🔬 Un artículo en Nature plantea que los programas de investigación son apuestas sobre el futuro, pero que sus supuestos rara vez se explicitan o se ponen a prueba. Propone usar “foresight” (anticipación estructurada) para alinear financiación, personal e infraestructura con varios futuros plausibles, no con una sola predicción.
Los autores señalan que decisiones sobre becas, infraestructura, contratación, regulación y formación suelen asumir que ciertas tecnologías madurarán, que se necesitarán habilidades concretas, que el público aceptará innovaciones y que aparecerán pocos riesgos. Cuando esos supuestos no se declaran ni se revisan de forma sistemática, aparece un desajuste entre lo que se investiga hoy y las condiciones futuras, que puede crecer con el ritmo del descubrimiento y el cambio global.
El texto usa ejemplos de presión bajo crisis. Durante la pandemia de COVID-19, investigadores tuvieron que acelerar el desarrollo de vacunas, ampliar la telemedicina, redistribuir personal clínico, mover la educación a lo digital y gestionar la confianza pública en vigilancia y vacunación, todo con poco conocimiento inicial del virus. También menciona que el ascenso rápido de la inteligencia artificial obliga a instituciones a decidir sobre validación, métodos de evaluación, preparación de la fuerza laboral, integridad de la investigación y gobernanza antes de contar con datos de largo plazo.
La propuesta se llama “translational foresight” y busca conectar métodos de “futures studies” (como el “horizon scanning”, la Futures Wheel y el análisis de escenarios) con decisiones centrales de la ciencia: qué financiar, construir, enseñar, validar y evaluar. La idea incluye definir “señales” o puntos de disparo —por ejemplo, niveles de ocupación de UCI o de desconfianza pública— que activen ajustes en dirección de investigación, dotación de personal y prioridades de financiación.
✅ Si las instituciones hacen explícitos sus supuestos desde el inicio, pueden volverlos rastreables y revisables, y adaptarse sin esperar a que estalle una crisis. El propio artículo admite límites: no busca predicción perfecta y reconoce que el reto está en traducir las herramientas de futuros a prioridades y decisiones rutinarias, algo que hoy enfrenta varias barreras.
⚕️ No es consejo médico.
