¿La IA reemplazará a los paleontólogos?

51%. Esa es la puntuación de exposición a la IA de los paleontólogos — lo suficientemente alta como para que se avecinan cambios reales, lo suficientemente baja para que el trabajo fundamental sea genuinamente seguro.

Si estudias fósiles para ganarte la vida, la conversación sobre la IA suele ir en una de dos direcciones. O alguien te dice que el aprendizaje automático revolucionará tu campo, o alguien te dice que ChatGPT ya puede hacer tu revisión bibliográfica. Ambas cosas son parcialmente correctas y en su mayor parte se están perdiendo lo esencial.

La Oficina de Estadísticas Laborales agrupa a los paleontólogos bajo los geocientíficos y proyecta un crecimiento de empleo del +5,4% hasta 2034, más rápido que el promedio de todas las ocupaciones. Ese crecimiento no es una casualidad. Refleja la demanda de museos de historia natural, investigación universitaria, caracterización de yacimientos de petróleo y gas, paleoecología climática y encuestas gubernamentales. El mercado laboral para los paleontólogos es pequeño pero estable, y no está colapsando.

La pregunta interesante no es si la IA reemplazará a los paleontólogos. No lo hará. La pregunta interesante es qué partes del trabajo cambiarán tanto que el trabajo diario en 2030 parecerá extraño a alguien de 2020. De eso trata realmente este artículo.

Qué mide la puntuación de exposición del 51%

La paleontología se desglosa en aproximadamente cinco grupos de actividades: trabajo de campo (recolección de especímenes), preparación (limpieza y estabilización de fósiles), descripción (trabajo taxonómico formal), análisis (filogenética, biomecánica, paleoecología) y comunicación (artículos, charlas, divulgación pública). La puntuación del 51% es un promedio ponderado de estas actividades, y los pesos importan enormemente.

El trabajo de campo tiene una exposición cercana a cero a la IA. Todavía tienes que caminar el afloramiento, leer la estratigrafía y clavar el martillo en el lugar correcto. Las imágenes de drones y el lidar ayudan, pero te ayudan a decidir dónde mirar, no qué excavar. La preparación es igualmente segura. El trabajo de microabrasión para exponer un fósil no puede ser realizado por un robot por la misma razón que los robots tienen dificultades con el embalaje — el razonamiento espacial y la retroalimentación táctil requeridos a pequeña escala, con material frágil, están muy por encima de los sistemas actuales.

La descripción, el análisis y la comunicación son donde vive la puntuación de exposición. Son las partes del trabajo de escritorio y pantalla, y están cambiando rápidamente.

Dónde la IA ya está en el flujo de trabajo

La morfometría geométrica — la descripción cuantitativa de la forma — ha ido mejorando en la detección automatizada de puntos de referencia durante aproximadamente una década. Herramientas como SAM (Segment Anything Model) y redes convolucionales especializadas pueden identificar características anatómicas en cortes de tomografías computarizadas y encuestas fotográficas a velocidades que en 2018 eran ciencia ficción. Un artículo que requería tres meses de digitalización manual de puntos de referencia en 2015 toma hoy unas tres semanas con herramientas semiautomatizadas, y la mayor parte del cuello de botella es la verificación humana, no la identificación por parte de la máquina.

La identificación de microfósiles es otra área activa. Los foraminíferos, conodontos, pólenes y diatomeas han visto pipelines de clasificación automatizada exitosos que alcanzan una precisión del 85-95% en conjuntos de entrenamiento bien curados. Para el trabajo comercial de micropaleontología — bioestratigrafía para la industria petrolera y gasística, por ejemplo — estos sistemas ya están en producción. Los micropaleontólogos senior en las principales empresas de servicios ahora pasan más tiempo validando resultados de modelos y manejando casos límite que contando foraminíferos bajo el microscopio. El trabajo cambió; no desapareció.

La nueva ola es la integración de modelos de lenguaje de gran escala con la literatura paleontológica. Herramientas que pueden sintetizar entre los ~2 millones de artículos de la literatura geológica y paleontológica están comenzando a producir primeros borradores útiles de revisiones bibliográficas, secciones de antecedentes taxonómicos e incluso sugerencias de hipótesis. Investigadores del Smithsonian y varias universidades importantes han publicado trabajos de prueba de concepto usando LLMs para ayudar con la construcción de matrices de caracteres filogenéticos. Los resultados tempranos son prometedores para tareas estrechas y vergonzosos para las amplias — que es aproximadamente la historia de los LLM en todos los campos de investigación.

Qué no cambia

Las partes de la paleontología que la IA no toca de manera significativa no son solo más seguras; se están volviendo relativamente más importantes.

La recolección en campo siempre ha sido el cuello de botella de la disciplina. No puedes estudiar un fósil que no se ha encontrado. A medida que el análisis automatizado se acelera, la demanda de nuevos especímenes crece, y las personas que pueden dirigir programas de campo productivos se vuelven más valiosas. La experiencia de campo es un activo en revalorización en esta disciplina.

El juicio taxonómico — la decisión sobre si un espécimen representa una nueva especie, una especie conocida con variación morfológica, o algo patológico — todavía requiere una profunda experiencia. Los sistemas automatizados pueden marcar candidatos para revisión taxonómica, pero el juicio sobre si algo es taxonómicamente significativo o simplemente ruido involucra comprender los modos de preservación, la ontogenia, el dimorfismo sexual, la variación geográfica y las complejas realidades de cómo los organismos se convierten en fósiles. Ningún modelo actual tiene la comprensión contextual necesaria para ese trabajo.

La escritura científica que importa — las partes de los artículos donde construyes un argumento, defiendes una interpretación o propones un nuevo marco — es donde los revisores pasan su tiempo y los editores toman sus decisiones. Los LLM pueden hacer borradores, pero el contenido intelectual sigue siendo tuyo. Cualquiera que lea artículos de paleontología puede notar la diferencia entre un artículo pensado cuidadosamente y uno que no lo fue, y esa diferencia es lo que lleva artículos a Nature, Science, PNAS y las principales revistas especializadas.

Las tareas específicas que cambiarán

Déjame ser concreto sobre cómo se verá diferente tu día de trabajo en cinco años.

La revisión bibliográfica estará fuertemente asistida por IA. Redactar una sección de antecedentes implicará consultar herramientas que pueden resumir miles de artículos, encontrar observaciones históricas específicas e identificar lagunas en la comprensión actual. La habilidad que importará será saber qué pedir y cómo verificar lo que recibes. La escritura real seguirá siendo tuya, porque las síntesis que producen estas herramientas son competentes e insípidas, y tú quieres que tus artículos no sean ninguna de las dos cosas.

La documentación de especímenes estará parcialmente automatizada. Los flujos de trabajo fotogramétricos que producen modelos 3D de calidad publicable a partir de fotos de teléfonos ya son desplegables en condiciones de campo. La detección automatizada de puntos de referencia manejará la mayor parte de la recopilación de datos morfométricos para grupos bien estudiados. El trabajo manual restante se concentrará en especímenes raros, taxones complejos y los casos límite que derrotan los pipelines automatizados.

El análisis filogenético verá nuevas herramientas, pero los debates metodológicos no desaparecerán. Los métodos bayesianos y de parsimonia, la selección de modelos, las decisiones de codificación de caracteres — estas son áreas donde el juicio humano y la elección metodológica impulsan la ciencia, y donde la IA es más un acelerador que un sustituto.

La comunicación pública es donde la IA ofrece la mayor ventaja para los paleontólogos en ejercicio. Las herramientas que te ayudan a producir ilustraciones, animaciones y contenido web interactivo a partir de tu trabajo publicado pueden expandir dramáticamente tu alcance sin requerir un diseñador gráfico. Los museos y universidades esperan cada vez más que sus investigadores hagan este tipo de comunicación, y las personas que se vuelven buenas en ello tienen ventajas en financiamiento de subvenciones, conferencias públicas y visibilidad académica.

El mapa profesional para la próxima década

Si eres estudiante de posgrado o paleontólogo en la etapa inicial de tu carrera, el consejo práctico es directo.

Desarrolla experiencia de campo profunda. Esta es la parte más defendible de la disciplina y la más difícil de adquirir más adelante en una carrera. Cada temporada de campo a la que puedas unirte, únete. Cada localidad que puedas aprender, aprende.

Domina las herramientas, pero no te conviertas en ellas. Aprende suficiente Python para ejecutar pipelines morfométricos, consultar bases de datos y personalizar análisis. Aprende suficiente sobre los LLM para usarlos eficazmente sin que te engañen. El objetivo es ser la persona que usa estas herramientas para hacer mejor paleontología, no la persona que compite con ellas.

Especialízate en áreas cuantitativas adyacentes. Métodos comparativos filogenéticos, modelado paleoecológico, reconstrucción climática en el tiempo profundo — todas son áreas donde las habilidades computacionales y el conocimiento paleontológico se combinan para producir trabajo que ninguno de los dos podría hacer solo. El mercado laboral en estas intersecciones es mucho mejor que en la paleontología descriptiva clásica, y son más difíciles de automatizar porque requieren ambos tipos de experiencia.

Mantén un componente público en tu trabajo. Los museos, la divulgación universitaria y los canales de comunicación científica impulsan cada vez más las decisiones de financiamiento. Un investigador con una comunicación pública sólida es más valioso que hace una década, y la brecha se está ampliando.

Dónde están realmente los empleos

Las posiciones de investigación pura en paleontología han sido difíciles siempre, y eso no ha cambiado. La vía académica tradicional produce más doctorados que posiciones de titularidad por un amplio margen.

Los empleos que están creciendo están en aplicaciones adyacentes. La caracterización de depósitos para empresas energéticas (especialmente geotérmicas, almacenamiento de carbono y el petróleo y gas restante) emplea a un número significativo de paleontólogos para bioestratigrafía y trabajo paleoambiental. La paleoecología climática ha visto un crecimiento real en financiamiento a medida que ha aumentado la urgencia de comprender análogos climáticos pasados. Las encuestas gubernamentales (USGS, encuestas estatales de geología y sus equivalentes en otros lugares) continúan contratando.

Los puestos en museos siguen siendo competitivos pero estables. Los museos de historia natural valoran cada vez más a los investigadores que también pueden manejar trabajo de colecciones digitales, divulgación pública y desarrollo de exposiciones. Un paleontólogo con experiencia en colecciones y habilidades de divulgación pública tiene más empleabilidad que uno con credenciales solo de investigación.

Resumen honesto

La paleontología en 2035 será diferente de forma significativa a la de 2025, pero la diferencia tratará más sobre el flujo de trabajo que sobre quién tiene un empleo. Las partes de escritorio del trabajo se aceleran. Las partes de campo del trabajo se mantienen igual. Las partes con carga de juicio del trabajo se vuelven más importantes. Las partes de comunicación del trabajo se expanden a nuevos medios.

La puntuación de exposición del 51% es real y debería hacerte tomarte la transición en serio. Pero es una puntuación para tareas, no para empleos, y las personas que hacen este trabajo lo seguirán haciendo mientras los humanos quieran saber qué vino antes que nosotros. Esa demanda no va a ninguna parte.

---

_Nota metodológica: Las puntuaciones de exposición siguen el marco GPT-impact (Eloundou et al. 2023), extendido a ocupaciones científicas mediante análisis a nivel de tareas de O\*NET y las encuestas de flujo de trabajo de la Society of Vertebrate Paleontology. Proyecciones de empleo del BLS Employment Projections 2024-2034 (categoría geocientíficos, 19-2042). Las cifras de precisión de automatización de microfósiles provienen de literatura académica revisada por pares 2021-2024. Las etiquetas [Estimación] denotan cifras sintetizadas; las etiquetas [Hecho] denotan datos de fuente primaria; las etiquetas [Afirmación] denotan aserciones publicadas no verificadas independientemente._