「La muralla de conocimiento lento」

Todos saben que la ciencia es un logro colectivo.
Las ondas gravitacionales las descubrieron miles de personas en décadas. AlphaFold está respaldado por todo el equipo de DeepMind. Nadie diría que estos son el resultado de un genio que trabaja solo.
Pero las empresas tecnológicas, al contratar investigadores de IA, apuestan exactamente lo contrario.
Un comentario reciente en *Nature* reveló una cifra: los investigadores jóvenes que llevan aproximadamente cinco años en el puesto y cuyas publicaciones están entre las más citadas, tienen una probabilidad de cambiar a la industria al año siguiente que es 100 veces mayor que la de los académicos promedio de su misma generación.
100 veces. No dos o tres veces.
Esto no es una cuestión de elección personal, es una extracción estructural de recursos.
Un profesor de IA de primer nivel recibe un salario completo de aproximadamente 20 a 40 mil dólares. Suena bastante. Pero el paquete total que ofrecen Google, OpenAI, puede llegar a 100 a 300 mil dólares. La misma persona, haciendo trabajos similares, con una diferencia de un orden de magnitud en salario.
La lógica en la industria es muy simple: mientras exista un «ingeniero 10x», no es necesario mantener diez ingenieros normales. Además, esa lógica ya está evolucionando — si la IA puede reemplazar a ingenieros de nivel medio o bajo, entonces aún más se debe concentrar recursos en atraer a los mejores.
El problema es que esta lógica invierte una cosa.
Puedes pensar en la academia como la tierra, y la industria construye sobre ella.
El trabajo en la tierra es lento, no predefinido por escenarios de aplicación, y permite fallar. Produce conocimientos que pueden ser citados repetidamente y criticados abiertamente, no un producto impulsado por objetivos comerciales.
Arrancar la parte más fértil de la tierra para construir una casa puede hacer que la casa sea mejor a corto plazo, pero a largo plazo, tu base se está vaciando lentamente.
Yo mismo, en el último año de mi doctorado, enfrenté esta disyuntiva: publicar mi tesis, pero también recibir ofertas de la industria.
Esa decisión no solo se basa en el salario, sino en qué velocidad y para quién sirven las preguntas de investigación.
Los problemas en la industria son reales, pero llevan implícica una presión de tiempo y una orientación hacia la aplicación. Los problemas académicos son libres, pero debes aceptar que esa libertad tiene un costo.
Esta fuga no se resolverá con un «sector académico más competitivo». El dinero no se puede ganar con menos dinero.
Lo que realmente se necesita es que el sistema académico vuelva a pensar claramente qué «cosas que la industria no tiene» está ofreciendo, y que esas cosas se vuelvan más visibles y atractivas para quienes realmente las valoran.
Un concepto que he estado reflexionando: lo llamo la muralla de conocimiento lento.
No todo conocimiento valioso puede ser realizado en un ciclo de producto de 18 meses. Aquellos que no puedan ser realizados en ese plazo, deben ser protegidos por alguien.
--------------------------
Citas:
1. Sanders, N. E., & Schneier, B. (2026). Por qué los salarios altísimos para investigadores de IA son perjudiciales para el futuro de la ciencia. *Nature*.

2. Jurowetzki, R., Hain, D. S., Wirtz, K., & Bianchini, S. (2025). El sector privado acapara investigadores de IA: ¿qué implicaciones tiene para la ciencia? *AI & Society*, 40(5), 4145–4152.