PostEra busca investigadores de IA para automatizar el descubrimiento de fármacos
PostEra acumula más de US$1.000M en acuerdos de IA con farmacéuticas —incluidos cuatro convenios multianuales con Pfizer y Amgen— y ahora abre una búsqueda para construir su vertical de investigación con agentes de IA. La lectura para un founder que construye con modelos es directa: la ventaja ya no está en tener el mejor modelo predictivo, sino en tener el sistema que lo opera solo, de punta a punta.
La compañía tiene sede en Boston, se fundó en 2019 y opera con una plantilla de entre 11 y 50 personas, según su perfil corporativo. Se define como una biotech "AI-first" y su plataforma se llama Proton: un sistema de química medicinal que propone moléculas, anticipa problemas de síntesis y prioriza candidatos. Con ella, PostEra ya nominó varios candidatos clínicos en PMOS (antes PCOS) y en fertilidad, y avanza una pipeline interna centrada en salud de la mujer.
El peso científico de la casa no es menor: PostEra lidera además un centro de descubrimiento de antivirales para preparación ante pandemias, financiado por una de las mayores subvenciones en la historia de los NIH, y anunció la venta de dos programas de fertilidad oral a EMD Serono (Merck KGaA), en una operación que la propia compañía describió como de decenas de millones de dólares.
¿Y esto cómo se aplica en tu negocio?
En CAR, dueños de empresa de Latinoamérica y España usan la tecnología para ser más rentables. Empiezas con una ruta de 7 días y terminas con un sistema funcionando en tu negocio.
👥 Probar 7 días¿Qué es un "agentic research vertical" y por qué PostEra lo busca ahora?
El puesto no es el típico de machine learning engineer. La descripción pide desarrollar sistemas agénticos que automaticen la construcción de modelos mecanicistas para procesos bioquímicos y fisiológicos, y que analicen datos biológicos para validar dianas terapéuticas. Dicho de otro modo: que la IA no solo prediga, sino que arme el pipeline de investigación.
Un sistema agéntico es un conjunto de modelos que planifica, ejecuta tareas, evalúa resultados y decide el siguiente paso sin que un humano escriba cada instrucción. Aplicado a química medicinal, el agente define tareas, construye datasets, entrena modelos, corre ablaciones y traduce los métodos que funcionan en capacidades que los científicos usan a diario.
El requisito técnico más revelador es el in-context learning molecular: modelos que se adaptan a un nuevo ensayo, diana o serie química con pocos ejemplos etiquetados. Es el problema estructural de la industria, donde los datos son escasos, heterogéneos y carísimos de generar. PostEra también pide construir foundation models sobre datos multimodales propios y cuantificar cuándo transferir conocimiento ayuda y cuándo perjudica.
La frontera de los "co-scientists": qué están haciendo otros laboratorios
PostEra no es la única que apuesta por agentes. Un equipo de Stanford Medicine, liderado por James Zou, publicó el 17 de septiembre en la revista Science el caso de una "biotech virtual" con 37.000 agentes de IA y ningún empleado humano, según reportó phys.org.
Los agentes analizaron y catalogaron unos 50.000 ensayos clínicos en menos de una semana —una tarea que a un equipo humano le llevaría años— y encontraron un patrón: los fármacos que actúan sobre genes con comportamiento de interruptor (on/off) y sobre un tipo celular específico tenían 40% más probabilidad de avanzar de fase 1 a fase 2, 48% más de llegar al mercado y 32% menos eventos adversos. El hallazgo, según el propio Zou, "podría ayudar a toda la industria".
Ese es el contexto en el que se entiende la búsqueda de PostEra: el valor ya no está en el modelo aislado, sino en el sistema que orquesta modelos, datos y decisiones científicas.
Cuánto pesa la IA en el descubrimiento de fármacos
El mercado que PostEra y sus competidores persiguen crece a doble dígito alto. Según el informe de ResearchAndMarkets difundido por GLOBE NEWSWIRE, el mercado global de IA aplicada al descubrimiento de fármacos pasó de US$3.100M en 2025 a una proyección de US$43.900M en 2035, con una tasa de crecimiento anual compuesta del 30,5%. El segmento de software concentró el 67,9% del mercado en 2025.
Las cifras varían según cómo se recorte la categoría. Grand View Research, citada por PRNewswire, valora el mercado en unos US$2.900M en 2026 y proyecta US$13.800M para 2033, con un CAGR de 24,8%. Global Market Insights lo sitúa en US$4.000M en 2026 y en US$43.900M para 2035. Distintas metodologías, misma dirección.
Qué pide PostEra y qué dice del perfil que hoy se paga caro
Los requisitos dibujan un perfil híbrido poco común:
- Doctorado en machine learning o en investigación STEM con desarrollo de métodos nuevos de ML.
- Historial de investigación publicada y contribuciones open source.
- Experiencia práctica entrenando y depurando modelos en Python con PyTorch o JAX.
- Capacidad de traducir un problema científico ambiguo en un proyecto de ML con datasets, métricas y esquemas de validación.
- Diseño de experimentos y ablaciones que distingan una mejora real de un sesgo del dataset.
Entre los "nice to have" aparecen el entrenamiento de modelos de más de 1.000 millones de parámetros, con paralelismo y sharding, y la experiencia construyendo sistemas de "co-scientist" para problemas físicos o biológicos. Es decir: PostEra quiere a alguien que sepa tanto de teoría de ML como de infraestructura a escala.
Vale la pena mirar el antecedente con Pfizer para entender por qué insisten en el rigor experimental. En enero de 2022 PostEra amplió su colaboración con la farmacéutica y formó un AI Lab conjunto; según el propio PostEra, uno de los programas alcanzó su primer hito científico 40% más rápido de lo que los equipos habían previsto.
¿Qué significa esto para tu startup?
Aunque tu producto no sea un fármaco, el movimiento de PostEra deja tres lecciones aplicables.
1. El foso defensivo se movió del modelo al sistema. Un modelo predictivo se replica en semanas; un sistema agéntico que define tareas, evalúa resultados y acumula datos propios, no. Si tu producto es "un modelo", pregúntate qué parte de tu pipeline es irrepetible: el dataset propietario, el loop de evaluación o la integración con el flujo de trabajo del cliente.
2. Los datos pequeños y sucios son la oportunidad, no el obstáculo. PostEra pide explícitamente modelos que funcionen con pocos ejemplos etiquetados y datos heterogéneos. Ese es el escenario de casi cualquier startup B2B en LATAM o España: no tienes millones de registros, tienes cientos. El in-context learning y los modelos tabulares son la caja de herramientas para ese mundo, y hoy son un diferenciador contratable.
3. Contrata el perfil que sabe evaluar, no solo entrenar. Fíjate en un detalle de la oferta: piden "diseñar experimentos y ablaciones que distingan mejoras de sesgos". En un mercado donde cualquiera puede hacer fine-tuning con una API, la habilidad escasa es saber si tu métrica mide lo que crees que mide. Si vas a hacer tu primera contratación de IA, prioriza esa capacidad sobre el currículum de frameworks.
Un cuarto punto, más de fondo: PostEra declara en su propia oferta una estructura organizacional deliberadamente minimalista y celebra el logro individual con compensación proporcional. Es el mismo patrón que están adoptando las startups AI-native: equipos chicos, mucha automatización y menos capas de management.
Conclusión
PostEra no está contratando un investigador más: está construyendo la capa que convierte modelos sueltos en un motor de descubrimiento. Con más de US$1.000M en acuerdos de IA ya firmados con Pfizer y Amgen, y un mercado que las consultoras proyectan creciendo entre 24,8% y 30,5% anual, la apuesta tiene sustento comercial. Para un founder hispanohablante, la señal es que el talento escaso de 2026 no es quien entrena el modelo, sino quien diseña el sistema que lo hace trabajar solo —y sabe cuándo no creerle.
Fuentes
- PostEra — AI Researchers for Drug Discovery (Lever) (fuente original)
- PostEra provides update on progress of the Pfizer-partnered AI Lab
- PostEra | LinkedIn
- AI in Drug Discovery Market Size, Share, Trends, and Forecast, 2026-2035 (Yahoo Finance / GLOBE NEWSWIRE)
- AI Drug Discovery Market Projected to Reach $13.8 Billion by 2033 (PRNewswire / AOL)
- Virtual biotech company puts thousands of AI scientist agents to work on drug discovery (phys.org)
¿Y esto cómo se aplica en tu negocio?
En CAR, dueños de empresa de Latinoamérica y España usan la tecnología para ser más rentables. Empiezas con una ruta de 7 días y terminas con un sistema funcionando en tu negocio.
👥 Probar 7 días
