento de modelos. En lugar de que ingenieros ajusten manualmente cada variable, el sistema busca acelerar el ciclo completo de desarrollo utilizando automatización avanzada.
El anuncio refleja una tendencia cada vez más fuerte dentro de la industria: usar IA para construir y optimizar nuevas IA. Grandes compañías tecnológicas ya experimentan con enfoques similares para reducir costos computacionales y acelerar investigación en modelos fundacionales.
La carrera se intensifica especialmente porque entrenar modelos modernos requiere enormes cantidades de recursos, energía y capacidad de procesamiento. Incluso pequeñas mejoras en eficiencia pueden representar millones de dólares de ahorro para empresas que operan infraestructura de IA a gran escala.
El lanzamiento de AutoScientist llega además en un momento donde el sector atraviesa una aceleración extrema. En las últimas semanas, compañías como Microsoft anunciaron herramientas autónomas de búsqueda de vulnerabilidades mediante IA, mientras que Anthropic continúa expandiendo rápidamente su presencia empresarial frente a OpenAI.
Para muchos analistas, el verdadero cambio no está solamente en modelos más potentes, sino en la automatización creciente del propio proceso científico y técnico detrás de la inteligencia artificial. Herramientas como AutoScientist apuntan justamente hacia ese escenario: sistemas capaces de experimentar, evaluar y optimizar otros sistemas de manera semiautónoma.
Ese avance también genera nuevas preocupaciones dentro del mundo tecnológico y académico. A medida que las IA comienzan a intervenir más directamente en el diseño y entrenamiento de futuras generaciones de modelos, aumenta el debate sobre control, transparencia y supervisión humana.
Aunque todavía estamos lejos de sistemas completamente autónomos capaces de desarrollar inteligencia artificial avanzada sin intervención humana, proyectos como AutoScientist muestran hacia dónde se dirige la industria: una infraestructura donde las máquinas no solo ejecutan tareas, sino que también participan activamente en la mejora de sus propios procesos de aprendizaje.