Los CEOs de las principales compañías de inteligencia artificial están advirtiendo públicamente que sus propias tecnologías representan riesgos existenciales, y el sector biotecnológico es el terreno donde esa advertencia se vuelve más concreta: la posibilidad de que modelos de lenguaje avanzados reduzcan drásticamente las barreras técnicas para el diseño de agentes biológicos peligrosos es hoy un debate regulatorio urgente en múltiples jurisdicciones.
El cruce entre inteligencia artificial y biología sintética lleva años siendo señalado por investigadores de bioseguridad como uno de los vectores de riesgo más subestimados del desarrollo tecnológico actual. Lo que cambió en las últimas semanas es la visibilidad del debate: líderes de Anthropic y OpenAI reconocieron abiertamente, en declaraciones públicas, que los sistemas que están construyendo podrían acelerar capacidades que hoy requieren años de formación especializada. Dario Amodei, CEO de Anthropic, argumentó que el ritmo de avance debería moderarse precisamente por estos riesgos. Sam Altman, CEO de OpenAI, coincidió en la necesidad de calibrar el ritmo, según se informó.
Qué convierte a la IA en un multiplicador de riesgo biológico
El problema central no es que la inteligencia artificial “sepa” cómo fabricar un agente patógeno. El problema es que puede reducir dramáticamente el tiempo y la expertise requeridos para que un actor malicioso llegue a una capacidad operativa. Los modelos de lenguaje de gran escala entrenados con literatura científica pueden responder preguntas de síntesis, sugerir rutas metabólicas alternativas o ayudar a optimizar procesos que antes requerían equipos especializados durante meses. En bioseguridad, esa compresión temporal es crítica. Investigadores del área denominan este fenómeno “uplift”: la capacidad de un sistema de IA de elevar el nivel técnico efectivo de un usuario sin formación avanzada.
El marco regulatorio existente tiene vacíos que ninguna ley de IA cubre todavía
La Unión Europea avanzó con el AI Act, que clasifica ciertos usos de IA como de riesgo inaceptable, pero su articulación con normativas de bioseguridad existentes —como la Convención sobre Armas Biológicas de 1972— es prácticamente nula. En Estados Unidos, el Decreto Ejecutivo sobre IA de 2023 incluyó una sección específica sobre riesgos biológicos y ordenó evaluaciones de bioseguridad para modelos de gran escala, pero la administración posterior no consolidó ese mandato en regulación duradera. El resultado es un vacío: las leyes de bioseguridad existentes regulan laboratorios y agentes patógenos físicos, no modelos de lenguaje que pueden asistir en el diseño de esos agentes desde cualquier dispositivo conectado.
En América Latina, el panorama es aún más fragmentado. Brasil cuenta con la Lei de Biossegurança (Ley 11.105/2005) y organismos como la CTNBio para la regulación de organismos genéticamente modificados, pero ningún instrumento contempla explícitamente el rol de sistemas de IA en el acceso a información de doble uso. México, Argentina y Colombia aún no han producido marcos normativos que crucen inteligencia artificial con riesgo biológico. En la medida en que los modelos de IA se vuelven más accesibles en la región —con despliegues locales de herramientas como Copilot, Gemini y Claude—, esa brecha regulatoria se amplía.
Cuándo aplica la preocupación y cuándo no
Es importante delimitar el alcance del riesgo para evitar tanto la minimización como el pánico regulatorio contraproducente. El riesgo de “uplift” biológico aplica cuando un modelo tiene acceso a literatura científica sin filtros de uso dual, cuando puede responder preguntas técnicas específicas sobre síntesis o modificación de organismos, y cuando opera sin mecanismos de auditoría sobre las consultas realizadas. No aplica de manera equivalente a modelos con restricciones de dominio, sistemas con capas de supervisión humana en tiempo real, o usos de IA en biología orientados al diagnóstico clínico o la investigación de vacunas, donde el beneficio supera ampliamente el riesgo. La distinción es técnica y requiere evaluación caso por caso, no prohibiciones genéricas.
Lo que el sector biotecnológico debe hacer antes de que lo regule otro
La advertencia más relevante del debate que protagonizaron Amodei y Altman no es que la IA sea intrínsecamente peligrosa: es que la autorregulación del sector tecnológico ya llegó a sus límites visibles. Para las empresas biotecnológicas —laboratorios de investigación, CROs, startups de biología sintética—, eso significa que el tiempo de esperar una regulación externa antes de implementar controles internos se está agotando. Algunas acciones concretas que organizaciones del sector ya están discutiendo incluyen: políticas de uso aceptable de herramientas de IA generativa en investigación, protocolos de revisión para consultas a modelos externos sobre compuestos de doble uso, y participación activa en iniciativas como el Centro de Bioseguridad Johns Hopkins o el Nuclear Threat Initiative (NTI) Bio, que trabajan marcos de gobernanza específicos para este cruce tecnológico.
Para quienes diseñan políticas de inteligencia artificial en América Latina, la pregunta ya no es si este riesgo es real: es qué instrumentos concretos —y en qué plazo— pueden articular los marcos de IA con los de bioseguridad antes de que ocurra un incidente que fuerce la agenda.
