La IA acelera el diseño de patógenos y América Latina carece de reglas

El debate sobre si la inteligencia artificial puede causar la extinción humana tiende a polarizarse entre alarmistas y escépticos. Pero mientras esa discusión ocupa titulares, una convergencia más concreta avanza sin freno: la capacidad de la IA para acelerar el diseño de armas biológicas. En 2022, un experimento con un generador molecular destinado a descubrir fármacos produjo en menos de seis horas 40.000 candidatos viables como agentes de guerra química The Download: AI's extinction risk and bioweapons threat. Hoy, los modelos de lenguaje responden consultas en casi cualquier dominio científico, mientras la edición genética y la biología sintética abaratan el acceso a herramientas de laboratorio.

La asimetría entre capacidad y control

Los mecanismos de seguridad actuales —filtros en modelos comerciales, acuerdos voluntarios, listas de sustancias controladas— no son herméticos. Investigadores discrepan sobre la magnitud real del riesgo: algunos sostienen que la barrera no está en diseñar la molécula, sino en sintetizarla, purificarla y entregarla como arma; otros advierten que la curva de accesibilidad baja tan rápido que la ventana para regular se cierra. Lo que no está en disputa es que la superficie de ataque se expande: más actores, con menos formación especializada, pueden consultar a un modelo sobre rutas de síntesis o evasión de controles.

El vacío latinoamericano

Para América Latina, el problema no es teórico. La región alberga centros de investigación en biotecnología agrícola, farmacéutica y de salud pública que ya usan IA para acelerar descubrimiento de fármacos y mejora de cultivos. Esos mismos laboratorios —universidades, institutos públicos, startups— operan bajo marcos regulatorios diseñados para bioseguridad tradicional: contención física, registro de patógenos, comités de ética. Pocos contemplan la dimensión computacional: quién audita los modelos que se entrenan con datos genómicos locales, cómo se controla el acceso a pesos de modelos abiertos que pueden ser afinados para tareas duales, qué obligación tiene un proveedor de nube que aloja inferencia en servidores de São Paulo o Santiago.

Brasil y México han avanzado en estrategias nacionales de IA, pero el enfoque predominante es económico: talento, infraestructura, adopción industrial. La bioseguridad algorítmica aparece, si acaso, como apéndice. Argentina, Chile y Colombia tienen leyes de protección de datos y normativas de bioseguridad, pero la intersección —datos genómicos sensibles procesados por modelos generativos— queda en zona gris. Mientras tanto, proveedores globales despliegan modelos cada vez más capaces en la nube regional sin obligación de evaluación de riesgo biológico previa.

Costos de la inacción

La historia reciente muestra que la región paga caro el retraso regulatorio. La exportación de datos genómicos de biodiversidad latinoamericana sin cláusulas de beneficio compartido ya generó disputas en foros internacionales. La IA amplifica el patrón: un modelo entrenado con secuencias de patógenos endémicos del Amazonas o los Andes puede, en manos de actores malintencionados, sugerir modificaciones que aumenten transmisibilidad o evadan inmunidad local. No se requiere un laboratorio de nivel 4; basta con acceso a síntesis de ADN por correo —servicio comercial disponible globalmente— y un modelo abierto afinado.

Una agenda práctica

Tres medidas reducirían la superficie de riesgo sin frenar la investigación legítima:

• Registro de modelos de alto riesgo biológico: obligar a proveedores que ofrezcan inferencia en la región a declarar modelos con capacidades demostradas en diseño molecular, y someterlos a auditoría independiente.
• Controles de síntesis de ADN: exigir verificación de usuario final y screening de secuencias en todos los proveedores de oligos que operen o envíen a territorio latinoamericano, alineándose con guías internacionales emergentes.
• Capacitación de comités de ética y bioseguridad: integrar evaluación de riesgo computacional en los comités institucionales existentes, con apoyo de agencias nacionales de ciencia y tecnología.

El debate existencial seguirá. La pregunta operativa para un director de laboratorio en Bogotá, un regulador en Ciudad de México o un CTO en Buenos Aires es distinta: ¿sabemos qué modelos usan nuestros equipos, qué datos genómicos suben a la nube y qué controles tiene el proveedor de síntesis que contratamos? La respuesta, hoy, suele ser no. Y esa brecha —entre la capacidad técnica global y la gobernanza local— es donde el riesgo se materializa.