La Inteligencia Artificial (IA) se ha convertido en una herramienta transformadora para la bioseguridad, definida como el conjunto de medidas destinadas a proteger la salud humana, animal, vegetal y el medio ambiente frente a riesgos biológicos (virus, bacterias, toxinas, etc.). Sin embargo, la convergencia entre IA y biotecnología (AIxBio) representa un doble filo: acelera enormemente la capacidad de respuesta a amenazas, pero también reduce barreras para la creación de patógenos peligrosos, ya sea por accidente o mal uso intencional.
En 2026, la IA ya no solo apoya la ciencia biológica, sino que comienza a diseñar y ejecutar experimentos de forma semi-autónoma, obligando a actualizar urgentemente los marcos de bioseguridad tradicionales (como el BMBL del CDC).
1. Aplicaciones positivas de la IA en Bioseguridad
a) Vigilancia epidemiológica y detección temprana de brotes Los sistemas de IA procesan en tiempo real grandes volúmenes de datos heterogéneos: redes sociales, búsquedas en internet, historias clínicas, datos de ventas de medicamentos, información meteorológica, movilidad humana y secuencias genómicas. Esto permite identificar señales anómalas semanas antes de que los sistemas tradicionales confirmen un brote. La OMS actualizó en 2025 su sistema EIOS (Epidemic Intelligence from Open Sources) incorporando IA para mejorar el análisis automatizado y la detección de señales. Estas herramientas también se integran con datos de aguas residuales y metagenómica ambiental.
b) Monitoreo inteligente en laboratorios de alta contención (BSL-3 y BSL-4) Sistemas de visión por computadora verifican en tiempo real el uso correcto del Equipo de Protección Personal (EPP), detectando faltantes o mal ajustes. Monitorean continuamente presión negativa, flujo de aire HEPA, temperatura y posibles fugas, generando alertas automáticas y prediciendo fallos de mantenimiento. La automatización con robots e IA reduce la exposición humana directa a patógenos peligrosos.
c) Diseño acelerado de contramedidas Modelos como AlphaFold (y versiones posteriores) predicen con alta precisión la estructura 3D de proteínas virales o bacterianas, acelerando el diseño de vacunas, anticuerpos monoclonales, antivirales y diagnósticos. En 2025 se avanzó en vacunas basadas en diseño computacional asistido por IA. Iniciativas como la “100 Days Mission” de CEPI buscan desarrollar contramedidas en solo 100 días. La IA optimiza plataformas de ARNm y permite respuestas rápidas ante patógenos emergentes.
d) Evaluación y gestión de riesgos La IA ayuda a clasificar experimentos de “doble uso” (Dual Use Research of Concern – DURC), evaluando si un procedimiento podría aumentar transmisibilidad, letalidad o resistencia de un patógeno. Herramientas de cribado analizan secuencias de ADN/ARN antes de sintetizarlas, bloqueando aquellas de alto riesgo.
e) Seguridad y salud ocupacional La IA analiza datos de wearables para monitorear signos vitales, fatiga y exposición potencial. Detecta comportamientos inseguros y automatiza tareas repetitivas en “cloud labs”, reduciendo la intervención humana con agentes infecciosos. La OIT destaca cómo la IA mejora la seguridad y salud en el trabajo.
2. Riesgos y desafíos: la cara oscura de la IA en bioseguridad
La convergencia AIxBio baja drásticamente las barreras técnicas, económicas y de conocimiento para crear amenazas biológicas.
a) Diseño de proteínas y patógenos novedosos Modelos generativos crean secuencias de proteínas o ácidos nucleicos completamente nuevas. En 2025, IA diseñó virus (bacteriófagos) funcionales que infectan y matan bacterias específicas, demostrando el potencial para aplicar la misma tecnología en patógenos humanos.
b) “Zero-day” biológicos La IA genera patógenos o toxinas que no existen en la naturaleza y que evaden los sistemas actuales de cribado de síntesis de ADN. Estudios mostraron que variantes rediseñadas por IA pueden eludir filtros de proveedores.
c) Automatización de experimentos Laboratorios robóticos + IA permiten diseñar, planificar y ejecutar miles de experimentos con mínima intervención humana. En 2026, casos como la colaboración entre OpenAI y Ginkgo Bioworks muestran IA ejecutando decenas de miles de experimentos biológicos de forma autónoma.
d) Deskalilling (reducción de habilidades requeridas) Personas sin experiencia en biología, asistidas por IA, completan tareas complejas de virología con mayor precisión. Estudios de SecureBio indican que no expertos superaron a expertos en ciertas tareas y obtuvieron instrucciones detalladas pese a filtros de seguridad.
e) Riesgo de mal uso (bioterrorismo o accidente) Expertos de SecureBio, NTI, RAND y el International AI Safety Report 2026 advierten que la IA aumenta significativamente el riesgo de armas biológicas de alto impacto. Modelos pueden proporcionar instrucciones detalladas de laboratorio y ayudar a superar barreras tradicionales.
3. Medidas de mitigación actuales y propuestas (2026)
a) Screening de secuencias de ADN/ARN Proveedores bloquean pedidos que coincidan con patógenos regulados, pero la IA genera variantes que evaden estos filtros. El screening sigue siendo mayoritariamente voluntario en muchos países.
b) Evaluaciones de seguridad previas al lanzamiento Empresas realizan pruebas internas (“safety evaluations”) y agregan salvaguardas. Se proponen benchmarks como el Virology Capabilities Test (VCT) de SecureBio.
c) Gobernanza y regulación Se discuten accesos gestionados (tiered access), licencias para modelos de alto riesgo, supervisión humana obligatoria y auditorías independientes. En EE.UU. hay avances en NDAA 2026 y propuestas bipartidistas. A nivel internacional se debate en la Convención sobre Armas Biológicas (BWC). Organizaciones como NTI recomiendan colaboración entre gobiernos, empresas de IA y científicos.
d) Mejora de filtros y salvaguardas en los modelos de IA Se implementan rechazos (“refusals”) más robustos, aunque vulnerables a jailbreaking. Se exploran técnicas de alineación y entrenamiento con datos filtrados.
e) Cribado de clientes (“know your customer”) Verificación de legitimidad de usuarios y proyectos en síntesis de ADN y acceso a modelos biológicos.
Resumen: Oportunidades vs Riesgos
Aspecto
Beneficio principal
Riesgo principal
Vigilancia
Detección temprana con datos masivos
Evasión de sistemas o generación de desinformación
Laboratorios
Monitoreo 24/7 y menor exposición humana
Automatización de experimentos de alto riesgo sin supervisión experta
Diseño de moléculas
Vacunas y fármacos en tiempo récord
Patógenos novedosos más letales o indetectables
Accesibilidad
Avances médicos democráticos
Baja barrera para actores maliciosos o inexpertos
Gobernanza
Herramientas para evaluar riesgos
Brecha entre velocidad tecnológica y marcos regulatorios
En 2026, la IA está cerrando el bucle entre diseño y ejecución biológica. Esto exige actualizar manuales de bioseguridad y crear regulaciones específicas para AIxBio.
Péptidos: la convergencia entre inteligencia artificial, biotecnología y finanzas que abre una nueva frontera de inversión
El diseño de moléculas mediante inteligencia artificial, los avances en química y fabricación farmacéutica y la expansión de los medicamentos basados en péptidos están creando un nuevo ecosistema tecnológico y económico. El lanzamiento del ETF PEPT en Nasdaq refleja el interés de los mercados por una industria que conecta investigación científica, infraestructura productiva y capital.
Una nueva frontera donde convergen ciencia, tecnología y capital
La próxima transformación de la medicina podría estar vinculada con una de las estructuras fundamentales de la biología: los péptidos. Estas cadenas de aminoácidos participan en numerosos procesos del organismo y pueden utilizarse para desarrollar moléculas capaces de actuar sobre objetivos biológicos específicos.
Su relevancia comercial creció con los medicamentos basados en GLP-1, utilizados en el tratamiento de la diabetes tipo 2 y la obesidad. Sin embargo, el potencial de los péptidos no se limita a los tratamientos metabólicos. La investigación también explora aplicaciones en oncología, enfermedades raras, inflamación y otras áreas terapéuticas.
Lo relevante es que esta evolución ya no depende exclusivamente de la investigación farmacológica tradicional. La inteligencia artificial, la química computacional, la automatización de laboratorios y las nuevas técnicas de fabricación están modificando la forma de descubrir, desarrollar y producir moléculas terapéuticas.
Al mismo tiempo, los mercados financieros comienzan a crear instrumentos de inversión vinculados con esta cadena de valor. Los péptidos se convierten así en un caso concreto de convergencia entre innovación científica, desarrollo industrial y capital.
La inteligencia artificial entra en el diseño de moléculas
El desarrollo de un medicamento comienza con la identificación de un objetivo biológico y la búsqueda de una molécula capaz de actuar sobre él. Tradicionalmente, este proceso requiere numerosos experimentos, ciclos de optimización y años de investigación.
Las nuevas herramientas computacionales permiten explorar más alternativas y priorizar candidatos potencialmente prometedores. Los modelos de aprendizaje automático pueden ayudar a analizar secuencias de aminoácidos, estimar interacciones moleculares y orientar los experimentos de laboratorio.
En octubre de 2025, Nature Chemical Biology publicó una investigación sobre RFpeptides, un método de aprendizaje profundo orientado al diseño de péptidos macrocíclicos capaces de reconocer objetivos terapéuticos. El trabajo ilustra cómo la inteligencia artificial empieza a intervenir en etapas concretas del descubrimiento de fármacos.
La integración tecnológica comprende cinco áreas principales:
Inteligencia artificial: exploración de secuencias y priorización de candidatos moleculares.
Química computacional: simulación de estructuras, propiedades e interacciones.
Síntesis química y biotecnológica: producción de las moléculas seleccionadas.
Automatización experimental: ejecución, medición y análisis de pruebas de laboratorio.
Fabricación farmacéutica avanzada: producción a escala, purificación, formulación y control de calidad.
El objetivo es reducir incertidumbres, mejorar la selección de candidatos y acelerar determinadas etapas de investigación. No obstante, una molécula diseñada mediante inteligencia artificial no se convierte automáticamente en un medicamento eficaz y seguro. La validación experimental, los ensayos clínicos y la aprobación regulatoria siguen siendo indispensables.
La oportunidad tecnológica está en integrar estas capacidades en plataformas que conecten diseño computacional, experimentación y producción, con ciclos de aprendizaje que permitan mejorar las siguientes etapas de desarrollo.
El desafío industrial: fabricar, escalar y garantizar la calidad
El descubrimiento de una molécula constituye solamente una parte del proceso. Para transformarla en un producto farmacéutico, es necesario resolver problemas de estabilidad, biodisponibilidad, administración, seguridad y fabricación reproducible.
Algunos péptidos pueden degradarse con facilidad o presentar dificultades para atravesar las barreras biológicas. Otros requieren sistemas de administración específicos. Su producción también puede exigir procesos especializados de síntesis, purificación y análisis de impurezas.
Estas exigencias generan oportunidades para empresas que no necesariamente desarrollan medicamentos propios. Entre ellas se encuentran los fabricantes de ingredientes farmacéuticos activos, las organizaciones de desarrollo y fabricación por contrato, los proveedores de equipamiento y las compañías que desarrollan dispositivos de administración.
Por eso, el crecimiento de la industria puede distribuirse a lo largo de una cadena de valor extensa. Una innovación terapéutica puede impulsar simultáneamente la demanda de investigación, infraestructura productiva, servicios de laboratorio y tecnologías de control.
La capacidad de fabricar de manera consistente, mantener estándares de calidad y responder a una demanda creciente puede convertirse en una ventaja competitiva para los proveedores especializados.
La regulación también impulsa la evolución tecnológica
La expansión de los medicamentos basados en péptidos exige métodos adecuados para evaluar su composición, actividad biológica, impurezas y seguridad.
El 28 de julio de 2026, la Administración de Alimentos y Medicamentos de Estados Unidos (FDA) publicó 17 guías preliminares revisadas para determinados medicamentos peptídicos genéricos. Las recomendaciones contemplan aspectos como la evaluación de la respuesta inmunitaria, los umbrales de impurezas, la estructura molecular y la actividad biológica.
Entre los productos abordados figuran medicamentos basados en semaglutida, liraglutida y tirzepatida.
Estas guías no equivalen a una aprobación automática de productos genéricos. Son recomendaciones regulatorias preliminares destinadas a orientar su desarrollo y evaluación. Su importancia reside en la necesidad de establecer criterios científicos apropiados para comparar productos y garantizar estándares de calidad.
Para la industria, esto también significa que la innovación debe avanzar junto con los sistemas de validación, documentación, trazabilidad y control.
Wall Street incorpora los péptidos a la inversión temática
El 14 de octubre de 2026, REX Shares lanzó el REX Peptide ETF, identificado con el ticker PEPT y cotizado en Nasdaq.
El fondo busca replicar el VettaFi Peptide Index, un índice que reúne empresas vinculadas con distintas actividades del ecosistema de los péptidos. La propuesta amplía la exposición más allá de los laboratorios propietarios de los medicamentos más conocidos e incluye diferentes segmentos de la cadena de valor.
Entre ellos se encuentran:
Medicamentos y terapias: empresas que investigan, desarrollan y comercializan productos farmacéuticos basados en péptidos.
Fabricación y dispositivos médicos: proveedores de ingredientes, servicios especializados y tecnologías de administración.
Nutracéuticos y suplementos: empresas vinculadas con productos de consumo basados en péptidos.
Cosmética y cuidado de la piel: compañías que desarrollan aplicaciones cosméticas relacionadas con estas moléculas.
Según la metodología publicada por el emisor, el índice establece criterios de capitalización bursátil y liquidez, además de reglas para limitar la concentración de determinadas posiciones. No todas las compañías incluidas tienen necesariamente una actividad exclusiva en péptidos.
El fondo informó un gasto operativo anual del 0,65%. Como se trata de un instrumento recién lanzado, todavía debe construir un historial de rendimiento que permita evaluar su comportamiento en distintos escenarios de mercado.
El lanzamiento evidencia que existe una propuesta financiera específica para esta temática, pero no constituye por sí mismo una recomendación de compra ni una garantía de rentabilidad.
¿Dónde está la oportunidad económica?
El atractivo financiero del sector se relaciona con varios factores: la demanda de nuevos tratamientos, la expansión de las aplicaciones terapéuticas, la necesidad de capacidad productiva y el desarrollo de tecnologías que permitan mejorar los procesos de fabricación.
En su comunicado de lanzamiento, REX Shares citó una proyección de J.P. Morgan Global Research según la cual el mercado global de incretinas, que incluye medicamentos GLP-1, podría alcanzar los US$ 200.000 millones en 2030.
Esta estimación corresponde al mercado de incretinas y no al conjunto de todas las terapias basadas en péptidos. La distinción es importante porque las cifras de mercado dependen de los productos, aplicaciones y metodologías incluidos en cada cálculo.
Para los inversores, el crecimiento de una industria tampoco asegura una suba de las acciones. Las cotizaciones pueden incorporar expectativas elevadas y las compañías pueden enfrentar resultados clínicos desfavorables, competencia, restricciones regulatorias o dificultades de fabricación.
La evaluación económica requiere distinguir entre el tamaño potencial de un mercado, los ingresos que efectivamente puede capturar una empresa y la valoración que los inversores están dispuestos a pagar por esos ingresos futuros.
Una compañía puede participar en una industria en expansión y, aun así, obtener resultados inferiores a los esperados si sus costos son elevados, sus productos no alcanzan el mercado o sus acciones cotizan a valoraciones excesivas.
Los riesgos de una industria de alta innovación
La biotecnología presenta un perfil de riesgo particular porque una parte de su valor depende de investigaciones cuyo resultado todavía es incierto.
Un candidato puede mostrar resultados prometedores en laboratorio y fracasar posteriormente en ensayos clínicos. También pueden aparecer efectos adversos, dificultades para demostrar eficacia, problemas de fabricación o competencia de tratamientos alternativos.
En los fondos temáticos se agregan otros riesgos: concentración sectorial, volatilidad bursátil, exposición internacional y diferencias entre el precio de mercado y el valor de los activos subyacentes.
En el caso de PEPT, la diversificación entre distintas compañías no elimina el riesgo de que el conjunto de la industria atraviese un período desfavorable. Tampoco garantiza que todas las empresas de la cartera tengan una exposición significativa a los péptidos en sus ingresos.
Antes de invertir, resulta necesario analizar la composición efectiva del fondo, sus costos, su liquidez, la metodología del índice y el perfil de riesgo de las compañías que lo integran.
Qué significa para Argentina y América Latina
La convergencia entre inteligencia artificial y biotecnología abre interrogantes que van más allá de la inversión bursátil. También plantea oportunidades para empresas de software científico, servicios tecnológicos, automatización, análisis de datos e infraestructura de investigación.
Para Argentina y América Latina, el desafío consiste en identificar capacidades que puedan integrarse a cadenas de valor internacionales. El desarrollo de software especializado, los servicios de investigación, la formación de talento, la instrumentación y el análisis de datos son algunas de las áreas en las que pueden surgir oportunidades de colaboración.
No todas estas actividades requieren desarrollar un medicamento propio, aunque sí demandan especialización, inversión, estándares de calidad y vínculos con organizaciones que dispongan de infraestructura experimental y experiencia regulatoria.
También existe una dimensión financiera. Los inversores argentinos interesados en PEPT deben verificar su disponibilidad a través de intermediarios habilitados, los costos de operación, las condiciones de acceso al mercado estadounidense y el tratamiento fiscal correspondiente.
La oportunidad para la región no consiste únicamente en seguir las cotizaciones de las empresas internacionales. También implica evaluar qué capacidades científicas, tecnológicas e industriales pueden desarrollarse localmente para participar en esta transformación.
Una misma tendencia, dos dimensiones inseparables
Los péptidos ilustran cómo una transformación científica puede convertirse en una nueva categoría de negocio.
La inteligencia artificial contribuye a explorar moléculas; la química y la biotecnología permiten desarrollarlas; la fabricación especializada las lleva a escala; y los mercados financieros crean instrumentos para canalizar capital hacia empresas vinculadas con ese proceso.
El valor no se concentra necesariamente en una sola compañía ni en una única etapa. Puede distribuirse entre quienes descubren nuevas terapias, desarrollan plataformas tecnológicas, fabrican los productos y construyen la infraestructura necesaria para comercializarlos.
La evolución del sector dependerá de resultados científicos verificables, aprobaciones regulatorias, capacidad productiva y modelos de negocio sostenibles.
Para la industria tecnológica y para los mercados financieros, la pregunta central será qué empresas logran convertir la promesa de la biotecnología en soluciones médicas y resultados económicos concretos.
La convergencia entre ciencia, tecnología y finanzas no es solamente una tendencia de inversión: es una nueva forma de analizar cómo se crea valor en la economía del conocimiento.
Fuentes y referencias
Las siguientes fuentes permiten ampliar la información científica, tecnológica, regulatoria y financiera desarrollada en esta investigación.
1. REX Shares — lanzamiento del REX Peptide ETF (PEPT)
Comunicado oficial del 14 de octubre de 2026. Describe el objetivo del fondo, los segmentos de la cadena de valor contemplados y las proyecciones de mercado citadas por la gestora.
3. U.S. Securities and Exchange Commission (SEC) — prospecto resumido de PEPT
Documento regulatorio del REX Peptide ETF, fechado el 13 de octubre de 2026. Fuente primaria para consultar las características y los riesgos del instrumento.
5. U.S. Food and Drug Administration (FDA) — Revised draft product-specific guidances for certain generic peptide products
Comunicado del 28 de julio de 2026 sobre 17 guías preliminares revisadas para el desarrollo y la evaluación de determinados medicamentos peptídicos genéricos.
Medios: convergencia.tech y elfinancierodigital.com
Modalidad: investigación y publicación conjunta.
Enfoque: convergencia tecnológica, biotecnología, industria farmacéutica, mercados financieros e inversión temática.
Nota: las proyecciones de mercado corresponden a estimaciones atribuidas a sus respectivas fuentes. La inclusión de un instrumento financiero en este análisis no constituye una recomendación de inversión.
Una investigación desarrollada por científicos vinculados a Cornell describe un sistema de edición genética diseñado como alternativa potencial a CRISPR. Según la cobertura de BioTechniques, el sistema fue probado en bacterias y plantea una vía para ampliar el repertorio de herramientas de ingeniería genética.
CRISPR revolucionó la edición genética porque permite dirigir modificaciones a secuencias determinadas del ADN. Sin embargo, no todas las herramientas sirven para todas las aplicaciones: la eficiencia, el tipo de modificación, el tamaño del sistema y los efectos no deseados pueden limitar su uso en determinados organismos o contextos experimentales.
La demostración en bacterias es un primer paso y no prueba que la herramienta funcione con igual eficacia en células humanas, plantas o animales. Para evaluar su importancia será necesario examinar la publicación científica original, los tipos de cambios que puede realizar, las tasas de éxito y los límites de seguridad.
Una alternativa funcional podría ampliar las posibilidades de investigación en biotecnología industrial, agricultura y desarrollo de tratamientos. El interés para América Latina incluye cultivos, microorganismos industriales y salud, pero cualquier aplicación concreta deberá superar etapas de validación, evaluación de riesgos y regulación.
Nature Biotechnology publicó una investigación sobre una versión diseñada de Argonaute 2 humana para realizar edición dirigida de bases de ARN, en particular conversiones de citosina a uracilo (C-to-U). El artículo explora la posibilidad de aprovechar una proteína humana con funciones programables para superar algunas limitaciones de herramientas basadas en proteínas de otros organismos.
La edición de ARN se diferencia de la modificación directa del ADN: puede alterar instrucciones moleculares utilizadas por las células sin cambiar necesariamente la secuencia permanente del genoma. Una herramienta capaz de dirigir estas modificaciones podría ofrecer nuevas estrategias de investigación y, potencialmente, aplicaciones terapéuticas.
El trabajo se encuentra en el ámbito de la investigación científica. No debe interpretarse como la disponibilidad de un tratamiento aprobado ni como evidencia de eficacia clínica general. La precisión de la edición, los efectos fuera del objetivo, la entrega a los tejidos y la duración de los cambios requieren evaluación específica.
El avance es relevante para la convergencia entre biología molecular e ingeniería de proteínas. Para los investigadores de la región, la publicación puede orientar nuevas líneas de estudio en terapias basadas en ARN, aunque la traducción a productos médicos dependerá de la validación independiente y de ensayos posteriores.
AI1 año ago
Nano2 años ago
AI11 meses ago
AI2 años ago