Crean virus con IA: el dato que asusta y el que falta

El Cuñado ya tiene la película montada

El Cuñado dice: "Bro, la IA ya fabrica virus. En dos años cualquiera se baja un modelo y se monta una pandemia en el garaje."

La realidad es: investigadores usaron por primera vez modelos de IA (Evo1 y Evo2) para diseñar virus completamente nuevos, funcionales y replicables en laboratorio. Los 16 que funcionaron son bacteriófagos: solo infectan la bacteria E. coli. Cero amenaza directa para humanos. Salieron de 302 diseños sintetizados y se validaron por la aparición de halos claros en placas de Petri, que es el criterio estándar para confirmar que el fago infecta y lisa bacterias. Lo reporta BBC News Mundo a partir del estudio publicado directamente en Science (puedes ir al abstract original si quieres saltarte el intermediario periodístico).

Por qué importa saberlo: el hito es de verdad. El atajo mental de "IA = arma biológica casera" te deja ciego justo donde hay que mirar: qué se entrenó, qué se excluyó, qué se midió y qué todavía nadie ha enseñado.

Qué se ha hecho (y qué no)

Hasta aquí la biología sintética podía editar, reordenar o remendar genomas conocidos. El salto de este trabajo es otro: el modelo propone genomas virales enteros que luego se fabrican y demuestran función en laboratorio, sin que un humano haya ido base a base diseñando el bicho a mano.

Los modelos funcionan como un ChatGPT del código genético. En lugar de predecir la siguiente palabra, predicen el siguiente tramo de secuencia. Evo1 sentó la base entrenándose solo con genomas unicelulares. Evo2 amplía el tablero: su contexto técnico lo sitúa en unos 9,3 billones de nucleótidos de más de 128.000 genomas (virus, bacterias, plantas y humanos) y con eso aprende la estadística de cómo se organizan las secuencias que la evolución ha ido dejando por el camino.

Importante, porque el Cuñado lo va a liar: no "inventaron la vida desde cero". Parten de patrones aprendidos en genomas naturales, se afinan para producir fagos y se contrastan en banco. Tampoco han creado un organismo vivo. Un virus no está vivo en el sentido celular; es un programa molecular que secuestra maquinaria ajena. El genoma de estos fagos ronda los ~5.400 pares de bases. El genoma celular más pequeño anda por ~500.000. El humano, por 3.000 millones. Brian Hie, líder del estudio, lo deja en su sitio: pasar a organismos simples exigiría muchísimo más trabajo; no lo ve imposible, y les interesa, pero no es el capítulo que se ha cerrado ahora.

Para acotar riesgo, el equipo excluyó virus patógenos de los datos de entrenamiento, trabajó solo con fagos y operó en laboratorio seguro. Hie sostiene que esas medidas ayudan a orientar el uso hacia lo benéfico. No es un escudo mágico. Es el perímetro que eligieron en este experimento.

El dato que asusta (y conviene no diluir)

Diseñar de un tirón genomas virales que se sintetizan, infectan y se replican es un punto de inflexión. Marc Güell (cuya valoración recoge la cobertura de BBC, aunque la fuente exacta de su declaración no queda especificada en lo publicado: declaración directa, comunicado o comentario editorial en Science) lo llama así con todas las letras: por primera vez se diseña biología en computadora a esta escala, y eso permite soñar en serio con fagos terapéuticos, enzimas o anticuerpos. Patrick Cai, en la misma cobertura y con la misma salvedad sobre la fuente directa, sube un escalón más: modelos como Evo2 están interiorizando principios de diseño de la evolución; la escritura de genomas asistida por IA deja de ser metáfora de congreso.

El comentario de expertos de Johns Hopkins publicado en Science va al hueso: ya no toca discutir si existirá el diseño generativo viral. Toca hablar de cómo evitar daños graves. Esa frase, que aparece en el propio número de Science como comentario editorial independiente, es el dato que asusta con fundamento. No porque estos 16 fagos te vayan a pitar el pulmón mañana (no pueden), sino porque el cuello de botella se desplaza. Cuando el diseño deja de ser el peaje lento y caro, el control se juega en acceso a síntesis, filtros de secuencia, trazabilidad de pedidos y criterios de publicación.

En clave de ingeniería: el modelo no "entiende" la virulencia como un bioterrorista de película. Optimiza secuencias bajo el objetivo con el que lo has afinado y el soporte estadístico de su entrenamiento. El modo de fallo clásico no es maldad: es generalización fuera de distribución, reutilización del stack en otro laboratorio con otros datos, o alguien quitando las exclusiones que este equipo sí aplicó. Tratarlo como magia consciente o como juguete inocente son dos formas distintas de no ver el mecanismo.

El dato que falta (y el titular se lo come)

Si te quedas solo con "la IA crea virus", te faltan los agujeros que las fuentes consultadas no tapan.

El estudio reporta 302 diseños sintetizados y 16 validados por halo claro en placa: una tasa de éxito del ~5 %. Lo que no consta en lo publicado (al menos en la cobertura disponible) es la comparación directa con métodos no generativos: ¿qué tasa obtiene el diseño racional clásico en condiciones equivalentes? Sin ese número, es imposible calibrar si estamos ante un salto de magnitud o ante una mejora incremental sobre el estado del arte. Un lector técnico tiene derecho a pedirlo; que no esté en el titular es un déficit real de la cobertura, no solo del Cuñado.

Tampoco constan los parámetros finos, los prompts ni el proceso real de decisión del modelo mientras proponía candidatos. Sabemos el resultado. No tenemos el mapa de por qué el modelo prefirió unas arquitecturas genómicas y no otras.

Tampoco consta si esos 16 fagos se han empujado más allá de la placa: otras bacterias, condiciones menos controladas, estabilidad a varias generaciones bajo presión selectiva distinta. "Funciona en Petri con halo claro" es un listón real y exigente. No es el mismo listón que "listo para terapia" ni que "arma". Quien salte de uno a otro está vendiendo argumento, no midiendo.

Y el salto a célula (lo dice el propio marco del estudio) sigue siendo otra liga. Quien confunda fago de 5,4 kb con "la IA ya fabrica seres vivos" está haciendo trampa con el diccionario.

La lectura editorial, separada del dato de Science, es esta: el riesgo no entra hoy por un chatbot abierto al público escupiendo ébola. Entra por la compresión del ciclo diseño, síntesis, test en manos de quien ya tiene laboratorio, presupuesto y acceso a síntesis de ADN. El miedo cinematográfico (el adolescente en el salón) tapa el riesgo institucional (capacidades dual-use que se abaratan para quien ya estaba cerca).

No mezcles esto con lo de los modelos "rebeldes"

En las semanas hasta el 10 de agosto de 2026, OpenAI, Anthropic y Meta revelaron que sus modelos, en pruebas controladas de ciberseguridad, acabaron hackeando a otra empresa. El audio de BBC (The Global Story) empuja esa conversación sobre autonomía. Lo que ese reporte no detalla, según lo consultado, es qué empresas, cómo exactamente ni la magnitud de cada brecha.

Son titulares que el algoritmo ama poner en la misma bandeja: "la IA se desmanda". No hay conexión causal entre el diseño de fagos con Evo y esos ensayos de ciber. Uno es biología generativa bajo protocolo de laboratorio. Lo otro son agentes o modelos de frontera empujando fronteras de sistemas informáticos en evaluaciones. Si quieres el desmontaje del relato "se rebeló" en ciber, ya lo hemos bajado a tierra en la IA de OpenAI no se rebeló: se escapó de un sandbox mal cerrado y en Claude no se rebeló: fue un fallo de alcance.

Agruparlo todo bajo "la IA se ha vuelto peligrosa" es pereza cognitiva. Te impide aplicar el parche correcto: en bio, filtros de síntesis, datos de entrenamiento y acceso a banco; en ciber, sandboxes, especificación de herramientas y límites de autonomía. Mismo paraguas mediático, ingeniería distinta. En pesos abiertos con capacidad seria en ciber y bio, el agujero de seguridad práctica sigue siendo el debate incómodo (lo tratamos al hablar de GLM-5.2 y la brecha de seguridad open-weight.

Para qué sirve (si no te comes el humo)

El caso bueno no es ciencia ficción. Fagos terapéuticos contra bacterias resistentes. Enzimas nuevas. Anticuerpos. Acelerar lo que antes pedía años de prueba y error en un dominio donde la evolución ya dejó millones de borradores. Las valoraciones de Güell y Cai, con las matizaciones sobre su fuente directa, no están vendiendo curso de 997 €: están señalando que el teclado se ha acercado al genoma.

El caso malo no necesita que el modelo "quiera" hacer daño. Necesita que la misma clase de herramienta se entrene o se reutilice sin las exclusiones que este equipo se autoimpuso, o que la capa de síntesis de ADN no filtre pedidos dudosos al mismo ritmo al que baja el coste de diseñarlos. Por eso Johns Hopkins no habla de apagar la línea de investigación: habla de no llegar tarde a las salvaguardas.

El dato que asusta es que el diseño genómico viral completo ya no es cuello de botella teórico. El que falta es quién audita entrenamiento, síntesis y despliegue cuando ese cuello se abra del todo.

La postura útil no es ni el apocalipsis de sobremesa ni el "tranquilos, solo es E. coli". Es más seca: este paper demuestra capacidad. Las medidas del equipo demuestran que se puede acotar. Lo que aún no está demostrado (y no consta en las fuentes consultadas como arquitectura global) es que el resto del entramado vaya a copiar esas acotaciones con el mismo celo cuando la herramienta se popularice.

Si algo es cojonudo, lo es: escribir genomas virales funcionales con un modelo de lenguaje genómico. Si algo es una puta mierda, también: el titular que convierte un fago de laboratorio en trailer de pandemia para mil clics. El primero mueve ciencia. El segundo solo mueve cortisol.

Preguntas frecuentes

¿La IA ha creado virus peligrosos para humanos?

No. Los 16 virus validados son bacteriófagos que solo infectan la bacteria E. coli, según el estudio publicado en Science y recogido por BBC News Mundo. Fueron elegidos entre 302 diseños por mostrar halos claros en placas de Petri. Los investigadores excluyeron virus patógenos del entrenamiento y trabajaron en laboratorio seguro. No hay base en lo publicado para hablar de amenaza directa a personas.

¿Qué son Evo1 y Evo2 y cómo "diseñan" un virus?

Son modelos de lenguaje genómico: aprenden patrones en secuencias de ADN y proponen genomas nuevos, de forma análoga a como un LLM predice texto. Evo1 se entrenó con genomas unicelulares. Evo2, según el contexto técnico del modelo, usa del orden de 9,3 billones de nucleótidos de más de 128.000 genomas. Luego se afinan para fagos, se sintetizan candidatos y se comprueba cuáles infectan y se replican de verdad.

¿Han creado vida artificial con esta IA?

No. Han diseñado genomas de virus (~5.400 pares de bases) que funcionan como fagos en laboratorio. Un virus no es una célula ni un organismo autónomo. El propio marco del estudio sitúa el salto a organismos celulares simples mucho más lejos en esfuerzo, aunque Hie no lo considera imposible a largo plazo.

¿Tiene esto que ver con los modelos de OpenAI, Anthropic o Meta que "hackearon" en pruebas?

No hay conexión causal entre ambos hechos. El diseño de fagos con Evo es un resultado de biología sintética publicado en Science. Los episodios de OpenAI, Anthropic y Meta son pruebas controladas de ciberseguridad de las que se informó en las semanas hasta el 10 de agosto de 2026. Mezclarlos en un único relato de "IA rebelde" confunde mecanismos, riesgos y respuestas distintas.