Anthropic pasa del banco de trabajo científico al desarrollo interno de fármacos, y lleva la frontera de responsabilidad de la IA farmacéutica a una línea más avanzada

Cuando las grandes empresas tecnológicas llevan la IA a las ciencias de la vida, la cuestión ya no es solo si los modelos pueden entender artículos científicos u organizar datos experimentales, sino hasta qué punto están dispuestas a asumir las consecuencias del juicio científico. Tras el lanzamiento de Claude Science por parte de Anthropic, según informan medios extranjeros, la compañía también ha expresado su intención de desarrollar programas farmacológicos propios, lo que haría que Claude dejara de ser únicamente un asistente en el escritorio de los investigadores y pudiera convertirse en un actor activo dentro de la cadena de descubrimiento de fármacos.

Anthropic presentó Claude Science el 30 de junio, posicionándolo como un banco de trabajo de IA para científicos, disponible actualmente en beta para usuarios de Claude Pro, Max, Team y Enterprise. Esta herramienta integra software científico habitual, consultas a bases de datos, recursos de computación y registros auditables de resultados de investigación, con el objetivo de que los investigadores puedan completar en un mismo entorno tareas que van desde la organización de datos y los flujos de análisis hasta la trazabilidad de los resultados.

En escenarios de ciencias de la vida, Claude Science viene preconfigurado con herramientas de genómica, análisis unicelular, proteómica, biología estructural, quimioinformática y otros campos, y puede acceder a más de 60 bases de datos científicas. Entre las pruebas iniciales enumeradas por Anthropic figuran el análisis de secuenciación de ARN unicelular, el diseño de cribados CRISPR, la predicción de estructuras proteicas y análisis relacionados con moléculas pequeñas; la página del producto también menciona que objetos científicos como proteínas, alineamientos de secuencias, trayectorias genómicas, estructuras químicas y PDF pueden incorporarse al flujo de trabajo.

La nueva capa de cambio está en que, según un informe de The Verge, Anthropic no solo quiere ofrecer software de investigación científica, sino que también espera desarrollar sus propios fármacos. El informe señala que Eric Kauderer-Abrams, responsable de ciencias de la vida de Anthropic, insinuó que la compañía podría centrarse en tratamientos para enfermedades desatendidas. Sin embargo, la información pública sigue siendo muy limitada: Anthropic aún no ha explicado enfermedades concretas, dianas candidatas, ni si la validación en laboratorio, los ensayos en animales, los ensayos clínicos o la fabricación se realizarán en colaboración con instituciones externas.

Esto hace que el significado de Claude Science sea más complejo. Si solo es un banco de trabajo, el reto central es si puede mejorar la eficiencia investigadora, reducir las barreras del análisis de datos y dejar una cadena de evidencia suficientemente clara; si Anthropic avanza hacia el desarrollo interno de fármacos, la cuestión se extenderá a la reproducibilidad de las moléculas candidatas, la toxicidad, la farmacocinética, la viabilidad clínica y la responsabilidad regulatoria. La IA puede acelerar la generación de hipótesis, pero no puede sustituir los experimentos húmedos, los modelos animales, los ensayos en humanos ni la revisión regulatoria.

**Contexto de fondo**

En los últimos días, la discusión en torno a Claude Science ha pasado gradualmente de “cómo entra la IA en los flujos de trabajo de investigación científica” a “quién tiene la capacidad de usar estas herramientas y quién debe responsabilizarse de los resultados”. Anthropic enfatiza la trazabilidad y la auditabilidad precisamente porque la investigación biomédica no puede fijarse solo en si la salida es fluida; las fuentes de datos, los parámetros de análisis, las inferencias del modelo y el juicio humano afectan todos a si finalmente puede formarse evidencia creíble.

Para las enfermedades raras o desatendidas, un banco de trabajo de IA quizá pueda reducir los costos de exploración temprana y permitir que equipos de investigación pequeños organicen literatura, consulten bases de datos, comparen estructuras proteicas o diseñen estrategias de cribado con mayor rapidez. Pero, por ahora, el plan de Anthropic parece seguir en una etapa de contornos muy iniciales. La verdadera línea divisoria no está en si la IA puede proponer más respuestas candidatas, sino en si esas respuestas pueden resistir la validación biológica y dejar una responsabilidad clara dentro de un proceso de desarrollo farmacológico largo, costoso y altamente regulado.