ANÁLISIS DE LA IA — LA REVOLUCIÓN SILENCIOSA DEL SIGLO XXI — Vigésimo octavo informe

 

EVO 2 IA DISEÑA VIRUS FUNCIONALES

Por primera vez en la historia, una inteligencia artificial no se limitó a predecir cómo funciona una proteína: escribió genomas virales completos, de principio a fin, y dieciséis de esos virus resultaron capaces de destruir bacterias E. coli en laboratorio. Este informe recorre el experimento de Stanford y el Arc Institute, la promesa médica que representa frente a la resistencia a los antibióticos, y las alarmas de bioseguridad que la propia revista Science publicó junto al estudio.

CLAUDE - "

1. Introducción: la IA que aprendió a escribir organismos completos

Durante años, la inteligencia artificial aplicada a la biología avanzó prediciendo estructuras de proteínas individuales o sugiriendo modificaciones genéticas puntuales. El 6 de agosto de 2026, investigadores de la Universidad de Stanford y el Arc Institute publicaron en la revista Science un salto de otro orden: por primera vez, un sistema de IA generó genomas virales completos, funcionales, que los científicos sintetizaron físicamente y comprobaron capaces de destruir bacterias en laboratorio.

2. El experimento: quiénes son Brian Hie y Samuel King

El trabajo fue liderado por Brian Hie, investigador de Stanford y el Arc Institute, junto a Samuel King. El punto de partida fue un bacteriófago real y bien estudiado, el ΦX174, un virus de apenas 5.386 nucleótidos y once genes que infecta específicamente a la bacteria Escherichia coli, elegido deliberadamente por tratarse de un organismo considerado seguro e inofensivo para los seres humanos.

3. Cómo funciona Evo 2: de predecir proteínas a escribir genomas completos

Evo 2, —utilizado en este experimento junto con su predecesor Evo 1—  desarrollado por el Arc Institute, Stanford y NVIDIA entre otros colaboradores, es un modelo fundacional genómico entrenado con secuencias de ADN de todo el árbol de la vida, capaz de procesar secuencias de hasta un millón de posiciones genéticas. A diferencia de un modelo de lenguaje convencional, que predice palabras, Evo 2 predice nucleótidos: la letra siguiente en una cadena de ADN. Partiendo apenas de un fragmento del genoma de referencia del ΦX174, el modelo generó  miles de variantes de genomas completamente nuevos, nunca vistos en la naturaleza, con arquitecturas genéticas compatibles con infectar a la misma bacteria.

4. Los números reales: 285 sintetizados, 16 funcionales

De todos los diseños generados por Evo 2, los investigadores seleccionaron 302 de los más prometedores para sintetizarlos químicamente. De esos, 285 pudieron ensamblarse correctamente en laboratorio, y al introducirlos en cultivos de E. coli, dieciséis demostraron ser virus completamente funcionales: se replicaron, infectaron a las bacterias y provocaron su destrucción. Es una tasa de éxito del 5,6%, una cifra que algunos análisis calificaron de notable para un primer intento de este tipo, pero que también deja claro que se trata todavía de investigación básica, no de un producto médico listo para usarse.

5. Por qué eligieron un fago de solo once genes

La elección del ΦX174 no fue casual. Los propios investigadores del Arc Institute señalaron que esa decisión formaba parte de un diseño de seguridad deliberado desde el inicio del proyecto: un organismo pequeño, bien conocido, que infecta exclusivamente bacterias y no representa ninguna amenaza para los seres humanos. Con esa misma lógica, excluyeron deliberadamente los genomas de virus que infectan células eucariotas —es decir, virus capaces de infectar humanos, animales o plantas— de los datos con los que entrenaron a Evo 2.

6. La aplicación médica: una posible alternativa a los antibióticos

El objetivo detrás de este tipo de investigación tiene un nombre conocido en medicina: terapia con fagos, el uso de virus especializados para combatir infecciones bacterianas resistentes a los antibióticos convencionales, uno de los mayores desafíos de salud pública global actuales. Si la tecnología logra mejorar su tasa de éxito y ampliar el rango de bacterias que puede atacar, podría convertirse en una herramienta real contra las llamadas superbacterias.

7. Las alarmas de bioseguridad: lo que advirtió Johns Hopkins en la propia Science

La misma edición de Science que publicó el estudio incluyó una advertencia de especialistas del Centro para la Seguridad Sanitaria de la Universidad Johns Hopkins, entre ellos Thomas Inglesby, quienes señalaron que el avance plantea cuestiones urgentes de bioseguridad. Su preocupación central es que la tecnología capaz de escribir genomas completos podría evolucionar más rápido que las normas diseñadas para impedir la creación deliberada de organismos peligrosos, sobre todo teniendo en cuenta que Evo 2 se liberó como modelo abierto, disponible para cualquiera que quiera usarlo. Un análisis de bioseguridad reciente calificó el nivel de riesgo actual de la herramienta como bajo a moderado, precisamente porque sus diseños todavía no se alejan demasiado de los genomas de referencia con los que fue entrenada — pero advirtió que ese margen de tranquilidad se va a estrechar a medida que los próximos modelos logren diseñar genomas más complejos con menos restricciones.

8. La defensa de Brian Hie: por qué liberaron el modelo de forma abierta

Consultado sobre esa decisión, Hie sostuvo que el acceso abierto acelera la investigación científica real, aunque reconoció que versiones modificadas de la herramienta podrían terminar en manos malintencionadas. Su argumento de fondo es distinto: sostiene que los patógenos naturales que ya existen en el mundo representan una amenaza mayor que cualquier virus diseñado por IA, precisamente porque son más fáciles de conseguir y porque la evolución natural no tiene ningún control de seguridad incorporado. Bajo esa lógica, herramientas como Evo 2 podrían terminar siendo más útiles para defenderse de futuras pandemias, tanto naturales como de origen humano, que para causarlas.

9. El dilema técnico de fondo

Existe un matiz técnico, documentado en la propia literatura científica sobre seguridad de datos biológicos, que ilustra bien lo difícil que es esta discusión. La exclusión deliberada de virus que infectan humanos del entrenamiento de Evo 2 —la misma decisión que lo vuelve más seguro— también reduce su capacidad de predecir con precisión el comportamiento de virus que sí afectan a las personas, una limitación real para la investigación médica legítima, como el estudio de variantes de escape inmunológico frente a futuros brotes. Es el corazón mismo del problema de doble uso: la misma restricción que reduce el riesgo también reduce la utilidad médica, y revertirla en cualquier sentido mueve la aguja en ambas direcciones a la vez.

10. Más de cien investigadores, una misma advertencia

A comienzos de 2026, más de cien investigadores de todo el mundo firmaron una carta abierta sobre la gobernanza de los datos biológicos, sosteniendo que aunque el acceso abierto a la información científica aceleró enormemente los descubrimientos, un subconjunto de esos datos biológicos plantea riesgos reales de bioseguridad si se usa de forma indebida, y que hay mucho en juego en cómo se gobierna esa información, porque los modelos de IA podrían llegar a contribuir a la creación de amenazas biológicas graves."

CONCLUSIÓN ESTRATÉGICA:

—El experimento de Stanford y el Arc Institute deja dos verdades incómodas conviviendo en el mismo estudio. La primera es que la inteligencia artificial acaba de cruzar un umbral real: ya no se limita a analizar biología existente, ahora puede diseñar genomas virales completos capaces de dar lugar, tras su síntesis y ensamblaje en laboratorio, a virus funcionales, con una tasa de éxito todavía modesta pero con margen claro de mejora en los próximos años. La segunda es que los propios científicos que lograron ese avance fueron los primeros en pedir supervisión, y la propia revista que lo publicó dedicó espacio en la misma edición a advertir sobre sus riesgos — una autorregulación poco habitual en la historia reciente de la innovación tecnológica.

La discusión de fondo que deja planteada este vigésimo octavo informe no es si la inteligencia artificial puede diseñar virus —la evidencia dice que sí, aunque todavía de forma limitada—, sino si el mundo va a lograr construir un sistema de gobernanza de datos biológicos y modelos de IA lo bastante rápido como para mantenerse a la par de una tecnología que, según sus propios creadores, mejora más rápido que la capacidad de regularla. La respuesta a esa pregunta probablemente diga más sobre el futuro de la bioseguridad global que cualquier otro informe de esta saga hasta ahora.—

Fuentes consultadas: Science, estudio de Brian Hie, Samuel King et al. (6 de agosto de 2026); Stanford Report, "AI designs a novel E. coli killer" (agosto 2026); Infobae, "Científicos de Stanford crean virus con ayuda de IA: analizan sus posibles beneficios y riesgos" (agosto 2026) y "Virus creados por inteligencia artificial eliminan bacterias en laboratorio" (septiembre 2025); Euronews, "Científicos crean primeros virus diseñados con IA contra superbacterias resistentes" (agosto 2026); El Colombiano (agosto 2026); Gizmodo en español (agosto 2026); AllSci.com (agosto 2026); Periódico Cubano, "Crean virus con inteligencia artificial por primera vez y encienden las alarmas" (agosto 2026); Diario Pampero (agosto 2026); "Securing Dual-Use Pathogen Data of Concern", preprint académico (2026). 

Las opiniones y análisis contenidos en este artículo son interpretaciones críticas basadas en información pública y en el diálogo entre el director del blog y esta inteligencia artificial, sin pretender certeza absoluta, particularmente respecto de la evolución futura del riesgo de bioseguridad, que los propios expertos consultados por Science describen como una preocupación creciente antes que un peligro inmediato.