El acceso a mejores modelos decide qué empresa lanza antes un producto, qué país marca reglas y quién impone estándares técnicos en todo el sector. Esa presión define la carrera por estar por delante en inteligencia artificial, donde cada avance permite procesar más datos, automatizar tareas complejas y abrir nuevas aplicaciones antes que el resto.
El objetivo no se limita a crear sistemas más potentes, también pasa por aplicarlos antes en ámbitos como la industria, la defensa o la sanidad, donde el que llega primero gana ventaja durante años. Esa competencia empuja a empresas y gobiernos a invertir, contratar talento y acelerar desarrollos.
Anthropic orientó su proyecto hacia enfermedades con poca atención comercial
Anthropic ha decidido dar un paso más dentro de esa competencia al presentar Claude Science y anunciar que trabajará en el desarrollo de sus propios medicamentos, según ha informado The Verge. La compañía sitúa esta iniciativa dentro de su estrategia para acelerar la investigación científica y probar sus herramientas en un entorno real, con la intención de entender mejor los problemas que afrontan quienes investigan en el ámbito farmacéutico.
El movimiento no se produce en solitario, porque grandes tecnológicas y farmacéuticas llevan tiempo intentando ganar terreno en este espacio. OpenAI, Google o Amazon ya colaboran con empresas del sector sanitario, mientras gigantes como AstraZeneca o Novo Nordisk desarrollan sus propias soluciones basadas en inteligencia artificial.
Esta competencia ha ampliado el alcance de la carrera tecnológica, que ya no se limita a software o datos, sino que entra en procesos industriales complejos como la creación de nuevos tratamientos.
Anthropic ha planteado su entrada en este terreno con un enfoque centrado en enfermedades que suelen quedar fuera del interés comercial de la industria. Eric Kauderer-Abrams, responsable de ciencias de la vida en la empresa, explicó durante un evento recogido por CNBC que el objetivo es trabajar en dolencias desatendidas y aprender directamente del proceso de desarrollo. “Creemos en la importancia de aprender desde dentro del proceso y trabajar junto a quienes desarrollan medicamentos”, señaló al describir esa estrategia.
La IA participa en todas las fases del desarrollo farmacéutico
La presencia de la inteligencia artificial en este ámbito no responde a una única función, sino a una suma de tareas que abarcan desde la investigación inicial hasta la producción. Namshik Han, profesor en la Universidad de Cambridge, explicó a The Verge que se trata de un concepto amplio que se aplica en cada etapa del proceso, desde la búsqueda de compuestos hasta el análisis de datos clínicos. Esa amplitud hace que la tecnología se integre como una herramienta transversal en el trabajo diario de laboratorios y empresas.
Esa integración ya permite acelerar algunas fases concretas del proceso, sobre todo en la generación de hipótesis y en la exploración de posibilidades. Matthew Todd, profesor en University College London, indicó que la inteligencia artificial resulta útil para probar ideas de forma rápida y evaluar qué caminos merecen más atención. Los modelos pueden sugerir moléculas, relacionarlas con objetivos biológicos conocidos y abrir vías que, sin ese apoyo, tardarían más en aparecer.
Los ensayos clínicos mantienen un proceso largo hasta los pacientes
Aun así, ese avance tiene límites claros cuando se traslada al mundo real, donde cada propuesta debe someterse a pruebas estrictas. Frank von Delft, profesor en la Universidad de Oxford, subrayó que los modelos actuales no sustituyen los experimentos, que siguen siendo imprescindibles para comprobar si un fármaco funciona y si es seguro. Esa comprobación exige tiempo, recursos y trabajo especializado, factores que no pueden acelerarse al mismo ritmo que el análisis digital.
El recorrido completo hasta que un medicamento llega a pacientes sigue siendo largo y lleno de obstáculos, incluso cuando interviene la inteligencia artificial. Los ensayos clínicos requieren años de pruebas y validaciones, y muchos candidatos se descartan en el camino. Todd recordó que siempre existe un retraso entre la idea y su confirmación experimental, porque demostrar que un tratamiento es seguro exige repetir procesos y verificar resultados en condiciones controladas.
En ese escenario, las nuevas herramientas buscan recortar etapas iniciales y orientar mejor el trabajo, aunque no cambian la naturaleza del proceso completo. Michael Pollastri, investigador en Northeastern University, explicó a The Chemical Engineer que sistemas como Claude Science pueden acelerar la recopilación de información y ayudar a decidir qué pasos dar después, lo que permite aumentar el ritmo de los experimentos en laboratorio.
El lanzamiento de Claude Science refleja esa intención de integrar la inteligencia artificial en un entorno de investigación más amplio, con herramientas conectadas en un mismo espacio de trabajo.
Anthropic plantea este sistema como una plataforma que agrupa datos, análisis y generación de resultados, con la idea de facilitar el trabajo de científicos y reducir el tiempo necesario para avanzar en sus proyectos.
