-
Artículo elaborado por Carlos Negro, presidente del Foro Química y Sociedad.
Pocas tecnologías concentran hoy tanta atención como la inteligencia artificial, y no es difícil entender por qué. También para la química y la ingeniería química se ha convertido ya en una cuestión estratégica. Ha dejado de ser una expectativa de futuro para entrar en el terreno de las transformaciones reales, modificando la manera de investigar, enseñar, diseñar, modelizar, producir y tomar decisiones. Pero su incorporación solo tendrá verdadero valor si, como recuerda la UNESCO, se apoya en la dignidad de las personas, la transparencia, la equidad y una supervisión responsable. No porque venga a sustituir a la ciencia o a la ingeniería, ni a las personas, sino porque puede ampliar su capacidad para afrontar problemas complejos, acelerar procesos y abrir nuevas posibilidades de innovación al servicio de la competitividad, la sostenibilidad y la sociedad.
Conviene, sin embargo, situar bien el debate. La cuestión no es si la inteligencia artificial va a llegar a nuestro sector. Ya ha llegado. La verdadera cuestión es cómo debemos incorporarla para que refuerce aquello que da valor a la química y a la ingeniería química: el rigor científico, la capacidad de transformar conocimiento en soluciones útiles, la seguridad de los procesos, la competitividad industrial y el servicio a la sociedad. Ese es, probablemente, el enfoque que hoy más necesitamos: ni entusiasmo ingenuo ni rechazo defensivo, sino innovación con criterio.
En la investigación química, esa transformación ya se percibe con claridad. La inteligencia artificial está acelerando la predicción de propiedades, el diseño molecular, el descubrimiento de materiales, el análisis de datos experimentales complejos y la extracción de conocimiento a partir de una literatura científica cada vez más extensa. La revisión clásica de Butler y colaboradores en Nature ayudó a ordenar este campo en torno a datos, representaciones, modelos, validación y aplicaciones, en síntesis, caracterización, teoría y descubrimiento molecular y de materiales (Keith T. Butler et al, 26 de Julio 2018, Nature). Casos emblemáticos como AlphaFold, cuyo impacto en la predicción de estructuras de proteínas quedó asociado al Nobel de Química de 2024, han contribuido además a hacer visible ante toda la comunidad científica el alcance que estas herramientas pueden llegar a tener. Su aportación no consiste solo en hacer más rápido lo que ya hacíamos, sino en permitirnos recorrer con mayor eficacia espacios de búsqueda que antes eran demasiado amplios, costosos o difíciles de explorar. En ese sentido, está reforzando la capacidad de la química para descubrir antes, decidir mejor y abrir nuevas vías de innovación.
La ingeniería química ofrece, quizá con especial claridad, la prueba de que la inteligencia artificial está pasando de la promesa a la práctica. Como muestra la reciente revisión publicada en AIChE Journal (Chew et al, 2026, AIChE J), hoy ya aporta valor en sensores virtuales, modelos sustitutivos, monitorización, apoyo al control y flujos de trabajo de documentación, digitalización y seguridad. En la misma línea, el white paper de la Federación Europea de Ingeniería Química (EFCE-SFGP, 2025) subraya que estas herramientas están abriendo nuevas posibilidades también en el diseño, el escalado y la gestión de procesos, al tiempo que advierte sobre las precauciones necesarias para implantarlas con rigor. Pero la lección principal de esta etapa es muy clara: su mayor utilidad aparece cuando complementa al ingeniero y al operador, no cuando pretende desplazar su criterio. En un sector donde la seguridad, la fiabilidad y la responsabilidad son irrenunciables, el verdadero progreso vendrá menos de la automatización integral que de una mejor integración entre conocimiento de proceso y experiencia profesional.
Pero para que esa promesa se traduzca en resultados, hay una condición de fondo que no puede ignorarse: los datos. Una de las enseñanzas más consistentes de la literatura reciente es que la clave no está solo en la sofisticación del algoritmo, sino en la calidad, la estructura, la contextualización y la buena gestión de los datos con los que trabaja. Como ha subrayado también Cefic en su reflexión sobre la transición digital del sector químico europeo, la calidad, la interoperabilidad, el intercambio seguro de datos y la colaboración son ya factores decisivos. Sin datos fiables, interoperables y bien descritos, no hay inteligencia artificial útil ni sostenible. En la investigación científica, esto remite a problemas conocidos de heterogeneidad, sesgos, documentación insuficiente y reproducibilidad; en la industria añade, además, el reto de integrar de forma eficaz datos de proceso, laboratorio, mantenimiento, producto y trazabilidad. Y añade todavía otra exigencia material: infraestructuras digitales, capacidad computacional y estándares compartidos que permitan que la adopción no quede limitada a quienes ya parten con ventaja. Por eso, el verdadero cuello de botella no es ya la falta de modelos, sino la madurez del ecosistema de datos que debe sostenerlos.
En química e ingeniería química hay, además, una segunda idea decisiva: los enfoques más prometedores no son los que descansan por completo en una caja negra, sino los que combinan inteligencia artificial con conocimiento científico e ingenieril. Cuando estas herramientas consideran la termodinámica, la cinética, los balances, la modelización molecular o la experiencia de proceso, ganan en robustez, en capacidad de generalización y en confianza. Esta es, probablemente, una de las claves de fondo del momento actual. La inteligencia artificial no aporta más por ignorar la ciencia acumulada, sino precisamente por integrarse con ella.
De ahí se deriva una consecuencia especialmente relevante para nuestro sector: el químico y el ingeniero químico no pierden centralidad con la llegada de estas herramientas; al contrario, pasan a ser todavía más necesarios. Formular buenas preguntas, decidir qué datos son pertinentes, interpretar resultados, detectar incoherencias, validar hipótesis y asumir la responsabilidad final de una decisión siguen siendo tareas profundamente humanas. La inteligencia artificial puede automatizar rutinas, sugerir patrones o acelerar análisis, pero no reemplaza el juicio profesional, la intuición científica ni la creatividad bien fundada. Conviene subrayarlo con claridad: el futuro no pertenece a la sustitución del experto, sino a una colaboración más inteligente entre conocimiento humano y capacidad computacional.
Todo ello obliga también a revisar la formación. Las competencias en inteligencia artificial, el trabajo con datos y el uso crítico de estas herramientas tienen que irse incorporando a las enseñanzas en química y en ingeniería química, así como a la formación continua de los profesionales en activo. Pero esa incorporación no puede hacerse debilitando la base disciplinar. Cuanto más potentes son los instrumentos, más importante resulta comprender bien los fundamentos. En el ámbito educativo, además, el desafío no es solo técnico, sino pedagógico. La inteligencia artificial puede ayudar a personalizar apoyos, generar recursos o facilitar ciertas tareas, pero también puede fomentar una dependencia acrítica si desplaza el razonamiento, la resolución de problemas y la comprensión causal. En nuestras disciplinas, enseñar no puede reducirse a obtener respuestas plausibles: debe seguir significando aprender a pensar, a contrastar, a argumentar y a decidir con fundamento.
La inteligencia artificial puede aportar también un valor menos visible, pero no menor, en la gestión y organización del conocimiento químico e ingenieril. Puede ayudar a ordenar documentación técnica, sintetizar literatura, apoyar la redacción de informes, facilitar la trazabilidad de información compleja y mejorar la circulación del conocimiento dentro de empresas, centros de investigación e instituciones. Del mismo modo, abre oportunidades para una mejor comunicación y divulgación de la química: traducir contenidos especializados a lenguajes más accesibles, adaptar mensajes a distintos públicos y reforzar la capacidad del sector para explicar con claridad qué hace, por qué importa y cómo contribuye al bienestar colectivo. Bien utilizada, puede ayudar también a hacer la química más comprensible, más cercana y más confiable para la sociedad. En un momento de sobreabundancia informativa, esa función no es secundaria. También forma parte de una relación más sólida entre química y sociedad.
Junto a ello, la inteligencia artificial puede convertirse en una aliada relevante para una química más sostenible y una ingeniería química más eficiente. Su aplicación al análisis de procesos, la optimización energética, la reducción de consumos, la mejora de rendimientos, la valorización de datos de operación o la toma de decisiones más informadas puede contribuir a avanzar en circularidad, seguridad, competitividad y descarbonización. Como ha subrayado Cefic, la transición digital y la transición verde no deben entenderse como agendas separadas, sino como procesos llamados a reforzarse mutuamente. Pero ese avance no será automático. Exigirá una cooperación más estrecha entre universidades, centros tecnológicos, empresas, desarrolladores de herramientas e instituciones, así como marcos compartidos de confianza, estándares e interoperabilidad.
Por eso la adopción de la inteligencia artificial no debe medirse solo por su potencia, sino también por su fiabilidad y por su legitimidad. Las cuestiones de validación, transparencia, capacidad de explicación, supervisión humana, reproducibilidad y confianza pública ya no son asuntos marginales, sino parte del núcleo del debate. Lo son en la investigación científica, donde la robustez del método no puede verse comprometida por modelos opacos o insuficientemente verificables. Lo son en la industria, donde toda herramienta que incida sobre procesos críticos debe responder a exigencias estrictas de seguridad, seguimiento, trazabilidad, cumplimiento normativo y protección de la confidencialidad, la propiedad industrial y la ciberseguridad. Y lo son también en la educación, donde el valor de la tecnología depende de su capacidad para mejorar realmente el aprendizaje y no solo para automatizar tareas.
La química y la ingeniería química tienen ante sí una oportunidad extraordinaria. La inteligencia artificial puede contribuir a una investigación más rápida y fértil, a una industria más eficiente y segura, a procesos más sostenibles, a una mejor gestión del conocimiento y a una formación mejor orientada a los retos del futuro. Pero esa promesa solo se convertirá en progreso real si sabemos integrarla con buenos datos, conocimiento experto, talento bien formado y una visión ética y socialmente responsable de la innovación. En ese equilibrio entre ambición tecnológica y rigor científico se juega una parte importante del futuro de nuestro sector. Y también su capacidad para seguir ofreciendo a la sociedad lo que siempre ha esperado de él: conocimiento útil, desarrollo sostenible y progreso compartido.
