La startup respaldada por OpenAI usa modelos para diseñar defensas biológicas más rápido de lo que crecen las capacidades de los sistemas que podrían usarse para crear amenazas
Hay un punto de partida incómodo en el negocio de Red Queen Bio y la empresa no lo esconde: su misión es escalar las defensas biológicas más rápido de lo que crecen las capacidades de la IA frontera. La amenaza que quiere contrarrestar es, en parte, la misma tecnología en la que se apoya para hacerlo. OpenAI lideró su ronda seed de 15 millones de dólares en noviembre de 2025. En total, la empresa ha recaudado 36 millones.
La fundaron Nikolai Eroshenko (CEO) y Hannu Rajaniemi (director ejecutivo) —un exfísico teórico y escritor de ciencia ficción que se convirtió en empresario de biotecnología— como spinoff de HelixNano en 2025. Sus primeros objetivos son anticuerpos contra la gripe aviar y otras cepas de influenza. Después vendrán coronavirus, virus tipo ébola y parientes de la viruela. La primera prueba clínica está planificada para 2027.
¿Cómo usa Red Queen la IA para diseñar anticuerpos y por qué es más rápido que el proceso tradicional?
El ciclo de diseño farmacéutico tradicional tarda años porque cada candidato a fármaco tiene que sintetizarse, testarse y analizarse de forma iterativa con métodos mayoritariamente manuales. Red Queen comprime ese ciclo usando IA en la fase de diseño inicial: los modelos proponen candidatos a anticuerpos que se unen de forma eficiente a las proteínas de superficie del virus —las dianas a las que el anticuerpo tiene que adherirse para neutralizarlo— y priorizan los que tienen más probabilidades de funcionar según los datos estructurales disponibles.
Las células crecen para producir esos candidatos, se prueban en el laboratorio, y los resultados retroalimentan los modelos para diseñar versiones mejores. «Cuanto más fuerte se unen, menos cantidad necesitas», explicó Eroshenko al WSJ. «De repente, tienes algo que puede escalar.» La idea es reducir el tiempo entre la identificación de un patógeno emergente y el inicio de producción de un anticuerpo funcional de meses o años a semanas.
Red Queen tiene además dos líneas rojas explícitas: nunca realiza investigación de ganancia de función —la técnica de modificar patógenos para hacerlos más transmisibles o letales, que es exactamente el tipo de investigación que convierte los laboratorios en riesgo de bioseguridad— y nunca produce ni aísla patógenos peligrosos. Trabaja con las proteínas de superficie, no con el virus completo.
¿Por qué la conexión con OpenAI tiene un significado que va más allá de la financiación?
Que OpenAI haya apostado por sus propias inversiones en infraestructura y startup del ecosistema IA con una visión de largo plazo incluye, con Red Queen, una apuesta que no es neutral: el lab que desarrolla los modelos de IA más capaces del mundo también financia a la empresa que intenta asegurarse de que esos modelos no faciliten la creación de bioarmas. Es una especie de auto-contrato de seguro, y reconocer que es necesario tiene implicaciones sobre el nivel de riesgo que el propio OpenAI atribuye a sus sistemas.
La semana pasada, Dario Amodei de Anthropic pidió al Consejo de Seguridad de la ONU que respaldara explícitamente una prohibición de bioarmas con IA. No es una posición retórica: Anthropic publicó en julio que su propio laboratorio de biología —ArTERMIS— ya había identificado resultados relevantes en investigación biomédica. El mismo mes, Google DeepMind lanzó su propio programa de bioseguridad. Un estudio de Cisco publicado también este verano encontró que ningún modelo de IA era completamente resistente a consultas de usuarios que buscaban información sobre agentes biológicos.
El escenario que motiva a Red Queen —y que también preocupa a los labs más grandes— es uno en el que la IA democratiza el acceso al conocimiento necesario para diseñar patógenos peligrosos más rápido de lo que los sistemas de salud pública pueden responder. No es ciencia ficción. Es la extrapolación lógica de sistemas que ya existen combinados con bases de datos biológicas que son públicas.
¿Cuál es la apuesta real de Red Queen y cuándo sabremos si funciona?
La empresa ha elegido un punto de entrada estratégicamente sensato: la gripe aviar. Es un patógeno que ya existe en la naturaleza, que ya ha causado brotes documentados en humanos, y que los modelos epidemiológicos señalan como uno de los candidatos más probables para una pandemia de alta mortalidad. Diseñar anticuerpos preventivos contra cepas de influenza aviar no requiere crear nada nuevo —requiere anticiparse a algo que ya está ahí.
Si los resultados de los laboratorios son suficientemente prometedores, la primera prueba clínica en 2027 dará una señal de si el ciclo IA-laboratorio-retroalimentación funciona a velocidad suficiente para ser relevante en una emergencia real. La apuesta de OpenAI en startups de hardware como Glass Imaging muestra un patrón de inversión en plazos largos. Red Queen encaja en esa lógica.
El nombre de la empresa es una referencia al principio de la Reina Roja de Lewis Carroll —que en biología evolutiva describe la carrera armamentística entre parásitos y huéspedes en la que cada parte tiene que correr solo para mantenerse en el mismo sitio. Red Queen Bio asume que esa carrera ya empezó con la IA. Lo que queda por ver es a qué velocidad corre el otro lado.
Lo que hace relevante este anuncio ahora mismo, más allá de los 36 millones recaudados, es su sincronía con la agenda regulatoria internacional. Esta misma semana, OpenAI publicó su catálogo de incidentes de agentes fuera de control. Nvidia lanzó su plataforma de sandbox para contenerlos. Florida pidió a un juez que para el desarrollo de nuevos modelos. El ecosistema entero está, por primera vez en meses, centrando la conversación en los límites de lo que la IA puede hacer sin supervisión. Red Queen Bio es la única apuesta concreta sobre qué pasa si esa conversación llega tarde al ámbito biológico.
El contexto geopolítico tampoco es tranquilizador. Con armas en el espacio ya confirmadas y la escala de inversión en capacidades de IA militares en múltiples países, el espacio que separa «IA que diseña anticuerpos» de «IA que diseña patógenos» es de intención y regulación, no de capacidad técnica. Que las mismas empresas que están en ambos lados de esa línea sean conscientes de ello es, al menos, el primer paso en la dirección correcta.