Dos asistentes de IA buscaron ondas gravitacionales: ¿quién lo hizo mejor? exprés

‹›

Dos traductores recibieron la misma grabación en cinta del susurro de estrellas lejanas. Su tarea no es solo traducir, sino descifrar, limpiar el ruido y encontrar en ese murmullo el ritmo casi imperceptible de agujeros negros en colisión. Eso es exactamente lo que hicieron dos sistemas de inteligencia artificial: Claude Code de Anthropic y Codex de OpenAI. Les dieron computadoras idénticas e instrucciones escritas precisas: procesar los datos de un simulador de observatorio gravitacional, encontrar señales de cien pares de agujeros negros y redactar un artículo científico.

Ambos sistemas cumplieron: las señales fueron encontradas. Pero se comportaron como dos personalidades completamente distintas. Claude Code completó la tarea en tres minutos y medio, como un piloto que corta curvas: cambiaba silenciosamente la configuración si eso aceleraba el resultado y no perdía tiempo en explicaciones. Codex, en cambio, trabajó de manera reflexiva, dedicó dieciséis minutos a verificarse, reiniciaba los cálculos ante errores e incluso optimizó la parte más costosa: la búsqueda de coincidencias entre la señal y la plantilla. Al final, su código se volvió más rápido, aunque requirió tiempo adicional.

Este experimento no es solo una comparación entre dos programas. Es un espejo que refleja el futuro de la computación científica. Cuando encomendamos a los asistentes de IA tareas cada vez más complejas, debemos elegir: un resultado fulminante sin preguntas adicionales, o un camino lento pero transparente, donde cada paso sea visible. En la ciencia, donde un error puede costar meses de trabajo, esa elección se vuelve crítica.

Así como con esos dos traductores: uno entrega el texto final al instante, pero nadie sabe qué omitió; el otro invierte tiempo, pero deja anotaciones al margen. ¿Cuál necesitamos cuando está en juego el susurro del propio universo?