¿Reemplazará la IA a los físicos? El cálculo y la revisión bibliográfica se aceleran; decidir qué puede despreciar un modelo sin riesgo, no.
Los físicos seguirán siendo valiosos aunque la IA acelere la revisión bibliográfica y el cálculo, porque la profesión sigue dependiendo de decidir qué pregunta importa, qué supuestos pueden justificarse y qué significan las discrepancias. Las personas más sólidas serán las que comprendan el significado de un modelo en lugar de limitarse a usar la herramienta.
Los físicos hacen mucho más que manipular ecuaciones. Su función es decidir qué puede simplificarse, qué cuenta como una aproximación válida y cómo deben vincularse la teoría, el experimento, la medición y la simulación para explicar un fenómeno.
La IA es eficaz organizando la bibliografía, ayudando con el cálculo simbólico y apoyando las simulaciones, pero decidir si una hipótesis es interesante, si sus supuestos están justificados y cómo interpretar las discrepancias entre la predicción y los datos sigue siendo una tarea humana.
Calculado por ai-job-risk.net a partir de cuatro conjuntos de datos públicos, en una escala de 0–100 relativa a las 188 profesiones que analizamos. Una cifra más alta significa que una mayor parte de las tareas del empleo son del tipo que la IA generativa puede hacer o para el que ya se usa. No es la probabilidad de perder el empleo.
Análisis de tareas realizado por investigadores (Eloundou et al.; OIT). Se muestra como percentil entre todas las profesiones que evalúan.
Uso observado de Microsoft Copilot y Anthropic Claude en las tareas de esta profesión. Se muestra como percentil entre todas las profesiones que evalúan.
La BLS no indica ningún factor específico para esta ocupación, así que la proyección sigue sobre todo el crecimiento o la contracción de los sectores que la emplean.
Cifras de EE. UU. para la profesión del BLS «Physicists». Las proyecciones del BLS suponen que la tecnología sigue avanzando a su ritmo histórico; no son un pronóstico del efecto de la IA por sí sola.
Fuentes
Índice de exposición calculado por ai-job-risk.net a partir de los conjuntos de datos siguientes (datos a 15 de octubre de 2026). Las cifras laborales de EE. UU. proceden del BLS, sin cambios.
Los editores de los datos no han elaborado, revisado ni respaldado este sitio. Citas completas, licencias y método
La física va más allá de resolver fórmulas. El verdadero valor reside en decidir qué debe permanecer en un modelo, qué puede despreciarse sin perder la esencia de un fenómeno y cómo deben estructurarse la explicación y la predicción.
La IA puede acelerar el cálculo y la revisión bibliográfica, pero la investigación sigue dependiendo de preguntarse por qué se adopta un determinado supuesto y qué significa realmente un resultado. Por eso los físicos siguen siendo valiosos gracias a su capacidad para plantear la pregunta adecuada y juzgar la calidad de un modelo.
En física, el trabajo basado en reglas, como organizar la teoría previa o ejecutar cálculos estándar, encaja bien con la IA. La preparación y el cálculo repetitivos están entre las áreas con más probabilidades de automatizarse.
La IA puede organizar rápidamente artículos y resumir las principales teorías existentes y las líneas de trabajo previas. Al inicio de un proyecto, construir una imagen aproximada de la bibliografía es cada vez más fácil de automatizar.
Seguir derivaciones conocidas, comprobar el álgebra y ordenar la notación son tareas que la IA y las herramientas de cálculo simbólico pueden realizar con eficiencia. Estos pasos de cálculo repetidos son fáciles de automatizar.
Cuando se parte de modelos conocidos, el esqueleto estructural del código de simulación es cada vez más fácil de generar con IA. Eso reduce el tiempo de implementación y deja más margen para comprobar los supuestos físicos.
Convertir los registros experimentales en tablas y gráficos legibles es fácil de automatizar cuando las condiciones de medición ya están fijadas. Es probable que la parte repetitiva de la organización de resultados siga reduciéndose.
Lo que sigue en manos de los físicos no es ejecutar cálculos más rápido, sino decidir qué hipótesis captan la esencia de un fenómeno. Las decisiones sobre qué conservar, qué recortar y cómo interpretar el desacuerdo entre teoría y experimento siguen siendo esencialmente humanas.
El valor de un proyecto depende en gran medida de la pregunta que se plantea. Decidir qué idealizar y qué condiciones no deben ignorarse sigue siendo una parte fundamental de la física.
Cuando los datos difieren de lo esperado, alguien tiene que juzgar si la diferencia es ruido de medición, un problema de implementación o el indicio de un fenómeno nuevo. Esa postura interpretativa sigue siendo humana.
El grado adecuado de simplificación depende del problema de investigación. Decidir cuánta precisión puede sacrificarse a cambio de hacer el problema abordable sigue siendo una decisión de diseño que no puede automatizarse por completo.
Aplicar modelos físicos a los materiales, la electrónica o la ciencia de datos requiere una traducción conceptual. Ese trabajo de tender puentes sigue siendo una responsabilidad humana.
A medida que se extiende el uso de la IA, los físicos necesitan algo más que técnica matemática. Necesitan la capacidad de explicar el significado y los límites de los modelos mientras se mueven entre la teoría, el experimento y la explicación.
Sigue siendo importante diseñar el propio modelo, decidir qué se está representando y qué puede descartarse. A medida que la IA agiliza el cálculo, aumenta el valor de elegir el modelo adecuado.
Los físicos siguen teniendo que juzgar si las diferencias son significativas manejando correctamente el error de medición y las fluctuaciones estadísticas. Eso sigue siendo esencial para llegar a conclusiones fiables.
Aunque la IA ayude a escribir código, los físicos siguen teniendo que decidir qué condiciones simular, cómo validar los resultados y qué resultados merecen confianza.
Un trabajo muy abstracto puede perder valor si los demás no entienden su propósito, sus supuestos y su importancia. La capacidad de explicar con claridad un diseño de investigación sigue siendo una gran ventaja.
La experiencia en física se traslada bien a funciones relacionadas con la simulación, el análisis de datos, la educación, la redacción técnica y la ingeniería. A menudo es realista llevar una forma de pensar propia de la física a campos prácticos afines.
La experiencia en construir modelos y pensar de forma explícita en los supuestos suele convertirse en un activo importante en la ciencia de datos.
Índice de exposición 95/100 · Empleo en EE. UU. 2025–35 +34,6%
La capacidad de extraer una estructura significativa de fenómenos complejos también funciona bien en funciones de análisis empresarial.
Índice de exposición 95/100 · Empleo en EE. UU. 2025–35 +34,6%
Pensar en el comportamiento de los sistemas a partir de los principios físicos subyacentes puede conectar de forma natural con el trabajo eléctrico y de dispositivos.
Índice de exposición 58/100 · Empleo en EE. UU. 2025–35 +9,9%
La experiencia en explicar por etapas ideas muy abstractas da a los físicos una base sólida para el trabajo educativo.
Índice de exposición 61/100 · Empleo en EE. UU. 2025–35 -0,4%
La capacidad de expresar con claridad supuestos difíciles y el significado de los modelos también tiene valor en la documentación técnica.
Índice de exposición 96/100 · Empleo en EE. UU. 2025–35 +0,8%
Los físicos seguirán siendo valiosos aunque la IA acelere la revisión bibliográfica y el cálculo, porque la profesión sigue dependiendo de decidir qué pregunta importa, qué supuestos pueden justificarse y qué significan las discrepancias. Las personas más sólidas serán las que comprendan el significado de un modelo en lugar de limitarse a usar la herramienta.
Estas profesiones pertenecen al mismo sector que Físico. No son el mismo trabajo, pero ayudan a comparar mejor la exposición a la IA y la cercanía entre trayectorias.
Físico obtiene 84 sobre 100 en nuestro índice de exposición a la IA generativa (puesto 60 de 188). Eso mide qué parte del trabajo puede hacer la IA o para qué parte se usa, no si el empleo va a desaparecer. La BLS prevé que el empleo de Físico en EE. UU. cambie un +7,2% entre 2025 y 2035.
En física, el trabajo basado en reglas, como organizar la teoría previa o ejecutar cálculos estándar, encaja bien con la IA. La preparación y el cálculo repetitivos están entre las áreas con más probabilidades de automatizarse. Por ejemplo: Primeras revisiones bibliográficas de la teoría conocida; Desarrollo y comprobación de ecuaciones estándar; Borradores de la estructura del código de simulación; Formateo de registros de medición y visualizaciones estándar.
Lo que sigue en manos de los físicos no es ejecutar cálculos más rápido, sino decidir qué hipótesis captan la esencia de un fenómeno. Las decisiones sobre qué conservar, qué recortar y cómo interpretar el desacuerdo entre teoría y experimento siguen siendo esencialmente humanas. Por ejemplo: Diseñar hipótesis y supuestos; Interpretar las discrepancias entre teoría y experimento; Elegir el equilibrio entre sencillez y precisión; Traducir conceptos entre disciplinas.
A medida que se extiende el uso de la IA, los físicos necesitan algo más que técnica matemática. Necesitan la capacidad de explicar el significado y los límites de los modelos mientras se mueven entre la teoría, el experimento y la explicación. Por ejemplo: Diseño de modelos; Análisis de errores y estadística; Práctica de programación y simulación; Explicar con claridad la estructura de una investigación.
