La transición climática es, en esencia, una transición de materiales: un desafío de escalado limitado por el tiempo y la presión ambiental.
La transición no puede depender solo de la extracción; necesitamos materiales nuevos y más eficientes, así como sistemas circulares que mantengan en uso los existentes.
La IA presenta una oportunidad profunda para resolver el desafío intensivo en materiales de la transición climática, pero debe combinarse con un mandato circular.
Todo gran avance del progreso humano ha sido impulsado por un avance en materiales. El cobre hizo posible la electricidad, el acero construyó las ciudades, el silicio permitió la era informática y el litio alimenta hoy la transición energética global.
La Comisión de Transiciones Energéticas ha señalado que la transición climática es, en esencia, una transición de materiales. Su análisis estima que alcanzar las emisiones netas cero en 2050 requerirá alrededor de 6500 millones de toneladas de materiales entre el presente y mediados de siglo: un desafío de escalado limitado por el tiempo y la presión ambiental.
Cada vez está más claro que la transición no puede depender solo de la extracción convencional. Necesitamos tanto materiales nuevos y más eficientes como sistemas circulares que mantengan en uso los existentes. Y eso implica repensar cómo se descubren, producen y reutilizan los materiales en todos los grandes sistemas industriales.
Sin embargo, la innovación en materiales ha sido históricamente lenta. Los descubrimientos suelen producirse por casualidad o tras décadas de experimentación incremental. Los plásticos tardaron más de 50 años en alcanzar una presencia generalizada, mientras que las baterías de iones de litio necesitaron décadas más para madurar.
La IA aprende el «lenguaje de la materia» para los materiales
Hoy, la inteligencia artificial (IA) supone una ruptura estructural con ese pasado. Un universo de técnicas y arquitecturas computacionales generativas y de difusión, que sustentan la ola más amplia de la IA, se está entrenando para aprender el «lenguaje de la materia»: identificar patrones en vastos conjuntos de datos de física, química y ciencia de materiales para proponer materiales novedosos a una escala antes imposible.
La comunidad investigadora ya se ha involucrado. Las estimaciones basadas en la investigación bibliográfica de Semantic Scholar sugieren que en 2014 solo 264 artículos de ciencia de materiales mencionaban la IA o el aprendizaje automático en materiales. En 2024, esa cifra había crecido hasta casi 10 000.
Al mismo tiempo, las grandes tecnológicas han avanzado con determinación: Alphabet (a través de DeepMind), Microsoft, Meta, NVIDIA e IBM han lanzado modelos fundacionales para materiales y puesto en marcha programas de materiales a gran escala. Y en los últimos años, la actividad de capital riesgo se ha acelerado en paralelo, financiando una nueva generación de empresas emergentes con cientos de millones de dólares para abordar este ámbito.
Cartografía del nuevo ecosistema de materiales e IA
El ecosistema emergente abarca una taxonomía de innovaciones y enfoques que buscan llevar el desarrollo de nuevos materiales hasta la producción a escala comercial. Puede desglosarse en varias categorías:
Modelos fundacionales como «motores de búsqueda de la materia»: En la base se sitúan desarrolladores de modelos como CuspAI y MatterGen de Microsoft, que desarrollan modelos generativos capaces de predecir nuevas estructuras cristalinas y sus propiedades. Entrenar estos sistemas requiere una enorme capacidad de cómputo, una profunda experiencia científica y una validación experimental exhaustiva.
Laboratorios autónomos para el descubrimiento autodirigido: Empresas como Lila Sciences y Radical AI están construyendo laboratorios robotizados que diseñan, sintetizan y ensayan materiales con mínima intervención humana, cerrando el ciclo entre la predicción digital y la prueba física. Esto da lugar a un ciclo de iteración corto, del mundo digital al físico, con un volumen de ensayos muy superior al que han realizado históricamente los enfoques exclusivamente humanos.
Plataformas empresariales que ofrecen informática de materiales para la industria: Herramientas de Citrine Informatics, PhysicsX y NobleAI funcionan como los sistemas operativos de la investigación y el desarrollo. Unifican datos fragmentados, recomiendan experimentos y hacen accesible la IA avanzada a los científicos industriales, que pueden aplicar estos modelos y herramientas a sus propios retos de desarrollo.
Infraestructura básica para la detección y la caracterización: Quizás el cuello de botella más crítico se encuentra en el hardware experimental. Los datos experimentales estructurados y de alta calidad son el combustible que entrena cada modelo. El avance dependerá de herramientas de caracterización más rápidas, más automatizadas y de mayor fidelidad.
¿Cómo está hoy el mercado de los materiales? Temprano, entusiasta e imperfecto
Sin duda, estamos en las primeras fases de un cambio transformador, y algunas expectativas podrían adelantarse a la madurez comercial. Aun así, el entusiasmo refleja un potencial genuino. Como lo expresó el futurista Roy Amara: el futurista Roy Amara lo expresó así: «Tendemos a sobrestimar el efecto de una tecnología a corto plazo y a subestimarlo a largo plazo».
En el escenario optimista, podríamos vivir un «momento TechBio» para los materiales. Del mismo modo que la biología computacional está transformando el descubrimiento de fármacos, el diseño computacional de materiales podría rehacer la industria de materiales, convirtiendo un proceso definido en otro tiempo por la casualidad en uno guiado por la computación.
Las aplicaciones abarcan todos los grandes sectores:
Energía: baterías de alta densidad, materiales solares, catalizadores de hidrógeno limpio
Movilidad: composites ligeros, aleaciones de alta temperatura
Productos de consumo: ingredientes novedosos, polímeros de rendimiento y circularidad
Electrónica: semiconductores flexibles, materiales cuánticos, recubrimientos de eficiencia energética
Con la IA acelerando el proceso de descubrimiento y el universo de composiciones posibles, la cuestión no es si son posibles nuevos avances, sino a qué velocidad pueden pasar de la predicción a la producción y de la producción a la integración circular en la economía real.
En el escenario pesimista, podríamos encontrarnos con un cuello de botella en la producción. El espacio de diseño químico es astronómicamente grande. La IA puede explorar millones de posibilidades en horas, pero identificar una estructura estable es solo la mitad de la batalla. La promesa es enorme, pero el camino hacia un impacto real en el mundo es complejo.
Las propiedades deben predecirse en distintas escalas: desde las configuraciones electrónicas hasta la resistencia mecánica. Por ejemplo, la estabilidad termodinámica no garantiza que un material pueda sintetizarse. La producción real depende de la cinética de reacción, de los intervalos de presión y temperatura, de la disponibilidad de precursores y del control de impurezas.
El reto no consiste solo en decidir qué fabricar, sino en cómo fabricarlo de forma fiable, segura, económica y a escala.
Combinar la IA para los materiales con una perspectiva circular
La innovación en materiales no puede separarse de los límites planetarios. La minería afecta a la biodiversidad, mientras que los materiales mal gestionados, como los plásticos, se convierten en contaminantes. La verdadera promesa de la IA reside en combinar el descubrimiento con el diseño circular, por ejemplo mediante:
Desmaterialización: hacer más con menos
Prolongación de la vida útil: predecir la corrosión y la fatiga, y facilitar la reparación, el reacondicionamiento y la reutilización
Regeneración: diseñar insumos de base biológica y biodegradables para una biodegradación segura
Cerrar el ciclo: utilizar la detección y el control de procesos guiados por IA para convertir relaves, chatarra y materiales al final de su vida útil en materias primas de alta pureza.
Las mejoras solo generarán un impacto real en el mundo si estos avances reducen la huella de la extracción de materiales, en lugar de limitarse a producir más materiales (y más residuos). Aun así, existe un desafío estructural que la tecnología por sí sola no puede resolver.
El descubrimiento de materiales mediante IA debe combinarse simultáneamente con innovación en modelos de negocio, como los servicios de materiales y los contratos basados en el rendimiento; con inversiones en infraestructuras de recogida, clasificación y sistemas de reprocesamiento; y con una evolución regulatoria. Sin esta alineación, incluso los materiales más brillantes descubiertos con IA simplemente acelerarán el flujo lineal.
Una advertencia adicional: la huella de procesamiento de la propia IA también requiere una consideración consciente. La inteligencia artificial puede parecer etérea, pero su huella es todo menos eso. Cada nuevo modelo entrenado y cada solicitud de datos respondida se apoyan en una enorme cantidad de capital físico: servidores, baterías, sistemas de refrigeración, cableado de cobre y agua para la refrigeración.
Arup destaca cómo el carbono incorporado (las emisiones ya asociadas a los materiales y a los procesos de construcción a lo largo de toda la obra) representa hoy alrededor del 20 % de las emisiones totales del ciclo de vida de un centro de datos típico, y asciende hasta casi el 100 % cuando funciona exclusivamente con electricidad renovable. Las consideraciones sobre materiales circulares deberían ocupar un lugar central en el auge de la inversión de capital en IA.
Sin embargo, cuando la IA para el descubrimiento de materiales se alinea con la lógica circular, deja de ser solo una forma más rápida de innovar para convertirse en una forma más inteligente de regenerar, garantizando que las moléculas que impulsan la próxima revolución industrial ayuden a restaurar, y no a agotar, el planeta que las sostiene.
En la fase inicial de la innovación en materiales habilitada por la IA
Dada la juventud de esta categoría, probablemente aún nos encontramos en las primeras fases del ciclo, con empresas emergentes en formación, programas de investigación en expansión y empresas consolidadas que empiezan a experimentar, aunque sin una gran concreción en cuanto a las aplicaciones finales o las estructuras comerciales.
La primera ola de descubrimientos se centró en gran medida en la optimización y la mejora de materiales conocidos. El momento de credibilidad en la biotecnología llegó cuando las grandes farmacéuticas empezaron a reconstruir sus motores de descubrimiento en torno a la biología computacional.
En el caso de los materiales, el mismo punto de inflexión llegará cuando las empresas industriales consolidadas empiecen a desarrollar conjuntamente nuevos catalizadores, polímeros y aleaciones con empresas emergentes nativas de la IA. Los programas conjuntos de descubrimiento, los consorcios de intercambio de datos y los acuerdos de compra anticipada de materiales diseñados con IA marcarían el paso de la promesa a la plataforma.
Cómo el Foro ayuda a los líderes a orientarse en la transición de los sistemas energéticos y de materiales
El Centro de Energía y Materiales conecta a los líderes para dar sentido a las complejas transiciones que transforman los sistemas energéticos, de materiales e industriales. Ofrece una plataforma para explorar cómo se cruzan la seguridad energética, la asequibilidad y la sostenibilidad.
Mediante la colaboración entre cadenas de valor y regiones, el Centro hace posibles trayectorias compartidas que ayudan a los socios a alinearse en torno a soluciones prácticas para una transición segura, baja en carbono y equitativa.
Así, para extraer una conclusión preliminar, la era de la IA presenta una oportunidad profunda para resolver el desafío intensivo en materiales de la transición climática. Sin embargo, para que esta ola de innovación logre un impacto planetario genuino, la promesa transformadora de la IA debe combinarse con un mandato circular.
La verdadera medida del éxito no será simplemente el descubrimiento de nuevos materiales, sino su integración en un sistema regenerativo, respaldado por nuevos modelos de negocio, infraestructuras críticas y alineación regulatoria.
Al vincular conscientemente el poder acelerador de la IA con la lógica circular, podemos garantizar que la próxima revolución tecnoindustrial se impulse con materiales que funcionen en armonía con el sistema natural del que proceden y que inauguren un nuevo paradigma industrial: construir un futuro regenerativo, no extractivo.
