¿Por qué OpenAI y Anthropic compiten ambas en biotecnología?

¿Alguna vez te has preguntado por qué, casi cada semana últimamente, otra empresa de IA anuncia su entrada en biotecnología?

Nvidia y Eli Lilly construyen un laboratorio conjunto en San Francisco; Isomorphic Labs, creada a partir de DeepMind, realiza descubrimiento de fármacos; Sam Altman ha invertido personalmente en la empresa de longevidad Retro; y Anthropic está ampliando progresivamente su presencia en ciencias de la vida. Alex Colville está muy involucrado en todo esto. Es cofundador de age1, el primer fondo de capital riesgo del mundo centrado en longevidad, fundado junto con Laura Deming. Realizó un doctorado en genética en Stanford, estudiando la biología del envejecimiento, y ha gestionado más de 100 millones de dólares en inversiones en longevidad. Este artículo aborda una sola pregunta: ¿por qué las empresas de IA quieren entrar en biotecnología?, ¿en qué pueden ayudar realmente? y ¿dónde se estancarán? Primero expondré sus respuestas y luego añadiré mis propias reflexiones.

Por qué todas las empresas de IA se concentran en biotecnología

Alex comienza con una cifra: los dos fármacos para pérdida de peso semaglutida y tirzepatida generan juntos más ingresos que OpenAI y Anthropic combinadas, y siguen creciendo rápidamente. Muchos dan por sentado que este tipo de negocio será acaparado por empresas tecnológicas, pero aún no ha ocurrido. Su hipótesis es que compañías como OpenAI, Anthropic y Google ya tienen valoraciones asombrosas y necesitan ingresos igualmente extraordinarios; al mirar a su alrededor, observan que un solo fármaco del mundo genera más que toda su empresa, lo que obviamente merece su atención.

La segunda razón es la ventaja competitiva. Los fármacos están protegidos por patentes y el sector está estrictamente regulado, dice él, a diferencia de la mayoría de los productos tecnológicos, que con el tiempo tienden a la commoditización y se vuelven cada vez más baratos. Cita una observación frecuente de Marc Andreessen: los precios en industrias reguladas siguen subiendo, mientras que en las no reguladas bajan sin cesar. Por tanto, desde su perspectiva, la biotecnología es altamente resistente a la IA: no será interrumpida por Anthropic en un solo año. La razón es sencilla: hay demasiados problemas difíciles, y aun aplicando toda la inteligencia disponible, sigue tomando ese tiempo.

En cuanto a Anthropic específicamente, afirma que la empresa publicó un mapa de mercado donde señala las ciencias de la vida como uno de los ámbitos de mayor impacto. El equipo también ha declarado públicamente que este podría ser su segundo mayor frente estratégico, al menos entre los cinco principales. Hace poco, Anthropic lanzó un nuevo modelo orientado a ciencias de la vida e hizo referencia a programas preclínicos en áreas como envejecimiento y enfermedades raras. Su reacción fue una frase: «Cuando Anthropic declara públicamente que esto es una prioridad, significa que “ya está en marcha”».

Lo que encuentro poco común en esta sección es que no disfraza los motivos de las empresas de IA como nobles. Ellas entran porque aquí está el mayor ingreso mundial, la ventaja competitiva más profunda y una industria que la IA no puede barrer por ahora. Verlo con claridad facilita juzgar qué harán después: no seguir lo más romántico, sino profundizar allí donde el negocio sea más difícil de reemplazar.

Dos cosas en las que la IA ya ha ayudado

Entonces, ¿en qué ha ayudado realmente la IA? Alex señala dos cambios más evidentes.

El primero es la generación de moléculas. Para ciertas clases de fármacos, diseñar moléculas es ahora mucho más rápido y barato que antes, sin requerir ya la interacción constante entre humanos y laboratorios en cada paso —aunque sigue lejos de «sin humanos ni experimentos». Menciona empresas como Nabla Bio, capaces ya de generar anticuerpos y pequeñas moléculas «sin ejemplos previos», es decir, producir candidatos moleculares en una sola pasada, sin necesidad de alimentarlas con grandes conjuntos de datos iniciales. Pero también aclara que, en esta etapa, la mayor parte del trabajo se centra en dianas conocidas (la proteína o gen sobre la que actúa un fármaco), generando nuevas versiones de fármacos existentes —solo que mucho más rápido. El siguiente paso, según él, es inevitable: incluso dianas completamente nuevas recibirán moléculas generadas así en una sola pasada.

El segundo cambio es más cotidiano. El trabajo diario es ahora un 30 % a un 95 % más rápido, dice: redactar documentos regulatorios, investigar competidores, buscar oportunidades de colaboración o familiarizarse con una nueva diana. Su juicio: hace año y medio o dos años, fundar una empresa farmacéutica era una tarea ardua; hoy está casi «democratizada».

Mi interpretación es que uno de estos aspectos trata sobre «crear cosas» y el otro sobre «hacer cosas con mayor eficiencia», y ambos ocurren en la primera mitad del desarrollo de fármacos. Reducen los costos del ensayo y error y permiten que equipos pequeños arranquen, pero aún no han tocado la parte más difícil del sector. Él explica cuál es esa parte.

La fase más costosa y lenta: donde la IA aún no ha ayudado

Algunas personas imaginan un futuro con millones de empresas biotecnológicas «sin empleados»: con suficientes tokens, como al escribir software con IA, se podría hacer investigación y diseño de un tirón. Alex considera que esto sigue lejos de la realidad. Su razonamiento: el verdadero cuello de botella aparece tras la generación de moléculas. Convertir una molécula optimizada en un fármaco aprobado requiere demostrar su seguridad y eficacia, y esta etapa representa una proporción desproporcionada de los costos y el tiempo totales del desarrollo farmacéutico. El diseño molecular en sí es difícil y costoso, pero comparado con esta fase, es pequeño. Esto se ha convertido en «la última frontera», dice: elegir la opción con más probabilidades de éxito y ejecutar todo el proceso al menor costo posible. Incluso si una persona diseña una molécula con IA, cada empresa sigue necesitando millones de dólares después —y precisamente ahí es donde la IA tiene hoy menos influencia.

Creo que esta es la parte más realista de toda la conversación. La narrativa de la IA siempre gira en torno a «ser más inteligente», pero al final los fármacos no compiten por inteligencia, sino por demostración. La demostración requiere pacientes, tiempo, reguladores y dinero, y nada de eso se reduce automáticamente porque un modelo mejore. Eso también explica por qué las empresas de IA están dispuestas a entrar, pero nadie se atreve a afirmar que harán los fármacos más baratos mañana.

En longevidad, aún hay pocos fondos y ningún producto

Vuelve al campo en el que invierte. La longevidad es el área con la que más fácilmente se asocia la IA, pero su realidad es más sencilla de lo que muchos imaginan. Alex estima que todas las empresas centradas en el envejecimiento suman unos 15 000 millones de dólares, con aproximadamente una quincuagésima parte del número de empresas y de inversión comparado con la oncología. Esos titulares de financiación que parecen grandes son casi invisibles en un gráfico de barras junto a las financiaciones de IA. Por tanto, su conclusión: cada dólar tiene actualmente un enorme efecto multiplicador, y aún estamos en las primeras fases.

Más importante aún, el campo todavía no cuenta con ningún producto comercial probado en humanos. Él prevé que la primera oleada aparezca en la próxima década, dirigida a retrasar o prevenir ciertos aspectos del envejecimiento —no una tecnología espectacular, sino la primera prueba contundente. Llama a esto el «momento ChatGPT» del campo de la longevidad, aunque no ofrecerá retroalimentación tan inmediata como la primera vez que se usa un modelo grande. Su abuelo fue uno de los primeros soldados estadounidenses tratados con penicilina y, tras una neumonía que casi le cuesta la vida, vivió hasta los noventa. Dice que ha estado esperando el «momento penicilina» de la longevidad y estima que está a diez o quince años. Así como hoy las personas toman estatinas a cierta edad para prevenir enfermedades cardiovasculares, él espera una «estatina» para algo distinto del sistema cardiovascular.

Lo más cercano a los humanos es un fármaco para perros. La empresa Loyal desarrolla una pastilla oral diaria destinada a prolongar la esperanza de vida de los perros, y podría convertirse en la primera terapia de extensión de la vida aprobada por la Administración de Alimentos y Medicamentos de EE.UU. (FDA). Él afirma que ya se han superado los requisitos de eficacia y seguridad, quedando únicamente el proceso de fabricación, cuya finalización se espera hacia finales del próximo año, aunque persiste cierta incertidumbre. La versión humana, según él, sigue estando a varios años de distancia.

Más adelante surge una segunda generación más ambiciosa, y aquí es donde la IA tendrá un papel clave. Una categoría consiste en reemplazar células y tejidos viejos por otros nuevos en los próximos cincuenta años; otra es la reprogramación epigenética, que no cambia el tipo celular, sino que solo rebobina la «edad» de la célula. Eso fue precisamente lo que él mismo estudió en la primera mitad de su doctorado. Considera que NewLimit va más avanzada en esta categoría, con más de 600 millones de dólares en efectivo. Comenzaron con el hígado, usando tecnología de ARNm para crear una terapia en ratones ancianos que les permitió resistir el daño por alcohol como lo hacen los jóvenes, y ahora avanzarán hacia células inmunitarias y riñones. Pero enfatiza que ningún enfoque único resolverá todo: la matriz extracelular (la estructura de soporte fuera de las células) también acumula daños, y rebobinar solo la edad dentro de las células quizá no sea suficiente; deben avanzar simultáneamente múltiples vías.

Considero que esta sección es refrescantemente realista. Fuera hay mucho ruido; dentro, solo unas pocas empresas, unos pocos ratones y un fármaco para perros. La función de la IA aquí no es sustituir esa larga validación, sino permitir probar más vías posibles con mayor rapidez.

Su opinión sobre las empresas de IA y la bioseguridad

La biología posee algo que otras industrias no tienen: las mismas capacidades pueden servir tanto para curar como para dañar a las personas. Alex afirma que le complace mucho que los fundadores de casi todos los laboratorios punteros se preocupen genuinamente por la bioseguridad y por las amenazas de pandemias y bioterrorismo. Considera que, si se pusiera al típico CEO de una gran empresa en el lugar de esos laboratorios, probablemente no se preocuparía tanto. No cree que los laboratorios siempre acierten ni hagan lo suficiente —después de todo, es difícil acertar siempre en esa posición—, pero sí que su preocupación es real y por ello les está profundamente agradecido.

También es sincero respecto a la capa reputacional. Estos laboratorios saben muy bien que, una vez los perciban como curadores del cáncer, será difícil restringirlos o cerrarlos. Reconoce que esconderse tras ese halo puede resultar algo inquietante, pero considera que su auténtica preocupación por este tema constituye un enorme beneficio para la humanidad. Además, afirma que, aparte del bioterrorismo, las aplicaciones de la IA en biología apenas generan controversia: son algo verdaderamente bueno para la humanidad, a diferencia de otras aplicaciones donde es difícil trazar una línea clara entre lo bueno y lo malo.

Algunas reflexiones personales

Mirando atrás, las cosas que Alex describió son realmente varias capas de la misma historia. Por qué vienen las empresas de IA: los mayores ingresos y la ventaja competitiva más sólida. Qué pueden ayudar a lograr: diseño de moléculas y eficiencia cotidiana. Qué no pueden ayudar: la validación humana, la más costosa y lenta. Y en una frontera como la longevidad, el dinero sigue siendo escaso y ni siquiera ha llegado el primer producto. Al reunir esas capas surge una conclusión clara: la IA ha hecho barato «pensarlo», pero no ha hecho barato «demostrarlo».

Mi opinión personal es que esto significa cosas distintas para espectadores y para creadores. Los espectadores se dejan llevar por titulares como «la empresa X entra en biotecnología» y sienten que los fármacos pronto serán baratos y las personas, más longevas. Los creadores deberían formular una pregunta adicional: ¿esta empresa resuelve el problema de la idea o el del aval? La IA acelera el primero; el segundo sigue dependiendo del tiempo, los pacientes y el dinero.

Por supuesto, lo que Alex ofrece es juicio, no profecía. Si el primer producto de longevidad aparecerá dentro de diez años, y si la IA puede reducir el costo de la validación, sigue sin saberse. Pero su clasificación es útil: si pudiera apostar por una sola categoría, elegiría la que pueda demostrarse primero —retrasar y prevenir el envejecimiento—, y solo cinco años después llegarían su turno el reemplazo y la reprogramación.

Las ideas seguirán volviéndose más baratas. La demostración, no.