A fecha de 25 de septiembre de 2026, Anthropic confirmó que su modelo Claude identificó, de forma autónoma, un sistema enzimático hasta ahora desconocido con características estructurales similares a las del CRISPR, la herramienta de edición genética que en 2020 le valió el Nobel de Química a Jennifer Doudna y Emmanuelle Charpentier. El hallazgo no ocurrió en un laboratorio de biología computacional cualquiera, sino en el laboratorio húmedo que la compañía abrió este año en el área de la bahía de San Francisco, pensado específicamente para que Claude proponga hipótesis biológicas y estas se verifiquen con experimentos físicos.
El anuncio, publicado en la sala de prensa oficial de Anthropic bajo el título "Claude discovers a novel enzyme system", ha generado una ola de cobertura en medios especializados y generalistas, desde TechCrunch hasta The Conversation, precisamente por lo que implica: no se trata de que un modelo de lenguaje resuma papers de biología más rápido que un humano, sino de que un conjunto de agentes de IA revisó datos genómicos crudos, detectó un patrón que ningún humano había señalado antes y lo escaló para revisión científica. Este artículo explica qué se descubrió exactamente, cómo se llegó a ese resultado, qué dicen los científicos independientes que lo han evaluado, qué limitaciones reconoce la propia Anthropic, y qué implica todo esto para empresas que evalúan invertir en IA aplicada a ciencia, salud y biotecnología.
Qué es exactamente el sistema descubierto
Anthropic bautizó al hallazgo como ART, sigla de array-associated reverse transcriptase (transcriptasa reversa asociada a un arreglo). En términos simples, una transcriptasa reversa es una enzima capaz de copiar información genética de ARN a ADN, un mecanismo que usan por ejemplo los retrovirus para insertarse en el genoma de su hospedador. Lo que Claude detectó fue que, en ciertas secuencias bacterianas, una transcriptasa reversa poco estudiada aparecía sistemáticamente junto a un arreglo de repeticiones de ADN espaciadas de forma regular, un patrón estructural que recuerda directamente a los arreglos CRISPR (clustered regularly interspaced short palindromic repeats).
Es importante ser precisos sobre lo que esto significa y lo que no significa. La propia Anthropic subraya que la enzima en sí ya era conocida; lo novedoso es haber reconocido que forma parte de un sistema más amplio, con una arquitectura -transcriptasa reversa más arreglo repetitivo más una proteína accesoria de función todavía desconocida- que se parece estructuralmente a los sistemas programables de manipulación de ADN, de los cuales CRISPR-Cas es el ejemplo más célebre. Anthropic no afirma que ART edite genes, ni ha demostrado en el laboratorio que tenga esa capacidad. Lo que sí afirma es que la arquitectura observada es del tipo que, en la naturaleza, suele estar asociada a mecanismos de manipulación dirigida de material genético, y que por eso merece una investigación experimental más profunda.
Feng Zhang, del MIT y el Broad Institute -una de las figuras que ayudó a convertir CRISPR-Cas9 en herramienta de edición genética utilizable en laboratorio-, comentó públicamente que se trata de "un ejemplo interesante de cómo los agentes de IA pueden contribuir al descubrimiento biológico" y calificó la identificación de arreglos de repetición de ARN asociados a transcriptasas reversas como "genuinamente intrigante" y merecedora de mayor investigación. Es un respaldo relevante porque proviene de alguien externo a Anthropic y con autoridad técnica directa sobre el tema, no de un comunicado corporativo.
Cómo se llegó al hallazgo: el proceso, no solo el resultado
Uno de los aspectos más comentados por la comunidad científica no es el enzima en sí, sino el método. Según el propio reporte de Anthropic, cerca de 950 agentes de Claude trabajaron en paralelo durante 21 horas, procesando aproximadamente 210 millones de tokens sobre una base de datos masiva de secuencias de ADN. La tarea que se les asignó era de exploración abierta: buscar patrones estructurales inusuales en datos genómicos que no hubieran sido caracterizados previamente, sin una hipótesis específica preestablecida sobre qué debían encontrar.
Fue uno de esos agentes el que marcó, para revisión humana, una combinación inusual: una transcriptasa reversa poco común situada junto a un arreglo de repeticiones que no encajaba con los patrones ya catalogados. Ese hallazgo puntual, generado por un solo agente entre casi mil trabajando en paralelo, fue el que un equipo humano de biólogos de Anthropic revisó, contrastó contra literatura existente y decidió llevar a validación experimental en el laboratorio húmedo de la compañía.
Este flujo de trabajo -exploración masiva y paralela por agentes de IA, seguida de curaduría y verificación humana selectiva- es en sí mismo el modelo operativo que Anthropic viene promoviendo desde que lanzó su programa de ciencia a comienzos de 2026: el llamado AI for Science Program, el Life Sciences Verification Program y la plataforma Claude Science, un "banco de trabajo" (workbench) pensado para que científicos externos ejecuten flujos de investigación asistidos por Claude con capacidades verificadas. El caso ART es, hasta ahora, el ejemplo más citado de ese programa produciendo un resultado con potencial interés biológico real, más allá de tareas de resumen o análisis de literatura.
El contexto: por qué Anthropic construyó un laboratorio físico
Este anuncio no ocurre de forma aislada. En la primavera de 2026, Anthropic formó un grupo de investigación para probar si los modelos de IA de propósito general podían sistematizar y acelerar el descubrimiento biológico. En septiembre, Eric Kauderer-Abrams, responsable de ciencias de la vida en la compañía -quien dejó la dirección de una startup de diagnóstico para asumir ese rol-, confirmó públicamente la apertura de un laboratorio húmedo en el área de la bahía, un espacio que opera bajo niveles de bioseguridad BSL-1 y BSL-2, es decir, sin manejo de patógenos capaces de infectar humanos.
Un vocero de la compañía aclaró a Reuters que este laboratorio específico no está orientado al descubrimiento de fármacos, una tarea que Anthropic ya venía impulsando por otra vía desde junio de 2026, cuando anunció un esfuerzo para desarrollar tratamientos para enfermedades que la industria farmacéutica no prioriza comercialmente. El laboratorio de la bahía tiene un propósito distinto y más fundamental: comprobar si Claude, apoyado en robots de laboratorio que automatizan tareas físicas repetitivas, puede generar hipótesis científicas novedosas y no solo ejecutar protocolos ya diseñados por humanos.
Esta distinción importa para entender el anuncio del sistema ART en su justa medida: no es un fármaco, no es una cura, no es siquiera una herramienta de edición genética confirmada. Es evidencia de que el circuito completo -modelo generando hipótesis, laboratorio físico verificándolas, humanos supervisando el proceso- puede producir, en semanas, un candidato a descubrimiento que amerita publicación y escrutinio científico externo.
El precedente: cómo se compara con el descubrimiento original de CRISPR
Para dimensionar el hallazgo de Claude conviene recordar cómo se llegó a CRISPR-Cas9 como herramienta de edición genética, porque el paralelo temporal es instructivo. Los arreglos CRISPR se observaron por primera vez en el genoma de bacterias a finales de los años ochenta, como una curiosidad estructural sin función clara. Pasaron casi dos décadas de investigación básica -liderada por microbiólogos como Francisco Mojica en España, que fue quien acuñó el término CRISPR- antes de que, ya entrada la década de 2010, Jennifer Doudna y Emmanuelle Charpentier demostraran que el sistema Cas9 asociado a esos arreglos podía reprogramarse como herramienta de corte de ADN dirigido, y varios años más antes de que Feng Zhang y otros lo adaptaran para funcionar de forma eficiente en células humanas. Del patrón estructural curioso a la herramienta de laboratorio utilizable pasaron, en total, más de veinticinco años de trabajo experimental incremental, repartido entre decenas de laboratorios en distintos países.
El caso ART recorrió la primera etapa de ese camino -la detección del patrón estructural inusual- en 21 horas de cómputo. Eso no significa que vaya a recorrer las etapas siguientes -caracterización funcional, reprogramación, validación en células vivas, publicación revisada por pares- a una velocidad comparable; de hecho, Anthropic es clara en que esas etapas siguen dependiendo de trabajo experimental húmedo, lento por naturaleza, que ningún modelo de lenguaje puede acelerar de forma sustancial porque involucra cultivos celulares, purificación de proteínas y ensayos bioquímicos que toman semanas o meses independientemente de quién haya generado la hipótesis inicial. Lo que sí cambia, y es la parte genuinamente nueva, es el cuello de botella de la exploración: la identificación del patrón que antes dependía de que un investigador humano revisara manualmente bases de datos genómicas -o de que un algoritmo de búsqueda por similitud, mucho más limitado que un agente de razonamiento, tropezara con él por casualidad- ahora puede sistematizarse a una escala y velocidad que ningún equipo humano de bioinformática iguala trabajando de forma manual.
Esa distinción -acelerar el descubrimiento de candidatos frente a acelerar la validación- es la que separa un anuncio corporativo entusiasta de una lectura científica cuidadosa del mismo hecho, y es también la razón por la que científicos externos como Zhang han elegido palabras medidas ("intrigante", "merece investigación adicional") en lugar de declarar directamente que se ha encontrado una nueva herramienta de edición genética.
Cómo se posiciona esto frente a Nvidia, OpenAI y el resto del ecosistema
Anthropic no es la única compañía apostando a la intersección entre IA y ciencias de la vida, y vale la pena situar el anuncio dentro de ese mapa competitivo más amplio. Nvidia ha construido durante los últimos dos años su plataforma BioNeMo, un conjunto de herramientas de código abierto, modelos preentrenados y microservicios contenedorizados orientados a acelerar el descubrimiento de fármacos y el diseño molecular mediante IA generativa. En 2026, Nvidia lanzó además el BioNeMo Agent Toolkit, diseñado específicamente para que agentes de IA -no solo modelos que responden preguntas- ejecuten trabajo científico de punta a punta: desde biología y química hasta genómica.
Lo relevante es que, según la propia documentación de Nvidia, tanto Anthropic como OpenAI figuran entre los laboratorios de frontera que integran sus agentes con BioNeMo, junto a organizaciones como Edison Scientific, Lila Sciences y Owkin, y junto a adoptantes industriales como Lilly, Schrödinger, Databricks y el Institute for Protein Design de la Universidad de Washington. Esto sugiere que, más que una carrera cerrada entre modelos competidores, el ecosistema de IA aplicada a ciencia se está organizando en capas: Nvidia provee la infraestructura de cómputo y los frameworks de datos biológicos, mientras que los laboratorios de modelos -Anthropic con Claude, OpenAI con sus propios agentes- compiten en la capa de razonamiento científico y generación de hipótesis sobre esa infraestructura compartida.
OpenAI, por su parte, no ha anunciado un laboratorio húmedo propio equivalente al de Anthropic ni un hallazgo biológico específico comparable al del sistema ART en esta ventana de 72 horas. Su actividad reciente más visible se ha concentrado en otro frente: el despliegue de GPT-6 Astra, el motor detrás de la versión estable de ChatGPT lanzada el 14 de septiembre de 2026, que la propia compañía clasificó como el primer modelo en alcanzar el nivel de riesgo "crítico" en su marco de preparación para ciberseguridad, y en el cierre definitivo de Sora, su modelo de video, sustituido por un nuevo sistema llamado Spud. Son movimientos importantes, pero de naturaleza distinta: mientras Anthropic muestra un caso de uso científico concreto y verificable, OpenAI está gestionando el ciclo de vida de productos de consumo y las implicaciones de seguridad de sus modelos más capaces.
Huawei, mientras tanto, sigue una tercera vía centrada en la verticalización de infraestructura: su familia de modelos Pangu, entrenada íntegramente sobre chips Ascend propios, no ha mostrado hasta ahora un enfoque equivalente hacia el descubrimiento científico autónomo, y su narrativa de 2026 se ha concentrado en duplicar la producción del Ascend 910C -hasta unas 600,000 unidades- y en posicionar el Ascend 950PR como alternativa doméstica frente a la exclusión de Nvidia de la lista de hardware de IA aprobado por el gobierno chino. Es una estrategia de independencia de pila tecnológica, no de investigación biológica aplicada.
Qué significa esto para las empresas, más allá del titular científico
Para una organización que no se dedica a biología, el valor de este anuncio no está en el enzima en sí, sino en lo que revela sobre la madurez operativa de los sistemas multiagente cuando se les asigna una tarea de exploración abierta, sin una respuesta correcta predefinida.
Primero, el patrón de "muchos agentes en paralelo, un humano filtra al final" es replicable fuera del contexto biológico. Cualquier empresa que maneje grandes volúmenes de datos no estructurados -contratos legales, historiales de incidentes de soporte, registros de transacciones financieras- puede evaluar flujos similares: cientos de agentes explorando subconjuntos de datos en busca de anomalías o patrones no catalogados, con un punto de control humano al final antes de actuar sobre cualquier hallazgo. El caso ART funciona como prueba de concepto de que ese modelo puede producir señal útil incluso cuando la tarea es genuinamente exploratoria y no una simple clasificación contra criterios ya conocidos.
Segundo, el costo y la velocidad del proceso son un dato concreto que las áreas de I+D pueden usar para dimensionar proyectos similares: 21 horas y 210 millones de tokens es una cifra tangible, muy inferior en tiempo a lo que tomaría un equipo humano de bioinformática revisar manualmente un volumen de datos genómicos equivalente, aunque no sustituye el tiempo de validación experimental posterior, que sigue siendo obra humana y de laboratorio físico.
Tercero, para empresas del sector salud, farmacéutico o biotecnológico específicamente, este anuncio confirma que la competencia por talento e infraestructura en IA aplicada a ciencias de la vida ya no es solo teórica. Con Nvidia ofreciendo la capa de infraestructura mediante BioNeMo, y con Anthropic, OpenAI y otros laboratorios de frontera integrándose sobre ella, la pregunta para una empresa del sector ya no es si vale la pena explorar estas herramientas, sino con qué proveedor y bajo qué marco de verificación científica hacerlo, dado que los propios resultados -como el sistema ART- todavía requieren validación experimental independiente antes de considerarse hallazgos consolidados.
Cuarto, el anuncio también ofrece una lección operativa sobre gobernanza de agentes que trasciende la biología: Anthropic no dejó que el hallazgo de un solo agente, entre casi mil ejecutándose en paralelo, se convirtiera automáticamente en una afirmación pública. Existió una etapa explícita de curaduría humana -biólogos revisando la señal marcada por el agente, contrastándola contra literatura ya publicada, y solo después decidiendo destinar tiempo de laboratorio físico a validarla- antes de que la compañía emitiera cualquier comunicado. Para equipos de datos e IA en cualquier industria, este es quizás el detalle más exportable del caso: cuantos más agentes autónomos se despliegan en paralelo sobre una tarea abierta, más crítico se vuelve tener un punto de control humano bien definido antes de actuar sobre lo que esos agentes reportan, precisamente porque la escala hace que aparezcan más falsos positivos junto con los hallazgos genuinos, y no existe todavía un sustituto automatizado confiable para ese filtro final.
Quinto, conviene no perder de vista el ángulo de costos. Anthropic no ha publicado una cifra oficial de cuánto costó operar 950 agentes durante 21 horas sobre 210 millones de tokens, pero el orden de magnitud es calculable por cualquier equipo técnico con acceso a precios públicos de la API de Claude, y es una cifra sensiblemente menor a los presupuestos que un laboratorio de investigación destinaría a un equipo humano de bioinformática dedicado durante semanas a una tarea de exploración equivalente. Eso no vuelve irrelevante al capital humano especializado -el paso de curaduría y la validación experimental posterior siguen siendo, y probablemente seguirán siendo por mucho tiempo, trabajo de científicos entrenados-, pero sí cambia el cálculo de qué tan barato resulta generar candidatos de investigación antes de decidir en cuáles invertir el tiempo, mucho más caro, de un equipo humano.
Limitaciones reales que conviene no perder de vista
Es fácil que un titular como "una IA descubre un sistema tipo CRISPR" se lea como si Claude hubiera inventado una nueva herramienta de edición genética lista para usarse. No es así, y merece subrayarse con la misma fuerza que el hallazgo en sí.
La función biológica real del sistema ART sigue sin conocerse. Anthropic ha sido explícita en que no se ha demostrado capacidad de edición genética, que la proteína accesoria asociada al sistema tiene función desconocida, y que se requieren experimentos adicionales -actualmente en curso- para determinar si ART efectivamente actúa como un mecanismo de manipulación dirigida de ADN o si su parecido estructural con CRISPR es, en última instancia, una coincidencia evolutiva sin la misma funcionalidad. Medios como Gizmodo han señalado con precisión este punto: Anthropic encontró un sistema "misterioso" cuyo alcance real la propia compañía no puede -todavía- especificar.
Tampoco existe, hasta la fecha de este artículo, una publicación revisada por pares en una revista científica que confirme de manera independiente el hallazgo; lo que existe es el anuncio corporativo de Anthropic, el comentario público de un científico externo de prestigio (Zhang) y cobertura periodística. Es una diferencia relevante en biología, donde la validación por pares y la reproducibilidad experimental son el estándar que separa un hallazgo preliminar de un resultado consolidado.
Además, conviene recordar el contexto de seguridad más amplio en el que opera Anthropic: la compañía ha reportado previamente, en 2026, incidentes de seguridad durante pruebas de ciberseguridad con sus propios modelos, lo que indica que el despliegue de agentes autónomos a gran escala -ya sea para ciencia o para otras tareas- sigue exigiendo marcos de supervisión activa, no solamente confianza en la capacidad del modelo.
Existe también una dimensión de bioseguridad que Anthropic ha tenido que abordar de forma explícita, precisamente porque el mismo tipo de sistema capaz de identificar patrones genómicos útiles para la ciencia básica es, en teoría, el tipo de sistema que también podría usarse con fines dañinos si cayera en manos equivocadas o se aplicara sin las salvaguardas adecuadas. Por eso la compañía enmarca este trabajo dentro de su Life Sciences Verification Program, un mecanismo pensado para que instituciones de investigación legítimas puedan acceder a capacidades ampliadas de Claude en biología solo después de pasar por un proceso de verificación, en lugar de ofrecer esas capacidades sin restricciones a cualquier usuario de la API. Es un matiz que rara vez aparece en los titulares sobre el hallazgo, pero que forma parte del mismo anuncio y que resulta relevante para cualquier organización que evalúe replicar este tipo de flujo de trabajo con datos sensibles propios: la pregunta de quién puede activar cientos de agentes explorando un dataset determinado, y bajo qué condiciones, no es un detalle secundario sino parte del diseño del sistema.
Preguntas frecuentes
¿Claude editó realmente ADN o creó una herramienta CRISPR nueva?
No. Claude identificó un patrón estructural en datos genómicos existentes -una transcriptasa reversa asociada a un arreglo de repeticiones de ADN- que se parece a la arquitectura de los sistemas CRISPR conocidos. No hay demostración de que ese sistema, llamado ART, tenga capacidad real de edición genética; su función biológica sigue bajo investigación.
¿Qué es exactamente el sistema ART?
ART son las siglas de array-associated reverse transcriptase. Es la combinación de una transcriptasa reversa (enzima que copia ARN a ADN), un arreglo de repeticiones de ADN espaciadas regularmente, y una proteína accesoria de función aún desconocida. Esta arquitectura recuerda a la de los sistemas CRISPR-Cas, aunque no se ha probado que cumpla la misma función.
¿Cómo trabajó Claude para llegar a este hallazgo?
Cerca de 950 agentes de Claude analizaron en paralelo una base de datos de secuencias de ADN durante 21 horas, procesando alrededor de 210 millones de tokens, con instrucciones de alto nivel para buscar patrones estructurales no caracterizados. Un agente detectó la combinación inusual de enzima y arreglo repetitivo, y ese hallazgo fue escalado para revisión y validación experimental por parte de científicos humanos en el laboratorio de Anthropic.
¿Este laboratorio de Anthropic también desarrolla medicamentos?
No según la propia compañía. Un vocero de Anthropic aclaró que el laboratorio húmedo del área de la bahía, donde ocurrió este hallazgo, no está enfocado en descubrimiento de fármacos, un objetivo que la empresa persigue por una vía separada desde junio de 2026. Este laboratorio opera con niveles de bioseguridad BSL-1 y BSL-2, sin patógenos que puedan infectar humanos, y su propósito es evaluar la capacidad de Claude para generar hipótesis científicas originales.
¿Qué significa esto para empresas que no trabajan en biología?
El valor práctico para otras industrias está en el patrón operativo demostrado: cientos de agentes de IA explorando datos no estructurados en paralelo, con un punto de verificación humano al final antes de actuar. Ese modelo de trabajo -más que el hallazgo biológico específico- es lo que otras áreas de I+D pueden evaluar para tareas de detección de anomalías o patrones en sus propios volúmenes de datos.
Fuentes oficiales recomendadas
- Anthropic — anuncio oficial del descubrimiento: Claude discovers a novel enzyme system
- Anthropic — programa de ciencia: Introducing Anthropic's AI for Science Program
- Anthropic — plataforma para investigadores: Claude Science, an AI workbench for scientists
- TechCrunch — cobertura del laboratorio y el hallazgo: Anthropic says its biology lab has already found something big
- Nvidia Newsroom — infraestructura para agentes científicos: NVIDIA Announces BioNeMo Agent Toolkit
- The Conversation — análisis científico independiente: An AI model has found a new 'CRISPR-like' biological system. Here's what it means for science