Cómo Claude está acelerando el diseño de proteínas y la química analítica

Anthropic publicó el 18 de agosto de 2026 los resultados de dos experimentos que miden qué tan lejos llega Claude en tareas científicas reales, validadas en laboratorio y no solo en simulación. Los números son concretos y los datos quedaron abiertos, lo que hace este anuncio más verificable que la mayoría de los hitos de IA que circulan cada semana.

¿Qué logró Claude en el diseño de proteínas?

Anthropic ejecutó una campaña de diseño de minibinders, proteínas pequeñas que se adhieren con fuerza a una proteína objetivo. Es el mecanismo por el que funciona buena parte de los medicamentos modernos, y diseñar uno nuevo desde cero ha requerido históricamente meses de trabajo de un ingeniero especializado por cada objetivo.

Los modelos Claude Opus 4.8 y Mythos Preview diseñaron contra 15 objetivos y lograron unir en 14 de ellos. En total se produjeron 354 proteínas de unión a partir de 1.320 diseños. Las tasas de acierto fueron de 22,6% para Opus 4.8 y 26,7% para Mythos Preview trabajando contra todos los objetivos en simultáneo durante 48 horas. Cuando Mythos Preview atacó un objetivo a la vez en sesiones de 24 horas, la tasa subió a 35,1%. La referencia de la industria hoy es de 10% a 15%.

La validación no la hizo Anthropic: los diseños fueron producidos y testeados de forma independiente por Adaptyv Bio y Twist Bioscience.

¿Qué tan bueno es frente a expertos humanos?

Contra RBX1, un objetivo usado en las competencias de Adaptyv Bio, Mythos Preview alcanzó 40% de acierto frente al 3,7% de los participantes humanos, y su mejor diseño superó al ganador de la competencia entre 245 candidatos.

Contra TNFα, una proteína señalizadora que es la base terapéutica de medicamentos como Humira, ocurrió algo llamativo: Opus 4.8 tuvo éxito y Mythos Preview no, pese a ser el modelo más capaz. Anthropic reconoce que no sabe por qué. Es una advertencia útil sobre la irregularidad de estos sistemas.

El reporte también documenta los fracasos. Contra la proteína de unión a maltosa, ninguno de los 90 diseños se confirmó. Contra BBF-14, un barril beta que no existe en la naturaleza, solo produjo tres uniones de afinidad modesta.

¿Qué pasó en el experimento de química analítica?

El segundo caso usa Claude Opus 5, un modelo de acceso general, no experimental. Recibió los archivos crudos de un laboratorio externo, en formatos propietarios que solo el software del fabricante debería poder leer, más una instrucción de dos frases.

Claude devolvió los resultados de NMR y LC-MS en 23 y 19 minutos trabajando en paralelo. Coincidió con el análisis del laboratorio: conteos de hidrógeno dentro de 0,08 y una pureza de 96,4% contra el 96,33% del laboratorio. Para leer el archivo de LC-MS, dedujo la codificación y verificó su lectura reproduciendo los totales del instrumento en los 2.664 barridos antes de analizar nada.

El contraste operativo importa: un químico dedica entre media hora y una hora por muestra a este análisis manual, y el informe final del laboratorio llegó cuatro días después de la primera medición.

¿Cuál es el límite que Anthropic impone?

La compañía es explícita sobre el carácter de doble uso de estas capacidades. El diseño de proteínas y otras tareas de biología sensibles permanecen bloqueadas en Claude Fable 5 para acceso general, y Anthropic anunció que prepara un programa de acceso para científicos verificados. Los resultados publicados se obtuvieron con modelos Mythos y Opus en entornos controlados.

Análisis de Revenue Hub

Para un líder comercial en Chile o Latinoamérica, la tentación es descartar esta noticia como ciencia sin aplicación en su negocio. Sería un error de lectura. Lo relevante no es la proteína: es que un modelo de propósito general orquestó de forma autónoma herramientas especializadas de terceros durante 48 horas, sin guía humana más allá del prompt inicial, y produjo un resultado que un especialista tarda meses en conseguir.

Ese patrón, el modelo como orquestador de sistemas existentes en vez de reemplazo de ellos, es el mismo que define si una implementación de IA en operaciones comerciales genera valor o queda en demo. Las empresas de la región que están viendo retorno no cambiaron su CRM ni su stack: le dieron a un agente acceso a las herramientas que ya tenían, con un objetivo claro y permiso para iterar. Las que no ven retorno compraron un asistente que responde preguntas.

El segundo punto es más operativo. Claude Opus 5, un modelo disponible comercialmente, leyó un formato de archivo propietario sin documentación y validó su propia lectura antes de concluir. Si eso es posible, la excusa de que los datos de tu operación están atrapados en un sistema legacy sin API deja de ser un bloqueador estructural y pasa a ser un problema de priorización. Vale la pena revisar dónde tu equipo sigue haciendo a mano trabajo que ya es automatizable. Puedes seguir estos temas en nuestra sección de tendencias SaaS y en el blog de Revenue Hub.