El desarrollo de fármacos es, en esencia, un problema de gestión de capital de riesgo a gran escala. Una sola molécula viable puede costar miles de millones de dólares y exigir una década de trabajo, solo para fracasar en la etapa final ante un ensayo clínico. La inteligencia artificial prometía democratizar este proceso, pero la realidad ha sido más modesta: hemos visto cientos de startups que, en el mejor de los casos, han optimizado flujos de trabajo para científicos que ya tenían la sofisticación técnica necesaria para operar sistemas complejos.
SandboxAQ, la compañía nacida como spinout de Alphabet y presidida por Eric Schmidt, ha detectado que el cuello de botella no es el motor de inferencia, sino la interfaz. No se trata de cuánta capacidad de cómputo tienes, sino de qué tan rápido puedes extraer una respuesta válida del sistema. Al integrar sus Modelos Cuantitativos Grandes (LQM) directamente en la plataforma de Anthropic, están apostando a que el futuro del descubrimiento de materiales no reside en consolas especializadas, sino en el lenguaje natural.
La democratización del cálculo físico
Lo que diferencia a los LQM de los modelos de lenguaje tradicionales es su naturaleza. Mientras que un LLM convencional predice la siguiente palabra basándose en patrones estadísticos, estos modelos están "anclados en la física". Simulan reacciones a nivel molecular, microcinética y química cuántica siguiendo reglas físicas predefinidas. Es la diferencia entre un asistente que "sabe" escribir un poema y uno que puede predecir cómo se comportará una sustancia antes de que cualquier investigador toque una probeta.
Hasta hoy, esta potencia de cálculo era un coto privado. Requiere infraestructura propietaria, equipos dedicados y una curva de aprendizaje que aleja a los tomadores de decisiones de la investigación aplicada. Con su integración en Claude, SandboxAQ busca convertir la simulación científica en una herramienta de consulta tan accesible como una hoja de cálculo. La meta no es solo mejorar el modelo, sino cambiar quién tiene acceso al botón de ejecutar.
Si me preguntan, esta es una maniobra audaz. Compañías como Isomorphic Labs o Chai Discovery han captado titulares y rondas de inversión masivas —Isomorphic levantó 600 millones de dólares recientemente— compitiendo por quién construye el modelo más preciso. SandboxAQ, que ya ha captado cerca de 1.000 millones de dólares en financiamiento total, está tomando un camino distinto: está priorizando la usabilidad sobre la supremacía algorítmica bruta.
Más allá de los chatbots
La estrategia de la empresa apunta a lo que denominan la "economía cuantitativa", un mercado de 50 billones de dólares que abarca desde la farmacéutica hasta la energía. No están buscando ganar en el terreno de los asistentes de código o los generadores de texto; su objetivo es la eficiencia industrial pura. Un caso que ilustra esto es la frustración de los científicos computacionales que, tras probar diversas soluciones de software existentes, descubren que los resultados obtenidos en pantalla no se traducen al laboratorio. La brecha entre el modelo y la realidad es donde SandboxAQ pretende monetizar.
Esto plantea un desafío directo para los laboratorios corporativos. La adopción de estas herramientas no solo significa ahorrar tiempo, sino reducir la incertidumbre en una industria donde la incertidumbre es el mayor costo operativo. Para un ecosistema como el latinoamericano, donde la inversión en I+D farmacéutica a menudo enfrenta barreras de acceso a infraestructura de supercomputación, esta tendencia de "modelos como servicio" mediante interfaces sencillas podría ser el puente necesario para que startups biotecnológicas en mercados como Brasil o México compitan con jugadores globales sin necesidad de levantar centros de datos propios.
Lo que pocos están viendo es que la verdadera ventaja competitiva en IA para la ciencia ya no reside en el tamaño del modelo, sino en su integración en la toma de decisiones. El mercado ya lo sabe: en el sector industrial, la capacidad de obtener una respuesta científica fiable a través de una interfaz de chat es mucho más valiosa que un modelo que solo entienden diez doctores en una habitación. No hay vuelta atrás. La competencia por la inteligencia artificial aplicada ha dejado de ser una cuestión de arquitectura de red para convertirse en una cuestión de acceso al usuario final.
