Por Erick León | Noticias La Paz
La Paz, Baja California Sur, 7 de noviembre de 2026.— La inteligencia artificial puede reconocer patrones en fotografías y textos científicos, pero interpretar un experimento que salió mal exige algo más: revisar controles, identificar errores y aceptar cuando los datos no permiten llegar a una conclusión. OpenAI anunció el 6 de noviembre una evaluación diseñada para medir esas capacidades en tareas habituales de laboratorios de biología.
El proyecto, llamado BioBasicsBench, fue desarrollado junto con la empresa biotecnológica Ligo y reúne 100 tareas construidas a partir de evidencia experimental. Entre los materiales utilizados figuran fotografías de placas de cultivo, imágenes de geles, microscopía, datos de secuenciación y lecturas de instrumentos.
Qué se evaluó y cuáles fueron los resultados
Las tareas abarcan cinco áreas: técnicas con proteínas, imagen y citometría, cuantificación y ensayos, métodos de ácidos nucleicos, y clonación molecular. Según la documentación de OpenAI, las respuestas fueron comparadas con criterios de evaluación preparados y revisados por especialistas.
En la configuración de razonamiento denominada xhigh, el modelo GPT-6 Astra obtuvo 66.7% de la puntuación posible, frente a 43.8% de GPT-5.6 Sol. La compañía probó siete modelos y distintas configuraciones, con 18,500 resultados de evaluación en total. Son cifras de una evaluación presentada por la propia empresa, no una certificación independiente de fiabilidad clínica.
Por qué no significa que una IA pueda reemplazar al científico
Interpretar una señal experimental exige comprender si el equipo funcionó, si el control fue adecuado y si una imagen admite varias explicaciones. El informe reconoce que incluso los sistemas más capaces todavía fallan en algunas de estas tareas.
Para centros de investigación y universidades, incluida la comunidad científica de Baja California Sur, el desarrollo apunta a una posible herramienta de apoyo en el análisis de datos. Sin embargo, cualquier aplicación real debe conservar la supervisión humana, la trazabilidad de las mediciones y la validación experimental antes de tomar decisiones sobre salud o investigación.
Fuentes y créditos
Fuente primaria: OpenAI, publicación sobre BioBasicsBench. Comunicado publicado el 6 de noviembre de 2026.
Imagen destacada: ilustración editorial conceptual generada con inteligencia artificial para Noticias La Paz; no representa un laboratorio real. Fotografía o imagen documental alternativa: consultar el material de prensa oficial y verificar los permisos de reutilización antes de sustituirla.
Recepción de información y boletines: colectivosudcaliforniano@gmail.com.
