IA y el fin de las enfermedades: la visión de Demis Hassabis que está tomando forma
En mayo de 2025, Demis Hassabis —CEO de Google DeepMind y Premio Nobel de Química— hizo una afirmación que pocos se atrevieron a tomar en serio fuera del mundo científico: "Creo que podemos curar todas las enfermedades con ayuda de la IA, quizás dentro de la próxima década. No veo ninguna ley de la física que lo impida." Un año después, a mediados de 2026, esa declaración ya no suena tan descabellada.
Lo que diferencia esta visión de las promesas vacías que abundan en el mundo tech es el detalle de la hoja de ruta. Hassabis no habla de magia ni de singularidades abstractas. Habla de ingeniería de plataformas aplicada a biología molecular, con modelos concretos, etapas definidas y resultados ya verificables. Y eso cambia completamente la conversación.
En este artículo analizamos qué está construyendo DeepMind, por qué la analogía con AlphaFold es clave para entender el ritmo del progreso, y qué implicancias tiene esto para líderes empresariales y profesionales de tecnología en América Latina.
La plataforma que nadie está viendo venir
La mayoría de la gente conoce AlphaFold como "el modelo que predice estructuras de proteínas". Pero lo que Hassabis describe es algo mucho más ambicioso: una plataforma de una docena de modelos al nivel de AlphaFold, cada uno cubriendo una etapa distinta del proceso de descubrimiento de fármacos.
¿Qué significa eso en la práctica? El descubrimiento de un fármaco no es un solo paso. Implica predecir cómo una proteína interactúa con otras proteínas, cómo un compuesto se une a un receptor específico, qué tan tóxico será en el cuerpo, cómo se absorbe, qué efectos secundarios puede generar, y cómo sintetizarlo de forma viable. Hoy, cada uno de esos pasos requiere años de trabajo experimental. La apuesta de DeepMind es construir modelos computacionales que los resuelvan en paralelo, con precisión verificable.
La analogía que usa Hassabis es precisa: AlphaFold 2 tardó años en desarrollarse y parecía que el progreso era marginal. Luego, en menos de doce meses, el modelo plegó los 200 millones de proteínas conocidas de la humanidad. El progreso no fue lineal. Fue exponencial y concentrado. Según Hassabis, el descubrimiento de fármacos con IA seguirá el mismo patrón: años de silencio aparente, seguidos de un salto disruptivo.
Más allá del laboratorio: IA en ensayos clínicos
Lo que hace especialmente relevante la visión de Hassabis es que no se limita al descubrimiento del compuesto. En la conversación con Two Minute Papers, señala que la IA también puede transformar los ensayos clínicos, que históricamente representan la parte más lenta y costosa del proceso farmacéutico.
¿Cómo? Estratificando mejor a los pacientes para los ensayos, prediciendo dosis óptimas con mayor precisión, identificando qué subgrupos poblacionales responden mejor a un tratamiento, y potencialmente reemplazando algunos pasos regulatorios con evidencia computacional sólida. Hassabis menciona el precedente de las vacunas ARNm durante el COVID: una tecnología nueva que, ante una emergencia, demostró que los marcos regulatorios pueden adaptarse cuando la evidencia es contundente.
La hipótesis es que, una vez que los primeros diez fármacos diseñados con IA completen el proceso regulatorio completo, habrá suficiente data para evaluar la precisión predictiva de los modelos. Si nueve de diez funcionan, ese historial se convierte en argumento ante la FDA y organismos equivalentes para rediseñar partes del proceso. No para saltarse la seguridad, sino para hacerla más eficiente.
¿Cómo aplica esto en tu empresa?
Es válido preguntarse qué tiene que ver todo esto con una empresa mediana en Perú o en América Latina que no está en el negocio farmacéutico. La respuesta es más directa de lo que parece.
Primero, el patrón de adopción de IA que describe Hassabis es universal. Muchas organizaciones en la región están en la fase de "silencio aparente": han implementado algunas herramientas de IA, los resultados parecen incrementales, y hay escepticismo interno. Eso no significa que no esté funcionando. Significa que están en la curva pre-AlphaFold. El salto viene después de consolidar la infraestructura de datos y los flujos de trabajo correctos.
Segundo, el sistema Co-Scientist de DeepMind —un asistente de investigación basado en Gemini con herramientas especializadas para generación de hipótesis— representa una clase de herramienta que ya tiene equivalentes en el mundo empresarial: agentes de IA capaces de analizar información compleja, proponer escenarios y criticar ideas. Herramientas como n8n con integración a Claude o GPT-4o permiten construir flujos similares para análisis de mercado, evaluación de proveedores o planificación estratégica.
Tercero, la observación de Hassabis sobre necesitar IA para gestionar el trabajo administrativo y así tener más tiempo para usar IA en tareas de alto valor es un problema real en cualquier organización. Automatizar lo repetitivo para liberar capacidad cognitiva hacia lo estratégico es exactamente el caso de uso más rentable de la IA empresarial hoy.
Si tu empresa aún no tiene un mapa claro de qué procesos pueden automatizarse con IA en los próximos doce meses, ese es el primer paso concreto que deberías dar antes de que el salto exponencial llegue a tu industria.
Conclusión
La visión de Hassabis sobre curar todas las enfermedades en diez años no es una promesa de marketing. Es una hoja de ruta de ingeniería con etapas, modelos y métricas. El mismo enfoque —construir plataformas modulares, medir el progreso con datos reales y escalar lo que funciona— es aplicable a cualquier industria que quiera usar IA de forma seria.
En Consultoría-Ti trabajamos con empresas en Perú y América Latina que están en distintas etapas de ese camino: desde las primeras automatizaciones hasta la integración de agentes de IA en procesos críticos de negocio. Si quieres entender dónde está tu organización en esa curva y qué pasos concretos dar, conversemos.
Agenda una consulta con el equipo de Consultoría-Ti y evaluamos juntos cómo la IA puede generar valor real en tu empresa.
Fuentes y Referencias
Two Minute Papers — Demis Hassabis: Cure All Disease In 10 Years (YouTube)
✨ Contenido generado con ContentFlow — Consultoría-Ti