La IA creó 16 virus vivos que nunca habían existido

No se trató de editar un virus conocido, cambiando un gen aquí o recortando una secuencia allá. La afirmación, difundida por BBC, CNN, The New York Times, WIRED, ABC y Scientific American, es que, por primera vez, se diseñaron con éxito genomas completos mediante IA⁠2⁠3⁠5⁠7⁠8. El modelo de IA central en este trabajo se llama Evo, descrito como Evo 2 en la cobertura; fue entrenado con datos de ADN para aprender patrones del código genético y luego generar genomas virales completamente nuevos⁠3⁠5⁠6. Después, los científicos sintetizaron esos diseños y comprobaron en el laboratorio si podían infectar, replicarse y matar⁠2⁠4⁠7.

De los diseños que se construyeron y probaron, 16 funcionaron de principio a fin⁠2⁠3⁠5⁠7⁠8. CNN situó en unos 300 el número de los probados⁠4. Esa proporción importa porque cuenta dos historias a la vez. La mayoría de las predicciones de la IA fracasó, como cabría esperar de la biología. Pero suficientes tuvieron éxito para demostrar que el método es real, no teórico. Un sistema capaz de imaginar cientos de miles de genomas y obtener 16 vivos ha pasado de la predicción a la construcción.

Los organismos que cobraron vida fueron bacteriófagos, virus que infectan y matan bacterias, incluida E. coli⁠2⁠4⁠6⁠11. Ese detalle define tanto el alcance inmediato de la ciencia como sus límites inmediatos. El experimento no se anunció como la creación de un patógeno humano, sino como la creación de fagos que atacan bacterias; según los investigadores de Stanford Brian Hie y Aditi Merchant, las pruebas de laboratorio de diseños para eliminar E. coli superaron las expectativas⁠3⁠6.

Hie y Merchant son los nombres que aparecen repetidamente en la cobertura⁠3⁠5⁠6. Su resultado apunta al uso concreto más inmediato en el que coinciden las fuentes: nuevas formas de combatir las bacterias resistentes a los antibióticos⁠4⁠6⁠8⁠11. Los fagos llevan mucho tiempo interesando a la medicina porque matan bacterias de una manera completamente distinta a la de los antibióticos. Si la IA puede diseñar nuevos fagos bajo demanda, los investigadores podrían, en principio, crear agentes que eliminen cepas bacterianas contra las que los fármacos no funcionan, desarrollar herramientas de diagnóstico que detecten infecciones y crear nuevos componentes biotecnológicos y de terapia génica. Esa promesa explica por qué quienes apoyan el proyecto consideran Evo un motor de diseño para la biología, no solo un lector de ADN.

The Independent resumió la reacción pública como una fuente de esperanza y terror a partes iguales⁠10. La frase perduró porque el propio estudio la inspira. El artículo señala que esta capacidad plantea preocupaciones de bioseguridad, seguridad biológica y biocontención⁠3⁠8⁠10. Scientific American informó que algunos científicos dicen que la tecnología podría utilizarse indebidamente⁠3. WIRED señaló la preocupación de que la tecnología avance más rápido que la regulación⁠8. Ningún medio de la cobertura verificada sostiene que estos 16 fagos en particular amenacen a las personas. La preocupación está en lo que demuestra el método: que un programa puede alucinar un genoma y que luego las personas pueden darle vida en un laboratorio.

La cronología es condensada. El artículo se publicó en Science y se anunció el jueves 6 de agosto de 2026⁠2⁠7⁠10. La cobertura apareció del 6 al 8 de agosto de 2026 en BBC, CNN, The New York Times, WIRED, Forbes, ABC y Scientific American⁠2⁠3⁠4⁠5⁠6⁠7⁠8⁠9. Esa rapidez refleja lo inusual de la afirmación. La IA se ha utilizado para predecir estructuras de proteínas, sugerir modificaciones y analizar ADN. Diseñar desde cero un genoma viral completo y funcional y observar cómo se reproduce representa un umbral distinto, y las fuentes lo consideran un hito inédito⁠2⁠4⁠7.

Hay un desacuerdo claro en las fuentes, y los lectores deberían conocerlo en vez de que se pase por alto. Forbes describe Evo como un modelo de inteligencia artificial de OpenAI⁠9, mientras que otros medios lo atribuyen a investigadores de Stanford y el Arc Institute⁠3⁠5⁠6. Las fuentes discrepan sobre la procedencia del modelo. Lo que sí coincide es dónde se realizó y publicó el trabajo —la Universidad de Stanford y el Arc Institute, en Science el 6 de agosto— y lo que produjo: 16 virus viables⁠2⁠4⁠7.

La misma cautela se aplica a las salvaguardas. WIRED señala la preocupación de que la regulación vaya a la zaga de la ciencia, pero ninguna salvaguarda específica y vigente para los virus vivos generados por IA queda verificada en las fuentes proporcionadas⁠8. Esa ausencia forma parte de la noticia tanto como los propios virus. El método está publicado. La prueba de principio es pública. Las consecuencias humanas —los posibles avances médicos frente a la resistencia a los fármacos, por un lado, y el riesgo de que el uso indebido deliberado o la liberación accidental se adelanten a la supervisión, por otro— siguen sin resolverse en la cobertura.

Los investigadores no necesitaron partir de un modelo vivo para copiarlo. Partieron de datos, entrenaron un modelo para generar genomas, sintetizaron los candidatos y dejaron que la infección fuera la prueba⁠2⁠4⁠7. La mayoría fracasó. Dieciséis no⁠2⁠3⁠5⁠7⁠8. En biología, esa es la diferencia entre una simulación y un organismo, entre lo que sugiere una evaluación y lo que confirma una placa de laboratorio.