Canadá está atrayendo talento en IA y ciencia mientras Trump trastorna la investigación en EE. UU.

Durante décadas, Estados Unidos se benefició de una de las ventajas competitivas más poderosas en la ciencia: muchos de los mejores investigadores del mundo deseaban trabajar allí.

Esa ventaja no desaparece de la noche a la mañana. EE. UU. sigue teniendo concentraciones inigualables de universidades de investigación, laboratorios federales, capital privado y empresas tecnológicas. Sin embargo, el flujo de talento se está volviendo menos unidireccional, y Canadá está realizando un intento inusualmente agresivo para capitalizar este cambio.

El ejemplo más reciente proviene de la Universidad de Toronto, que ha reclutado a seis destacados investigadores que actualmente trabajan en instituciones de EE. UU., entre ellas el MIT, los Institutos Nacionales de Salud (NIH), la Universidad de California en San Francisco (UCSF), la Universidad Estatal de Ohio, la Universidad de Boston y la Escuela de Medicina de la Universidad de Washington en St. Louis.

Los seis forman parte del nuevo programa Eddie Goldenberg Research Chairs of Canada, la pieza central de la Iniciativa de Talento en Investigación Canada Global Impact+ de Ottawa, de C$1,7 mil millones. La iniciativa más amplia está diseñada para atraer y apoyar a más de 1 000 investigadores internacionales y expatriados durante 12 años, con C$1 mil millones específicamente asignados a cátedras de investigación.

Lo que hace que el primer grupo sea particularmente notable es el origen del talento. De los primeros 64 académicos reclutados a través del programa de cátedras de investigación, 48 están actualmente radicados en los Estados Unidos.

Esto comienza a parecer menos un reclutamiento académico ordinario y más una competencia geopolítica por el capital intelectual.

Por qué EE. UU. se vuelve repentinamente más vulnerable a una fuga de cerebros en la investigación

Resulta difícil separar el momento de la convulsión que ha barrido la ciencia estadounidense desde que el presidente Donald Trump volvió al cargo en enero de 2025.

Un análisis de enero de 2026 de Nature contabilizó más de 7 800 subvenciones de investigación de EE. UU. que fueron terminadas o congeladas, junto con aproximadamente 25 000 científicos y otro personal que abandonaron agencias federales involucradas en la investigación. La administración también propuso reducciones sustanciales en los presupuestos federales de ciencia, incluidos recortes cercanos al 40 % en el NIH, al 57 % en la National Science Foundation (NSF) y al 47 % en la Dirección de Misiones Científicas de la NASA. No todas esas reducciones propuestas se convirtieron en ley, y algunas acciones de la administración han enfrentado oposición del Congreso y de los tribunales, pero la incertidumbre misma ha afectado a laboratorios, contrataciones y la planificación de investigación a largo plazo.

La posición de la administración es más matizada que simplemente abandonar la ciencia. Como Unite.AI examinó recientemente, la Casa Blanca está intentando reestructurar aproximadamente 200 mil millones de dólares en gasto federal anual de investigación. Sus propuestas favorecen una mayor financiación que siga a los científicos individuales, mecanismos de subvención más rápidos, investigación de alto riesgo, descubrimientos impulsados por inteligencia artificial y tecnologías estratégicas como la IA y la computación cuántica. La administración argumenta que el sistema de financiación centrado en las universidades se ha vuelto burocrático y insuficientemente enfocado en las prioridades nacionales.

Sin embargo, reestructurar un ecosistema de investigación también crea ganadores y perdedores. Las cancelaciones de subvenciones, la reducción de la fuerza laboral federal y los cambios en los tipos de investigación que reciben apoyo han hecho que la planificación de carrera sea considerablemente menos predecible para muchos científicos.

Las señales de alerta aparecieron rápidamente. En marzo de 2025, tres cuartas partes de los más de 1 600 encuestados en una encuesta de Nature dijeron que estaban considerando abandonar los Estados Unidos, con Canadá y Europa entre los destinos más citados. La encuesta era autoseleccionada y no debe interpretarse como representativa de todos los científicos estadounidenses, pero datos posteriores de búsqueda de empleo también mostraron un creciente interés en puestos fuera del país.

Canadá parece haber decidido que la incertidumbre en un país puede convertirse en una oportunidad en otro.

Canadá está construyendo una máquina de reclutamiento, no solo ofreciendo unas cuantas cátedras

La estrategia de Ottawa va más allá de pagar a científicos senior para que se trasladen.

La iniciativa de C$1,7 mil millones incluye cátedras de investigación, financiación de infraestructura, puestos de inicio de carrera y premios doctorales y postdoctorales. En mayo, el gobierno ofreció 659 premios de formación en investigación a candidatos de 72 países, mientras que el programa Canada Impact+ Emerging Leaders está diseñado para ayudar a las universidades a reclutar a investigadores prometedores mucho antes en sus carreras.

Canadá también ha comenzado a alinear la política de inmigración con la estrategia, creando nuevas vías para investigadores y prometiendo una tramitación acelerada para algunas de las personas reclutadas.

El enfoque es importante porque los investigadores de élite rara vez se mudan solos. Un científico senior puede traer consigo a becarios postdoctorales, estudiantes de posgrado, colaboradores y futuros reclutas docentes. Sus laboratorios pueden atraer asociaciones industriales, generar propiedad intelectual y, en última instancia, producir startups.

Ese efecto multiplicador es lo que hace que los seis reclutas de la Universidad de Toronto valga la pena examinar individualmente.

Adrienne Campbell-Washburn: Repensando lo que puede ser una máquina de resonancia magnética

Adrienne Campbell-Washburn está pasando del Instituto Nacional del Corazón, los Pulmones y la Sangre del NIH, donde se convirtió en investigadora senior después de unirse originalmente como becaria postdoctoral en 2013.

Su trabajo cuestiona una suposición básica en la resonancia magnética: que los imanes más fuertes son necesariamente mejores.

El laboratorio de Campbell-Washburn ayudó a pionear la resonancia magnética de bajo campo de 0,55 tesla de alto rendimiento, combinando campos magnéticos más débiles con técnicas modernas de computación, adquisición y reconstrucción. El enfoque puede ofrecer ventajas al imaginar áreas como los pulmones, que tradicionalmente presentan dificultades para la resonancia magnética, al tiempo que reduce los problemas asociados con dispositivos metálicos y potencialmente disminuye el costo y los requisitos de infraestructura de los escáneres.

En el Sunnybrook Research Institute y en el Departamento de Biofísica Médica de la Universidad de Toronto, planea impulsar esto aún más mediante sistemas de resonancia magnética de menor costo, escáneres portátiles y técnicas de imagen habilitadas por IA.

La implicación más amplia es significativa. La resonancia magnética es extraordinariamente poderosa, pero los escáneres convencionales grandes son costosos y están concentrados en hospitales importantes. Si las máquinas de bajo campo combinadas con reconstrucciones de IA cada vez más sofisticadas pueden producir imágenes clínicamente útiles con hardware más barato, la resonancia magnética podría eventualmente estar disponible en muchos más entornos, incluidos hospitales más pequeños, clínicas comunitarias e incluso entornos de atención al pie de cama.

Tanya Berger-Wolf: Usando IA para comprender el mundo natural

Tanya Berger-Wolf llega desde la Universidad Estatal de Ohio con una combinación inusual de experiencia que abarca la informática teórica, la inteligencia artificial, la ecología y la conservación.

Es una de las pioneras de lo que se ha denominado imageomics, que utiliza el aprendizaje automático para extraer información biológica de la enorme cantidad de imágenes que se recopilan en todo el mundo natural.

Berger-Wolf fue una colaboradora fundadora de Wildbook, una plataforma de código abierto que puede identificar animales individuales a partir de fotografías. Similar a cómo el reconocimiento facial distingue a los humanos, estos sistemas pueden reconocer marcas distintivas en animales como cebras y tiburones ballena, permitiendo a los investigadores monitorear poblaciones y comportamientos sin depender exclusivamente de etiquetas físicas o collares GPS.

Su Instituto Imageomics ha llevado el concepto mucho más lejos. Su modelo BioCLIP fue entrenado con más de 210 millones de imágenes que cubren aproximadamente un millón de especies, permitiendo que la IA identifique organismos a lo largo de una parte sustancial del árbol de la vida conocido.

En la Universidad de Toronto, Berger-Wolf pretende combinar imágenes con audio, información genética y datos de sensores para construir modelos más ricos de ecosistemas y de cómo responden al clima y a la actividad humana.

El proyecto ilustra una dirección cada vez más importante para la IA: los modelos de base están pasando más allá del texto, las imágenes y las aplicaciones de consumo hacia dominios científicos especializados donde conjuntos de datos enormes son efectivamente imposibles de analizar manualmente por humanos.

Shu (Joy) Jiang: Trasladando la IA médica de los algoritmos a los hospitales

Shu (Joy) Jiang se une a la Universidad de Toronto desde la Washington University School of Medicine en St. Louis, donde su investigación combina bioestadística, predicción del cáncer e inteligencia artificial.

Uno de sus proyectos más notables ya demuestra cómo la investigación académica de IA puede cruzar hacia la medicina comercial.

Jiang y el epidemiólogo Graham Colditz cofundaron Prognosia, que desarrolló un sistema de IA que analiza mamografías para predecir el riesgo a cinco años de una mujer de desarrollar cáncer de mama. El software recibió la designación de Dispositivo Innovador de la FDA en 2025, y Prognosia fue posteriormente adquirida por la empresa surcoreana de IA médica Lunit.

En lugar de simplemente detectar un tumor existente, la tecnología busca patrones en las mamografías que pueden indicar un riesgo futuro, incluidos señales que pueden no ser visibles para los clínicos humanos.

En la Dalla Lana School of Public Health de la Universidad de Toronto, Jiang abordará otro problema que podría resultar tan importante como desarrollar los algoritmos mismos: llevar la IA médica validada a entornos clínicos reales.

Su trabajo planificado implica construir infraestructura que conecte hospitales, reguladores e industria para que la IA de imágenes médicas pueda evaluarse y desplegarse en todo Canadá.

Eso aborda uno de los mayores cuellos de botella de la IA en salud. La industria ya cuenta con una oferta creciente de modelos prometedores. El desafío más difícil es demostrar que funcionan de manera consistente en hospitales, poblaciones de pacientes y equipos de imagen, y luego integrarlos en flujos de trabajo donde los clínicos puedan utilizarlos realmente.

Michelle Arkin: Atacando los objetivos “indrogables” de la medicina

Michelle Arkin aporta mucho más que una trayectoria académica en descubrimiento de fármacos a la Universidad de Toronto Mississauga.

En UCSF se desempeñó como profesora de química farmacéutica, directora ejecutiva del Small Molecule Discovery Center y vicedecana de tecnología de investigación y emprendimiento. En etapas anteriores de su carrera en Sunesis Pharmaceuticals, trabajó en algunos de los primeros inhibidores potentes que apuntaban a interacciones proteína‑proteína.

Un compuesto surgido de ese trabajo fue lifitegrast, que finalmente se convirtió en un tratamiento aprobado por la FDA para la enfermedad del ojo seco.

Su investigación ahora se centra fuertemente en objetivos biológicos históricamente considerados difíciles o imposibles de medicar, incluidas interacciones proteína‑proteína, máquinas moleculares y factores de transcripción. También está activa en la investigación del Alzheimer y ha cofundado varias compañías terapéuticas.

En la Universidad de Toronto, Arkin investigará áreas como los “pegamentos moleculares”, la medicina de precisión y el descubrimiento de fármacos habilitado por IA.

Los pegamentos moleculares son particularmente interesantes porque funcionan de manera diferente a los medicamentos convencionales. En lugar de bloquear simplemente una proteína, pueden forzar a moléculas biológicas a interactuar de formas que normalmente no ocurrirían, lo que potencialmente permite que la célula elimine proteínas causantes de enfermedad.

Combinados con sistemas de IA capaces de predecir interacciones moleculares y explorar enormes espacios químicos, enfoques como estos podrían ampliar la fracción de la biología humana que puede ser objetivamente atacada por fármacos.

Raymond Fisman: Estudiando lo que ocurre cuando el dinero se encuentra con el poder político

No todos los reclutados trabajan en la ciencia de laboratorio.

El economista Raymond Fisman se une a la Rotman School of Management de la Universidad de Toronto desde la Universidad de Boston, aportando un programa de investigación centrado en la corrupción, la influencia política, la gobernanza y la relación entre instituciones y comportamiento económico.

Uno de sus estudios más conocidos utilizó un conjunto de datos inusual: infracciones de estacionamiento cometidas por diplomáticos de las Naciones Unidas en la ciudad de Nueva York.

Debido a que los diplomáticos gozaban de inmunidad frente a la aplicación de la ley, Fisman y el economista Edward Miguel pudieron examinar cómo se comportaban los funcionarios cuando las consecuencias legales convencionales estaban mayormente ausentes. Su investigación encontró fuertes diferencias correlacionadas con las normas de corrupción en los países de origen de los diplomáticos, mientras que medidas de aplicación posteriores redujeron drásticamente las infracciones.

Trabajos más recientes han examinado donaciones políticas, la transparencia gubernamental y cómo los incentivos electorales pueden afectar las respuestas a solicitudes de acceso a la información. Un artículo de 2026 encontró que las agencias en entornos de mayor corrupción eran más propensas a rechazar o retrasar solicitudes antes de elecciones.

En Rotman, Fisman investigará cómo los individuos adinerados y los intereses organizados influyen en la política pública, por qué los votantes a veces toleran evidencia de corrupción y cómo los gobiernos pueden mejorar la rendición de cuentas.

Su inclusión en el programa es importante. La estrategia de investigación de Canadá no se limita a tecnologías que puedan convertirse inmediatamente en productos. También reconoce que las instituciones que gobiernan la tecnología, los mercados y la confianza pública pueden ser tan trascendentales como las propias tecnologías.

Sara Seager: Llevando la búsqueda de otros mundos de regreso a Toronto

Sara Seager es, sin duda, el nombre más conocido entre los seis.

Nacida en Toronto, se graduó de la Universidad de Toronto en 1994 antes de obtener su doctorado en Harvard y eventualmente convertirse en profesora en el MIT. Se convirtió en una de las pioneras de la ciencia de exoplanetas, particularmente en el estudio de atmósferas planetarias y la búsqueda de gases que podrían revelar si la vida existe más allá de la Tierra.

Su carrera ha incluido una Beca MacArthur, el Premio Kavli en Astrofísica y el nombramiento como Oficial de la Orden de Canadá.

Su regreso a Toronto se anunció antes de que se publicaran los últimos resultados del programa federal de cátedras. Está programada para unirse a la Universidad de Toronto el 1 de septiembre de 2026, lo que hace que su caso sea algo diferente de los investigadores reclutados específicamente después del lanzamiento de la iniciativa federal.

En la Universidad de Toronto planea combinar astronomía, química, física computacional e ingeniería aeroespacial mientras continúa la búsqueda de mundos habitables. También lidera las Misiones Morning Star a Venus, que buscan investigar directamente la atmósfera del planeta en busca de moléculas orgánicas.

La nueva cátedra amplía ese trabajo a tecnologías de detección planetaria y molecular, incluidos instrumentos capaces de detectar químicos a concentraciones extremadamente bajas y modelos de IA para interpretar sistemas planetarios y ambientales complejos.

Estas tecnologías no tienen que permanecer en la ciencia espacial. La detección molecular ultra sensible podría eventualmente tener aplicaciones en monitoreo ambiental, detección industrial y salud humana.

El premio mayor es el ecosistema que se forma alrededor de los investigadores

Canadá debe tener cuidado de no declarar la victoria demasiado pronto.

Estados Unidos sigue siendo el ecosistema de investigación dominante del mundo según la mayoría de los indicadores, y posee ventajas que Canadá no puede reproducir simplemente escribiendo cheques de reclutamiento más grandes. Sus universidades, laboratorios nacionales, industria de capital de riesgo, compañías farmacéuticas, hiperescaladores y la infraestructura de investigación de defensa crean una enorme atracción gravitatoria para el talento científico.

La administración Trump tampoco está reduciendo uniformemente el apoyo a la tecnología avanzada. La IA, la computación cuántica, las tecnologías de defensa y la investigación científica habilitada por IA están entre las áreas que explícitamente desea priorizar.

Sin embargo, el liderazgo en investigación puede desplazarse en los márgenes mucho antes de que aparezca en los rankings nacionales.

Un investigador que se traslade hoy puede reclutar a diez estudiantes mañana. Esos estudiantes pueden formar otra generación de científicos. Un laboratorio puede generar una patente, que se convierta en una startup, que atraiga a ingenieros e inversores, que eventualmente cree un clúster industrial.

Toronto ha visto esa dinámica antes. Geoffrey Hinton se trasladó de la Carnegie Mellon University a la Universidad de Toronto en 1987, en un momento en que las redes neuronales estaban lejos de ser populares. Décadas después, su trabajo ayudó a establecer los fundamentos intelectuales de la revolución del aprendizaje profundo y contribuyó a que Toronto se convirtiera en uno de los principales centros de investigación en IA del mundo.

Canadá está intentando reproducir ese tipo de efecto compuesto a largo plazo en IA, biotecnología, medicina, ciencia climática, tecnología cuántica y otros campos estratégicos. Encaja en un esfuerzo más amplio de convertir las fortalezas académicas del país en capacidad económica, incluida la estrategia nacional de IA que Canadá lanzó a principios de este año. Esa estrategia también enfatiza mantener más investigación, empresas y propiedad intelectual dentro de Canadá.

Canadá todavía tiene que demostrar que puede retener el talento que atrae

También hay una crítica legítima a la estrategia.

Canadá no puede construir un ecosistema de investigación sostenible únicamente mediante el reclutamiento de superestrellas. Los investigadores canadienses existentes han reclamado durante mucho tiempo una financiación de subvenciones limitada, salarios que luchan por competir con los de Estados Unidos y oportunidades insuficientes para científicos jóvenes. Los críticos han cuestionado si las cátedras internacionales fuertemente financiadas podrían crear un sistema de dos niveles en el que los investigadores recién reclutados reciban paquetes extraordinarios mientras que los científicos igualmente capaces que ya trabajan en Canadá enfrenten recursos más ajustados.

Eso hace que los componentes de inicio de carrera, infraestructura y formación de la iniciativa de C$1,7 mil millones sean particularmente importantes.

Si Canadá simplemente importa a científicos famosos, el programa producirá anuncios impresionantes. Si esos científicos reciben los recursos para construir laboratorios, reclutar a investigadores más jóvenes, colaborar con la industria, comercializar descubrimientos y crear instituciones que sobrevivan más allá de sus carreras individuales, las consecuencias podrían ser mucho mayores.

Durante gran parte del siglo pasado, Estados Unidos comprendió algo fundamental sobre la innovación: atraer a personas excepcionales era en sí una forma de política económica.

Canadá parece haber aprendido la lección.

La pregunta ahora es si Estados Unidos está temporalmente ofreciendo a su vecino una oportunidad, o si la dirección del talento científico a través de la frontera está comenzando a cambiar de manera más duradera.