Un biólogo responde al pánico del «supervirus con IA»

Un biólogo responde al pánico del "supervirus con IA"

Un reciente artículo del economista y columnist Noah Smith volvió a encender la alarma: ¿y si un adolescente con acceso a una IA lograra diseñar un virus que matara al 90% de la humanidad? La respuesta, según un investigador que lleva años diseñando virus y proteínas por computadora, es tajante: no va a pasar, y la distancia entre el escenario de ficción y la biología real es enorme.

El blog Genes, Minds, Machines publicó una respuesta técnica al ensayo de Smith. Su autor no es un opinador casual: trabaja en el diseño computacional de virus y sistemas biológicos, y su día a día consiste en desarrollar y evaluar herramientas de IA para diseño de proteínas y péptidos. Desde esa trinchera, desmonta uno por uno los argumentos del apocalipsis viral con IA.

El dato clave: diseñar virus funcionales es muchísimo más difícil que diseñar una proteína

La objeción central no es ideológica, es de oficio. El autor explica que incluso los expertos que llevan toda una carrera dedicada al diseño biológico chocan una y otra vez contra la pared de lo que no funciona. Los estudiantes de doctorado en 2026, usando las herramientas de IA más avanzadas del momento, dedican meses o años a intentar diseñar simples peptide binders —péptidos que se unen a una proteína específica para inhibirla o arrastrarla—, y la mayoría de los diseños falla, no se expresa o resulta tóxico para la célula.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Ese es el estado del arte actual. Un peptide binder es órdenes de magnitud más simple que un virus funcional. Y un virus funcional que infecte bacterias es, a su vez, incomparablemente más simple que un virus capaz de transmitirse entre humanos, evadir el sistema inmune y provocar enfermedad grave. El salto que plantea la narrativa del "supervirus con IA" no es lineal, es exponencial, y no existe evidencia de que las herramientas actuales puedan recorrerlo.

Lo que la IA realmente logró en 2026 — y lo que no

Para dimensionar el debate conviene mirar qué fue lo que la ciencia publicó este año. Investigadores de la Universidad de Stanford y del Arc Institute lograron, según el reporte recogido por The Conversation y reproducido por Phys.org y Medical Xpress, diseñar genomas completos de bacteriófagos —virus que infectan bacterias, no personas— con los modelos Evo 1 y Evo 2, entrenados sobre más de 2 millones de genomas de fagos.

Los números del estudio, publicado en Science, son útiles para entender la dificultad real:

Generaron miles de genomas candidatos con IA.
Seleccionaron 302 para síntesis química y prueba en laboratorio.
Solo 16 de esos 302 —aproximadamente un 5%— produjeron fagos funcionales capaces de infectar E. coli.
El virus elegido como objetivo, ΦX174, tiene un genoma diminuto de unas 5.400 letras de ADN y codifica apenas 11 proteínas.

Brian Hie, profesor asistente en Stanford, describió el resultado como "un nuevo paso en la complejidad que se puede diseñar con IA generativa" y aclaró que es la primera vez que una IA diseña un genoma completo capaz de replicarse dentro de células. Los propios autores entrenaron a Evo 2 excluyendo deliberadamente del set de datos los virus que infectan a humanos, animales y plantas como medida de bioseguridad.

Aun así, los expertos son cautos. Thomas Inglesby y Moritz Hanke, del Centro de Seguridad Sanitaria Johns Hopkins, resumieron la tensión en una frase que recoge la cobertura: "la capacidad de diseñar un genoma viral con IA ya existe, y las reglas para hacerlo de forma segura, no". Filippa Lentzos, del King's College de Londres, señaló que el verdadero cuello de botella de bioseguridad está en los proveedores de síntesis de ADN, que pueden (o no) verificar las secuencias antes de materializarlas físicamente.

La "zona Goldilocks" de los virus pandémicos: por qué lo más letal no es lo más peligroso

Uno de los argumentos más interesantes del texto original es contraintuitivo: los virus que matan más gente no son los más letales ni los más contagiosos, sino los que están justo en el medio.

El ébola tiene una tasa de mortalidad de hasta el 90%, pero es tan agresivo que los infectados colapsan rápido y dejan de contagiar; además, su transmisión requiere contacto con fluidos corporales, algo relativamente fácil de evitar.
El sarampión es increíblemente contagioso —una persona infectada contagia a más de diez—, pero solo mata a uno de cada mil infectados.
La rabia y el hantavirus son prácticamente imposibles de transmitir entre humanos.

El COVID-19, según el autor, fue casi perfecto como virus pandémico: suficientemente grave como para matar a millones en todo el mundo, suficientemente leve como para que mucha gente lo ignorara y siguiera contagiando. Esa es la "zona Goldilocks" —y no existe ningún virus conocido que combine la letalidad del H5N1 con la transmisibilidad del H3N2.

Los biólogos que estudian gripe llevan años observando ese trade-off: el virus H3N2 de la gripe común se transmite con facilidad porque ataca receptores en las vías respiratorias superiores, mientras que el H5N1 aviar provoca enfermedad mucho más severa porque apunta a receptores en los pulmones profundos, lo que limita su propagación. Si la biología llevara décadas sin resolver esa compensación, ¿por qué una IA lo lograría mágicamente sin experimentos básicos previos?

El riesgo real que sí deberíamos mirar

Para el autor, el verdadero problema del alarmismo sobre supervirus con IA es que desvía la atención de las amenazas reales, documentadas y ocurriendo ahora mismo:

Un brote masivo de ébola en el Congo del que casi nadie se está ocupando.
Sarampión en alza en Estados Unidos, con sus consecuencias de hospitalización, encefalitis y la posibilidad —pequeña pero no nula— de mutaciones de escape inmune que inutilicen las vacunas existentes.
HIV descontrolado en el África subsahariana.
La pérdida de memoria institucional sobre el COVID, que sigue circulando y evolucionando.

Añade además un matiz que muchos análisis olvidan: los PhD que hoy intentan con IA diseñar una proteína simple pasan meses o años sin éxito. Frente a eso, la probabilidad de que un adolescente sin entrenamiento biológico diseñe un virus funcional —y luego lo sintetice, lo arme y lo distribuya— es, según su valoración, menor que la probabilidad de que el sarampión sufra una mutación de escape.

¿Qué significa esto para tu startup?

El cruce de IA y biología es una de las áreas más activas del momento, pero la conversación pública suele moverse entre dos extremos: el terror mediático y la promesa inflada. Para founders que estén construyendo en este espacio, hay tres lecturas prácticas del debate:

No construyas tu tesis de producto sobre escenarios apocalípticos. El mercado de bioseguridad defensiva —la parte que paga por protegerse de amenazas pandémicas— se mueve por riesgos reales y medibles, no por narrativas. Las empresas y gobiernos están dispuestos a pagar por vigilancia genómica, screening de proveedores de síntesis de ADN y respuesta rápida a brotes, no por "prevenir el supervirus de un adolescente".
Mira la cadena de valor, no solo el modelo. Los expertos coinciden en que el cuello de botella de bioseguridad está en la síntesis física de ADN. Una startup que ayude a los proveedores de síntesis a verificar secuencias, detectar sequences of concern y autenticar solicitantes está resolviendo un problema real, regulable y financiable. Varios proveedores ya trabajan en ello, pero el estándar internacional aún es desigual.
Apunta a aplicaciones donde la IA ya aporta, no donde la biología todavía no llega. El propio estudio de Stanford apunta a un caso de uso cercano y monetizable: diseñar fagos personalizados para tratar infecciones resistentes a antibióticos. Es un mercado con dolor clínico real, regulación existente y clientes dispuestos a pagar. Ahí sí hay producto viable en 3-5 años; un "supervirus" no es producto de nadie.

En resumen: la IA está empezando a diseñar genomas que funcionan, pero solo en virus minúsculos que infectan bacterias y con tasas de éxito todavía bajas. La biología fundamental que permitiría un arma viral de gran escala no está resuelta, y no hay evidencia de que la IA vaya a saltársela. Para un founder, eso no es motivo de pánico ni de euforia: es una señal de dónde están las oportunidades reales.