El creador del primer genoma vírico diseñado por IA pide un sistema de vigilancia que examine el propio ADN, no solo lo que pide el usuario
Eric Nguyen, consejero delegado de Radical Numerics y cocreador del modelo Evo, defiende que las salvaguardas actuales basadas en rechazar peticiones de un chatbot no bastan frente a una nueva generación de modelos capaces de generar secuencias biológicas nunca vistas.
Del hito científico a la llamada de atención sobre bioseguridad
Eric Nguyen, consejero delegado de la empresa de inteligencia artificial biológica Radical Numerics y cocreador del modelo genómico Evo, defendió en una entrevista publicada el 23 de septiembre de 2026 que la seguridad de la IA aplicada a la biología necesita un tipo de verificación que examine directamente las secuencias de ADN generadas, y no solo si un sistema conversacional decide rechazar o no una petición del usuario. Nguyen señaló como punto de inflexión el momento en que investigadores externos utilizaron los modelos Evo 1 y Evo 2 para diseñar un genoma completo de bacteriófago —un virus que infecta bacterias, inofensivo para los seres humanos—, filtrando computacionalmente los resultados hasta quedarse con 302 candidatos funcionales.
Nguyen fue explícito al matizar el alcance de su preocupación: el resultado no demuestra que este tipo de herramientas haya producido un patógeno dañino para las personas, sino que apunta a lo que herramientas de diseño más capaces podrían llegar a permitir en el futuro, un motivo que, según explicó, empujó a Radical Numerics hacia el desarrollo de trabajo defensivo específico en este terreno.
Por qué comparar secuencias contra una base de datos ya no es suficiente
El sistema actual de cribado de encargos de síntesis de ADN y de vigilancia de patógenos se apoya en gran medida en la alineación de secuencias: se compara la secuencia solicitada con una base de datos curada de amenazas conocidas para detectar coincidencias cercanas. Radical Numerics sostiene que este enfoque, aunque esencial, responde a una pregunta demasiado estrecha —¿hemos visto algo parecido a esto antes?— en un ámbito donde secuencia y función no están estrechamente acopladas: secuencias muy distintas pueden producir funciones biológicas similares, mientras que secuencias casi idénticas pueden comportarse de forma completamente diferente si no se conservan determinadas estructuras clave. Como parte de este planteamiento, la compañía presentó Omnii, su modelo de lenguaje genómico de nueva generación, junto a una vista previa de sus capacidades de defensa biológica.
Construir la defensa al mismo ritmo que la capacidad de diseño
El planteamiento de Radical Numerics resume una tensión que atraviesa cada vez más al sector de la biología computacional en 2026: la misma tecnología capaz de acelerar el diseño de nuevas terapias y vacunas es, en principio, la misma que podría utilizarse para diseñar amenazas biológicas novedosas que ningún sistema de vigilancia basado en bases de datos conocidas sería capaz de detectar a tiempo. La compañía defiende que la única respuesta sostenible pasa por construir capacidades defensivas de detección basadas en los mismos principios de modelado que hacen posible el diseño, en lugar de depender únicamente de filtros de rechazo aplicados a las conversaciones de los usuarios con un chatbot.
