Majorana 2 muestra cómo la IA agente ya está entrando en el laboratorio cuántico
Cuando la industria habla de IA para la productividad, casi siempre piensa en texto, código u hojas de cálculo. Microsoft decidió trasladar esta conversación a un terreno mucho más difícil: el laboratorio. El 2 de junio de 2026, la compañía presentó el chip cuántico Majorana 2 y explicó que gran parte de la ganancia de confiabilidad provino del uso interno de Microsoft Discovery, su plataforma de agentes para investigación y desarrollo. El detalle importante no es sólo el chip. Es el método. ## Qué pasó Según Microsoft, Majorana 2 representa la próxima generación de su enfoque topológico para la computación cuántica. La compañía afirma haber logrado una mejora mil veces mayor en la confiabilidad con respecto a la generación anterior, con una vida útil promedio de qubit de 20 segundos y casos que alcanzan el minuto. Al mismo tiempo, la empresa puso a disposición del público Microsoft Discovery y presentó una vista previa de una aplicación local de la plataforma para investigadores. El punto central del anuncio es que los propios científicos de Microsoft ya han estado utilizando agentes Discovery para organizar flujos de trabajo, automatizar mediciones, optimizar la fabricación de dispositivos y encontrar fallas previamente desapercibidas. Esto cambia el tono del debate sobre la “IA para la ciencia”. En lugar de un asistente que resume artículos, la empresa describe un sistema que participa en la experimentación rutinaria, analizando resultados y generando hipótesis. El hecho confirmado es este uso operativo dentro del programa Majorana. La inferencia, que sugiere el propio Microsoft, es que este modelo de trabajo tiende a extenderse a los materiales, la química, la energía y la fabricación avanzada. ## La técnica detrás La computación cuántica sufre un problema de ingeniería brutal: los qubits son frágiles. Pierden coherencia con el ruido, la temperatura, las imperfecciones de los materiales y las interferencias microscópicas. Por tanto, cualquier avance real depende tanto de la arquitectura teórica como de los procesos industriales y las mediciones repetidas a escala. Aquí es donde los agentes de IA se vuelven particularmente útiles. Si un sistema puede consolidar literatura, historial de pruebas, parámetros de fabricación y señales de banco, ayuda a los humanos a reducir el espacio de búsqueda. En el caso descrito por Microsoft, Discovery funciona como una capa de coordinación para agentes especializados. Pueden razonar sobre un gran volumen de conocimiento, proponer experimentos, validar hipótesis y aprender del siguiente ciclo. Esto no significa que la IA "descubriera por sí sola" Majorana 2; Sería una exageración decir eso. Lo que las fuentes nos permiten decir es que se convirtió en un instrumento de aceleración en un proceso científico altamente iterativo. En ciencia de materiales, pequeñas decisiones en composición, deposición, litografía y lectura experimental pueden alterar drásticamente el comportamiento final. Un agente que encuentra patrones ocultos en miles de mediciones no reemplaza al físico, pero reduce el tiempo hasta la siguiente buena pregunta. ## Por qué esto es importante El anuncio es relevante porque desmonta dos caricaturas al mismo tiempo. La primera es la idea de que la IA para la ciencia sigue siendo sólo marketing. La segunda es la fantasía opuesta: que los laboratorios se vuelvan completamente autónomos en el corto plazo. Lo que surge aquí es un término medio mucho más plausible y poderoso: laboratorios híbridos, donde los investigadores utilizan sistemas agentes para condensar evidencia, priorizar rutas experimentales y abordar la complejidad operativa. Esto tiene un impacto práctico más allá de la computación cuántica. Industrias como las de semiconductores, baterías, fertilizantes, catalizadores, biotecnología y nuevos materiales tienen obstáculos similares: ciclos lentos, muchos parámetros, datos imperfectos y alto costo del error. Si plataformas como Discovery realmente reducen el tiempo entre la hipótesis y la validación, la ganancia económica podría ser mayor que la ganancia de referencia de un modelo de lenguaje. El valor radica en la compresión del ciclo científico. ## El futuro que anticipa El escenario más plausible no es el de "científicos reemplazados por agentes", sino equipos más pequeños que realicen exploraciones más ambiciosas. En lugar de pasar semanas reuniendo análisis repetitivos, los investigadores pueden dedicar más tiempo a la interpretación, el diseño de experimentos y la revisión crítica de lo que sugiere el sistema. A largo plazo, esto también favorece la creación de una infraestructura científica más estandarizada, con registros, trazabilidad y criterios de decisión explícitos. También hay una implicación estratégica. Microsoft proyecta ahora una computadora cuántica escalable para 2029, la mitad del plazo anterior. Esto no garantiza la entrega a tiempo. Es un objetivo corporativo, no un hecho consumado. Pero la combinación de qubits más estables con agentes de investigación muestra un patrón que debería aparecer en otros laboratorios: el avance de la IA no consistirá sólo en generar respuestas, sino en acelerar el proceso mismo que produce nuevos conocimientos. ## Qué tener en cuenta Las preguntas abiertas son serias. ¿Qué tan auditable es una hipótesis generada por un agente? ¿Cómo se protegen los equipos científicos contra los sesgos de optimización local cuando la IA comienza a favorecer caminos que parecen históricamente prometedores pero que empobrecen la exploración? ¿Y cómo validar la causalidad, no sólo la correlación, cuando los modelos sugieren cambios en procesos de fabricación complejos? También vale la pena señalar la transición de Discovery desde el Microsoft. Internamente, la empresa controla los datos, la seguridad y los objetivos. En los clientes, el desafío es mayor: datos sucios, integraciones incompletas, restricciones regulatorias y una cultura de investigación muy heterogénea. Si la plataforma funciona en este contexto, tendremos una señal de que la ciencia asistida por agentes ha abandonado el tobogán corporativo y ha entrado en el mundo real.
Fuentes
- https://news.microsoft.com/source/features/innovation/majorana-2-microsoft-discovery-agentic-ai/
- https://news.microsoft.com/build-2026/