Google Antigravity suma agentes de IA a la química

Qué son las Cheminformatics Skills de Google Antigravity

Google DeepMind presentó un conjunto de habilidades de quimioinformática (Cheminformatics Skills) para Google Antigravity, su plataforma de desarrollo orientada a agentes. La propuesta es convertir la superficie de trabajo en un banco de ciencia colaborativo, con acceso completo al tooling local tanto para químicos computacionales como para químicos de laboratorio.

El problema que atacan es muy concreto. La química es uno de los registros públicos más ricos de la ciencia, con millones de estructuras repartidas entre artículos y catálogos de proveedores. Pero la misma molécula puede aparecer como nombre IUPAC en un paper, como estructura Markush en una patente o como archivo SDF en un catálogo. Unificar esas fuentes sin margen de error es el cuello de botella real: cambiar un solo átomo o enlace describe un compuesto distinto y puede volver inerte un inhibidor prometedor.

Las skills se apoyan en RDKit, el toolkit de quimioinformática de código abierto desarrollado durante dos décadas por una comunidad global de contribuidores, y en conectores a recursos curados como ChEMBL y PubChem. La división del trabajo es la clave del diseño: el modelo de lenguaje se encarga de la orquestación del flujo, la navegación de bases de datos y el razonamiento científico; las herramientas deterministas de química ejecutan los cálculos moleculares. Así, las buenas prácticas del dominio quedan codificadas directamente en el workflow del agente.

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Cómo funciona la rigidificación, el caso que usan de ejemplo

Para mostrar el enfoque, DeepMind eligió una técnica clásica de química medicinal para mejorar la potencia de un fármaco: la rigidificación. Las moléculas de los medicamentos suelen ser complejas y enlazan varias subestructuras mediante enlaces rotables. Esos enlaces permiten que la molécula se retuerza en muchas formas tridimensionales (conformaciones), lo que la vuelve "floja" en solución.

Para unirse a su objetivo, una molécula floja debe bloquearse en una única forma activa. Perder esa libertad de movimiento conlleva una penalización entrópica que debilita la afinidad de unión y baja la potencia. La solución de los químicos medicinales es añadir nuevos enlaces: dos subestructuras unidas por un solo enlace rotable pueden girar de muchas formas, pero añadir un segundo enlace que las ate limita drásticamente su movimiento en el espacio tridimensional. Colocando ese enlace en el lugar correcto, se bloquea la molécula en la forma exacta que necesita para unirse a su objetivo. Es la estrategia que suele llamarse "pagar el costo entrópico por adelantado".

El caso que documentan es conocido. El fármaco crizotinib es un inhibidor de tirosina quinasa (TKI) de primera generación, de molécula pequeña, usado para tratar ciertas formas de carcinoma de pulmón de células no pequeñas. En el crizotinib hay cinco enlaces rotables principales. El lorlatinib es un TKI de tercera generación que se parece al crizotinib, pero fue ciclado en su extremo para reducir el número efectivo de enlaces rotables a cero, lo que se traduce en mayor potencia, entre otros efectos.

Antigravity no nació ayer: el contexto de la plataforma

Para entender el peso de este anuncio conviene mirar de dónde viene Antigravity. En Google I/O, la compañía lanzó Gemini 3.5 Flash, un modelo que según TechCrunch (19 de mayo de 2026) Google describe como su más fuerte hasta la fecha para programación y agentes autónomos. En el escenario, un ingeniero de Google mostró agentes trabajando en componentes separados y luego uniéndose para construir un sistema operativo completo dentro de Antigravity.

Koray Kavukcuoglu, chief technologist de DeepMind, señaló que Flash 3.5 se co-desarrolló con Antigravity para que los agentes tuvieran "un entorno nativo donde vivir, trabajar y ejecutar". En ese mismo evento Google liberó Antigravity 2.0, una aplicación de escritorio independiente diseñada alrededor del desarrollo agent-first. Es decir: las Cheminformatics Skills no llegan a un experimento aislado, sino a una plataforma que Google viene empujando como su apuesta central de la era de los agentes.

La plataforma también se está abriendo a terceros. Según Ars Technica (octubre de 2026), los modelos GPT 6 y 6.1 de OpenAI (Astra, Sol y Luna) llegarán a Google Cloud y a Antigravity, sumándose a un Model Garden con más de 200 opciones que ya incluye Gemini, Mistral, Llama, Gemma y Claude. Google afirma ser el único gran proveedor de nube que ofrece acceso a los tres principales modelos cerrados.

Cómo se conecta con la nube: el modelo de plugins

El movimiento de química se entiende mejor junto al resto del ecosistema de plugins. Según Yahoo Tech (2 de noviembre de 2026), Google liberó el plugin google-cloud-developer, instalable desde la sección Build with Google del Antigravity Marketplace con el comando agy plugin install google-cloud-developer.

El plugin usa el Model Context Protocol (MCP), el estándar que conecta agentes con herramientas y fuentes de datos externas, y se estructura en tres capas: un servidor de documentación oficial, un conjunto de skills bajo demanda y guardarraíles de seguridad para operaciones en la nube. Entre las skills figuran finding-google-skills, retrieving-developer-knowledge, gcloud y dos recetas de autenticación y onboarding. La documentación de Antigravity indica que las herramientas MCP no configuradas quedan por defecto en modo Ask, requiriendo aprobación del usuario antes de ejecutarse.

El patrón es el mismo que el de las skills de química: el agente razona y orquesta, pero las acciones sensibles pasan por herramientas verificadas y por consentimiento humano. Es una arquitectura pensada para que el modelo no invente sintaxis obsoleta ni ejecute cambios irreversibles por su cuenta.

Qué significa esto para tu startup

Si construyes en biotech, healthtech o cualquier vertical intensiva en datos científicos, este anuncio marca una dirección que conviene leer con atención.

Adopta el patrón "LLM orquesta, herramientas deterministas ejecutan". El acierto de DeepMind no fue poner un modelo a hacer química, sino separar el razonamiento del cálculo. Si tu producto depende de resultados exactos (finanzas, logística, salud), replica esa división: deja que el modelo planifique y que el código verificado haga los números.
Mira los conectores como plantilla de integración. Las skills se apoyan en RDKit, ChEMBL y PubChem: datos curados y estándares abiertos, no silos propietarios. Identifica cuál es el "RDKit" de tu sector y constrúyelo sobre eso antes que sobre una API cerrada.
Aprovecha el ecosistema de plugins. Si tu startup vende software a equipos que ya usan Antigravity, un plugin o una skill bien empaquetada puede ser un canal de distribución más barato que una integración a medida.
Vigila el costo de la orquestación. Los agentes que corren durante horas consumen tokens y cómputo. Antes de prometer autonomía total, mide cuánto cuesta una tarea real de punta a punta.

El mensaje de fondo para un founder es que la ventaja competitiva ya no está en tener el mejor modelo, sino en codificar el conocimiento de tu dominio en herramientas que el agente pueda usar sin margen de error. DeepMind lo hizo con química medicinal. La pregunta es cuál es tu dominio y qué tan rápido puedes empaquetarlo.