48 agentes de IA hallan una pirámide maya en 72 horas

Un sitio maya que nadie había registrado, detectado en 72 horas

48 agentes de IA revisaron unas 1.200 km² de datos lidar de la selva maya y detectaron un asentamiento que, hasta donde se sabe, nadie había reportado antes. Entre la idea inicial y una respuesta oficial del INAH, el Instituto Nacional de Antropología e Historia de México, pasaron menos de 72 horas.

Lo relevante para un founder no es el hallazgo en sí, sino el método. No hubo modelo nuevo, ni clasificador entrenado, ni equipo de investigación con años de financiamiento. Hubo un problema viejo, datos públicos que ya existían y una flota de agentes mirando imágenes una por una. El relato completo lo publicó Pietro Miotti en su blog, en formato de diario.

Cómo se busca una ciudad maya con agentes de IA

El 18 de octubre, mientras viajaba por Perú, el autor se enteró de que Hiram Bingham había descubierto Machu Picchu en 1911 buscando en realidad otra ciudad. Se preguntó qué haría Bingham con las herramientas actuales y le lanzó la pregunta a varios agentes: Gemini, ChatGPT, Claude y Grok. Todos coincidieron en lo mismo: lidar.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Vale precisar la técnica, porque es el corazón del caso. El lidar dispara pulsos láser desde una aeronave; algunos rebotan en hojas y ramas, y otros pasan entre los huecos del dosel hasta el suelo. Desde arriba, una ruina en la selva es un montón de árboles —como lo fue Machu Picchu antes de despejarse—, así que las fotos satelitales no alcanzan. El lidar sí mapea lo que hay debajo.

Perú no tenía buena cobertura y contratar un relevamiento propio implicaba permisos, costos y burocracia, así que el foco se movió a la región maya, mucho mejor cubierta por datos públicos. Los agentes convirtieron las tiras de lidar en imágenes y 48 agentes las recorrieron una por una, buscando pirámides, plataformas y plazas, y descartando cerros naturales, dolinas y caminos. Sin modelo especial ni clasificador: los agentes literalmente miraron las imágenes siguiendo una guía precisa.

Al día siguiente apareció el resultado. El autor les pidió cruzar lo encontrado contra la literatura y los archivos, y volvió una respuesta: había un pueblo grande que no parecía estar registrado.

Qué encontraron y qué todavía no está confirmado

El sitio está en la cima de un cerro al borde de un acantilado, bajo la selva, con bordes rectos y esquinas marcadas. La naturaleza no suele hacer líneas rectas. Al hacer zoom aparecen una plaza nivelada, una pirámide ovalada de al menos 8 a 12 metros de altura, un patio elevado junto a ella y un hueco de fondo plano que podría haber sido una aguada, es decir, un depósito de agua de lluvia. Alrededor hay tres plataformas que probablemente eran viviendas.

La interpretación —y aquí el propio autor aclara que se trata de especulación surgida de una larga conversación con los agentes— es que sería un pequeño centro cívico maya del período Clásico, aproximadamente entre el 250 y el 900 d.C.: el centro de una élite local, con la plaza para ceremonias y quizás mercado, la pirámide como templo y el patio elevado como residencia del gobernante.

El detalle importante: no está confirmado. El INAH respondió el 21 de octubre que revisó sus registros y no encontró ningún sitio arqueológico registrado en esa ubicación. Eso es una afirmación sobre sus archivos, no una validación del hallazgo. En México los sitios arqueológicos están protegidos por ley federal y cualquier trabajo de campo requiere autorización del INAH, así que el siguiente paso —una verificación en terreno— depende de que el centro local del instituto decida enviar un equipo. El autor se ofreció a colaborar en esa campaña.

Lidar más IA: la técnica que ya reescribió el mapa maya

El enfoque no es nuevo, pero la velocidad de ejecución y el costo sí lo son. En 2024, Luke Auld-Thomas, entonces doctorando en Tulane University, encontró en la página 16 de una búsqueda de Google un relevamiento lidar de unos diez años de antigüedad que había sido recolectado para investigación ambiental y forestal. Al analizarlo identificó Valeriana, una ciudad maya en Campeche con unas 6.500 estructuras y una población estimada de entre 30.000 y 50.000 personas en su apogeo, según publicó el estudio en la revista Antiquity en 2024 (dato recogido por IBTimes).

El propio blog enmarca el caso en esa línea de trabajo: cita el instrumento G-LiHT de la NASA (Cook et al. 2013) y el reciclaje de lidar recolectado para fines ambientales hacia la arqueología (Golden et al. 2016), además de estudios más recientes sobre población en las tierras bajas mayas (Estrada-Belli et al. 2025) y posibles mercados mayas antiguos (Šprajc 2026).

Y hay más ejemplos. Gizmodo reportó el anuncio del INAH sobre Minanbé, una ciudad hallada en la Reserva de la Biosfera de Calakmul, con un templo piramidal de casi 13 metros en estilo Río Bec del Clásico (600-900 d.C.) y 14 estelas y altares. El arqueólogo Ivan Šprajc declaró que «en los últimos tres años, este es el primero que encontramos intacto, sin signos de saqueo». Popular Science agregó después que los propios residentes llamaban a su asentamiento Sakil y que las inscripciones mencionan a un gobernante llamado Suutz’, que significa murciélago en maya yucateco, además de conflictos con el centro rival de Ocomtún.

El patrón se repite: datos viejos o públicos, procesados por alguien que no es especialista, y hallazgos que amplían el mapa.

Qué significa esto para tu startup

1. Audita los datos que ya pagaste y nunca miraste. El caso de Valeriana empezó con un relevamiento ambiental guardado en un servidor durante una década. Tu empresa probablemente tiene lo mismo: tickets de soporte, grabaciones de llamadas, encuestas, logs, imágenes de producto, contratos. Son datos que ya existen y que nadie cruzó contra una pregunta de negocio concreta.

2. Prueba enjambres de agentes con una guía explícita antes de entrenar un modelo propio. La lección más útil es que no hizo falta un clasificador especializado: hizo falta dividir el trabajo y darle a cada agente instrucciones precisas sobre qué buscar y qué descartar. Si tienes 5.000 imágenes de catálogo o 200 horas de audio de cliente, puedes repartirlas entre agentes en paralelo esta misma semana.

3. Diseña el circuito de verificación experta antes de escalar. El autor no publicó el hallazgo como un hecho cerrado: buscó en archivos, redactó un informe, lo tradujo al idioma del organismo y abrió el canal oficial. Esa secuencia de verificación importa más que el descubrimiento en sí, y es la parte que casi todas las empresas saltean.

4. Calcula el costo marginal, no el proyecto total. Analizar 1.200 km² con 48 agentes es un gasto de cómputo acotado, no un plan de varios años. El cuello de botella se corre del presupuesto a la curiosidad: qué pregunta rara se te ocurre hacerle a los datos que ya tienes.

El error que hay que evitar: confundir hallazgo con validación

Que el INAH no encuentre registro no significa que el INAH confirmó un sitio arqueológico. La diferencia es todo, y es exactamente el mismo error que cometen las empresas cuando un agente de IA entrega un resultado con seguridad impecable: la fluidez del output no es evidencia.

Antes de actuar sobre un hallazgo de IA, necesitas una fuente externa que lo confirme. Eso aplica a tus propios dashboards y también a las funciones de IA de tu producto: si vendes una recomendación automática, tu cliente va a asumir que está verificada. Documenta la cadena completa —origen del dato, método usado, quién revisó— y deja explícito qué es sugerencia y qué es hecho comprobado.

La lección de fondo: curiosidad como ventaja competitiva

El propio autor lo resume sin rodeos: no es arqueólogo, así que no sabía que esto se suponía que era difícil; eligió un problema viejo, hizo lo más obvio y le puso cómputo encima. Su conclusión es que ser un outsider ingenuo puede ser una ventaja.

También apunta a algo más grande: la mayoría de las historias de IA agéntica se contaron sobre programación, matemática y física, pero el enfoque es mucho más general. Bajo esa lectura, estamos al borde de una revolución en todas las ciencias, y los únicos cuellos de botella que quedan son la curiosidad, la imaginación y el cómputo.

Para un equipo chico en Latinoamérica o España, la implicancia es directa. La ventaja no está en tener el modelo más grande, sino en tener la pregunta más rara y los datos que nadie más mira. La barrera de entrada a la investigación aplicada acaba de bajar bastante, y las primeras empresas que internalicen eso van a encontrar cosas que sus competidores ni siquiera están buscando.