Por qué importa la metaciencia de la financiación de la I+D

Siguen las noticias duras sobre la capacidad de investigación de Japón. En el ranking de artículos de alto impacto (número de artículos Top 10 % ajustado), Japón se queda en el puesto 13 según el promedio de 2022 a 2024 con recuento fraccionario, y la proporción del tiempo que el profesorado universitario dedica a la investigación también lleva mucho tiempo en descenso. Hay cambios alentadores, como que el número de estudiantes que ingresan al doctorado ha aumentado durante tres años consecutivos, pero el entorno de investigación sigue teniendo muchos problemas.

Y este tipo de debate suele acabar, en última instancia, en una cuestión de cifras: «cuánto aumentar el presupuesto de investigación».

Yo también creo que el monto total de la financiación es importante. Partiendo de esa premisa, lo que quiero abordar en este texto es otro factor que, junto con el monto, determina los resultados: cómo se reparte el dinero de la investigación, es decir, el diseño de la forma de distribuirlo.

Cada año, Japón destina una gran cantidad de fondos públicos a la investigación en forma de fondos competitivos y subvenciones de funcionamiento. Según el diseño —«con qué propósito se establece», «cuántos evaluadores se necesitan», «cuánto se da por proyecto y durante cuántos años», «cuán laboriosa es la solicitud»—, cambian tanto la carga de solicitar y evaluar como aquello a lo que los investigadores pueden atreverse. En Japón se han hecho mejoras, como la reforma del sistema de evaluación de los KAKENHI y su revisión, pero mi preocupación sobre la forma de distribuir es que todavía puede haber margen para mejorar más.

Y es que yo mismo he participado como evaluador en diversos programas de ayudas y he apoyado a startups e investigadores que solicitan subvenciones y ayudas. Lo que sentí con fuerza es que si no se cambian la forma de distribuir y los propios mecanismos de evaluación, no se podrá hacer llegar fondos suficientes a las investigaciones con potencial de lograr grandes resultados y, en consecuencia, será más difícil que surjan innovación y startups.

Con esa preocupación he escrito artículos sobre temas como la financiación aleatoria, la innovación en la evaluación y las políticas de innovación que se diversifican. Y últimamente se suceden nuevos movimientos en este ámbito, dentro y fuera de Japón.

El creciente interés por la metaciencia

El campo que estudia la manera de hacer ciencia y las instituciones que la sustentan se llama metaciencia (metainvestigación). La forma de distribuir los fondos de investigación es uno de sus objetos de estudio. Es un área con una larga acumulación de investigación, pero en los últimos años se ha extendido la tendencia de que los gobiernos y las agencias de financiación realicen ellos mismos experimentos.

Por ejemplo, el Reino Unido creó en 2024 la Metascience Unit, que abarca al gobierno y a UKRI, y avanza en experimentos sobre métodos de evaluación y otros aspectos. En su informe del primer año, 2025, se verifican aspectos como la reducción del tiempo de evaluación y el grado de coincidencia entre las valoraciones de los evaluadores.

El documento «Science: A New Golden Age», publicado en 2026 por la Oficina de Política Científica y Tecnológica de EE. UU. (OSTP), propone que cada agencia científica federal tenga una división de metaciencia que realice experimentos con los programas de ayudas. Además, la NSF anunció el programa X-Labs, que apoya organizaciones de investigación independientes, con el que busca ampliar también las formas de las organizaciones dedicadas a la I+D.

En Japón también ha comenzado SPReAD, del Ministerio de Educación, Cultura, Deportes, Ciencia y Tecnología, que incorpora el uso auxiliar de la IA y el muestreo aleatorio en la evaluación. Para el ejercicio fiscal 2027 se ha presentado una solicitud presupuestaria aproximada de 500 millones de yenes para CATALYST, donde investigadores y funcionarios colaboran para estudiar nuevos métodos de política científica y tecnológica. Y no solo las administraciones: también hay actividades voluntarias, como el grupo de estudio de metaciencia.

La creación de unidades de metaciencia en las agencias científicas también ha sido recomendada por el Institute for Progress (IFP). Caleb Watney y Jenn Gustetic, vinculados también al IFP, han organizado la metaciencia en seis corrientes.

(1) La investigación que mejora la integridad y la reproducibilidad de la investigación, (2) la ciencia abierta, que impulsa la publicación y el intercambio del conocimiento, (3) la cienciometría, que mide las actividades y los resultados de la ciencia, (4) la economía de la innovación, que estudia los efectos de los fondos y los incentivos, (5) la gestión de I+D, que estudia la administración de las organizaciones de investigación y la implementación de instituciones, y (6) las iniciativas de los emprendedores institucionales que crean nuevas organizaciones de investigación. La investigación sobre financiación se relaciona de forma especialmente profunda con las tres últimas.

En este texto resumo brevemente, a título personal, «por qué la metaciencia es importante para el Japón de hoy», en particular desde la perspectiva de la financiación de la I+D.

Razón 1: obtener más resultados con las limitaciones de personas y de recursos financieros

Para un país de potencia media como Japón, competir con EE. UU. y China en todos los ámbitos se está volviendo cada vez más difícil. Financieramente, invertir al nivel de EE. UU. y China es duro, y la población en edad de trabajar, que es la fuente misma de los posibles protagonistas, también disminuirá en adelante. Por eso, además de ampliar los fondos de investigación nacionales, cobra cada vez más importancia cómo repartir las personas y los fondos limitados mientras se avanza en la obtención de fondos de fundaciones científicas extranjeras y en la acogida de talento del exterior.

Si se pueden asignar los recursos de manera eficaz, quizá se logren más resultados científicos con la misma cantidad de dinero. Precisamente por eso, creo que buscar métodos para obtener más resultados con la misma cantidad de recursos científicos invertidos es algo que Japón, con sus escasos recursos, debe hacer de forma consciente.

Ahí es donde son importantes iniciativas como la metaciencia. Es esencial presentar continuamente propuestas de mejora sobre qué tipo de asignación permite lograr más resultados reduciendo los costes.

En particular, los fondos de investigación no son solo el dinero que se puede usar directamente en la investigación científica. También incluyen los costes de los procesos de evaluación y gestión (incluidos los costes de externalización de la operación, etc.). Aunque aumente el total de fondos de investigación científica, si la mayor parte es absorbida por el aumento de los costes de operación y por las consultoras a las que se subcontrata, el dinero de investigación que queda en manos de los investigadores podría no cambiar.

Considero que averiguar cómo usar bien los fondos de investigación para que eso no ocurra es un problema acuciante para Japón.

Razón 2: elevar la productividad de la ciencia

Lo anterior era sobre todo una cuestión particular de Japón, pero hoy la ciencia en su conjunto tiene problemas.

También en el extranjero se ha señalado el problema de que, aunque aumenten los recursos dedicados a la investigación, cada vez resulta más difícil obtener un progreso proporcional. La investigación de Bloom y colaboradores mostró que, en varias industrias y tecnologías, el aumento de los insumos de investigación y la caída de la productividad de la investigación se producen a la vez. El informe de 2026 de la OSTP también considera un problema los rendimientos decrecientes de la inversión en I+D y vuelve a plantear la adecuación entre las instituciones y los problemas de investigación.

Es posible que los propios problemas de investigación se estén volviendo más difíciles, por lo que no se puede decir que la causa sea solo la forma de distribuir, pero asignar los recursos de una forma adaptada a los problemas científicos actuales quizá permita obtener más resultados.

Por ejemplo, quizá se obtengan más resultados entregando a investigadores individuales dinero de uso libre durante un periodo largo. Por otro lado, habrá casos en que sea mejor un equipo con plazo definido y una misión específica.

ARPA-E, del Departamento de Energía de EE. UU. (DOE), es una agencia que apoya la investigación energética transformadora y de alto riesgo, difícil de sostener con los mecanismos convencionales. En cuanto a las organizaciones que realizan la investigación, también existe la iniciativa de las FRO (Focused Research Organization). Considero que X-Labs de la NSF también tiene una idea cercana a la de las FRO, en cuanto aborda los problemas con equipos independientes de dedicación exclusiva.

Mecanismos como las universidades y los institutos nacionales de investigación fueron también, en cierto sentido, «invenciones» para incorporar bien las externalidades de la sociedad de su época. Sin embargo, hoy a cada uno se le exige una responsabilidad más amplia que cuando fue inventado, y me parece que ha llegado el momento de reconsiderar su papel. Siento que, según el caso, convendría contemplar, por ejemplo, desagregar la universidad.

Más allá de la forma de las organizaciones, qué forma permite lograr los mayores resultados científicos cuando se otorgan los mismos fondos se está convirtiendo en un problema de la ciencia en su conjunto. Pienso que tiene cierto sentido que Japón contribuya a ello o, dando una respuesta mejor, genere desde Japón más resultados científicos, y para eso me parece que es cada vez más necesario ver, en un nivel meta, la propia actividad de la investigación científica y tecnológica, y no solo aumentar la cantidad de fondos.

Razón 3: la IA puede cambiar los procesos de investigación

Como problema más actual, existe la posibilidad de una transformación del proceso de investigación debido a la aparición de una nueva herramienta, la IA.

Hoy se mencionan problemas como la redacción de artículos y la revisión por pares, pero si en adelante la IA se introduce como tecnología de propósito general, igual que la electricidad, asistiendo el trabajo intelectual, es posible que también la metodología de la ciencia cambie de forma notable.

La introducción de la electricidad en el proceso de investigación científica hace unos cien años cambió el entorno de investigación, como la iluminación y la refrigeración, y permitió operaciones como la electrólisis. Con instrumentos como el osciloscopio y el microscopio electrónico, también se ampliaron los fenómenos observables y los métodos de medición. Después, con el desarrollo de los ordenadores, avanzan también los análisis complejos y la automatización de los experimentos. (Para la historia de la ingeniería, también es útil la explicación de ETHW.)

La IA podría ser precisamente una herramienta de ese tipo. Me parece muy probable que el proceso de investigación cambie de forma considerable, no solo en las áreas de ciencias e ingeniería sino también en las humanidades y las ciencias sociales. Y encontrar el método óptimo para ello es, se podría decir, justo lo que hoy se exige a la ciencia en el nivel meta. Incluso podría ser que repartir ChatGPT Pro a todo el mundo produjera más resultados.

Pero esto no consiste solo en hacer más eficiente el proceso tradicional; también es importante pensarlo a nivel de la organización. El uso de la IA en las organizaciones empresariales lo explico en otros artículos del blog, y en la ciencia ocurre lo mismo: aunque la IA pueda proponer en poco tiempo candidatos de experimentos prometedores, si los equipos están ocupados o falta gente para manejarlos, es posible que no aumente el número de experimentos que se pueden realizar. En ese caso, una asignación de recursos que destine los fondos adicionales a la operación de instalaciones compartidas y a la contratación de personal técnico, porque así avanza el conjunto de la investigación, podría ser el óptimo global.

Y cuando se pide a los investigadores que usen la IA, hay que pensar al mismo tiempo quién hace funcionar los equipos y cómo se proporcionan los recursos de cómputo y los datos necesarios. Si un proceso se acelera, aumentan los recursos que necesita otro proceso, y la asignación adecuada también cambia. Por ejemplo, igual que la OSTP propone invertir en infraestructura de verificación, a medida que se difunde la IA también hay que elevar la capacidad de comprobar los resultados.

Hay que pensar no solo en usar la IA en cada proceso de investigación, sino en cómo aceptarla en el conjunto del proceso de la investigación científica y tecnológica. Creo que también aquí hace falta una perspectiva meta, y que es necesario hacer asignaciones de recursos de forma experimental.

Razón 4: el cambio en la ponderación de la investigación

Además de los cambios internos de la ciencia, también están cambiando las exigencias que la sociedad plantea a la investigación.

En una encuesta realizada en 68 países en 2022-2023, había una brecha entre las prioridades científicas que deseaban los encuestados y las prioridades que sentían que la ciencia valoraba. Además, la confianza en los científicos en Japón es de 3,37 en una escala de 5, por debajo del promedio de toda la encuesta, 3,62.

En un contexto en el que probablemente continúen en Japón diversas escaseces de suministro, si la ciencia y la tecnología no pueden contribuir a esos problemas inmediatos de la población, la confianza en la ciencia volverá a bajar y, con ello, quizá también disminuya el presupuesto que se le asigna.

Paralelamente, los gobiernos de varios países están intentando en los últimos años aplicar, por ejemplo, políticas de innovación orientadas a misiones, que buscan lograr objetivos sociales. La situación actual es que, además de la investigación impulsada por la curiosidad de los investigadores, también se demanda desde diversas perspectivas la investigación impulsada por misiones.

Creo que la investigación impulsada por la curiosidad de los científicos sigue siendo necesaria, pero, dado que la financiación pública de la I+D que trato en este texto se sostiene con impuestos, pienso que también es importante responder a esas demandas de la sociedad.

En cuanto a cómo gestionar bien esa investigación orientada a misiones, todos los países parecen estar todavía en fase de exploración. Esto también es objeto de experimentación y mejora.

Razón 5: la distribución entre la capacidad de investigación nacional y la cooperación internacional

Como dije en la razón 1, si se considera a Japón como un país de potencia media que no parte de la premisa de realizar investigación a la máxima escala en todos los ámbitos, no puede hacerlo todo. Por eso necesita repartir el trabajo con varios países mientras afina sus propias fortalezas. Pero, por otro lado, si se establecen prioridades de forma completamente tajante, podría perderse la capacidad de absorción.

La capacidad de absorción, en el sentido de la gestión empresarial, es la capacidad de reconocer el valor del conocimiento externo, incorporarlo y aprovecharlo. En su formación interviene el conocimiento que uno mismo ha acumulado. Si se extiende esta idea a la estrategia científica y tecnológica de Japón, un aspecto importante es que, para usar tecnologías del extranjero, también hay que formar investigadores y técnicos dentro del país. Como le ocurre hoy a EE. UU., que lucha por reactivar su industria manufacturera, una capacidad que se pierde una vez no siempre vuelve igual aunque después se pague una suma considerable.

Por otro lado, si la asignación a las investigaciones existentes se fija, puede dificultar la entrada a nuevas direcciones de investigación. Hay también un estudio según el cual, en las ciencias de la vida de EE. UU., tras la muerte de investigadores destacados aumentaron los artículos de investigadores sin relación de coautoría con ellos, en particular de quienes llegaban de fuera del campo. No es un resultado que muestre directamente el efecto de cambiar la asignación de fondos, pero la entrada a nuevas direcciones de investigación es también un punto que se quiere considerar en el diseño de la asignación.

Esto es justamente un problema de asignación, y es un problema difícil de captar con el número de artículos. Creo que es muy significativo volver a examinar, ahora que cambian las condiciones de la cooperación internacional, cuánto invertir en estas capacidades y qué verificar.

La asignación de recursos es estrategia

Hasta aquí hemos visto varias razones.

La ciencia vive hoy cambios debidos a factores internos y cambios debidos a amenazas externas. Para seguir manteniendo e incrementando la inversión pública en investigación, lo importante es cómo cambiar el propio proceso de la ciencia para producir resultados y aumentar la confianza, y creo que la forma de asignar los fondos puede ser una gran variable para lograrlo. (※Sin embargo, producir resultados no garantiza automáticamente el respaldo político, así que, además de los resultados, hacen falta otros medios.)

Según la definición clásica de Chandler, la estrategia es «la determinación de las metas y los objetivos básicos a largo plazo de una empresa, la adopción de los cursos de acción y la asignación de los recursos necesarios para alcanzar esas metas». La asignación de recursos es parte de la estrategia, y la asignación de los recursos científicos también es un problema importante que condiciona la estrategia científica de un país.

Y cuando no se obtienen los resultados esperados, así como se pide a los investigadores que expliquen las razones, quien distribuye también necesita verificar las condiciones del apoyo.

Así como la ciencia actualiza su comprensión con hipótesis, observación y experimentos, esos métodos también deberían poder incorporarse a las instituciones que la sustentan. Se necesitan experimentos que prueben solicitudes más cortas, periodos de apoyo más largos y ayudas que cubran los vacíos de financiación, y que aprovechen los resultados en el siguiente diseño. Al hacerlo, pienso que es necesario comprobar por separado, incluidos los costes de experimentación y evaluación, la eficiencia de evaluación a corto plazo y los resultados de investigación a largo plazo.

Una época de cambio como esta es también una época en la que las respuestas correctas cambian. Por eso, la capacidad de aprender también es importante para quienes sustentan la investigación. Creo que lo que realmente importa ahora es que Japón cultive mecanismos con los que quien distribuye los fondos pueda comprobar sus propios métodos y seguir mejorándolos.