Cosentino ha comenzado a utilizar Microsoft Discovery para acelerar la investigación de nuevos materiales. La plataforma combina inteligencia artificial, supercomputación y agentes especializados para analizar grandes volúmenes de información, proponer hipótesis y ayudar a los equipos de I+D a decidir qué formulaciones merece la pena llevar al laboratorio. La novedad no consiste en entregar el proceso a una máquina, sino en reducir la parte más lenta de la exploración.
Según la presentación conjunta, la compañía se convierte en la primera empresa industrial en España que empieza a trabajar con Microsoft Discovery. El dato es relevante porque lleva una herramienta concebida para investigación científica a un entorno de fabricación real: superficies para arquitectura y diseño en las que intervienen materias primas, procesos químicos, propiedades físicas, costes y requisitos de producción.
De años de pruebas a una selección más informada
Desarrollar un material exige probar combinaciones, descartar las que no cumplen las propiedades buscadas y volver a ajustar la formulación. Microsoft y Cosentino explican que Discovery permite anticipar candidatos antes de fabricarlos, identificar patrones y explorar un espacio de posibilidades demasiado grande para abordarlo únicamente con pruebas sucesivas. El objetivo práctico es reducir ensayos fallidos y acortar la fase de búsqueda, no eliminar la validación física.
La diferencia es importante: una predicción computacional puede orientar el trabajo, pero no demuestra por sí sola que una superficie resistirá, mantendrá su aspecto o podrá producirse a escala. Las formulaciones seleccionadas deben pasar por los procedimientos habituales de laboratorio y fabricación. La ventaja potencial está en llegar a esa etapa con candidatos mejor priorizados y con más información sobre por qué podrían funcionar.
Qué infraestructura hay detrás
Cosentino reúne a 55 investigadores de distintas disciplinas en cuatro equipos de I+D y 11 laboratorios. Ese conocimiento experimental es el que da contexto a las propuestas de la IA. La plataforma puede ordenar información y sugerir vías, mientras especialistas en ámbitos como nanotecnología o biología avanzada evalúan si una hipótesis tiene sentido, cómo probarla y qué riesgos técnicos o industriales plantea.
Discovery se integra en una transformación tecnológica más amplia. La empresa ya había trasladado sistemas críticos a Azure y utiliza herramientas de datos, colaboración y automatización de Microsoft. En otro frente, creó CLAR, un asistente para que el equipo comercial consulte agenda, prepare reuniones o gestione oportunidades mediante voz y lenguaje natural. Es una aplicación distinta, aunque comparte la idea de incorporar agentes a procesos concretos.
Ese enfoque ayuda a situar también iniciativas como Project Perception, la defensa de Microsoft basada en agentes de IA: el valor no está en presentar un chatbot genérico, sino en conectarlo con datos, herramientas y límites propios de una tarea. En el laboratorio, esos límites incluyen protocolos de ensayo y decisión humana; en seguridad, políticas y controles técnicos.
Lo confirmado y lo que todavía falta medir
El anuncio confirma el inicio del trabajo con la plataforma y describe cómo se empleará, pero no aporta todavía un plazo medio ahorrado, una tasa de éxito ni un material comercial creado con ella. No hay resultados suficientes para cuantificar cuánto acelera el desarrollo. Esa medición deberá comparar proyectos equivalentes y separar el efecto de Discovery del resto de mejoras en datos, equipos y procesos.
Si la implantación cumple su promesa, el impacto más inmediato será editorialmente menos vistoso que un producto terminado, pero más útil para la industria: decidir antes qué no fabricar, documentar mejor cada hipótesis y concentrar recursos en los ensayos con mayor probabilidad de aportar algo. La IA actuaría como filtro de investigación, no como certificado final del material.
