Empresas más importantes de IA ahora están reclutando neurocientíficos que logren imitar al 100% el funcionamiento del cerebro humano para sus tecnologías: “La ventaja competitiva ya no está en tener un modelo, sino en entender cómo decide”
La expansión de la IA ya no depende únicamente de más datos o más potencia de cómputo. Las compañías están apostando por comprender mejor los procesos internos del cerebro humano para crear modelos más eficientes, interpretables y competitivos.
Las grandes empresas de inteligencia artificial están dirigiendo sus esfuerzos de contratación hacia un nuevo perfil clave: neurocientíficos especializados en toma de decisiones, percepción visual y sistemas biológicos.
El objetivo es claro: lograr modelos más eficientes, más interpretables y con procesos de decisión más cercanos a los del cerebro humano.
Esta tendencia, documentada por medios especializados como Semafor, refleja un cambio profundo en la industria tecnológica y una carrera por obtener ventajas difícilmente alcanzables con enfoques tradicionales de programación o ingeniería.
La búsqueda de talento en neurociencia llega en un momento en que los modelos de lenguaje se han vuelto herramientas comunes en la mayoría de las grandes tecnológicas.
La diferencia ya no reside solo en tener un LLM, sino en hacerlo más rápido, más predecible y más barato de operar. Y para eso, las compañías miran directamente a la biología humana como fuente de inspiración.
¿Por qué las tecnológicas están incorporando neurocientíficos?
Las empresas coinciden en dos grandes prioridades que la neurociencia ayuda a resolver:
Consumo energético
El cerebro humano funciona con aproximadamente 20 vatios, una eficiencia imposible para los sistemas actuales de IA. La industria busca reducir la enorme brecha entre el gasto energético humano y el algorítmico. Quien logre acercarse a ese nivel tendrá una ventaja inmediata en costos y escalabilidad.
Interpretabilidad
Comprender por qué un modelo toma una decisión es uno de los mayores retos en IA. La neurociencia lleva décadas estudiando procesos complejos en seres humanos y desarrollando métodos para interpretarlos. Hoy, esas herramientas se vuelven clave para entender las llamadas “cajas negras” algorítmicas.
Te puede interesar: OpenAI identifica 44 profesiones con alta exposición a la inteligencia artificial para 2026
El caso Battista: de la academia a Meta
Uno de los ejemplos más citados es el de Aldo Battista, quien investigaba en la Universidad de Nueva York los procesos de decisión del cerebro ante opciones subjetivas.
Según Semafor, en septiembre dio el salto a Meta para aplicar ese conocimiento en los sistemas de recomendación de redes sociales.
El cambio más notable para quienes migran a la industria es la rapidez del impacto:
- En la academia, sus hallazgos se publicaban en papers que podían tardar años en recibir atención.
- En una empresa tecnológica, un ajuste en el algoritmo modifica el comportamiento de millones de usuarios en cuestión de días.
Su trabajo sobre cómo elegimos desde algo tan cotidiano como qué cenar ahora sirve para predecir qué video podría captar la atención en Instagram.
Te puede interesar: Inteligencia Artificial en México: Entre el riesgo de automatización y una oportunidad de oro
Una tendencia global: ejemplos en OpenAI, Apple y startups de IA
El movimiento no se limita a Meta. Más compañías están apostando por talento procedente de la neurociencia:
- OpenAI buscó colaboración con Merge Labs, firma de implantes cerebrales competidora de Neuralink.
- El investigador Akshay Jagadeesh se unió a OpenAI tras una década estudiando percepción visual y neurociencia computacional.
- En el EBRAINS Summit 2025, varios perfiles académicos anunciaron su paso a startups de IA como asesores científicos.
- Ruslan Salakhutdinov, conocido por su trayectoria en Machine Learning, forma parte de Apple AI Research, donde trabaja en modelos inspirados en sistemas biológicos.
Estas contrataciones muestran que la industria amplía su búsqueda más allá de los campos clásicos de informática.
Como resume Matthew Law, investigador de OpenAI y exalumno de Stanford: las empresas “buscan en toda la base científica disponible”, en parte porque la cantera tradicional de desarrolladores comienza a saturarse.
¿Cuánto ganan estos nuevos perfiles?
El incentivo económico es uno de los grandes motores del éxodo académico hacia la industria.
En OpenAI:
- Un investigador en matemáticas aplicadas y IA puede recibir entre 178 mil y 342 mil dólares al año, sin incluir bonos o acciones.
En otros laboratorios privados de IA:
- Los sueldos para perfiles que mezclan IA y neurociencia oscilan entre 150 mil y 350 mil dólares anuales.
Además, OpenAI ha ofrecido compensaciones totales que alcanzan montos millonarios, similares a contratos deportivos, lo que vuelve casi imposible para las universidades competir por el mismo talento.
Te puede interesar: El Papa León XIV pide proteger la dignidad infantil ante los riesgos de la inteligencia artificial
¿Qué implica esta migración para el futuro de la IA?
Una carrera por la eficiencia
La energía necesaria para entrenar y operar modelos avanzados es un problema creciente. La neurociencia puede guiar la construcción de modelos más compactos y menos costosos.
Presión por modelos explicables
Reguladores, gobiernos y empresas exigen saber cómo y por qué un algoritmo decide. La neurociencia ofrece herramientas para avanzar hacia esa claridad.
Universidades en desventaja
Los laboratorios académicos enfrentan la dificultad de retener talento cuando los paquetes salariales de Silicon Valley superan por mucho sus presupuestos.
Una búsqueda urgente de nuevas ventajas
La llegada masiva de neurocientíficos refleja un mensaje silencioso: la industria está en una carrera contra el tiempo para encontrar la próxima innovación diferencial. Si está en los laboratorios de neurociencia, las empresas intentarán llevársela.
Te puede interesar: Jeff Bezos revela cuál es el tipo de empleados a los que la Inteligencia Artificial “nunca podrá sustituir”
¿Hacia dónde va esta alianza entre IA y neurociencia?
La expansión de la IA ya no depende únicamente de más datos o más potencia de cómputo. Las compañías están apostando por comprender mejor los procesos internos del cerebro humano para crear modelos más eficientes, interpretables y competitivos.
Como dijo uno de los expertos consultados, “la ventaja competitiva ya no está en tener un modelo, sino en entender cómo decide”.
Ese principio resume la carrera actual: quien logre alinear los algoritmos con la lógica de la biología tendrá la próxima gran ventaja en la industria tecnológica.
Sigue nuestro canal de WhatsApp
Recibe las noticias más importantes del día. Da click aquí
Te recomendamos
“Hecho en México para México”: I’AM es la primera fábrica de inteligencia artificial en el País y contará con el respaldo de la china Nvidia
La adolescencia en realidad comienza a los 9 años y termina hasta los 32, según un nuevo estudio científico sobre el desarrollo y envejecimiento del cerebro humano
¿La felicidad se aprende? Lo que revela la nueva neurociencia
Jacobo Grinberg, neurofisiólogo que desapareció misteriosamente: “Lo que percibimos como ‘realidad’ no es un espejo fiel de un mundo externo objetivo, sino una elaboración activa de nuestro cerebro en interacción con una red energética universal”
HISTORIAS
Un sitio de 
Grupo Healy © Copyright Impresora y Editorial S.A. de C.V. Todos los derechos reservados