Un modelo de inteligencia artificial de Anthropic, llamado Claude, diseñó desde cero proteínas capaces de unirse a las neurotoxinas del veneno de escorpión. Trabajó 64 horas con supervisión mínima: un mensaje inicial y cuatro intervenciones humanas. De 211 diseños probados en laboratorio, 17 funcionaron. No es todavía un antídoto, pero es una señal clara de hacia dónde se mueve el trabajo del conocimiento.
Qué pasó, en concreto
Anthropic le pidió a Claude que diseñara minibinders: proteínas pequeñas, creadas desde cero, que se adhieren con fuerza a un objetivo específico. El objetivo fueron cinco neurotoxinas de escorpiones de cuatro regiones: Cn2 de México, Ts1 de Brasil, AaH I y AaH II del norte de África y LqhIII de Medio Oriente.
Claude eligió las estructuras de las toxinas en bases de datos públicas, definió los puntos exactos de ataque de cada diseño, fijó los umbrales de calidad y decidió cuánto apoyarse en cada una de las 12 herramientas de diseño que tenía disponibles. En total generó 318.484 diseños, evaluó 553.052 parejas diseño-toxina y consumió del orden de 10.000 horas de cómputo gráfico. Al final entregó una lista de 180 candidatos; el equipo humano agregó 31 más.
Dos laboratorios independientes, Adaptyv Bio y Twist Bioscience, produjeron y probaron los 211 diseños. 17 cumplieron los criterios estrictos de unión: 7 contra Cn2, 4 contra AaH II, 4 contra AaH I y 2 contra LqhIII. Los dos más fuertes, llamados Cn2-B1 y Cn2-B2, se unen a su toxina con una fuerza comparable a la de los mejores anticuerpos conocidos, y compiten por el mismo punto de unión que un anticuerpo que ya demostró neutralizar esa toxina en ratones.
Por qué este problema llevaba décadas esperando
Los escorpiones pican a más de 1,2 millones de personas cada año y causan más de 3.250 muertes, en su mayoría niños de regiones con poco acceso a atención médica. La picadura de escorpión está catalogada como una enfermedad tropical desatendida: causa daño real, pero el mercado para tratarla es tan pequeño que casi nadie invierte en resolverla.
El antiveneno tradicional se fabrica inmunizando caballos con veneno extraído de miles de escorpiones, un proceso que toma meses. Funciona si se aplica temprano, pero cubre pocas toxinas, es costoso de producir y escasea justo en las regiones donde más se necesita. Es, en síntesis, el tipo de problema que el mercado abandona y que la inteligencia artificial acaba de empezar a atacar desde otro ángulo: diseñar proteínas desde cero permite optimizarlas para que sean potentes, estables y —en teoría— más fáciles de distribuir donde ocurren las picaduras.
La autonomía es el dato importante
Lo notable no es solo el resultado, es la forma de trabajo. Claude operó de manera principalmente autónoma durante 64 horas. Los investigadores intervinieron cuatro veces con instrucciones de dirección —por ejemplo, pedirle que insistiera en un diseño capaz de atacar varias toxinas a la vez— y Claude ajustó su estrategia en respuesta. Analizó los datos, generó las figuras y redactó el informe final del experimento.
Dos expertos externos, Susana Vázquez Torres, del Centro Nacional de Investigaciones Oncológicas de España, y Timothy P. Jenkins, de la Universidad Técnica de Dinamarca, revisaron el trabajo y lo calificaron como un primer paso prometedor. Anthropic publicó los 211 diseños y sus datos en abierto, para que otros equipos puedan continuar desde ahí.
Lo que esto no es, todavía
Conviene ser precisos. Unirse a una toxina no es lo mismo que neutralizarla. Ningún diseño ha sido probado aún en células ni en animales vivos, así que no existe un antídoto nuevo. Los diseños pensados para atacar varias toxinas a la vez —la ruta hacia un antiveneno universal y barato— no funcionaron: ninguno cumplió los criterios contra más de una toxina. El camino que sigue es largo: confirmar la neutralización, probar seguridad, bajar costos y lograr que el tratamiento llegue a las zonas donde la gente se pica.
La propia investigadora Vázquez Torres lo resume bien: diseñar una proteína que se une a casi cualquier objetivo ya no parece inalcanzable; el cuello de botella ahora está en convertir esas moléculas en medicamentos seguros, asequibles y accesibles.
Qué le enseña esto a su empresa
Usted no dirige un laboratorio farmacéutico, pero el patrón de trabajo es exactamente el mismo que ya se está aplicando en oficinas, bodegas y despachos:
- Un objetivo claro y medible. Claude no recibió la orden de «investigar escorpiones», sino una tarea con criterios de éxito verificables en laboratorio.
- Herramientas conectadas, no un chat suelto. Usó 12 herramientas especializadas y decidió cuánto apoyarse en cada una. El valor está en el sistema completo, no en el modelo aislado.
- Supervisión humana puntual, no permanente. Cuatro intervenciones en 64 horas. El humano dirige y corrige el rumbo; el agente ejecuta el volumen.
- Criterios de calidad definidos antes de empezar. Los umbrales que un diseño debía superar se fijaron al inicio, no después de ver los resultados.
Trasladado a una pyme: el agente que clasifica y responde la correspondencia, el que concilia facturas contra extractos o el que actualiza el inventario trabaja igual — con un objetivo, con herramientas, con criterios y con un humano que revisa en los momentos que importan. Esa es la inteligencia artificial aplicada de verdad: la diferencia entre experimentar con IA y ponerla a producir está en ese diseño del trabajo, no en la herramienta que elija.
La conclusión práctica
Una firma de investigación financiera, Citrini Research, planteó la pregunta que originó el experimento: ¿podría un grupo de no expertos motivados, apoyado por inteligencia artificial, atacar un problema real que el mercado había abandonado? La respuesta, por ahora, es un «sí, en el primer paso». Si diseñar candidatos contra enfermedades desatendidas pasa de tomar años a tomar días, los problemas que antes no cerraban económicamente empiezan a cerrar. Esa misma lógica —volumen de trabajo experto a costo decreciente— es la que está llegando a las empresas de todos los tamaños.
Si quiere identificar qué proceso de su empresa podría trabajar así, con objetivo, herramientas y criterios definidos, solicite un diagnóstico para su empresa. En 30 minutos le decimos dónde está su primera oportunidad real y cuánto le costaría aprovecharla. También puede revisar cómo trabajamos en el blog de LIAA.
Fuente: Anthropic, «How Claude designed protein binders against scorpion neurotoxins» (octubre de 2026), con datos del informe técnico y la publicación abierta de los 211 diseños.
