La adquisición de datos científicos es un dominio problemático que ha sido desatendido por sus herramientas computacionales a pesar de la necesidad de utilizar el hardware de manera eficiente, garantizar la validez de los datos registrados y probar ideas rápidamente configurando experimentos de forma ágil y económica. Las espectroscopias físicas de alta dimensión, como la espectroscopía de fotoemisión resuelta en ángulo, hacen que estos problemas sean especialmente evidentes porque, aunque utilizan instrumentos costosos para registrar grandes volúmenes de datos, requieren muy poca planificación de adquisición. La carga de escribir software de adquisición de datos recae en los científicos, quienes no están típicamente capacitados para escribir software mantenible. En este artículo, presentamos AutodiDAQt para abordar estas deficiencias en el ecosistema científico. Para fundamentar la discusión, demostramos sus méritos para la espectroscopía de fotoemisión resuelta en ángulo y las espectroscopias de alto ancho de banda. AutodiDAQt aborda las necesidades esenciales para la adquisición de datos científicos al proporcionar concurrencia simple, reproducibilidad, retrospección de la secuencia de adquisición y generación automatizada de interfaces de usuario. Finalmente, discutimos cómo AutodiDAQt permite un futuro de experimentos altamente eficientes con aprendizaje automático en el bucle y experimentos impulsados por análisis sin requerir experiencia en el dominio de adquisición de datos mediante el uso de código de análisis para la planificación de adquisición de datos externa.