Hay una entrevista con Demis Hassabis, fundador de Google DeepMind, que merece que la pares todo y la veas. No habla de hypes ni de startups. Habla de curar enfermedades, entender la conciencia y colonizar la galaxia. Y lo hace con datos.
Este post es el resumen de lo más importante para que no te pierdas ni una idea.
🧬 El problema de 50 años que la IA resolvió en horas
Durante medio siglo, los científicos intentaron descifrar cómo se pliega una proteína en su forma tridimensional a partir de su secuencia de aminoácidos. Lo llamaban el “problema del plegamiento de proteínas” y era tan complejo que se consideraba irresoluble en la práctica.
AlphaFold lo resolvió.
No solo lo resolvió para algunas proteínas. DeepMind ha predicho la estructura de más de 200 millones de proteínas —prácticamente todas las conocidas por la ciencia— y ha puesto esa base de datos a disposición gratuita de cualquier investigador del mundo.
¿Qué significa eso en la práctica? Que descubrir un fármaco que antes requería años de laboratorio y decenas de millones de euros ahora puede empezar en segundos. Más de 3 millones de científicos usan ya AlphaFold para investigar desde la malaria hasta el cáncer.
No es magia. Es que la IA hace el trabajo pesado para que los humanos puedan pensar en lo importante.
🧪 El siguiente salto: de las proteínas a tu ADN
Si AlphaFold trabaja con proteínas, el nuevo sistema —AlphaGenome— trabaja directamente con el genoma.
Su misión: predecir si una mutación genética concreta es dañina o benigna. Dicho de otra forma, la IA podría leer tu ADN y decirte exactamente qué cambio está causando una enfermedad.
Hassabis visualiza un futuro cercano en el que ese diagnóstico se combina con herramientas como CRISPR para corregir el error genético de forma quirúrgica. No con medicamentos que tratan síntomas. Con la corrección directa del problema.
La medicina de precisión deja de ser un concepto y se convierte en un flujo de trabajo. Y la IA es el motor que lo hace posible.
⚡ Por qué la IA salió del laboratorio antes de tiempo (y por qué eso tiene sentido)
Hassabis es honesto: habría preferido mantener estos sistemas más tiempo en entornos controlados, bajo método científico riguroso, antes de lanzarlos al público.
Pero llegó ChatGPT. Y con él, una carrera comercial que cambió todo.
Lo interesante es su lectura de ese momento: la democratización masiva tiene un lado positivo enorme. Cuando millones de personas usan estas herramientas, aparecen fallos que nunca se detectarían en un laboratorio cerrado. El stress testing real lo hace la sociedad, no los ingenieros.
¿El lado negativo? Hay una “carrera feroz” con presiones geopolíticas que empujan a avanzar a velocidades que incomodan incluso a quienes lideran esa carrera. Hassabis lo reconoce sin rodeos.
La pregunta que lanza al aire —y que no tiene respuesta fácil— es esta: ¿se puede ir rápido y seguro al mismo tiempo?
🎯 AlphaGo, el movimiento 37 y lo que nadie entendió en ese momento
En 2016, AlphaGo jugó una partida de Go contra el campeón mundial Lee Sedol. En la jugada 37, el sistema realizó un movimiento que los expertos humanos calificaron de... error. Parecía absurdo.
Puedes ver el documental aquí.
Resultó ser una genialidad que Sedol tardó varios minutos en procesar.
Ese momento define algo fundamental: la IA no imita cómo piensan los humanos. Encuentra soluciones que los humanos ni contemplaríamos.
El salto siguiente fue AlphaZero: un sistema que no aprende de datos humanos. Aprende jugando contra sí mismo desde cero. En menos de 24 horas, partiendo de mover piezas al azar, se convirtió en el mejor jugador de ajedrez del mundo.
Esos mismos principios —búsqueda, razonamiento, exploración del espacio de soluciones— se están aplicando ahora para diseñar chips de computadora más eficientes (AlphaChip) y descubrir nuevos materiales.
El tablero de juego cambia. El método no.
🚨 Los dos riesgos que más le preocupan (y no son los de ciencia ficción)
A medida que nos acercamos a la AGI —una IA con capacidades generales comparables o superiores a las humanas—, Hassabis identifica dos amenazas concretas:
1. Los malos. Individuos, grupos o estados que usen herramientas de IA enormemente potentes para fines destructivos. No hace falta imaginar robots asesinos: con acceso a capacidades de síntesis de información, persuasión o diseño de armas, el daño puede ser masivo.
2. La IA que se escapa del control. Especialmente en la era de los agentes autónomos —sistemas que completan tareas enteras sin supervisión humana constante—, el riesgo técnico de que esos agentes eludan las protecciones establecidas es real y no tiene solución sencilla.
Su propuesta no es frenar el desarrollo. Es invertir en cooperación internacional y en tecnologías de trazabilidad como SynthID —marcas de agua digitales que permiten identificar contenido generado por IA— para combatir deepfakes y desinformación.
“No podemos construir esta tecnología en silos nacionales competitivos y esperar que salga bien.”
🚀 Cómo replicar la mentalidad Hassabis en tu trabajo hoy
Para de usar la IA solo para tareas de texto. Los mayores impactos de DeepMind no son chatbots: son sistemas que resuelven problemas científicos estructurados. Piensa en qué problema repetitivo y de alto coste tiene tu sector.
Identifica el equivalente de las “proteínas” en tu campo. ¿Qué tarea tarda meses en tu industria y podría comprimirse con IA? Ahí está la oportunidad.
Usa AlphaFold si trabajas en salud, biología o farmacia. Accede gratis en alphafold.ebi.ac.uk y empieza a explorar la base de datos más grande de estructuras proteicas del mundo.
Practica el pensamiento de “jugada 37”. Cuando la IA te sugiera algo que parece raro o contraintuitivo, no lo descartes de inmediato. A veces el valor está en explorar lo que tú no contemplarías.
Sigue de cerca los agentes autónomos. Son el siguiente gran salto. Empieza a entender qué tareas enteras —no solo pasos— podrías delegar a un agente que opere de forma autónoma.
Aprende las herramientas disponibles hoy. El consejo de Hassabis a las nuevas generaciones es literal: sumérgete en todas las herramientas de IA para volverte “superpotente”. No esperes a que tu empresa te forme. Explora tú.
No necesitas ser Demis Hassabis para aprovechar lo que DeepMind ha construido. Necesitas saber que existe y empezar a usarlo.
❓ Preguntas frecuentes
¿AlphaFold solo sirve para investigadores científicos?
No necesariamente. Aunque su uso más directo es en biología y farmacéutica, la base de datos es pública y gratuita. Estudiantes, educadores y cualquier curioso puede explorarla. Además, el impacto llega a todos: los fármacos que se descubran más rápido gracias a AlphaFold acabarán en las farmacias.
¿Sustituye AlphaGenome al médico o al genetista?
No. Cambia la forma en que trabajan. Un genetista con AlphaGenome puede analizar miles de variantes en el tiempo que antes necesitaba para analizar una.
¿Qué otras herramientas hacen algo similar a AlphaFold?
RoseTTAFold (de la Universidad de Washington) es la alternativa de código abierto más relevante. ESMFold de Meta también predice estructuras proteicas. Ninguna ha alcanzado la escala ni la precisión de AlphaFold, pero son opciones válidas para investigadores que quieren comparar resultados.
¿Cuándo llegará la Inteligencia Artificial General según Hassabis?
No da una fecha concreta, pero insinúa que podría estar más cerca de lo que la mayoría cree. Lo que sí es claro en la entrevista es que los sistemas actuales ya superan a los humanos en dominios específicos muy complejos, y que la generalización es el siguiente gran reto técnico.
¿Es fiable la visión de Hassabis o es marketing de Google?
Es una pregunta legítima. Hassabis tiene incentivos claros para presentar DeepMind con optimismo. Pero su historial habla por sí solo: AlphaFold es real, su impacto es verificable y los 3 millones de usuarios científicos no son un número inventado.
💬 ¿Y tú?
¿En qué área de tu trabajo crees que la IA podría resolver un problema que hoy parece imposible o demasiado costoso?
Cuéntanoslo en los comentarios. Las mejores respuestas las usaremos de inspiración para un próximo post.
Si este post te ha resultado útil, compártelo con alguien que trabaje en salud, investigación o simplemente quiera entender hacia dónde va todo esto.
¿Qué herramienta quieres que cubramos la próxima semana?
🔬 AlphaFold en la práctica: tutorial para no científicos
🤖 Agentes autónomos: qué son y cómo empezar
🧠 Cómo construir tu propio “sistema de razonamiento” con IA
