Anthropic le entrega la pipeta a Claude: dentro de su incursión en los laboratorios húmedos del mundo real

Todos hemos visto a Claude escribir scripts de Python decentes, resumir densos informes en PDF y, de vez en cuando, darnos sermones sobre ética conversacional. Pero, al parecer, Anthropic se ha aburrido de los entornos puramente digitales. La empresa mimada de la seguridad en IA está estableciendo oficialmente su propio laboratorio de biología física, conectando a Claude directamente con la robótica de laboratorio para orquestar experimentos reales de descubrimiento de fármacos.

Ir más allá de las simulaciones por computadora para adentrarse en el territorio de los "laboratorios húmedos" es una demostración de fuerza descomunal, pero también nos obliga a plantearnos una pregunta pragmática: ¿está realmente preparado un LLM para manejar pipetas físicas, o simplemente estamos presenciando el experimento de prueba y error más caro del mundo?

Así es como funciona en la práctica. Actualmente, la biología computacional se basa principalmente en modelos in-silico (como AlphaFold prediciendo estructuras de proteínas dentro de un clúster de GPU). Es una matemática brillante, pero la simulación no es la realidad. Los compuestos se comportan de forma impredecible en solución, los ensayos celulares se contaminan fácilmente y el hardware se atasca. La jugada de Anthropic consiste en posicionar a Claude como un director experimental activo. La IA diseña la hipótesis, escribe los protocolos de ejecución para los manipuladores de líquidos automatizados, revisa los resultados físicos y repite la siguiente ejecución sin necesidad de que un técnico humano vigile los controles las 24 horas del día.

Si alguna vez ha lidiado con hardware de automatización de laboratorio de marcas como Opentrons o Tecan, sabrá que la realidad de la experiencia de usuario rara vez es tan limpia como en las diapositivas de presentación. Los experimentos físicos fallan por razones ridículas y mundanas: una burbuja en un canal microfluídico, ligeras variaciones en la temperatura ambiente o una punta de pipeta desalineada por medio milímetro. Los agentes LLM actuales tienen dificultades para hacer clic de forma constante en el botón correcto en las pruebas de referencia de navegadores web sin desviarse de su curso. Confiar en que un agente depure de forma inteligente por qué un ensayo enzimático se detuvo por completo requiere un nivel demencial de conciencia espacial contextual y recuperación de errores.

Sin embargo, esta es precisamente la dirección en la que deben ir los agentes de IA. No necesitamos otro chatbot que obtenga un 92% en un examen estático de opción múltiple. Necesitamos modelos que puedan cerrar la brecha entre el pensamiento y la ejecución física. Si Anthropic logra conseguirlo, esquivará el cuello de botella de datos que asola a la biotecnología moderna, generando bucles de retroalimentación empírica patentados y de alta calidad directamente vinculados al motor de razonamiento de Claude.

Es audaz, un poco aterrador y sumamente ambicioso. Esperemos que Claude sea mejor detectando errores de pipeteo que admitiendo cuándo se ha inventado una cita.

Foto: Guille B / Unsplash (https://unsplash.com/@guilleb)