Claude no inventó el antiveneno contra escorpiones

El experimento que quería demostrar que la IA puede crear fármacos

Citrini Research, una firma de investigación de inversiones, quiso demostrar que la IA podía revolucionar el desarrollo de fármacos. Para eso se alió con Anthropic y le pidió a una versión no publicada de Claude que diseñara un antiveneno contra el veneno de escorpión. No lo consiguió: llegó a puntos de partida prometedores, pero nada parecido a un medicamento, según los expertos que consultó The Verge.

La propia firma admitió que "ninguno de nosotros podía afirmar que supiera algo de IA aplicada a la biología". Eso no le impidió intentar crear un fármaco desde cero ni publicar el relato completo del intento. Para cualquier founder que venda IA, el caso es una lección incómoda: una demo espectacular no es un producto validado.

Cómo se gestó la colaboración con Anthropic

Citrini chocó primero con los controles de bioseguridad de Claude cuando intentaba investigar candidatos a fármacos. El autor del post contó que "llamó insistentemente a todos sus contactos que trabajaran en un laboratorio de IA" hasta dar con un socio dispuesto: Anthropic.

El laboratorio aceptó levantar las restricciones y dar al equipo acceso a un modelo más avanzado y todavía no publicado, con la condición de que trabajaran desde sus oficinas. Además, según el relato, Anthropic se hizo cargo de la factura de cómputo y tokens, que quedó justo por debajo de los US$50.000.

El detalle no es menor. Anthropic estaba, según The Verge, a semanas de su esperada salida a bolsa, y tiene motivos para hablar bien del potencial de la IA en el desarrollo de fármacos y las ciencias de la vida, dos áreas que persigue activamente. Bloomberg reportó que el debut en bolsa podría llegar tan pronto como a mediados de noviembre, y The Next Web recogió que la firma de investigación New Constructs calificó la operación como "el IPO más ridículo de 2026" y valoró la compañía en tan solo US$144.000 millones, muy por debajo de los US$2 billones que se mencionan como objetivo.

Los números del experimento

• Prompt inicial: 35 páginas.
• Subagentes desplegados: unos 300.
• Candidatos generados: casi 320.000, según el recuento de Anthropic.
• Diseños finales: 180, ampliados a 211 con ayuda del equipo.
• Tiempo de cómputo: 64 horas.
• Costo de las pruebas de laboratorio: alrededor de US$150.000 adicionales.

Citrini envió los diseños a dos laboratorios externos: la biotech suiza Adaptyv Bio y la estadounidense Twist Biosciences. La pregunta era simple y decisiva: ¿las proteínas se unían de verdad a las toxinas del veneno? 17 de las 211 pasaron el filtro y, en conjunto, se unieron a cuatro de las cinco toxinas objetivo. Ninguna se unió a más de una toxina.

Según el medio especializado OfficeChai, el experimento apuntó a cinco neurotoxinas de escorpiones de México, Brasil, el norte de África y Oriente Medio, y Claude llegó a evaluar más de medio millón de combinaciones entre diseños y toxinas. El detalle curioso: Anthropic opera un laboratorio húmedo de biología en el Bay Area, confirmado por TechCrunch, y aun así las pruebas se derivaron a terceros.

¿Por qué escorpiones? Un problema desatendido

Las picaduras de escorpión afectan a más de 1,2 millones de personas al año y se asocian a más de 3.250 muertes anuales, con los niños de regiones con poco acceso a la salud como los más golpeados, según OfficeChai.

Los antivenenos actuales se producen de la forma tradicional: se extrae el veneno de los escorpiones, se inmuniza a caballos con él y después se purifican los anticuerpos de su sangre. Es un proceso que lleva meses y es caro de escalar. Como el mercado es pequeño y poco rentable, la envenenación por escorpión suele clasificarse como enfermedad tropical desatendida.

Ese es exactamente el tipo de hueco que Anthropic dice querer cubrir con su apuesta por las ciencias de la vida: problemas médicamente relevantes pero poco atractivos para la farmacéutica tradicional.

Unirse a una toxina no es curar a nadie

Aquí está el punto que los expertos repitieron una y otra vez. Que una proteína se pegue a una toxina no significa que pueda neutralizarla, y mucho menos que sirva como tratamiento seguro y eficaz.

"Es relativamente fácil descubrir un buen aglutinante contra toxinas de serpiente y escorpión", dijo Andreas Hougaard Laustsen-Kiel, profesor de tecnologías de anticuerpos en la Universidad Técnica de Dinamarca. "La parte difícil es traducirlo en un medicamento".

Melisa Benard Valle y Anne Ljungars, también de la Universidad Técnica de Dinamarca, describieron los resultados como "técnicamente prometedores, pero con un entusiasmo prematuro", y añadieron que están "lejos de ser un medicamento y muy hypeados". Todavía se desconoce la seguridad, la estabilidad y el comportamiento en el cuerpo de las proteínas que diseñó Claude.

Andreas Bender, profesor de aprendizaje automático en medicina en la Universidad Khalifa de Abu Dabi, fue más lejos: los métodos existentes como el cribado de alto rendimiento "suelen encontrar multitud de candidatos a un costo manejable" incluso sin IA. Diseñar proteínas que se unan a un objetivo es, dijo, un problema "más o menos" resuelto. Lo que falta es justamente la traducción a tratamientos que funcionen en organismos vivos.

El giro: de experimento científico a tesis de inversión

Aun sin haber creado un fármaco, Citrini declaró el experimento un éxito "de algún modo" y lo presentó como una ventana a las oportunidades de inversión que se abren con el descubrimiento de fármacos asistido por IA.

Bloomberg reportó que la firma destacó a empresas del lado de las pruebas, incluida Charles River Laboratories, que provee primates para investigación animal. El medio Crypto Briefing reportó que el informe señaló a Charles River Laboratories y a Revvity como principales apuestas, con la tesis de que si el diseño computacional se acelera, el cuello de botella se mueve hacia la validación experimental en laboratorio.

El detalle que resume el tono: en un video sobre el experimento, Citrini describió la parte de IA como "gratis", pasando por alto que la cuenta la había pagado Anthropic.

¿Qué significa esto para tu startup?

1. Una demo no es un producto validado. Claude generó 320.000 candidatos en 64 horas, pero solo 17 pasaron una prueba de unión y ninguno fue probado en un organismo vivo. Si tu pitch se apoya en un resultado de laboratorio, define con precisión qué se probó y qué no. Los expertos consultados por The Verge no discutieron la capacidad de cómputo: discutieron la distancia entre un resultado intermedio y un producto final.

2. El cuello de botella se mueve, no desaparece. Si la IA abarata y acelera la fase de diseño, el trabajo pesado se traslada a la validación física: síntesis, pruebas, coordinación con laboratorios. Para una startup eso es una oportunidad concreta —vender servicios de validación, integración o infraestructura de laboratorio— y también un riesgo: presupuestar solo la parte de cómputo y descubrir que la validación cuesta tres veces más. En este caso, el cómputo costó cerca de US$50.000 y las pruebas externas alrededor de US$150.000.

3. Pide siempre el costo total, no el costo del modelo. El episodio muestra cómo un experimento puede presentarse como "gratis" cuando alguien más pagó la factura. Si evalúas proveedores de IA para tu operación, suma cómputo, tokens, validación y horas humanas antes de comparar contra la alternativa tradicional.

Conclusión

El experimento de Citrini y Anthropic no fracasó por falta de potencia de cómputo: fracasó en la parte que la IA todavía no resuelve, la traducción de un hallazgo prometedor a un tratamiento real. Lo más novedoso, según los propios expertos, fue el proceso de descubrimiento autónomo, no el resultado biológico.

Para un founder, la lectura útil no es "la IA no sirve para la ciencia", sino "la IA comprime una etapa y expone la siguiente". Quien entienda dónde se mueve el cuello de botella —y cobre por resolverlo— tiene un negocio. Quien confunda un acierto de laboratorio con un producto listo para el mercado, tiene un problema de credibilidad.

Fuentes

• The Verge (fuente original)
• Crypto Briefing
• OfficeChai
• TechCrunch
• The Next Web