IA hoy Anthropic dice que su IA halló patrón CRISPR; biólogos lo niegan
Anthropic afirma que su IA descubrió un patrón enzimático tipo CRISPR; biólogos discrepan. Mientras, la IA agente avanza en automatizar flujos de investigación. Para LatAm, la oportunidad no es esperar "descubrimientos de IA", sino adoptar estas herramientas para acelerar I+D en materiales y energía críticos.
Anthropic anunció la semana pasada que sus agentes de IA, operando en un laboratorio de biología molecular propio, habían identificado un patrón no catalogado alrededor de una enzima, "reminiscente" del que condujo a la edición genética CRISPR. La reivindicación encendió a la comunidad científica: biólogos cuestionaron si hallar un patrón equivale a un descubrimiento y al menos un grupo aseguró haber detectado el mismo patrón antes, lo que plantea dudas sobre si el sistema aprendió de conversaciones previas con Claude The Download: climate tech companies to watch and AI's discovery problem.
El episodio expone la tensión central del momento: la IA agente —sistemas que razonan, planifican y ejecutan tareas de forma autónoma— ya recorre laboratorios, pero la validación científica sigue siendo humana y contextual.
Un estudio exhaustivo presentado en ICLR 2025 mapea el estado del arte. Clasifica los sistemas en totalmente autónomos (Coscientist, ChemCrow, ProtAgents, LLaMP) y colaborativos humano-IA (Virtual Lab, BioPlanner, CALMS, Agent Laboratory). Los autónomos cierran ciclos experimentales definidos; los colaborativos estructuran planificación, revisión bibliográfica y redacción, pero requieren supervisión experta. El trabajo identifica tres cuellos de botella compartidos: automatización de revisiones bibliográficas rigurosas, reproducibilidad y gobernanza ética Agentic AI for scientific discovery: A survey of progress, challenges, and future directions.
La convergencia con tecnología climática es inmediata. MIT Technology Review publicará el 6 de octubre su lista 2026 de Climate Tech Companies to Watch, destacando avances en almacenamiento de energía, nuclear y transporte pese a vientos políticos en contra The Download: climate tech companies to watch and AI's discovery problem. Esos sectores dependen de descubrimientos de materiales donde la IA agente ya demuestra utilidad: LLaMP predice propiedades y optimiza formulaciones de materiales mediante RAG y simulaciones atómicas autónomas Agentic AI for scientific discovery: A survey of progress, challenges, and future directions.
Para empresas y ejecutivos latinoamericanos, la lectura estratégica tiene tres patas:
- No confundir hallazgo con descubrimiento validado. El caso Anthropic muestra que patrones "nuevos para la IA" pueden ser rutinarios para expertos o incluso previos. La ventaja competitiva no está en delegar la epifanía al modelo, sino en acortar el ciclo hipótesis-experimento-validación.
- Adoptar arquitecturas colaborativas antes que autónomas. Los marcos tipo Agent Laboratory o Virtual Lab integran revisión bibliográfica, diseño experimental y redacción bajo supervisión humana. Son implementables hoy con LLMs base y herramientas de código abierto, sin necesidad de laboratorios robóticos propios.
- Apuntar a cuellos de botella regionales. LatAm concentra litio, cobre y biodiversidad, pero su I+D suele ser fragmentada y lenta. Agentes especializados en revisión de literatura técnica (benchmarks como LitSearch evalúan ya esta capacidad) y en simulación de materiales pueden multiplicar la productividad de grupos pequeños en universidades y startups de base científica.
El riesgo no es que la IA "descubra" por nosotros, sino que competidores globales integren estos bucles agente-humano en sus cadenas de innovación climática mientras la región sigue esperando papers. La ventana para instrumentar pilas de IA agente en laboratorios propios —con trazabilidad, reproducibilidad y cumplimiento normativo— se está abriendo ahora.
