“Se ha predicho la estructura de más de 241 millones de proteínas, un catálogo que hubiera requerido cientos de millones de años de trabajo experimental para reunir”.
En algún momento, la historia del conocimiento humano da un salto imposible de anticipar. A finales de 2020, en una competencia científica casi desconocida para el público general, un algoritmo de inteligencia artificial llamado AlphaFold 2 resolvió en cuestión de horas un enigma que había desafiado a la biología durante medio siglo: el problema del plegamiento de las proteínas.
Este logro no fue un mero triunfo académico. Se transformó en la base de una revolución que democratizó el acceso al conocimiento estructural, aceleró la investigación biomédica a una escala inimaginable y fue reconocido, con toda la razón, con el Premio Nobel de Química en 2024. Más de tres millones de investigadores en todo el mundo utilizan hoy sus herramientas, desde estudiantes universitarios hasta los laboratorios farmacéuticos más grandes del planeta, reescribiendo lo que significa hacer ciencia.
El «Problema del Siglo» en Biología:
Para entender la magnitud del logro, hay que sumergirse primero en la complejidad del problema. Las proteínas son las máquinas moleculares que ejecutan prácticamente todas las funciones de la vida: desde transportar oxígeno en la sangre hasta defender al organismo de patógenos. Su funcionamiento no está dictado únicamente por la secuencia lineal de aminoácidos que las componen, sino por la forma tridimensional precisa en que esta cadena se pliega sobre sí misma.
Durante décadas, descifrar esa estructura 3D fue una tarea hercúlea. Métodos experimentales como la cristalografía de rayos X o la microscopía crioelectrónica podían consumir años de trabajo y cientos de miles de dólares por una sola proteína. El desafío computacional era aún más desalentador. Dada la cantidad astronómica de formas posibles en que una cadena de aminoácidos puede plegarse, calcular la estructura correcta al azar, como señalaba la paradoja de Levinthal, tomaría más tiempo que la edad del universo. Antes de AlphaFold, los mejores algoritmos solo igualaban la precisión experimental en un 40% de los casos más difíciles.
El Asalto de la Inteligencia Artificial: De AlphaFold 1 a AlphaFold 3:
El viaje de AlphaFold comenzó, curiosamente, en un tablero de Go. El éxito de DeepMind con AlphaGo en 2016 demostró que sus técnicas de IA podían dominar sistemas de complejidad abrumadora, lo que inspiró a un pequeño equipo a abordar el plegamiento de proteínas.
AlphaFold 1 (2018): El primer impacto. En su debut en la competencia CASP13, AlphaFold 1 sorprendió al mundo científico. Su enfoque, que utilizaba una red neuronal para predecir distancias entre aminoácidos y luego ensamblar la estructura, superó a todos los demás métodos. Sin embargo, era un sistema complejo de múltiples pasos y su precisión, aunque revolucionaria, aún no alcanzaba el nivel experimental.
AlphaFold 2 (2020): La solución definitiva. Todo cambió en 2020. AlphaFold 2 no fue una simple mejora; fue un rediseño conceptual radical. Abandonó el proceso fragmentado y adoptó una arquitectura de «extremo a extremo» (end-to-end) basada en el mecanismo de Transformers. Su núcleo, el módulo «Evoformer», procesaba simultáneamente dos flujos de información: el alineamiento de secuencias evolutivamente relacionadas (que revela qué aminoácidos mutan juntos) y las relaciones geométricas por pares. Este diálogo interno permitía al sistema inferir restricciones físicas y evolutivas de manera integrada, prediciendo estructuras con una precisión atómica comparable a la experimental en dos tercios de los casos. Los organizadores de CASP declararon que el problema de 50 años había sido resuelto.
AlphaFold 3 (2024): La biología en su conjunto. Si AlphaFold 2 descifró las palabras individuales (las proteínas), AlphaFold 3 se propuso entender la gramática completa de la célula. Este modelo expandió dramáticamente su alcance para predecir no solo proteínas aisladas, sino complejos moleculares completos: interacciones proteína-proteína, uniones de proteínas con ADN y ARN, y el acoplamiento con ligandos (las pequeñas moléculas que suelen ser fármacos). Cambió el módulo de estructura por un modelo de difusión generativa, refinando iterativamente una nube de átomos hasta llegar a la estructura estable, lo que permite visualizar la danza molecular de la vida con un detalle sin precedentes.
La Arquitectura Revolucionaria: Evoformer y el Diálogo de la Información:
El salto cualitativo de AlphaFold 2 reside en su arquitectura. A diferencia de su predecesor, que predecía un mapa de distancias para luego ensamblar la estructura, AlphaFold 2 mantiene y refina continuamente dos representaciones paralelas:
La representación del Alineamiento Múltiple de Secuencias (MSA): codifica la información evolutiva. Si dos aminoácidos distantes en la secuencia tienden a mutar de forma coordinada a lo largo de la evolución, es una fuerte señal de que están físicamente cerca en la estructura 3D.
La representación por Pares: codifica la información geométrica y espacial directa entre cada par de residuos.
El Evoformer actúa como el centro de operaciones. A través de bloques repetidos con mecanismos de atención especializados (como la Triangular Self-Attention), permite un intercambio constante de información entre estos dos flujos. La información evolutiva ayuda a refinar las relaciones geométricas, y a su vez, las relaciones geométricas mejoradas ayudan a reinterpretar los datos evolutivos. Este proceso iterativo culmina en el Módulo de Estructura, que traduce finalmente esta representación abstracta y rica en contexto en coordenadas atómicas tridimensionales precisas.
Democratización e Impacto Global: La Base de Datos que lo Cambió Todo.
El avance técnico habría quedado como una curiosidad de laboratorio si no hubiera sido por una decisión trascendental: liberarlo al mundo. En julio de 2021, DeepMind, en asociación con el Instituto Europeo de Bioinformática (EMBL-EBI), lanzó la AlphaFold Protein Structure Database. Un año después, esta base de datos contenía las estructuras predichas para más de 200 millones de proteínas, cubriendo casi todas las secuencias catalogadas por la ciencia.
El acceso es libre y gratuito. Esta decisión desencadenó una ola de descubrimientos. Más de 3 millones de investigadores de 190 países han utilizado la base de datos. Estudiantes universitarios, como los hermanos turcos Alper y Taner Karagöl, aprendieron biología estructural por su cuenta durante la pandemia y publicaron artículos científicos. En países con recursos limitados, científicos que nunca hubieran podido costear experimentos estructurales ahora tienen «planos atómicos» para guiar su investigación.
Impactos Tangibles en la Ciencia y la Medicina.
Los ejemplos concretos del impacto de AlphaFold se multiplican:
Salud cardíaca: reveló por primera vez la estructura completa de la apolipoproteína B100, una proteína clave en el «colesterol malo» (LDL) y la aterosclerosis, abriendo nuevas vías para el diseño de fármacos preventivos.
Conservación y alimentación: Se utilizó para entender una proteína inmunitaria crucial en las abejas melíferas, guiando programas de cría para polinizadores más resistentes. También acelera la investigación para desarrollar cultivos más resilientes al clima.
Descubrimiento de fármacos: Empresas como Isomorphic Labs (fundada tras el éxito de AlphaFold) están utilizando estos modelos para un diseño racional de medicamentos, acortando drásticamente los plazos para identificar candidatos terapéuticos prometedores.
Investigación básica acelerada: Un análisis independiente mostró que los científicos que usan AlphaFold presentan un 40% más de estructuras proteicas novedosas a las bases de datos públicas, explorando territorios inéditos de la biología.
El Camino por Delante: Límites y la Próxima Frontera.
A pesar de su poder transformador, AlphaFold no es omnipotente. La comunidad científica es muy consciente de sus limitaciones, que en sí mismas trazan el mapa para la próxima generación de herramientas.
Una crítica fundamental es que predice una estructura estática, una «foto» de la proteína en su estado más estable. Sin embargo, las proteínas en la célula son dinámicas, se mueven, cambian de forma y adoptan múltiples conformaciones para cumplir su función. AlphaFold no puede modelar fácilmente este ballet molecular, los efectos de mutaciones puntuales o la interacción con moléculas muy específicas como algunos anticuerpos.
Tampoco maneja bien ciertas modificaciones químicas que ocurren después de la síntesis de la proteína (modificaciones postraduccionales), y tiene dificultades con proteínas intrínsecamente desordenadas, que carecen de una forma fija. AlphaFold 3 aborda algunos de estos puntos, como las interacciones con otras biomoléculas, pero la predicción de la dinámica y los estados múltiples sigue siendo un campo abierto.
El futuro, inspirado en AlphaFold, ya está tomando forma con modelos como AlphaMissense (para predecir el efecto de mutaciones genéticas) y AlphaProteo (para diseñar nuevas proteínas desde cero). La visión es una «biología digital» donde los investigadores puedan generar y probar hipótesis complejas en silicio antes de entrar al laboratorio, acelerando el ritmo de descubrimiento hacia lo digital.
La línea de tiempo: cinco años que transformaron la biología.
Fecha
Hito
Significado
Diciembre 2018
AlphaFold 1 gana la competencia CASP13.
Demuestra por primera vez que el aprendizaje profundo puede superar a los métodos tradicionales.
Noviembre 2020
AlphaFold 2 gana CASP14 con precisión atómica.
Se declara resuelto el «problema del plegamiento de proteínas» de 50 años.
Julio 2021
Lanzamiento de la AlphaFold Protein Structure Database con EMBL-EBI.
Democratización masiva: se liberan 350,000 estructuras, incluyendo el proteoma humano.
Julio 2022
La base de datos se expande a más de 200 millones de estructuras.
Cobertura de casi todas las proteínas conocidas por la ciencia.
Mayo 2024
Lanzamiento de AlphaFold 3 y el AlphaFold Server.
Capacidad para predecir interacciones entre todas las moléculas de la vida.
Octubre 2024
El equipo de AlphaFold recibe el Premio Nobel de Química.
Reconocimiento formal a su contribución histórica al conocimiento científico.
Noviembre 2025
La base de datos alcanza 241 millones de estructuras (v6) y supera los 3 millones de usuarios.
Consolidación como herramienta de investigación global estándar.
La historia de AlphaFold es más que la de un algoritmo exitoso. Es la historia de cómo un grupo de científicos, provenientes de la inteligencia artificial y no de la biología tradicional, replantearon un problema fundamental y, al resolverlo, pusieron en manos de la humanidad un nuevo lente para observar los componentes básicos de la vida. Su verdadero legado no está solo en las estructuras predichas, sino en los millones de hipótesis que han inspirado, en las enfermedades que se están redescubriendo y en la aceleración global de la curiosidad científica. Como documentó la película The Thinking Game, capturando el drama humano detrás del código, este fue un triunfo de la imaginación disciplinada, un recordatorio de que los saltos más audaces a menudo vienen de mirar los viejos problemas con ojos completamente nuevos.
Peter Thiel, cofundador de PayPal, inversor de Silicon Valley y un influyente pensador en el ámbito tecnológico y político, es una figura polarizadora que ha dejado una marca indeleble en el panorama contemporáneo.
Conocido por su enfoque provocador y su visión futurista, Thiel ha sido un defensor apasionado de la innovación, la disrupción y la libertad individual.
Sin embargo, su ideología y sus acciones han suscitado tanto admiración como críticas, convirtiéndolo en un personaje intrigante y complejo en el mundo moderno.
Este artículo explora la vida y obra de Peter Thiel, sintetizándola, y buscando analizar su impacto en la tecnología, la política y la sociedad, así como las implicaciones de su poder e influencia.
A través de un enfoque narrativo y académico, se examinan sus empresas, su ideología y su visión del futuro, ofreciendo una perspectiva profunda sobre cómo Thiel puede moldear el mundo en el que vivimos.
Los Primeros Años: formación de una Visión.
Infancia y Educación:
Peter Thiel nació el 11 de octubre de 1967 en Frankfurt, Alemania, en el seno de una familia con un fuerte enfoque intelectual. Su padre, un ingeniero eléctrico, y su madre, una profesora de matemáticas, inculcaron en él un amor por el aprendizaje y la curiosidad.
A la edad de un año, la familia se mudó a los Estados Unidos, estableciéndose en Foster City, California. Este entorno multicultural y estimulante sentó las bases para su futuro como innovador y empresario.
Thiel mostró desde temprana edad un interés por la filosofía y la política. Su educación en la Universidad de Stanford, donde estudió filosofía y obtuvo su título en 1989, le permitió explorar ideas complejas y desarrollar un pensamiento crítico.
Durante su tiempo en Stanford, se involucró en debates sobre la libertad, la justicia y la naturaleza del poder, temas que más tarde influirían en su carrera y su ideología.
Inicios en el mundo empresarial:
Después de completar su licenciatura, Thiel obtuvo su J.D. en la Facultad de Derecho de Stanford en 1992. Fue durante este tiempo que comenzó a desarrollar su interés por el emprendimiento y la tecnología.
En 1998, cofundó Confinity, una empresa de software que más tarde se convertiría en PayPal, junto con Max Levchin y Luke Nosek.
La plataforma de PayPal revolucionó la forma en que las personas realizaban transacciones en línea, convirtiéndose en un pilar fundamental del comercio electrónico.
La historia de PayPal es un testimonio del enfoque disruptivo de Thiel. La compañía no solo desafió a los bancos tradicionales, sino que también sentó las bases para una nueva era de innovación en el sector financiero.
Bajo su liderazgo, PayPal creció rápidamente, y en 2002 fue adquirida por eBay por 1.5 mil millones de dólares en acciones. Este éxito inicial no solo proporcionó a Thiel una considerable fortuna, sino que también lo estableció como una figura prominente en el ámbito de la tecnología y la inversión.
La Filosofía de Thiel: libertad, innovación y desconfianza hacia el poder:
La Ideología de Thiel:
La ideología de Peter Thiel es un entrelazado de libertarismo, pensamiento crítico y una profunda desconfianza hacia las instituciones establecidas. A lo largo de su carrera, ha defendido la idea de que la innovación es la clave para resolver los problemas más apremiantes de la humanidad.
Thiel argumenta que la estagnación tecnológica es un desafío crítico que enfrenta la sociedad moderna, y ha abogado por un enfoque audaz y disruptivo para superarlo.
En su libro «Zero to One», Thiel presenta su visión de la innovación como un proceso que va más allá de la mera mejora incremental.
Para él, el verdadero progreso implica crear algo completamente nuevo, trascendiendo el statu quo. Esta filosofía se traduce en su enfoque de inversión, donde busca empresas que no solo tengan el potencial de crecer, sino que también estén dispuestas a desafiar las normas establecidas.
Desconfianza hacia las Instituciones:
La desconfianza de Thiel hacia las instituciones tradicionales, incluidas el gobierno y los medios de comunicación, es un tema recurrente en su discurso.
Ha argumentado que estas instituciones a menudo están más interesadas en mantener el poder que en fomentar la innovación y el progreso.
Esta perspectiva se ha manifestado en su apoyo a movimientos políticos y figuras que desafían el orden establecido, como Donald Trump.
Thiel ha sostenido que la política contemporánea se ha visto atrapada en una cultura de conformidad y mediocridad.
En su opinión, el sistema político actual es incapaz de abordar los desafíos complejos que enfrenta la sociedad, lo que lo lleva a abogar por soluciones radicales y enfoques innovadores. Esta postura ha llevado a Thiel a convertirse en un defensor de la política populista, donde la voz del individuo se eleva por encima de las élites políticas y económicas.
Palantir Technologies: la empresa que cambia las reglas del juego:
La Creación de Palantir:
En 2003, Thiel cofundó Palantir Technologies, una empresa centrada en el análisis de datos y la inteligencia artificial.
La visión detrás de Palantir era proporcionar a las organizaciones, tanto gubernamentales como privadas, herramientas para analizar grandes volúmenes de datos y tomar decisiones informadas.
A través de su software, Palantir permite a los usuarios identificar patrones y conexiones que pueden ser cruciales para la seguridad nacional, la lucha contra el crimen y la gestión empresarial.
Desde su fundación, Palantir ha trabajado con diversas agencias gubernamentales, incluidas la CIA y el FBI, y ha sido fundamental en operaciones de seguridad nacional.
Sin embargo, su asociación con el gobierno ha suscitado críticas sobre la vigilancia y la privacidad. La capacidad de Palantir para analizar datos sensibles ha llevado a un debate sobre el equilibrio entre la seguridad y los derechos individuales.
Innovación en el Análisis de Datos:
Palantir se ha destacado por su capacidad para innovar en el ámbito del análisis de datos. Su software combina técnicas avanzadas de inteligencia artificial y visualización de datos, lo que permite a las organizaciones tomar decisiones estratégicas basadas en información precisa y en tiempo real. Esta capacidad ha sido especialmente valiosa en situaciones de crisis, donde la rapidez y la precisión son fundamentales.
La plataforma Gotham de Palantir ha sido utilizada en una variedad de aplicaciones, desde la lucha contra el terrorismo hasta la gestión de crisis sanitarias.
Durante la pandemia de COVID-19, Palantir fue contratado por el gobierno de EE. UU. para ayudar a gestionar datos relacionados con la propagación del virus y la distribución de vacunas.
Este tipo de intervenciones ha puesto de relieve el papel crítico de Palantir en la gestión de datos en situaciones de emergencia.
Controversias y Críticas:
A pesar de su éxito, Palantir ha enfrentado críticas significativas. Las preocupaciones sobre la privacidad y la vigilancia han llevado a un intenso debate sobre el papel de la tecnología en la sociedad.
Activistas de derechos civiles han argumentado que el uso de la tecnología de Palantir por parte de las fuerzas del orden puede llevar a abusos y a la erosión de las libertades civiles.
Thiel ha defendido a Palantir, argumentando que su tecnología se utiliza para proteger a los ciudadanos y prevenir el crimen.
Sin embargo, la tensión entre la seguridad y la privacidad sigue siendo un tema candente en el debate sobre el futuro de la tecnología y su impacto en la sociedad.
Inversiones y el Capital de Riesgo: construyendo un Imperio:
Thiel como inversor:
Después de su éxito con PayPal, Thiel se convirtió en un destacado inversor en Silicon Valley. A través de su fondo de capital de riesgo, Founders Fund, ha invertido en numerosas startups innovadoras, incluidas SpaceX, Facebook, LinkedIn y Airbnb.
Su enfoque de inversión se basa en la búsqueda de empresas que estén dispuestas a desafiar el statu quo y que tengan el potencial de cambiar el mundo.
Thiel ha sido un defensor del emprendimiento audaz y ha alentado a los fundadores a pensar en grande.
Su filosofía de inversión se alinea con su ideología de innovación radical, donde busca oportunidades que no solo generen beneficios económicos, sino que también tengan un impacto positivo en la sociedad.
La influencia de Thiel en el Ecosistema Tecnológico:
La influencia de Thiel en el ecosistema tecnológico es innegable. Su apoyo a startups emergentes ha ayudado a dar forma a la industria tecnológica contemporánea, y su enfoque en la innovación ha inspirado a muchos emprendedores a seguir sus pasos. A través de su trabajo en Founders Fund y otras iniciativas, Thiel ha fomentado un ambiente propicio para el crecimiento de nuevas ideas y tecnologías.
Sin embargo, su enfoque audaz también ha generado críticas.
Algunos argumentan que su estilo de inversión puede llevar a la creación de monopolios y a la concentración de poder en manos de unas pocas empresas. La tensión entre la innovación y la competencia justa es un tema recurrente en el debate sobre el papel de las empresas tecnológicas en la economía moderna.
Thiel y la Política: un Activista de ideas.
Apoyo a movimientos políticos:
La influencia de Thiel no se limita a la tecnología; también ha tenido un impacto significativo en la política.
Su apoyo a movimientos populistas y su relación con figuras políticas como Donald Trump han suscitado controversia y debate. Thiel ha argumentado que el sistema político actual está fallando en abordar los problemas más apremiantes de la sociedad, lo que lo ha llevado a apoyar a candidatos que desafían el orden establecido.
Thiel ha sido un defensor de la política de derechas, abogando por un enfoque más nacionalista y centrado en la identidad.
Su participación en la campaña de Trump en 2016 fue un momento decisivo, donde su apoyo fue visto como un respaldo a un cambio radical en el panorama político estadounidense. Esta alianza ha llevado a críticas sobre su papel en la política y su influencia en la dirección del Partido Republicano.
Críticas y controversias políticas:
El apoyo de Thiel a Trump y su participación en la política han suscitado críticas de diversos sectores. Muchos ven su enfoque como una amenaza a los valores democráticos y a la cohesión social.
Los críticos argumentan que su ideología populista puede llevar a una erosión de las instituciones democráticas y a un aumento de la polarización política.
Thiel ha respondido a estas críticas defendiendo su derecho a involucrarse en la política y argumentando que la disidencia es fundamental para el progreso.
Para él, el sistema político actual necesita ser desafiado y renovado, y su participación es una forma de abogar por un cambio necesario.
La Visión de Thiel para el Futuro: Tecnología, Libertad y Poder:
La búsqueda de la innovación radical:
Thiel ha sido un defensor de la idea de que la innovación radical es esencial para el progreso de la humanidad.
En su libro «Zero to One», argumenta que el futuro debe ser construido sobre la base de nuevas ideas y tecnologías que transformen la sociedad.
Esta visión se traduce en su enfoque de inversión y en su apoyo a empresas que están dispuestas a desafiar las normas establecidas.
La búsqueda de la innovación radical no solo se limita a la tecnología; también se extiende a la política y la sociedad.
Thiel ha abogado por un cambio en la forma en que se abordan los problemas sociales, instando a los líderes a adoptar enfoques audaces y creativos.
Esta filosofía lo posiciona como un pensador influyente en el debate sobre el futuro de la tecnología y la sociedad.
El Poder de las empresas tecnológicas:
Thiel ha sido un defensor del papel de las empresas tecnológicas como motores de cambio en la sociedad. En su opinión, estas empresas tienen el potencial de resolver algunos de los problemas más apremiantes de la humanidad, desde el cambio climático hasta la crisis de la salud pública. Sin embargo, su influencia también plantea preguntas sobre el poder y la responsabilidad de estas empresas.
La concentración de poder en manos de unas pocas empresas tecnológicas ha llevado a un debate sobre las implicaciones de esta dinámica para la democracia y la sociedad.
Thiel ha abogado por un enfoque que permita a las empresas innovar y crecer, pero también ha reconocido la necesidad de un equilibrio entre el poder corporativo y los derechos individuales.
La Ética de la Innovación:
A medida que Thiel y otras figuras influyentes continúan impulsando la innovación, surgen preguntas sobre la ética de sus acciones.
La tecnología tiene el potencial de transformar la sociedad, pero también puede ser utilizada para fines cuestionables. La vigilancia, la manipulación de datos y la erosión de la privacidad son preocupaciones que han surgido en el contexto del avance tecnológico.
Thiel ha defendido su enfoque, argumentando que la tecnología debe ser utilizada para el bien y que la innovación puede ser una fuerza positiva en la sociedad.
Sin embargo, la tensión entre la ética y el poder sigue siendo un tema candente en el debate sobre el futuro de la tecnología y su impacto en la vida cotidiana.
Conclusiones: el legado de Peter Thiel y su futuro impacto.
La figura de Peter Thiel es un reflejo de las complejidades del mundo moderno.
Su influencia en la tecnología, la política y la sociedad ha dejado una marca indeleble, y su ideología y acciones continúan siendo objeto de debate.
Thiel ha demostrado ser un visionario en el ámbito de la innovación, pero su enfoque provocador y su desconfianza hacia las instituciones establecidas han suscitado críticas y controversias.
A medida que avanzamos hacia el futuro, la figura de Thiel plantea preguntas importantes sobre el papel de la tecnología en la sociedad, la concentración de poder y la ética de la innovación. Su legado, ya sea visto como positivo o negativo, seguirá influyendo en el desarrollo de la tecnología y la política en las próximas décadas.
En última instancia, el futuro de Peter Thiel y su impacto dependerán de su capacidad para navegar por las complejidades del mundo moderno. Su búsqueda de la innovación radical y su compromiso con la libertad individual lo posicionan como un actor clave en la evolución de la tecnología y la sociedad.
A medida que enfrentamos desafíos globales, la voz de Thiel y su visión del futuro seguirán siendo relevantes, invitándonos a reflexionar sobre el papel de la tecnología en nuestras vidas y cómo podemos moldear un futuro que beneficie a todos.
Crónica narrativa de un salto que difumina la línea entre preguntar y ejecutar
El rumor empezó, como casi todo en Silicon Valley, con una demo a puerta cerrada. Sala mínima, cinco sillas plegables, un proyector que chisporroteaba. En la pantalla se lee: «¿Qué pasaría si la fábrica de Charlotte perdiera hoy el 3 % de su potencia eléctrica?». Minutos después, brotan gráficos, SQL autogenerado, órdenes de compra pendientes; al final, un plan de contingencia que ya contiene los códigos de proveedor y los turnos reajustados para la noche. Nadie ha tecleado una sola línea de Python.
Aquella mañana de 2022, AIP—Artificial Intelligence Platform—mostró por primera vez lo que Palantir llama “pensamiento operativo en bucle cerrado”.
Así arranca nuestro capítulo: la colonización del lenguaje natural por parte de Palantir y la incógnita de cuánta autonomía cederemos a un sistema que responde a la velocidad del habla y despliega órdenes antes de que el café se enfríe.
De los grafos al verbo: el giro lingüístico.
Durante años, Gotham y Foundry vivieron en un idioma propio: nodos, aristas, ontologías. En 2021, sin embargo, los ingenieros de Denver notaron que la palabra de moda ya no era graph sino prompt. Amazon, Google, OpenAI… todos ofrecían modelos capaces de redactar contratos o componer versos. Palantir, en cambio, se movía en misiones tácticas, silencios clasificados y hornos industriales. ¿Cómo casar esa realidad rugosa con la poesía estadística de un LLM?
La respuesta fue pragmática: ningún modelo vale si ignora permisos y linaje. Así nació la consigna interna: “LLM on a leash”. El perro—o el genio—podía ladrar ideas, pero siempre atado a la correa de seguridad de Gotham y Foundry. Un chiste circuló en Slack: “GPT quiere ser libre; nosotros le damos tarjeta de acceso nivel SECRET”.
El laboratorio cero: una mina de litio en Chile.
El bautismo de AIP no ocurrió en un rascacielos, sino a 2 300 metros de altura, donde el desierto se vuelve salar. La minera australiana SQM buscaba optimizar bombas, rutas de camiones y evaporizadores solares. Con Foundry ya mapeaban kilómetro a kilómetro; faltaba algo: traducir dudas de un geólogo en comandos accionables.
Un día cualquiera, la geóloga Fernanda escribe en castellano: «Dime qué pozas producirán menos de 2 % sobre el target de iones si el viento desciende a 5 nudos y la humedad sube al 40 %».
AIP procesa la frase, verifica permisos, extrae del “data lineage” las tablas válidas, genera un script PySpark, lo firma y lo envía a un clúster aislado. Treinta segundos más tarde, la pantalla muestra un mapa con contornos naranjas: riesgo medio. Al hacer clic, aparece un borrador de orden de bombeo con los flujos recomendados. La ingeniera solo revisa, pulsa “approve”, y Apollo difunde la instrucción por radio enlace.
Los jefes celebran la reducción de horas-hombre; los sindicalistas levantan la ceja: ¿cuándo la supervisión humana se volvió mero trámite?
El encantamiento de los CFO: presupuesta mientras hablas.
En Nueva York, una reunión de planificación financiera se atasca: los precios del gas natural amenazan el margen del trimestre. La CFO, harta de diapositivas, lanza la prueba de fuego: «Muéstrame escenarios si el Henry Hub sube a 6,75 $ y nuestra cobertura cubre solo el 50 %». AIP consulta los hedges cargados en Foundry, genera un modelo Monte Carlo, escupe una banda de variación y propone ajustes en la planta de Texas. Todo esto antes de que el analista termine de apartar la silla para conectar su portátil.
La sensación dominante no es euforia, sino vértigo: la distancia entre demanda y solución se ha comprimido a segundos. Un vicepresidente murmura: “Si esto funciona así, ¿para qué tenemos equipos enteros de FP&A?”. Nadie responde. El software calla, pero deja abierta la ventana.
La guerra de los prompts: sombras de desinformación.
Claro que no todo es eficiencia. Durante las elecciones presidenciales de 2024 en un país centroeuropeo, un contratista gubernamental pide a AIP rastrear “narrativas hostiles” en redes sociales. El sistema identifica picos de hashtags, vincula cuentas, traza grafos de retuits. Sin embargo, entre los nodos aparece un clúster de periodistas legítimos junto a supuestos bots. El algoritmo, obediente, sugiere reportar el conjunto a la fiscalía.
Un abogado interno frena el envío: “Riesgo de colisión con libertad de prensa”. Se revisa el prompt original: era ambiguo, casi beligerante. De pronto, la gobernanza semántica se vuelve tema de Estado: ¿quién redacta, ¿quién audita, ¿quién corrige? Palantir convoca un “Prompt Review Board” de urgencia. La decisión: publicar pautas estilo quirúrgico y entrenar a los usuarios para preguntar con precisión. Un analista bromea que ahora “la sintaxis es arma y escudo a la vez”.
“One Click to Mars”: Apollo y la actualización ultra-rápida.
AIP crece tan rápido que Apollo se ve obligado a reinventarse. Cada modelo nuevo implica gigas de pesos, parches de seguridad y reglas de acceso. En 2025, Palantir revela Apollo FastLane: despliegues diferenciales que sólo envían la fracción de parámetros cambiados. En una refinería flotante del Mar del Norte, la latencia de satélite baja de horas a minutos.
La anécdota viaja al Ministerio de Defensa noruego: si la refinería puede, ¿por qué no los buques de guerra? Semanas después, un destructor clase Fridtjof Nansen recibe una versión de AIP-Naval que sugiere rutas evasivas ante submarinos no identificados. El capitán describe la experiencia como “GPS con instinto”. La Marina celebra; los críticos evocan Skynet.
El espejo oscuro: creatividad automática y propiedad intelectual.
Más allá de la logística, AIP ya escribe código, presentaciones, incluso eslóganes publicitarios. Un caso levanta ampollas: una agencia creativa subcontrata la plataforma para campañas de turismo. El modelo usa, en su entrenamiento, un repositorio con fotos licenciadas para análisis interno. Un prompt descuidado genera collages que reproducen estilos de fotógrafos sin atribución. Se enciende la disputa de copyright.
Palantir defiende su modelo diciendo que la generación no es copia sino “transformación estadística”. El fotógrafo amenaza con demanda. El debate sube a foros legislativos: si el sistema produce obras en segundos, ¿qué valor conserva la chispa humana? En un simposio, un ejecutivo equipara AIP a “un pincel infinitamente rápido” y provoca un aplauso tibio. El arte, parece, también entra en el balance entre beneficio y riesgo.
Regulación en tiempo real: la cláusula kill switch europea:
Bruselas reacciona con un borrador de directiva: todo “sistema de IA de propósito general con capacidad de ejecución automatizada” debe incluir un kill switch físico y auditable. Palantir ya lo implementa en sus instalaciones militares, pero la UE lo quiere obligatorio también en bancos y fábricas. Se exige además “explicabilidad razonable” de cada decisión algorítmica que supere un umbral financiero. Ingenieros protestan: explicar un LLM en la jerga jurídica es como traducir poesía a diagramas de flujo.
Al final, aparece un compromiso: AIP mostrará un fact sheet de cada acción—datasets, políticas de acceso, firma de modelo—antes de aplicarla. Es un “recibo digital” que guarda la trazabilidad y satisface a la comisión… de momento.
Inside Denver: cultura de “latencia cero”.
En la sede de Palantir, los pasillos lucen escritorios de pie y pizarras llenas de prompts fallidos. Un mantra se repite: “latencia cero desde idea hasta despliegue”. Los equipos de AIP trabajan en ciclos de 48 horas; los “anthropic hours”, las jornadas extensas, son casi norma. Dicen que una diseñadora escribió la guía de estilo de la interfaz en la madrugada de un domingo, y el lunes ya estaba en producción gracias a Apollo.
Pero no todo es épico. Retención de talento se complica: quemarse en seis meses por querer reducir el mundo a una sola pregunta y ver cómo la plataforma la escupe de vuelta en segundos no es para cualquiera. Un ingeniero confiesa: “AIP es una bestia que te obliga a pensar en alto; si tu idea tarda, se vuelve irrelevante”.
Ética, 2.0: cuando la decisión se delega al draft.
En una filial bancaria, AIP recomienda negar un préstamo millonario porque detecta riesgo climático en la zona de la planta solicitante.
El comité de crédito casi firma sin pestañear; un analista humano recuerda que existe un seguro paramétrico que cubre el riesgo. Añade la póliza y el modelo revierte a “aprobado”. Moraleja: el consejo del algoritmo es borrador, no sentencia.
Sin embargo, el primer impulso fue confiar a ciegas. La psicología de la delegación asoma como riesgo sistémico.
Palantir publica un white paper titulado “Human in the Nuance Loop”, donde admite que la velocidad puede narcotizar el juicio. Propone pausas obligatorias en prompts críticos. El mercado lo toma como señal de madurez. Los cínicos lo llaman “aviso legal disfrazado de humildad”.
Epílogo: la madriguera de conejo conversacional.
Terminemos con una escena mínima. Medianoche en un hospital universitario. Una residente, agotada, escribe en AIP: «Necesito un protocolo para un infarto en paciente con alergia a heparina y COVID positivo». El sistema, entrenado en bases de datos médicas validadas, devuelve una pauta preliminar, bibliografía y dosis ajustadas en peso. La doctora repasa, consulta al adjunto, ejecuta. El paciente, horas después, estabiliza.
A la mañana siguiente, la médico deja un post-it en la pantalla: “Gracias, pero no olvides que yo sigo al volante”.
Alguien responde debajo, en rotulador rojo: “Por ahora”.
La broma sintetiza el nuevo dilema: AIP ofrece un salto cuántico de eficiencia, pero también acorta el margen de reflexión. Entre el verbo y el acto cabe, aún, la conciencia humana. Lo que no está claro es cuánto durará ese espacio.
Decenas de empresas están fabricando robots que parecen humanos. Una de ellas está entrenando a una máquina para que sea mayordomo y ponerla a prueba pronto en los hogares.
Colaboración Cade Metz – The New York Times.
Una mañana reciente, llamé a la puerta de una bonita casa de dos pisos en Redwood City, California. En cuestión de segundos, abrió la puerta un robot sin rostro vestido con un mono beige que se ajustaba a su ceñida cintura y a sus largas piernas.
Este esbelto humanoide me saludó con un acento que parecía escandinavo y le ofrecí la mano. Cuando nuestras palmas se encontraron, dijo: “Tengo un apretón firme”.
Cuando el propietario de la casa, un ingeniero noruego llamado Bernt Børnich, pidió agua embotellada, el robot se dio la vuelta, entró en la cocina y abrió el refrigerador con una mano.
La inteligencia artificial ya conduce coches, escribe ensayos e incluso escribe código informático. Ahora, los humanoides, máquinas construidas para parecerse a los humanos y potenciadas por la IA, están a punto de instalarse en nuestros hogares para ayudarnos en las tareas cotidianas. Børnich es director ejecutivo y fundador de una empresa emergente llamada 1X. Antes de fin de año, su empresa espera colocar su robot, Neo, en más de 100 hogares de Silicon Valley y otros lugares.
Su empresa se encuentra entre las decenas de compañías que planean vender humanoides e introducirlos tanto en los hogares como en las empresas. Los inversores han invertido 7200 millones de dólares en más de 50 empresas emergentes desde 2015, según PitchBook, una empresa de investigación que realiza un seguimiento del sector tecnológico. El frenesí humanoide alcanzó un nuevo máximo el año pasado, cuando las inversiones superaron los 1600 millones de dólares. Y eso sin contar los miles de millones que Elon Musk y Tesla, su empresa de coches eléctricos, están invirtiendo en Optimus, un humanoide que empezaron a construir en 2021.
Empresarios como Børnich y Musk creen que los humanoides harán algún día gran parte del trabajo físico que ahora realizan las personas, incluidas tareas domésticas como limpiar encimeras y vaciar lavavajillas, trabajos de almacén como clasificar paquetes y trabajos de fábrica como construir coches en una cadena de montaje.
Los robots más sencillos —pequeños brazos robóticos y carritos autónomos, por ejemplo— llevan mucho tiempo compartiendo la carga de trabajo en almacenes y fábricas. Ahora, las empresas apuestan por que las máquinas puedan realizar una gama más amplia de tareas imitando la forma en que las personas caminan, se inclinan, se tuercen, se estiran, sujetan y, en general, hacen las cosas.
Como las casas, las oficinas y los almacenes ya están construidos para los humanos, argumentan estas empresas, los humanoides están mejor equipados para desenvolverse en el mundo que cualquier otro robot.
El impulso hacia la mano de obra humanoide lleva años creciendo, alimentado por los avances tanto en el hardware robótico como en las tecnologías de IA que permiten a los robots aprender rápidamente nuevas habilidades. Sin embargo, estos humanoides siguen siendo relativamente un espejismo.
Durante años han circulado por internet videos que muestran la notable destreza de estas máquinas, pero muy a menudo son guiadas a distancia por humanos. Y tareas sencillas como cargar el lavavajillas son cualquier cosa menos sencillas para ellas.
“Hay muchos videos por ahí que dan una falsa impresión de estos robots”, dijo Ken Goldberg, profesor de robótica de la Universidad de California, campus Berkeley. “Aunque parezcan humanos, no siempre se comportan como tales”.
Neo dijo “Hola” con acento escandinavo porque lo manejaba un técnico noruego en el sótano de la casa de Børnich. (En última instancia, la empresa quiere construir centros de atención telefónica en los que quizá decenas de técnicos darían soporte a los robots).
El robot caminaba por su cuenta por el comedor y la cocina. Pero el técnico hablaba por Neo y guiaba sus manos a distancia mediante un visor de realidad virtual y dos palancas de control inalámbricas. Los robots aún están aprendiendo a moverse por el mundo por sí solos. Y necesitan mucha ayuda para hacerlo. Al menos, por ahora.
‘Vi un nivel de hardware que no creía posible’:
Visité por primera vez las oficinas de 1X en Silicon Valley hace casi un año. Cuando un robot llamado Eve entró en la sala, abriendo y cerrando la puerta, no pude evitar la sensación de que aquel robot de ojos grandes era en realidad una persona disfrazada.
Eve se movía sobre ruedas, no sobre piernas. Y, sin embargo, seguía pareciendo humana. Pensé en El dormilón, la comedia de ciencia ficción de Woody Allen de 1973 llena de mayordomos robóticos.
Los ingenieros de la empresa ya habían construido a Neo, pero no había aprendido a caminar. Una temprana versión colgaba de la pared del laboratorio de la empresa.
En 2022, Børnich se conectó a una llamada de Zoom con un investigador de IA llamado Eric Jang. No se conocían.
Jang, que ahora tiene 30 años, trabajaba en un laboratorio de robótica en la sede de Google en Silicon Valley, y Børnich, que ahora tiene 42, dirigía una empresa emergente en Noruega llamada Halodi Robotics.
Un posible inversor había pedido a Jang que recabara información sobre Halodi, para ver si merecía la pena invertir en ella. Børnich mostró el humanoide de la empresa, Eve. Era algo que había soñado construir desde que era adolescente, inspirado —como muchos especialistas en robótica— por la ciencia ficción (su favorita personal: la película de 1982, Blade Runner).
Jang quedó fascinado por la forma en que se movía Eva. Comparó la llamada de Zoom con una escena de la serie de ciencia ficción Westworld, en la que un hombre asiste a un cóctel y se sorprende al descubrir que todos los presentes son robots.
“Vi un nivel de hardware que no creía posible”, dijo Jang.
El posible inversor no invirtió en Halodi. Pero Jang no tardó en convencer a Børnich para unir fuerzas.
Jang formaba parte de un equipo de Google que enseñaba a los robots nuevas habilidades mediante sistemas matemáticos llamados redes neuronales, que permiten a los robots aprender a partir de datos que representan tareas del mundo real. Tras ver a Eve, Jang le dijo a Børnich que debían aplicar la misma técnica a los humanoides.
El resultado fue una empresa transatlántica a la que rebautizaron 1X. La empresa emergente, que ha crecido hasta tener unos 200 empleados, cuenta ahora con más de 125 millones de dólares de financiación de inversores entre los que se encuentran Tiger Global y la empresa emergente de inteligencia artificial OpenAI.
Todo esto es un comportamiento aprendido:
Cuando volví al laboratorio de la empresa unos seis meses después de conocer a Eve, me recibió un Neo andante. Le habían enseñado a caminar totalmente en el mundo digital. Simulando la física del mundo real en un entorno similar al de un videojuego, podían entrenar a una versión digital de su robot para que se mantuviera de pie y en equilibrio y, finalmente, diera pasos.
Tras meses entrenando a este robot digital, transfirieron todo lo que había aprendido a un humanoide físico.
Si me ponía en el camino de Neo, se detenía y se movía a mi alrededor. Si le empujaba el pecho, se mantenía en pie. A veces, tropezaba o no sabía muy bien qué hacer. Pero podía caminar por una habitación como lo hacen las personas.
“Todo esto es un comportamiento aprendido”, dijo Jang, mientras Neo hacía clic contra el suelo a cada paso. “Si lo ponemos en cualquier entorno, debería saber cómo hacerlo”.
Sin embargo, entrenar a un robot para realizar tareas domésticas es una perspectiva totalmente distinta.
Como la física de cargar un lavavajillas o doblar la ropa es extremadamente compleja, 1X no puede enseñar estas tareas en el mundo virtual. Tienen que recopilar datos dentro de casas reales.
Cuando visité la casa de Børnich un mes después, Neo empezó a tener problemas con la puerta de acero inoxidable del frigorífico. La conexión wi fi del robot se había interrumpido. Pero una vez que el técnico oculto reinició el wi fi, guio sin problemas al robot en su pequeña tarea. Neo me entregó una botella de agua.
También vi cómo Neo metía ropa en una lavadora, poniéndose en cuclillas con cuidado para levantar la ropa de un cesto. Y mientras Børnich y yo charlábamos fuera de la cocina, el robot empezó a limpiar las encimeras. Todo esto se hacía por control remoto.
Incluso controlado por humanos, Neo puede dejar caer una taza o esforzarse por encontrar el ángulo correcto al intentar tirar una botella vacía al bote de la basura bajo el fregadero. Aunque los humanoides han mejorado a pasos agigantados en la última década, siguen sin ser tan ágiles como los humanos. Neo, por ejemplo, no puede levantar los brazos por encima de la cabeza.
Para los no iniciados, Neo también puede resultar un poco escalofriante, como todo lo que parece en parte humano y en parte no. Hablar con él es especialmente extraño, dado que en realidad estás hablando con un técnico a distancia. Es como hablar con un muñeco de ventrílocuo.
‘Lo que vendemos es más un viaje que un destino’:
Al guiar a Neo por las tareas domésticas, Børnich y su equipo pueden recopilar datos —mediante cámaras y otros sensores instalados en el propio robot— que muestran cómo se realizan estas tareas. Luego, los ingenieros de 1X pueden utilizar estos datos para ampliar y mejorar las habilidades de Neo.
Del mismo modo que ChatGPT puede aprender a escribir trabajos analizando textos de internet, un robot puede aprender a limpiar ventanas identificando patrones en horas de video digital.
La mayoría de los humanoides, incluido el Optimus de Musk y proyectos similares como Apptronik y Figure AI, están diseñando humanoides para almacenes y fábricas, argumentando que estos entornos tan controlados serán más fáciles de manejar para los robots. Pero con la venta de humanoides en los hogares, 1X espera recopilar enormes cantidades de datos que, en última instancia, puedan mostrar a estos robots cómo manejar el caos de la vida cotidiana.
En primer lugar, la empresa debe encontrar personas que acojan en sus hogares una versión temprana de una nueva y extraña tecnología, y que paguen por ella.
1X aún no ha fijado un precio para estas máquinas, que fabrica en su propias instalaciones en Noruega. Construir un humanoide como Neo cuesta más o menos lo mismo que construir un coche pequeño: decenas de miles de dólares.
Para alcanzar su potencial, Neo debe capturar video de lo que ocurre en el interior de las viviendas. En algunos casos, los técnicos verán lo que ocurre en tiempo real. Fundamentalmente, se trata de un robot que aprende en el trabajo.
“Lo que vendemos es más un viaje que un destino”, dijo Børnich. “Va a ser un camino muy accidentado, pero Neo hará cosas realmente útiles”.
‘Queremos que nos des tus datos bajo tus condiciones’
Cuando pregunté a Børnich cómo gestionaría la empresa la privacidad una vez que los humanoides estuvieran dentro de las casas de los clientes, explicó que los técnicos, que trabajarían desde centros de llamadas remotos, solo tomarían el control del robot si recibían la aprobación del propietario a través de una aplicación para celulares.
También dijo que los datos no se utilizarían para entrenar nuevos sistemas hasta transcurridas al menos 24 horas desde su recopilación. Esto permitiría a 1X eliminar los videos que los clientes no deseen que la empresa utilice.
“Queremos que nos des tus datos bajo tus condiciones”, dijo Børnich.
Con estos datos, Børnich espera producir un humanoide que pueda hacer casi cualquier tarea doméstica. Eso significa que Neo podría sustituir a los trabajadores que se ganan la vida limpiando casas.
Pero para eso aún faltan años, en el mejor de los casos. Y debido a la creciente escasez de trabajadores que se ocupan tanto de la limpieza del hogar como del cuidado de ancianos y niños, las organizaciones que representan a estos trabajadores acogen con satisfacción el auge de las nuevas tecnologías que realizan tareas en el hogar, siempre que empresas como 1X construyan robots que trabajen bien junto a los trabajadores humanos.
“Estas herramientas podrían facilitar algunos de los trabajos más agotadores y peligrosos, y permitir a los trabajadores centrarse en cosas que solo pueden ofrecer los trabajadores humanos”, dijo Ai-jen Poo, Presidenta de la Alianza Nacional de Trabajadoras del Hogar, que representa a los trabajadores domésticos, cuidadores a domicilio y niñeras del país.
Poco después, Neo empezó a limpiar las altísimas ventanas de la parte lateral de la casa. Entonces, al volverme hacia Børnich, oí un estruendo en el suelo de la cocina. Tras una avería eléctrica, Neo se había caído de espaldas y se había desmayado.
Børnich levantó al robot, como si fuera un pequeño adolescente, lo llevó al salón y lo tumbó en una silla. Incluso cuando Neo se desmayó, parecía humano.
Otros humanoides que he conocido pueden resultar intimidantes. Neo, que mide unos 1.67 metros y pesa 29 kilos, no lo es. Pero seguía preguntándome si podría herir a una mascota —o a un niño— con una caída así.
¿Dejará la gente que esta máquina entre en sus casas? ¿Cuánto tardará en mejorar sus habilidades? ¿Puede liberar a la gente de sus tareas cotidianas? Estas preguntas aún no tienen respuesta. Pero Børnich sigue adelante.
“Hay muchas personas como yo”, dijo. “Han soñado con tener algo así en su casa desde que eran niños”.
Cade Metz es un periodista y escritor estadounidense especializado en tecnología, inteligencia artificial y Silicon Valley. Trabaja como reportero en The New York Times, donde cubre temas relacionados con empresas tecnológicas, avances en IA, robótica y el impacto social de la innovación digital. Antes de unirse al Times, fue corresponsal de Wired, y ha escrito el libro Genius Makers, que explora la historia y las figuras clave detrás del auge de la inteligencia artificial moderna. Su trabajo se destaca por su profundidad analítica y su capacidad para traducir conceptos técnicos complejos en narrativas accesibles y reveladoras.
The New York Times es un periódico diario estadounidense fundado en 1851 y con sede en Nueva York, considerado uno de los más influyentes y prestigiosos del mundo. Cubre noticias nacionales e internacionales, reportajes de investigación, análisis, cultura, opinión, economía, ciencia y estilo de vida. El medio opera tanto en formato impreso como digital, y ha consolidado una gran base de suscriptores online, lo que le permite ejercer un rol clave en el ecosistema mediático contemporáneo.
Hace unas semanas la FDA autorizó su venta limitada y un local de Portland lo incluyó en su menú. Se produce a partir de las células del pescado. Dicen que no reemplazará al de granja o al salvaje, pero podría representar un negocio de USD 400 millones para 2034.
Colaboración de Claudio Andrade
A fines de mayo pasado, el restaurante haitiano “Kann”, ubicado en Portland (Oregón) fue el primero en el mundo en ofrecer un plato de salmón cultivado en laboratorio. Ocurrió días después de que la Administración de Alimentos y Medicamentos de los Estados Unidos (FDA) autorizó la venta en restaurantes del salmón producido por la empresa Wildtype. Un primer paso dentro del proceso sanitario estipulado por la FDA hacia su venta masiva. Fue bautizado por la firma como Wildtype Salmon Saku. El saku es un corte habitualmente usado en la gastronomía japonesa.
“Tan seguro como alimentos comparables producidos por otros métodos”, concluyó el organismo.
La elección de un restaurante en Portland por parte de losfundadores de Wildtype no es casual. Esta ciudad es considerada la más verde del planeta, donde sus vecinos han implementado diversas medidas para aminorar el impacto de la comunidad en la región.
Desde la firma anuncian que en breve estarán sirviendo su salmón en el restaurante Otoko en Texas.
No obstante, los emprendedores aseguran que no intentan terminar con la industria de la acuicultura o afectar el trabajo de los pescadores tradicionales. El salmón de laboratorio sería una alternativa más para enfrentar la fuerte demanda de productos de mar que viene enfrentando el planeta desde hace una década.
Se estima que en 2050 la Tierra llegará a los 10.000 millones de habitantes y la acuicultura tendrá un papel relevante en lo referido a su alimentación. En la actualidad, más del 50% de los alimentos de mar que consumimos provienen de granjas acuáticas en espacios controlados. La producción acuícola mundial ronda los 130.9 millones de toneladas y va en aumento.
“No buscamos que los pescadores se queden sin trabajo ni eliminar la necesidad de la piscicultura”, dijo Justin Kolbeck, cofundador de Wildtype a The Washington Post.
Sin embargo, todo indica que este tipo de productos llegó para quedarse y evolucionar. Sus creadores entienden que en el horizonte se comienza a levantar un extraordinario negocio.
“No podríamos pensar en un mejor socio para presentar nuestro salmón de cultivo que el galardonado chef y autor Gregory Gourdet. El servicio semanal comenzó a finales de mayo en su restaurante haitiano, Kann, galardonado con el premio James Beard, en Portland, Oregón. Los comensales ahora pueden disfrutar del salmón Wildtype en Kann los jueves por la noche de junio y, a partir de julio, todos los días. Visite la página de reservas de Kann para reservar su lugar”, anunciaron desde Wildtype en su web hace unas semanas.
Un negocio que podría llegar a los USD 400 millones en 2034
En la actualidad el comercio del salmón mueve USD 23.000 millones anuales y para 2024 tocaría los USD 44.000 millones. Algunos analistas de mercado subrayan que, si el salmón de laboratorio capta el 1% del mercado, este nicho representará USD 400 millones en 2034.
El plato del restaurante “Kann” consiste en unos cubos de salmón cultivado, acompañado de fresas en escabeche, tomates y una galleta de arroz. El lema que lo acompaña es: “Sé el primero del mundo en probar el futuro de los mariscos sostenibles”.
No fue nada fácil llegar a este punto. Los primeros 453 gramos tuvieron un costo de “preparación” de USD 400 millones en 2016. En 2022 la cifra bajó a USD 200 por el mismo volumen y el valor podría llegar a los USD 7 u USD 8 en un futuro cercano. Un número que lo ubicaría por debajo del salmón que se consume en Estados Unidos.
El salmón cultivado no es igual al salmón sintético desarrollado por Revo Foods y New School Foods y presentado en 2021. El cultivado se produce a partir de células que son tomadas del salmón en su etapa alevín. El sintético es un producto que tiene como base plantas que imitan la textura y el sabor del salmón.
Cómo crear un plato de salmón en dos semanas
“Tan seguro como alimentos comparables producidos por otros métodos”, concluyó el FDA de Estados Unidos
Para una sociedad en crecimiento, y cada vez más obsesionada con la gastronomía de mar, el tiempo de producción es clave. Un salmón de granja puede demorar más de dos años en alcanzar su peso ideal (unos 5 kilos) en la zona de engorde. Antes habrá transcurrido por el proceso total que abarca desove y fecundación, alevinaje y smoltificación. Un salmón salvaje, por su lado, demora entre 3 y 4 años en llegar a su etapa de madurez.
En cambio, crear un “bloque” de salmón de 220 gramos representa en tiempo unas 2 semanas. Es el peso que habitualmente contienen los platos en los restaurantes.
Parecido a hacer cerveza
El negocio del cultivado basa su proyección en la propia dinámica de un mercado, el del salmón en particular y el de la acuicultura en general, que no ha encontrado su techo
Esta pieza de salmón requiere de una serie de complejos pasos antes de convertirse en un alimento comestible. Las células son cultivadas en tanques de acero inoxidable similares a los que utilizan las microcervecerías. En este espacio se “alimentan con una mezcla de nutrientes, que incluye aminoácidos, vitaminas, sales, azúcares, proteínas y grasas”, detalla el medio norteamericano en base a la explicación de la firma. “Imaginen una especie de Gatorade sofisticado”, sintetizó Kolbeck.
El resultante de esta etapa es una composición amorfa que no tiene ningún parecido con el salmón de granja o salvaje por todos conocido. Es una sustancia que luego se mezcla con una estructura (sí, una suerte de esqueleto vegetal) compuesta por ingredientes de origen vegetal que ayudan a levantar un “slice” de salmón que suma nutrientes y color anaranjado.
“No he visto ningún análisis exhaustivo del ciclo de vida que compare esta tecnología con otras”, ha explicado Sebastian Belle, presidente de la Asociación Nacional de Acuicultura. “En definitiva, eso es lo que realmente necesitamos entender: ¿es mejor, es igual o es peor? Y necesitamos aplicar esa ciencia”.
En los últimos años, Wildtype atrajo el interés y los dólares de famosos como Leonardo DiCaprio, Robert Downey Jr. Y Jff Bezos. Pero los propios impulsores han reconocido que el dinero para este tipo de inversiones ya no abunda como hace 2 años.
En 2021, la inversión en proyectos de carnes cultivadas era de unos USD 1300 millones. En 2022 bajó a USD 900 millones y en 2024 a menos de USD 200 millones. En 2018, los fundadores de Wildtype, Aryé Elfenbein y Kolbeck recaudaron USD 3.5 millones en Venture Capital. Había comenzado 2 años antes.
A pesar de este escenario, el negocio del cultivado basa su proyección en la propia dinámica de un mercado, el del salmón en particular y el de la acuicultura en general, que no ha encontrado su techo.
En la presentación que hace Wildtype se revela una fórmula de marketing donde confluyen la ciencia ficción con la más pura realidad.
““Saku” es el término japonés que designa un bloque de pescado crudo cortado uniformemente, perfecto para cortar en sashimi. El saku de salmón silvestre es la culminación de casi una década de investigación. El resultado es un corte de pescado puro, sabroso y respetuoso con nuestros mares.
Y cuando dicen “corte” se refieren exactamente a eso. Un recorte de la naturaleza que sale de un laboratorio y termina en un menú en Portland.
Claudio Andrade es un periodista argentino que ha trabajado en medios como Página/12, Río Negro y Clarín, y ha recibido el Premio FOPEA al Periodismo en Profundidad en 2018 por su cobertura del caso Maldonado. Actualmente, reside entre Puerto Natales (Chile), Punta Arenas, Bariloche y Buenos Aires, y es colaborador del medio Seúl.(Seúl).
