Microsoft Discovery llegó a disponibilidad general en Azure esta semana, una plataforma para desplegar equipos de agentes de IA especializados en I+D científica y de ingeniería: agentes que razonan sobre bases de conocimiento, generan hipótesis, optimizan experimentos, validan resultados, y hacen loop. La razón por la que merece atención más allá del launch de agente-enterprise habitual es la vitrina que tiene adjunta. Microsoft acredita a los agentes de Discovery con un rol central en el desarrollo del chip cuántico Majorana 2, donde, dice la compañía, los agentes gestionaron los workflows de fabricación, automatizaron mediciones, optimizaron el materials stack, y correlacionaron patrones a través de dos décadas de datos experimentales en múltiples formatos, sacando a la luz fallas de fabricación que equipos humanos no habían notado.

Los resultados reivindicados son grandes, y la forma correcta de leerlos es como el relato del vendor. Microsoft dice que Majorana 2 logró una mejora de fiabilidad de 1000 veces sobre su predecesor, una vida media de qubit de 20 segundos y hasta un minuto en algunos runs, contra las vidas de microsegundos de los enfoques competidores, y que el trabajo jaló su timeline de entrega de computadora cuántica de 2034 a 2029. El chip pasó de blindaje superconductor de aluminio a uno de plomo para proteger los qubits de perturbaciones cósmicas. Estos son los números de Microsoft sobre el chip de Microsoft, así que el marco honesto es que los agentes fueron un instrumento acreditado dentro de un resultado que la compañía reporta, no un claim causal auditado independientemente. Eso no lo hace vacío, lo hace un estudio de caso de vendor con un artefacto inusualmente físico al final.

Sobre lo que realmente salió: Discovery empareja un Discovery Engine que orquesta los workflows multi-agente con Azure HPC para simulación compute-pesada, envuelto en seguridad y gobernanza enterprise, y, el detalle a guardar, confidence scoring y citaciones para que los outputs vengan como un rastro de evidencia trazable y revisable en vez de decisiones de agente opacas. Una app de escritorio gratuita con integración GitHub Copilot está en preview, y los clientes GA tempranos nombrados son el Pacific Northwest National Laboratory y Syensqo. El Technical Fellow Chetan Nayak resumió la postura interna: "La IA agéntica ha permeado casi todo lo que hacemos. Simplemente se ha vuelto una parte muy natural de nuestro workflow."

Esta es la historia de agentes-para-la-ciencia obteniendo su artefacto más concreto hasta la fecha, y se sienta junto al empuje paralelo Gemini for Science de Google como la misma apuesta de un vendor distinto: tratar los sistemas agénticos como instrumentos científicos, no compañeros de chat. La parte que viaja más allá de las especificidades cuánticas es el diseño citación-y-confianza, que es el mismo principio de externalización de estado sobre el que la investigación en retrieval sigue aterrizando, el agente no solo responde, muestra su evidencia, aplicado aquí al descubrimiento. Esa es la única versión de "la IA hizo la ciencia" que otros científicos pueden de verdad verificar, y es también donde vive el test honesto: el número más importante aquí, la ganancia de mil veces, es de Microsoft, y la primera prueba real de la I+D agéntica como categoría será si esos rastros de citación aguantan cuando alguien fuera de la compañía los sigue.