El 1 de julio de 2026, el Departamento de Energía de Estados Unidos publicó dos documentos en la página oficial de Genesis Mission. Uno recoge el informe de la cumbre con universidades y filantropía científica, celebrada el 18 de febrero en Crystal City. El otro analiza las respuestas a la consulta sobre formación de talento para IA aplicada a ciencia e ingeniería.

No es una actualización administrativa menor. Genesis Mission ha entrado en una fase de ingeniería cultural. La misión no se limita a conectar supercomputación, inteligencia artificial, sistemas cuánticos e instalaciones científicas. Busca reorganizar las reglas que distribuyen crédito, acceso, prestigio y oportunidades dentro de la ciencia estadounidense. Y lo hace, sobre todo, decidiendo qué formas de trabajo científico puede leer su plataforma.

La carta inicial del informe está firmada por Darío Gil como subsecretario de Ciencia y director de Genesis Mission. Allí se presenta la meta de duplicar la productividad de I+D de Estados Unidos en una década y reducir los plazos de descubrimiento de años a meses. Pero los documentos muestran que esa aceleración no depende solo de más cómputo. Exige modificar carreras académicas, acuerdos de propiedad intelectual, prácticas de datos, modelos de formación y lenguajes de evaluación. Genesis Mission University Summit Report

La productividad no es una cifra neutral

El informe de la cumbre propone abandonar una idea estrecha de productividad, basada en publicaciones y citas, para sustituirla por una noción de impacto. Entre los indicadores sugeridos aparecen modelos validados, transferencia tecnológica, progreso sobre desafíos nacionales y formación de fuerza laboral.

Esto parece una corrección razonable a un sistema que ha premiado de forma desproporcionada el artículo individual. Pero toda reforma de la evaluación decide también qué formas de trabajo podrán ser reconocidas como valiosas.

Software, datos curados, infraestructura compartida, coordinación interdisciplinar y mentoría comienzan a entrar en el campo de lo visible. Es un avance relevante. Pero no es un reconocimiento inocente. Cuando una plataforma estatal define qué cuenta como contribución, también fija la gramática en la que universidades, equipos y trayectorias deberán expresarse para acceder a recursos, reputación y continuidad.

Toda reforma de la evaluación decide qué cuenta como valioso. Importa quién diseña esa escala y qué queda fuera de ella.

La ciencia lenta, la curiosidad sin aplicación inmediata, el disenso que complica una misión o el tiempo necesario para construir confianza pueden aparecer como ineficiencias cuando la categoría dominante es el impacto acelerado.

El crédito colectivo no se resuelve con un algoritmo

La tensión más reveladora del documento está en el conflicto entre ciencia en equipo y crédito individual. Las personas participantes reconocen que los sistemas de promoción y permanencia siguen recompensando logros individuales, mientras Genesis necesita proyectos transdisciplinares, distribuidos y sostenidos por muchas formas de trabajo.

La solución sugerida resulta significativa. Propone desarrollar nuevas formas de reconocer la ciencia en equipo, incluso mediante herramientas de IA que ayuden a distinguir contribuciones individuales dentro de proyectos colectivos.

Ahí aparece una contradicción. Genesis reconoce que la ciencia contemporánea depende de redes de interdependencia, pero intenta hacer esa red nuevamente legible como suma de aportaciones separables. La IA se presenta como un posible apoyo para atribuir contribución. Sin embargo, el problema no es solo técnico. Es una cuestión de economía moral.

Compartir datos, mantener una infraestructura, documentar fallos, traducir necesidades entre disciplinas o acompañar a un equipo no son tareas fácilmente reducibles a una unidad individual de mérito. Son relaciones. El informe recoge el “instinto humano de proteger datos ganados con esfuerzo”, junto con el miedo a ser adelantado por otros equipos.

Las propuestas de acuerdos marco, redes de confianza, incentivos para compartir datos e incluso un “FDIC for trust” son intentos de fabricar institucionalmente la confianza que no puede imponerse solo con estándares técnicos. El valor de los datos no reside únicamente en su disponibilidad. También depende de quién puede usarlos, bajo qué condiciones y con qué reconocimiento posterior. Summit Report sobre datos, confianza y crédito

La infraestructura también fabrica sujetos

El segundo documento analiza más de 270 respuestas, que suman más de 1.100 páginas, a una consulta emitida en enero y cerrada en marzo. Su horizonte es formar a 100.000 personas científicas e ingenieras estadounidenses durante la próxima década para trabajar en la intersección entre IA y ciencia o ingeniería. Genesis Mission Workforce Development RFI Analysis

Su interés no está solo en la cantidad. Perfila el tipo de persona científica que la misión necesita.

El informe propone perfiles con formación profunda en dos campos, por ejemplo una disciplina científica y la ciencia de datos. Denomina a esa combinación perfiles en π. También plantea una tercera competencia de colaboración humano-IA, que incluye saber cuándo una salida algorítmica es fiable y cómo conservar juicio independiente.

También se identifica una brecha de capacidades intermedias. Las respuestas proponen perfiles como AI technicians, data shepherds y profesionales de IA aplicada que mantengan infraestructuras, curen datos aptos para IA y traduzcan entre especialistas algorítmicos y comunidades de dominio.

La figura del data shepherd merece atención. La productividad no se sostiene sin datos curados, documentados, verificados y situados. La imaginación pública de la IA suele glorificar el descubrimiento, pero Genesis admite que su infraestructura depende de trabajo persistente de cuidado, mantenimiento, trazabilidad y reparación. Reconoce, aunque sea indirectamente, que la IA científica no se apoya solo en descubrimientos espectaculares. Depende también de trabajo de mantenimiento, cuidado e intermediación que suele permanecer fuera de la épica tecnológica.

De programa a movimiento

La escala buscada transforma también la educación. El análisis sostiene que alcanzar 100.000 personas requerirá pasar de programa a movimiento, mediante formación de formadores, capítulos locales, instituciones técnicas, community colleges, certificados modulares y una infraestructura común para entregar, registrar y reconocer competencias.

Una formulación resume el proyecto con precisión. El problema no sería la falta de cursos, sino la ausencia de un “pegamento digital” nacional capaz de certificar y rastrear la formación de manera consistente entre laboratorios, universidades e industria.

No se trata solo de enseñar IA. Se trata de construir una población profesional legible para una plataforma nacional. Cada microcredencial, itinerario y experiencia práctica convierte una biografía formativa diversa en una secuencia interoperable de competencias, apta para contratación, movilidad y planificación estatal.

Esta coordinación puede modernizar el sistema científico. Lo decisivo es observar qué ocurre cuando la formación científica empieza a organizarse prioritariamente por aquello que una infraestructura nacional puede clasificar, acreditar y movilizar.

Una plataforma también dibuja fronteras

Genesis Mission se presenta como una infraestructura científica, pero sus categorías son explícitamente nacionales. No se organiza únicamente para producir conocimiento, sino para asegurar que determinados datos, capacidades, personas y resultados queden integrados en una arquitectura nacional de competitividad. La orden ejecutiva que la creó vincula la aceleración de la investigación con liderazgo tecnológico, seguridad nacional, dominio energético y retorno de la inversión pública. Executive Order 14363

Esto no prueba por sí solo una política cerrada de exclusión. Sí muestra que la plataforma está siendo imaginada como una infraestructura de soberanía.

Por eso resulta insuficiente describir Genesis como una política de innovación. Es una operación de reordenamiento institucional. Convierte el laboratorio en nodo de una red más amplia; convierte a la universidad en proveedora y traductora de talento; convierte a la filantropía en fuente de financiación dispuesta a asumir riesgo; y convierte a la persona científica en alguien que debe combinar juicio, dominio disciplinar, trabajo con IA y disponibilidad para circular entre Estado, industria y academia.

La antropología no entra aquí como advertencia externa sobre los riesgos de la tecnología. Entra para estudiar cómo se construye una nueva cultura científica mientras parece hablarse únicamente de máquinas.

Genesis no acelera la ciencia por sí sola. Intenta fabricar las condiciones culturales para que una determinada ciencia —medible, interoperable, orientada a misión y legible para la plataforma— pueda contar como la ciencia del futuro. El primer paso consiste en asegurarse de que la plataforma sepa leerla; el siguiente, en hacerla gobernable.

Fuentes