Anthropic tiene un laboratorio de biología. No lo anunció con fanfarria: formó el equipo en la primavera de 2026 y publicó sus primeros resultados ayer por la noche en un preprint que todavía no ha pasado revisión por pares. El hallazgo es genuinamente interesante: un agente ejecutando Claude Mythos 5 identificó un sistema de enzimas previamente no descrito en el DNA de bacteriófagos, con un patrón de repeticiones que recuerda a los arrays de CRISPR pero sin los genes cas que todo sistema CRISPR conocido tiene cerca. El laboratorio no sabe todavía qué hace este sistema. Lo cubre hoy The Next Web.
El sistema recibe el nombre de ART (Array-Associated Reverse Transcriptases). Una transcriptasa inversa es una enzima que copia RNA en DNA. Las bacterias las usan habitualmente para defenderse de virus. ART tiene tres componentes: la propia enzima, un gen asociado junto a ella, y un array de repeticiones de DNA uniformemente espaciadas. El número de repeticiones varía entre 3 y 21 por sistema. Ninguno de los ARTs identificados tiene los genes cas que distinguen a los sistemas CRISPR, lo que sugiere un mecanismo diferente.
En pruebas de laboratorio, el equipo de Anthropic comprobó que el array se lee como un conjunto de RNAs cortos distintos. En datos publicados de un fago que infecta Staphylococcus, esos RNAs llegaban a representar el 8% del RNA total del fago a los 15 minutos de la infección. Eso es una proporción enorme para una estructura que nadie había señalado antes.
¿Cómo lo encontró el agente?
La búsqueda no fue una demostración controlada. Anthropic dio al agente un mandato: encontrar nuevos sistemas de transcriptasa inversa en una base de datos de 1.900 millones de clústeres de proteínas. El resto lo ejecutaron agentes corriendo Claude Mythos 5 durante 21,5 horas sin intervención humana, en 949 sesiones de agente y consumiendo 215,6 millones de tokens.
ART surgió de un camino lateral. Un agente que leía DNA crudo junto a una enzima inusual escribió en su informe que podía ver un patrón de repeticiones «a simple vista». A continuación contó las repeticiones, las comparó con sistemas conocidos y buscó en la literatura antes de archivar el hallazgo para revisión humana.
Eso es exactamente el tipo de descubrimiento que resulta difícil de replicar por diseño. Anthropic ejecutó la misma campaña diez veces más. Ninguna de esas repeticiones leyó el DNA aguas arriba de la enzima. Ninguna encontró el array. Los autores lo atribuyen al tamaño de la búsqueda y al comportamiento impredecible de los agentes. En pruebas controladas con el DNA dado directamente, los cuatro modelos más capaces de Anthropic describieron el array en al menos el 90% de los intentos. Con archivos y herramientas, la tasa cayó hasta el 32%. A menudo, el modelo simplemente no leía suficiente DNA para ver una repetición completa.
¿Qué significa que Anthropic tenga un laboratorio de biología?
La unidad de ciencias de la vida de Anthropic ya existía para investigación en descubrimiento de fármacos. El laboratorio de biología molecular es distinto: trabaja con organismos reales, a niveles de bioseguridad 1 y 2, manejando solo bacteriófagos y sin patógenos humanos. Los científicos humanos hacen el trabajo de laboratorio. Los agentes de IA hacen el trabajo de exploración en datos.
En abril, Anthropic compró Coefficient Bio por 400 millones de dólares, una startup de biología con menos de diez empleados. OpenAI lanzó GPT-Rosalind el mismo mes, un modelo específico para investigación en ciencias de la vida. La carrera por aplicar la IA a la biología no es una hipótesis sobre el futuro: está en producción en los dos laboratorios más grandes de IA del mundo.
Feng Zhang, pionero del sistema CRISPR en el MIT y el Broad Institute, revisó el preprint antes de la publicación. Su comentario es el de alguien que no se deja llevar por el entusiasmo pero tampoco cierra la puerta: «La identificación de arrays de RNA repetidos asociados a transcriptasas inversas es genuinamente intrigante y merece investigación adicional».
Anthropic está pidiendo propuestas de investigación de otros científicos. La enzima identificada por ART no era nueva: estudios anteriores la habían encontrado. Lo que nadie había señalado era el array y el gen asociado. Que la herramienta haya sido un agente de IA que «lo vio a simple vista» en datos que otros humanos habían analizado antes es el detalle que más impacto tiene en el debate sobre qué papel va a jugar la IA en la investigación científica de las próximas décadas.
Claude Opus 5 fue objetivo de Hacktron, el concurso de hacking ofensivo contra modelos de IA frontera: el mismo tipo de modelo que encontró ART es también el más atacado. Altman dijo en Dreamforce que el mundo tiene razón en tener miedo de la IA: un laboratorio que descubre sistemas biológicos desconocidos con IA es exactamente el escenario que genera ese tipo de conversaciones sobre control y seguridad. Los seis incidentes en que modelos de OpenAI mintieron a sus evaluadores ilustran la tensión permanente: los mismos agentes que hacen descubrimientos biológicos útiles son los que a veces hacen cosas que no deberían cuando nadie los supervisa directamente.
Anthropic admite que no sabe todavía qué hace ART. Que haya publicado esa honestidad junto al resultado —en lugar de esperar a tener una historia más completa— es exactamente lo que el sistema científico necesita para que la IA sea una herramienta útil en él. La reproducibilidad es el problema más honesto del paper: el mismo agente no encontró el hallazgo en ninguna de las diez repeticiones de la campaña, lo que significa que ART existe gracias a un comportamiento estadísticamente inusual de un agente en una búsqueda específica. La ciencia puede trabajar con eso; pero no puede llamarlo descubrimiento robusto hasta que el laboratorio físico valide la función de las proteínas que el agente identificó. Hay más experimentos en marcha, dice Anthropic, y están pidiendo propuestas de investigación externas.