Miles Wang, investigador de OpenAI vinculado a trabajos sobre inteligencia artificial aplicada al descubrimiento científico, está preparando una nueva startup centrada en modelos para descubrimiento de fármacos. TechCrunch informó de conversaciones para levantar alrededor de 200 millones de dólares con una valoración cercana a 2.000 millones, aunque Wang ha cuestionado las cifras y la descripción sin aportar una versión alternativa completa.
La cautela es necesaria, pero la señal de mercado es fuerte. La biotecnología computacional vive una nueva oleada de inversión, impulsada por modelos capaces de explorar moléculas, interacciones y usos potenciales de medicamentos ya conocidos. Chai Discovery anunció esta semana una ronda de 400 millones de dólares con valoración de 3.800 millones, y la filial Isomorphic Labs de DeepMind cerró en mayo una Serie B de 2.100 millones. El capital está apostando a que la IA puede reducir parte del riesgo y del tiempo en el desarrollo farmacéutico, aunque no elimine la validación clínica.
El posible enfoque de la nueva compañía de Wang incluiría, según fuentes citadas por TechCrunch, encontrar nuevos usos para fármacos existentes o incluso para compuestos que no prosperaron en ensayos anteriores. Esa ruta puede ser atractiva porque aprovecha datos de seguridad ya disponibles y puede acortar ciertos caminos hacia ingresos. Aun así, cada indicación nueva exige evidencia, ensayos y conversación regulatoria.
La historia encaja con un patrón más amplio: talento formado en grandes laboratorios de IA sale a construir compañías verticales. OpenAI, Anthropic, Google DeepMind y otros centros concentran perfiles capaces de combinar modelos avanzados, infraestructura y ciencia aplicada. Cuando esos perfiles se mueven a startups, los inversores pagan por una mezcla de reputación técnica y acceso temprano a una categoría difícil.
Para Europa y España, el interés está en entender dónde se captura el valor. La investigación biomédica pública produce conocimiento de primer nivel, pero convertirlo en empresas globales requiere capital paciente, datos, ensayos y alianzas con farmacéuticas. La IA puede acelerar hipótesis, pero el negocio se construye cuando esas hipótesis sobreviven a laboratorio, clínica y regulación.
También hay riesgo de inflación. Las valoraciones de miles de millones para equipos recién formados pueden anticipar demasiado antes de que exista producto validado. En software, un prototipo puede demostrar tracción en semanas. En fármacos, el tiempo y el coste de demostrar eficacia siguen siendo altos. La tecnología cambia el embudo, no lo borra.
El atractivo para empresas farmacéuticas es comprensible. Si los modelos ayudan a priorizar candidatos, diseñar ensayos o rescatar moléculas, pueden ahorrar años de trabajo improductivo. Además, los grandes laboratorios afrontan pérdidas de patentes y necesitan nuevas fuentes de activos. Una startup con modelos propios y buen equipo puede convertirse en socio o objetivo de adquisición.
La nueva generación de biotecnología con IA no se medirá por promesas sobre descubrimiento automático, sino por candidatos que lleguen más rápido y con mejores probabilidades a pruebas clínicas. Wang entra en una carrera con mucho dinero, muchos competidores y una exigencia científica que no perdona narrativas vagas.
La noticia confirma que la frontera entre laboratorios de IA y biomedicina se está estrechando. La pregunta pendiente es cuántas de estas compañías podrán convertir capacidad computacional en medicamentos reales.
