Formular la pregunta que merece la pena
88Elegir cuál de mil posibles direcciones de investigación merece realmente años de financiación y esfuerzo es un juicio que los sistemas de IA actuales no pueden hacer de forma fiable por sí solos.
Físico · Deriva y pone a prueba las leyes matemáticas que rigen la materia, la energía, el espacio y el tiempo, desde una pizarra solitaria hasta un artículo de un acelerador de partículas con 3.000 autores.
La física tiene una ventaja inusual en la era de la IA: gran parte de lo que un físico produce de verdad —una hipótesis novedosa, un aparato que funciona, la responsabilidad personal de un descubrimiento reivindicado— es exactamente el tipo de juicio y creatividad con rendición de cuentas que un modelo de lenguaje aún no puede sustituir de forma fiable.
Eso no hace el trabajo a prueba de IA. El triage bibliográfico, el código en borrador y el procesamiento rutinario de datos ya son más rápidos con ayuda de la IA, y las secciones siguientes separan lo que ya está cambiando de lo que, hasta ahora, ha resistido la automatización por razones más cercanas al juicio y la responsabilidad que a la dificultad técnica bruta.
Una parte real de la ejecución rutinaria de la física —triage bibliográfico, código estándar de simulación, documentación en borrador y generación de figuras— ya es más rápida con ayuda de la IA. Lo que resiste la automatización es decidir qué pregunta merece años de carrera, diseñar un experimento que pueda responderla de verdad y asumir la responsabilidad personal de un resultado reivindicado del que una máquina aún no puede rendir cuentas.
Puntuado por tareas, no por título. Más bajo es más seguro.
Empleos que la IA no puede quitar →Elegir cuál de mil posibles direcciones de investigación merece realmente años de financiación y esfuerzo es un juicio que los sistemas de IA actuales no pueden hacer de forma fiable por sí solos.
Lograr que un detector físico, un láser o un criostato funcionen de verdad, y diagnosticar por qué no lo hacen, sigue dependiendo de la intuición física construida con años de experiencia de laboratorio práctica.
Decidir si un resultado nuevo es real, importante y está correctamente analizado es un juicio social y científico, no una consulta, hecho por revisores humanos responsables.
La reputación de un físico con nombre, y a veces su carrera, está en juego por una afirmación publicada de un modo en que ningún sistema de IA responde hoy.
Coordinar a miles de científicos en docenas de países en un experimento compartido exige confianza y diplomacia que ningún sistema de IA actual gestiona.
Triar la avalancha diaria de nuevos preprint en arXiv y señalar resultados relevantes lo gestionan o aceleran cada vez más herramientas de IA.
Generar tuberías estándar de procesamiento de datos y andamiaje de simulación a partir de un método descrito encaja bien con las herramientas actuales de generación de código.
Redactar una versión inicial de la introducción de un artículo o generar gráficos estándar a partir de datos procesados ya está parcialmente automatizado en muchos grupos.
Filtrar ruido, corregir efectos instrumentales conocidos y señalar puntos de datos anómalos pasa cada vez más por tuberías automatizadas o de aprendizaje automático más que por revisión manual.
Los físicos usan cada vez más herramientas de IA para recorrer la manguera diaria de arXiv y señalar trabajos relevantes, comprimiendo una tarea que antes llevaba horas de escaneo manual en minutos.
Las redes neuronales operan ahora dentro de los sistemas de disparo de detectores de partículas y criban terabytes de datos de sondeos astronómicos en busca de anomalías: trabajo que ningún equipo humano podría hacer a mano a esa escala.
Una parte creciente de los nuevos resultados de física, especialmente en partículas y astrofísica, lleva cientos o miles de coautores, cambiando lo que cuenta como contribución y crédito de un físico individual.
Con los puestos tenure-track muy superados en número por los nuevos doctores cada año, la mayoría de los doctorados en física construyen ahora carreras en finanzas, tecnología o investigación industrial más que en una universidad.
Aplica el modelado matemático formado en física a los mercados financieros en hedge funds y firmas de trading: uno de los destinos mejor pagados para un doctorado en física.
Los laboratorios de IA contratan cada vez más doctores en física por su formación en construir y probar modelos matemáticos frente a datos reales desordenados, incluso sin formación en informática.
Construye y calibra los qubits físicos y los sistemas de control detrás de los ordenadores cuánticos: una especialización en rápido crecimiento que se apoya directamente en la formación en materia condensada y física atómica.
Aplica las habilidades de análisis estadístico y modelado construidas durante un doctorado en física a problemas industriales en tecnología, salud o logística: un aterrizaje habitual fuera de la investigación pura.
La demanda de personas con formación en física probablemente seguirá siendo fuerte durante la próxima década, impulsada menos por una tendencia concreta de IA que por el crecimiento continuado en semiconductores, computación cuántica e industrias intensivas en datos que valoran el rigor matemático del campo aunque el título del puesto no tenga nada que ver con la física.
La lectura honesta es que la IA es una preocupación secundaria frente al problema estructural más antiguo del campo: los programas de doctorado en física gradúan cada año a muchos más investigadores de los que hay puestos académicos tenure-track para contratar, y ese desajuste, no la automatización, es lo que ya empuja a la mayoría de los físicos hacia carreras fuera de la universidad para la que se formaron.
Vecinos más cercanos en el perfil de seis puntuaciones, no solo el mismo campo.
El científico que estudia la vida misma, desde Linneo nombrando especies a mano hasta editar genomas con CRISPR, aún contrastando cada idea con un organismo vivo.
Resistente a la IA 64 🏗️Diseña edificios que deben sostenerse, cumplir la normativa, agradar al cliente y costar lo justo — y asume la responsabilidad legal si no lo hacen.
Resistente a la IA 78 💱El estudioso de la escasez: de la fábrica de alfileres de Adam Smith a la sala de decisiones del banco central, al que se le sigue pidiendo predecir lo que ningún modelo capta del todo.
Resistente a la IA 62 🎬Convierte un guion en una película terminada eligiendo cada plano, interpretación y corte, y convence a productor, estudio y público de que la visión merecía el presupuesto.
Resistente a la IA 73 🧪El científico que fabrica y mide la materia misma — del alambique de perfume de Tapputi en Babilonia a los laboratorios robotizados de hoy, sigue siendo quien decide qué significa el espectro.
Resistente a la IA 70 👔Asesora a los clientes, redacta los documentos que los vinculan, y defiende su caso cuando llega a juicio, cargando con responsabilidad legal personal si el consejo resulta erróneo.
Resistente a la IA 58El científico que estudia la vida misma, desde Linneo nombrando especies a mano hasta editar genomas con CRISPR, aún contrastando cada idea con un organismo vivo.
Resistente a la IA 64 🧪El científico que fabrica y mide la materia misma — del alambique de perfume de Tapputi en Babilonia a los laboratorios robotizados de hoy, sigue siendo quien decide qué significa el espectro.
Resistente a la IA 70 📊Encuentra patrones y construye modelos predictivos a partir de datos: un título laboral de 2008 asentado sobre tres siglos de contar, contrastar y visualizar evidencia.
Resistente a la IA 38 🔭El científico que mide el universo, desde las tablillas de arcilla babilónicas hasta los telescopios espaciales, aún decidiendo qué parpadeo en los datos es un descubrimiento.
Resistente a la IA 70 🧮De los escribas babilonios a los medallistas Fields y la demostración asistida por IA: la profesión que convierte preguntas difíciles en certeza permanente, teorema a teorema.
Resistente a la IA 70