Un físico descubre cómo Claude resuelve problemas que las máquinas no ven

Matthew Schwartz, investigador de Stanford, ha publicado un análisis sobre su experiencia trabajando con Claude que desafía la forma tradicional de usar modelos de IA en investigación. En lugar de imponer sus problemas al modelo de lenguaje, permitió que Claude identificara qué tipo de desafíos podía resolver de manera única y eficaz.

Esa colaboración llevó a Schwartz a desarrollar BootLoops, un toolkit diseñado para realizar cálculos exactos en ciencia cuantitativa. El proyecto demuestra un cambio de paradigma: no se trata de adaptar la ciencia a las limitaciones del modelo, sino de descubrir dónde Claude aporta ventajas genuinas en el flujo de investigación.

Qué hay detrás

La estrategia de Schwartz refleja una maduración en la forma de integrar IA en investigación científica. Durante años, los científicos han intentado usar modelos de lenguaje como herramientas de propósito general: generadores de código, traductores de problemas complejos, asistentes de escritura. La frustración surgía cuando los modelos no podían replicar el rigor matemático de sistemas especializados.

Lo que Schwartz propone es el camino inverso: identificar aquellos problemas donde un modelo como Claude tiene ventajas estructurales. BootLoops aprovecha la capacidad de Claude para realizar razonamientos simbólicos y manipulaciones algebraicas exactas en dominios cuantitativos. No es un generador de aproximaciones, sino una herramienta capaz de producir resultados verificables.

Esta aproximación se alinea con la visión de Anthropic de crear sistemas de IA más especializados y confiables para tareas técnicas de alto valor.

Claves

• Cambio metodológico: trabajar con las capacidades de Claude, no contra sus limitaciones
• BootLoops: toolkit enfocado en exactitud matemática para investigación cuantitativa
• Aplicabilidad múltiple: ya está siendo usado por expertos en distintos campos científicos
• Verificabilidad: el énfasis está en resultados exactos, no en velocidad o aproximación

El proyecto muestra que la verdadera productividad con IA no siempre viene de automatizar lo que ya hacen los humanos, sino de descubrir nuevas formas de colaboración donde cada actor —máquina y científico— juega su rol óptimo.