🔬 Un equipo presentó en Nature Paper2Agent, un sistema que convierte artículos científicos y su código en agentes de inteligencia artificial. En una prueba con 100 trabajos de biología computacional, logró crear agentes para 74. El objetivo es reutilizar métodos científicos mediante preguntas en lenguaje cotidiano.
Paper2Agent examina el artículo, sus datos y su código con varios agentes especializados. Estos preparan el entorno informático, extraen herramientas y comprueban sus resultados frente a los ejemplos originales. Las herramientas que fallan tras varios intentos quedan excluidas. El sistema reúne las herramientas aprobadas en un servidor MCP, un protocolo que permite conectarlas con agentes conversacionales.
¿Qué tan bien funcionó? En los 74 trabajos convertidos, 593 de las 599 herramientas propuestas superaron las pruebas automáticas. Al responder 300 preguntas basadas en tutoriales, Paper2Agent con Claude Sonnet 4 alcanzó un 91,2 % de aciertos. Claude Code con el mismo modelo y acceso directo al artículo y su código obtuvo un 80,3 %. El tiempo por consulta fue de 1,6 minutos frente a 4,3 minutos.
El equipo también creó agentes basados en AlphaGenome, Scanpy y TISSUE para analizar variantes genéticas y datos de células individuales. En el caso de AlphaGenome, generó 22 herramientas en unos 45 minutos, por 14 dólares estadounidenses, sin intervención humana. Esas herramientas quedaron disponibles para usos posteriores.
✅ Los resultados sugieren que Paper2Agent puede facilitar el uso de métodos publicados sin exigir que cada lector prepare el código desde cero. El alcance tiene límites: 26 de los 100 trabajos no pudieron convertirse por problemas como código o datos ausentes y fallos del entorno. Además, acertar frente a una respuesta de referencia no garantiza una interpretación científica válida: los investigadores siguen a cargo de evaluar las conclusiones.
