10  Biotecnología y actividad económica asociada

Cada nuevo cultivo añadido al repertorio de plantas cultivables en un país suponía un progreso neto en calidad de vida, seguridad alimentaria y reducción de la pobreza. Los viajes al Nuevo Mundo modificaron para siempre la dieta y los productos básicos de alimentación en Europa, transformando también la economía de muchas regiones. El intercambio colombino —como lo denominó el historiador Alfred Crosby en 1972— es el ejemplo clásico: la introducción del maíz, el tomate, el cacao, la yuca, el boniato, el pimiento y la patata revolucionó la gastronomía europea y mejoró su seguridad alimentaria.

La analogía se invoca a menudo para presentar la biotecnología agrícola moderna como continuación natural de aquel proceso, y conviene aceptarla solo hasta cierto punto. La diferencia decisiva no es técnica sino jurídica: las variedades del intercambio colombino circularon sin que nadie ostentase derechos exclusivos sobre ellas, mientras que las de la biotecnología contemporánea llegan acompañadas de un título de propiedad. Esa asimetría, y no la potencia de la técnica, es la que organiza buena parte de lo que sigue.

Este apartado examina la dimensión económica de las biotecnologías en cinco planos: la estructura del sector que las produce, el régimen de propiedad intelectual que lo sostiene, los mecanismos por los que ese régimen genera ingresos, la convergencia con la inteligencia artificial y sus expectativas, y el efecto de los intereses económicos sobre la propia evidencia científica.

10.1 Estructura del sector: de la startup a la integración vertical

10.1.1 El problema de fondo: producción, demanda y suelo

Sin incorporar el conocimiento biotecnológico adquirido en las últimas décadas es improbable que resulte viable el objetivo de duplicar la producción agrícola mundial para abastecer la demanda de una población en aumento. Incluso si el incremento requerido fuese más modesto por desaceleración demográfica, no es previsible que se inviertan otras tendencias que elevan los ingresos per cápita y estimulan el consumo de materias primas agrícolas —los biocombustibles, por ejemplo—, según los modelos más utilizados en este tipo de estimaciones (Pardey et al., 2014; Valin et al., 2013; Yu et al., 2004).

La tendencia a un mayor rendimiento de los cultivos parece haberse ralentizado durante la última década y media, y a ello se suma el problema global que supone el incremento de emisiones por dinámicas de extensificación: roturar suelo nuevo a costa de reducir superficie forestal. Ciertas mejoras de productividad serán necesarias para reducir el uso de tierra de cultivo per cápita mientras la población sigue aumentando y homogeneizando sus patrones de consumo. Como señalan Tilman y colaboradores, la demanda per cápita de cultivos —medida como contenido calórico o proteico— ha sido una función creciente del ingreso real per cápita desde 1960. Sin intensificación con técnicas avanzadas en las naciones con rendimientos bajos, harían falta mil millones de hectáreas adicionales para 2050, a costa de bosques y selva tropical, con un impacto de unas 3 gigatoneladas de CO₂ equivalente y unas 250 megatoneladas de nitrógeno, además de la pérdida irreversible de ecosistemas (Tilman et al., 2011).

Dependiendo de las condiciones locales, es posible desarrollar por modificación genética o edición dirigida variedades mejoradas en rendimiento, resistencia a estrés y valor nutricional. Esas variedades requerirían menos pesticidas y otros insumos, con una ventaja económica cuantificada en torno al 15 % de rendimiento extra sobre un total cercano a los dieciocho mil millones de dólares, en cifras de 2014 (ISAAA, 2016).

10.1.2 Los límites de la vía tecnológica

La biotecnología puede contribuir a diversificar cultivos, creando variedades nutricionalmente superiores o adaptadas a necesidades dietéticas específicas, como se intentó con el arroz dorado enriquecido en vitamina A. No es una empresa sencilla: la modificación dirigida a enriquecer el contenido vitamínico interfiere con facilidad en otras funciones de la planta (Bollinedi et al., 2017). El recorrido posterior de ese cultivo, examinado en Sección 7.2.3, muestra además que los obstáculos decisivos no fueron los agronómicos.

Una dependencia excesiva de ciertas variedades de alto rendimiento conlleva riesgos propios. Cuando en la década de 1960 se conocieron las posibilidades del gen semienano sd-1 —el gen de la revolución verde— y se comercializó la variedad IR8, su introducción salvó millones de vidas y transformó el cultivo de arroz de regadío en zonas tropicales. Pero la tecnología impulsó sistemas de monocultivo ubicuos, más vulnerables a los fenómenos meteorológicos extremos. Una estrategia de mejora que no reduzca la biodiversidad es siempre preferible: en maíz y arroz se ha demostrado la importancia de conservar características genéticas de sus parientes silvestres, incluso de especies infrautilizadas pero valiosas como reservorio de genes con mejor respuesta a distintos tipos de estrés (Mohd Hanafiah et al., 2020).

En la opción por técnicas convencionales y «seguras» se ignora a menudo el efecto que el cambio climático viene teniendo sobre los factores bióticos —reducción de microbios beneficiosos del suelo, aumento de plagas y malas hierbas, amenaza a los polinizadores— y abióticos —sequías prolongadas, temperaturas extremas seguidas de anegamiento, cambios en salinidad y alcalinidad, alteración de los patrones de lluvia—. Estos efectos combinados reducen la producción anual de trigo, algodón, arroz, maíz y caña de azúcar, y agravan el problema de la seguridad alimentaria en todos sus tramos (Karavolias et al., 2021; Shahzad et al., 2021).

En síntesis: la biotecnología moderna puede contribuir a mejorar la productividad, a sostener la viabilidad económica y a reducir el impacto ambiental de la agricultura. Excluir de ese desafío el recurso a la ingeniería genética puede ralentizar la obtención de variedades adaptadas a la variabilidad climática y a la evolución de los mercados. Pero para que los beneficios se repartan de forma justa entre quienes innovan, quienes cultivan y quienes consumen hacen falta mecanismos de gobernanza y de evaluación que no son fáciles de articular (Qaim, 2020; Zilberman et al., 2018). Un esquema de autorización mal diseñado puede resultar nefasto en aspectos esenciales —coste de los alimentos, empleo de plaguicidas, reducción de cosechas— al incentivar prácticas ineficientes y no sostenibles por la cantidad de suelo nuevo que exigen.

Un contexto regulador donde coexisten políticas contradictorias crea asimetrías y diferencias de oportunidad entre países y regiones. Siendo un desafío común la conservación del medio ambiente para las generaciones futuras y el deber de atender necesidades crecientes de producción —en un contexto condicionado por el coste de la energía, la reducción de emisiones y las disrupciones geopolíticas—, conviene valorar el trabajo por una agricultura más integrada en sus dimensiones técnica, social y económica.

NotaPreocupaciones recurrentes en el debate público

Un inventario de los argumentos que reaparecen sistemáticamente, útil para comprobar cuáles ha respondido cada apartado de esta monografía y cuáles siguen sin respuesta:

  • La contaminación ambiental y el alto consumo de agua de las prácticas agrícolas.
  • La pérdida de biodiversidad y el riesgo de los plaguicidas para las poblaciones de polinizadores.
  • El efecto de productos de uso agrícola sobre la calidad del suelo, los microorganismos beneficiosos y la fauna.
  • La posibilidad de contaminación de otros cultivos con las nuevas variedades.
  • La sostenibilidad e impacto ambiental de las técnicas convencionales y de las nuevas herramientas.
  • El impacto de todos los sistemas de gestión del suelo sobre los ecosistemas y los recursos naturales.
  • La importancia de las nuevas variedades para la soberanía alimentaria y el derecho a una alimentación variada y asequible.
  • Aspectos de propiedad intelectual, y restricciones de acceso a los recursos genéticos.
  • La responsabilidad hacia las generaciones presentes y futuras.

Adviértase que solo tres de los nueve puntos son de riesgo sanitario o ambiental en sentido estricto; los demás son de justicia distributiva, gobernanza o derechos. El análisis retórico de este desplazamiento, y de las metáforas que lo acompañan, se desarrolla en Moreno Muñoz (2002) y en Iáñez Pareja y Moreno Muñoz (1997).

10.1.3 La red de actores

Como cualquier sistema tecnológico complejo, la biotecnología aglutina una red extensa de actores —personal científico, agricultores, consumidores, empresas, autoridades reguladoras, medios, organizaciones sociales y ambientales— con intereses parcialmente comunes y discrepancias sustantivas por razones culturales, ideológicas o morales. Esa pluralidad debe considerarse en cualquier intento de adecuación del marco regulador.

Es arriesgado priorizar a unos actores a costa de excluir el conocimiento experto de la evaluación de riesgo, porque contribuye indirectamente a generar desconfianza hacia tecnologías validadas. Pero la desconfianza también se incrementa cuando tecnologías insuficientemente validadas se promueven mediante grupos de presión que buscan capturar al regulador, con el mismo resultado de excluir el criterio experto e independiente del proceso previo a la comercialización. Las dos formas de exclusión producen el mismo daño y rara vez se denuncian a la vez.

10.2 Propiedad intelectual y biopatentes

La biotecnología es un sector intensivo en conocimiento cuyo activo principal no es la fábrica sino el título jurídico. Entender cómo funciona ese título es condición previa para entender la economía del sector.

Una biopatente protege la propiedad intelectual sobre organismos vivos o partes de ellos: un organismo modificado, una secuencia de ADN, una proteína, una enzima. La controversia sobre su legitimidad se plantea habitualmente en términos de si un ser vivo puede ser una invención, y esa es probablemente la forma menos productiva de plantearla. La discusión con más consecuencias prácticas es otra: qué alcance tiene el derecho concedido y qué excepciones incorpora, cuestión tratada para el caso vegetal en Sección 7.5.2.

Conviene recordar la asimetría detallada en Sección 7.5.2 y que reaparece aquí con más fuerza. El régimen de obtenciones vegetales incorporaba dos excepciones —el privilegio del agricultor y la excepción del obtentor— que reconocen el carácter acumulativo de la mejora. La patente no contempla ninguna de las dos. Cuando el sistema de patentes se extiende a materia viva sin adaptar esas excepciones, no está simplemente protegiendo una inversión: está sustituyendo un régimen diseñado para un bien acumulativo por otro diseñado para un artefacto discreto.

Las biopatentes protegen la propiedad intelectual sobre organismos vivos o partes de ellos, con aplicaciones en agricultura, medicina, industria y medio ambiente. En biotecnología agrícola se emplean sobre todo para proteger variedades genéticamente modificadas de plantas y animales.

Aplicaciones principales

  • Variedades con características mejoradas: mayor resistencia a enfermedades, plagas o sequía.
  • Productos derivados de organismos vivos: medicamentos, alimentos o productos industriales nuevos.
  • Métodos de producción: procedimientos para obtener plantas transgénicas o bacterias productoras de antibióticos.

Preguntas para ordenar la discusión, de la más conceptual a la más aplicada:

  1. ¿Por qué resulta controvertida la patentabilidad de los organismos modificados?
  2. ¿Son creaciones humanas o productos naturales? ¿Encajan en el tipo de protección que reciben otras invenciones?
  3. ¿Bajo qué criterio serían simplemente variedades naturales, no patentables?
  4. ¿Qué ocurre con los organismos que incorporan genes de la propia especie presentes en parientes silvestres? ¿Son lo bastante distintos de una variedad natural?
  5. ¿Todos los organismos modificados son creaciones nuevas, resultado de procedimientos inventivos, merecedoras de protección?
  6. ¿Qué normativa internacional y europea regula las biopatentes en este campo?
  7. ¿Qué diferencias hay entre las biopatentes y los sistemas de protección de obtenciones vegetales?
  8. ¿Qué efectos tienen sobre la biodiversidad, los derechos de los agricultores y el acceso a los recursos genéticos?
  • ¿Cómo pueden afectar las biopatentes a la economía de los países más pobres?
  • Sin derechos exclusivos para el titular, ¿qué incentivo habría para desarrollar investigación costosa?
  • ¿En qué casos pueden ayudar a mejorar la producción agrícola y la seguridad alimentaria en esos países, y en cuáles dificultan el acceso a alimentos y tecnología?
  • ¿Regular de forma muy distinta los métodos convencionales y los nuevos ignora el estado real de la investigación? ¿Alimenta malentendidos en la opinión pública?
  • ¿Contribuye a la deslocalización de los problemas medioambientales?
  • ¿Cómo repercute en países de África y Asia que necesitan con urgencia nuevas tecnologías agrícolas?

Sobre la innovación de los pueblos indígenas y las vías de propiedad intelectual orientadas al desarrollo, véase Drahos y Frankel (2012); sobre oportunidades y desafíos para la agricultura de pequeña escala, Azadi et al. (2015).

Tabla 10.1: Actores del debate sobre biopatentes, con sus objetivos y sus temores respectivos. La columna de la derecha suele explicar mejor las posiciones públicas que la del centro.
Actor Qué persigue Qué teme
Desarrolladores Proteger la inversión y recuperar los costes de I+D Que la copia libre elimine el incentivo a innovar
Agricultores Acceso a semilla y tecnología a precio asequible; poder resembrar Dependencia anual del proveedor y pérdida de autonomía
Consumidores Alimentos seguros y asequibles; información sobre lo que comen Riesgo sanitario y concentración de la oferta
Sector público investigador Que el conocimiento financiado con fondos públicos revierta en beneficio público Que se privatice sin contrapartida
Países proveedores de recursos genéticos Reparto justo de los beneficios derivados de su biodiversidad Apropiación sin compensación
  1. ¿Qué consecuencias tendría prohibir la patentabilidad de los organismos modificados?
  2. ¿Qué elementos pueden distorsionar el sistema de protección de invenciones en el caso de las biopatentes?
  3. ¿Cómo afectaría a la seguridad alimentaria excluir del sistema de patentes los productos de la biotecnología?
  4. ¿Por qué se han normalizado la ingeniería genética y sus patentes en medicina y farmacia, mientras que el ADN recombinante en agricultura sigue siendo controvertido? Es probablemente la pregunta más productiva del caso.
  5. ¿Merecen las variedades editadas con CRISPR/Cas9 la misma valoración que las plantas transgénicas? Contrástese con la Tabla 7.2 y con Sección 7.4.
  6. ¿En qué circunstancias podría justificarse la exención de derechos de propiedad intelectual sobre semillas o plantas?
  7. ¿Qué elementos tendría que incorporar un esquema de gobernanza responsable de las biopatentes, y qué medidas garantizarían un reparto equitativo de los beneficios?
  8. En un esquema de justicia cognitiva, ¿es razonable que coexistan prácticas agrícolas diversas —más o menos eficientes, modernas o tradicionales, locales o industriales—? ¿Con qué consecuencias? ¿Qué aporta a esta discusión la historia de los movimientos campesinos en Europa (Coolsaet, 2016)?
  9. ¿Tiene sentido hablar de un compromiso contrahegemónico con la ciencia agronómica moderna, que revalorice prácticas y conocimientos locales?

Tecnologías aplicadas al fitomejoramiento a lo largo del tiempo. La figura 2 de Conko et al. (2016) sitúa en una única línea temporal las sucesivas técnicas de mejora vegetal —selección, cruzamiento, mutagénesis por radiación y agentes químicos, fusión de protoplastos, transgénesis, edición dirigida— y es el mejor recurso disponible para discutir la pregunta 5 de la pestaña anterior: ninguna de las técnicas anteriores a la transgénesis exigió evaluación previa de seguridad, y varias introducen muchas más alteraciones no dirigidas en el genoma.

Ver la figura en el artículo original · Conko, Kershen, Miller y Parrott (2016), «A risk-based approach to the regulation of genetically engineered organisms», Nature Biotechnology 34(5):493-503, p. 497. DOI: 10.1038/nbt.3568

  • Herring y Paarlberg (2016) · economía política de la biotecnología, marco general del caso.
  • Drahos y Frankel (2012) · innovación de los pueblos indígenas y propiedad intelectual.
  • Coolsaet (2016) · agroecología de los saberes, justicia cognitiva y autonomía del agricultor.
  • Azadi et al. (2015) · cultivos modificados y agricultura de pequeña escala.
  • WIELD et al. (2010) · economía política de la biotecnología agrícola.
  • Bawa y Anilakumar (2012) · seguridad, riesgos y preocupación pública, revisión.
  • Conko et al. (2016) · enfoque de regulación basado en el riesgo; fuente de la figura.
  • Rozas et al. (2022) · adaptación de los marcos regulatorios a la edición genómica.
  • Lusk y Rozan (2005) · aceptación del consumidor y tecnologías de segunda generación.
  • Qaim (2020) · nuevas técnicas de mejora, seguridad alimentaria y desarrollo sostenible.

10.3 Modelos de financiación, captación de rentas y precios

Este subapartado examina cómo se convierte un título de propiedad en un flujo de ingresos, y es probablemente el más revelador del capítulo para quien vaya a trabajar en el sector.

10.3.1 La paradoja del abaratamiento

Conviene partir de un dato que desmonta la explicación intuitiva de los precios. El coste combinado de la nucleasa Cas9 y un ARN guía se ha estimado en unos treinta dólares, más de ciento cincuenta veces menos que las herramientas de edición anteriores (Borg y Policante, 2024). La técnica de edición genómica es extraordinariamente barata.

Y sin embargo, la primera terapia autorizada basada en ella se comercializó a 2,2 millones de dólares por tratamiento —el caso Casgevy, examinado en Sección 1.2—. Entre un insumo de treinta dólares y un precio final de más de dos millones hay una distancia que no explican ni los reactivos, ni el ensayo clínico, ni la fabricación. La explica el régimen de licencias.

10.3.2 Cómo funciona la cadena

Borg y Policante analizan la edición genómica como un proceso global de trabajo y reconstruyen la arquitectura de captación de rentas que se ha construido sobre las patentes de CRISPR. El mecanismo tiene tres tramos (Borg y Policante, 2024):

  1. Cercamiento. La batalla de patentes sobre CRISPR-Cas9 convierte una tecnología fundacional, desarrollada en buena medida con fondos públicos, en un activo privado. Las universidades pasan a formar parte de un estrato rentista: ya en 1997, 468 empresas biotecnológicas transfirieron 254 millones de dólares en regalías a la Universidad de California.
  2. Licencias en cascada. Las empresas plataforma no venden productos: licencian derechos. El acuerdo de Vertex con Editas contempla un pago por hitos de 200 millones de dólares, más 50 millones por adelantado y cuotas anuales de hasta 40 millones hasta 2034; Editas transfiere a su vez al Broad Institute un porcentaje de esa renta situado en la franja media de dos dígitos. Cada eslabón retiene una parte y traslada el resto.
  3. Geografía desigual. El mapa mundial de patentes de CRISPR reproduce y refuerza asimetrías previas: se concentra en Estados Unidos, la Unión Europea, China y Japón, mientras las economías del Sur global aparecen sobre todo como proveedoras de material biológico. Los autores sostienen que el resultado privatiza los beneficios económicos y socializa los riesgos ecológicos.

10.3.3 Un sector que no vende: el dato incómodo

Lo más instructivo del análisis, y lo que conviene discutir en clase, es que las empresas centrales del sector no obtienen beneficios de la venta de terapias. Según sus propias cuentas anuales, los déficits acumulados alcanzaban 5.560 millones de dólares en CRISPR Therapeutics, 896,8 millones en Editas y 502,3 millones en Caribou. Editas ha acumulado más de mil millones en pérdidas y, en ausencia de beneficios comerciales, sus ingresos proceden de dos fuentes: las sublicencias —Juno Therapeutics y Allergan le han pagado más de 200 millones— y la venta de acciones, con 898 millones en ingresos netos (Borg y Policante, 2024).

La conclusión no es que el sector sea un fraude. Es que su modelo de negocio, en esta fase, consiste en capitalizar expectativas y monetizar derechos, no en vender tratamientos. Eso tiene tres consecuencias que se manifiestan en otros apartados de esta monografía:

  • El precio no refleja el coste sino lo que el sistema sanitario esté dispuesto a soportar, lo que explica la retirada de terapias autorizadas por falta de demanda solvente descrita en el Capítulo 4.
  • La expectativa es un insumo productivo, no un subproducto de la comunicación. Si los ingresos dependen del valor de la acción, la comunicación optimista deja de ser un exceso retórico y pasa a ser parte del modelo. Es el hilo que recorre todo el Capítulo 2.
  • El litigio es una estrategia de acumulación. En 2023, alrededor del 42 % de los pleitos de patentes presentados ante tribunales estadounidenses implicaban a empresas de los sectores digital, farmacéutico y biotecnológico; en 2021, el 63 % de esos litigios en Estados Unidos fueron iniciados por entidades que no fabrican nada y solo acumulan carteras de patentes para hacerlas valer.

10.4 Convergencia con inteligencia artificial: inversión, expectativa y evaluación

La inteligencia artificial ha entrado en la biotecnología por dos vías: como herramienta de investigación y como argumento de inversión. Distinguirlas es el ejercicio central de este subapartado.

10.4.1 Lo que efectivamente ha ocurrido

AlphaFold, desarrollado por DeepMind, predijo la estructura tridimensional de casi todas las proteínas conocidas —unos doscientos millones— y transformó una tarea que consumía años de trabajo experimental en una consulta de minutos. El reconocimiento llegó con el Premio Nobel de Química de 2024. Su tercera versión amplió la predicción a complejos de proteínas con ligandos, ácidos nucleicos e iones (Abramson et al., 2024).

En el plano industrial, Nvidia destinó 76 millones de dólares a Recursion Pharmaceuticals, e Isomorphic Labs —filial de Alphabet asociada a DeepMind— estableció acuerdos con farmacéuticas para aplicar estos modelos al diseño de fármacos (Rodrigo, 2024). La promesa económica es nítida: si el desarrollo de un medicamento cuesta miles de millones y más de una década, filtrar candidatos por vía computacional recorta el tramo más caro del embudo (Gholap et al., 2024; Lu et al., 2023; Vora et al., 2023).

10.4.2 Lo que conviene verificar antes de creerlo

Aquí es donde el apartado gana su utilidad formativa, porque ofrece un caso de calibración de expectativas con datos comprobables.

Los calendarios se desplazan. Isomorphic Labs anunció que sus primeros ensayos en humanos con moléculas diseñadas por IA comenzarían en 2025. En enero de 2026, la propia dirección de la compañía situó ese hito a finales de 2026. Un año de deslizamiento no invalida el programa, pero sí obliga a leer con cautela cualquier anuncio de calendario procedente de la parte interesada (Isomorphic Labs, 2026).

Las mejoras son reales y acotadas. El sistema presentado en febrero de 2026 duplica la precisión de AlphaFold 3 en los casos difíciles —aquellos con menos del 20 % de similitud con los datos de entrenamiento—, pasando de un 23 % a un 50 % de aciertos. Es una mejora sustancial. También significa que en la mitad de los casos difíciles el sistema sigue fallando, y que persisten puntos ciegos conocidos: proteínas de membrana, regiones desordenadas, quimiotipos nuevos. La validación experimental sigue siendo el árbitro.

El modelo de «caja negra» plantea un problema de responsabilidad. Los sistemas de aprendizaje profundo con múltiples capas no siempre permiten reconstruir por qué produjeron un resultado. Cuando esa opacidad se traslada a decisiones clínicas, la atribución de responsabilidad por un error se vuelve difícil de establecer, y la regulación en este ámbito sigue siendo incipiente.

La apertura ha retrocedido. Cuando en 2024 el código de AlphaFold 3 se retuvo durante seis meses, más de mil científicos firmaron una carta abierta de protesta. El campo del descubrimiento de fármacos por aprendizaje profundo creció sobre el supuesto de que los modelos fundacionales se compartirían; los sistemas propietarios más recientes rompen ese supuesto. Es un cambio de régimen epistémico, no solo comercial: si el modelo no puede inspeccionarse ni reproducirse, la comunidad científica pierde la capacidad de verificar sus resultados por medios independientes, que es exactamente el problema que en Sección 10.5 se examina desde otro ángulo.

La biotecnología, sector clave de la economía del conocimiento, ha experimentado un cambio notable con la integración de la inteligencia artificial. Su potencial no reside solo en automatizar procesos, sino en interpretar volúmenes de datos inabordables, predecir resultados y explorar espacios de compuestos y estructuras a velocidades imposibles para los métodos tradicionales.

Empresas de alta capitalización han invertido recursos considerables en esa intersección. Nvidia destinó 76 millones de dólares a Recursion Pharmaceuticals, orientada a sistemas biofarmacéuticos de nueva generación mediante aprendizaje profundo sobre grandes conjuntos de datos. DeepMind, con AlphaFold, transformó la investigación de proteínas; Isomorphic Labs colabora con farmacéuticas para aplicar el modelo al diseño de medicamentos contra enfermedades complejas (Abramson et al., 2024; Rodrigo, 2024).

Los modelos predictivos facilitan la reducción de costes en descubrimiento de fármacos, pruebas preclínicas y ensayos. Frente a un desarrollo tradicional que puede costar miles de millones y superar la década, las soluciones basadas en IA aceleran el filtrado de candidatos, el análisis de interacciones y el modelado de efectos secundarios potenciales (Gholap et al., 2024; Vora et al., 2023).

La tecnología permite además optimizar cultivos celulares y procesos de producción de biofármacos. Se argumenta con frecuencia que esto democratiza el acceso a la innovación, al poner al alcance de empresas pequeñas herramientas de análisis antes inasequibles.

Conviene someter ese argumento a prueba, y es un buen ejercicio: contrástese con lo expuesto en Sección 10.3 sobre licencias en cascada, y con el retroceso de la apertura de los modelos descrito en Sección 10.4.2. ¿Democratiza el acceso una herramienta potente cuyo modelo subyacente es propietario y cuyo uso requiere licencia?

Los logros recientes evidencian un cambio real, pero la adopción de IA en biotecnología está sujeta a desafíos éticos y a un riesgo de sobreestimación comercial. El entusiasmo desmedido puede inflar expectativas sobre lo que la tecnología ofrece a corto plazo; como ha sucedido en otros sectores, una promesa exagerada deriva en decepción cuando los plazos se alargan.

A ello se suma la dependencia de sistemas cuyos algoritmos no son plenamente transparentes. Los modelos de aprendizaje profundo se consideran a menudo «cajas negras», y su uso para decisiones críticas en salud exige precaución: la responsabilidad por errores en tratamientos o en interpretaciones de datos moleculares resulta compleja de determinar cuando la decisión se apoya en un procedimiento algorítmico. La regulación es todavía limitada, y una comercialización acelerada podría afectar a la percepción pública sobre la seguridad de los desarrollos biotecnológicos.

Este caso está pensado para trabajarse con tres documentos en paralelo, uno de cada registro:

  1. La nota corporativa (Isomorphic Labs, 2026), que anuncia el avance.
  2. La publicación técnica (Abramson et al., 2024), que acota su alcance y sus límites.
  3. La cobertura periodística (Rodrigo, 2024), que traduce ambas al lenguaje público.

Preguntas. ¿Qué afirmaciones aparecen en los tres registros? ¿Cuáles solo en el primero? ¿Qué información presente en el segundo desaparece en el tercero, y en qué dirección sesga esa pérdida? Compárese la metodología con la del estudio de caso sobre encuadre mediático del Capítulo 2.

La integración de la IA en biotecnología abre oportunidades reales para el avance científico, la optimización de procesos y la reducción de costes. Es igualmente necesario mantener una visión equilibrada que evite sobreestimar los beneficios a corto plazo.

Quienes se forman en estas disciplinas necesitan un enfoque crítico que sopese a la vez el potencial y sus límites. Una implementación lograda descansa sobre tres condiciones, y solo la primera es técnica: que los avances funcionen; que exista un marco regulatorio capaz de garantizar seguridad y transparencia; y que el modelo de negocio se sostenga sin necesidad de mantener altas las expectativas. La tercera es la menos visible, y se examina con más detalle en Sección 10.3.

10.5 Conflictos de interés y evidencia científica

Los cuatro subapartados anteriores describen un sector cuyo valor depende de expectativas y cuyos ingresos dependen de derechos exclusivos. Queda por examinar el efecto de esa estructura sobre lo que da soporte a todo el edificio: la evidencia científica.

La cuestión no es si quienes investigan con financiación privada mienten. Casi nunca lo hacen, y plantearlo así impide ver el problema real, que es más sutil y más difícil de corregir. Los mecanismos documentados operan sin necesidad de fraude alguno:

Tabla 10.2: Mecanismos por los que el interés económico condiciona la evidencia sin requerir falsificación.
Mecanismo En qué consiste Por qué es difícil de detectar
Sesgo de publicación Los resultados negativos se publican menos Solo se advierte agregando estudios, nunca leyendo uno
Elección del comparador Se compara con la alternativa menos favorable disponible Cada estudio individual es metodológicamente correcto
Selección de variable Se mide un indicador intermedio en lugar del resultado clínico El indicador suele estar validado
Definición de la pregunta Se investiga lo financiable, no lo relevante No hay error: hay una ausencia
Control del calendario Se difunde antes de la revisión por pares La nota de prensa precede al artículo

El caso mejor documentado en el ámbito de esta monografía es el análisis de conflictos de interés en la base de evidencia sobre seguridad alimentaria de los cultivos modificados, examinado en Sección 7.3.3. Su conclusión merece repetirse porque es contraintuitiva: detectar un conflicto de interés no equivale a invalidar el resultado. Obliga a examinar la solidez de la evidencia con más atención, no a descartarla; y la reacción contraria —tratar cualquier estudio financiado por la industria como carente de valor— destruiría la mayor parte del conocimiento disponible sobre seguridad de medicamentos.

Lo que sí se sigue es una exigencia procedimental: que la financiación se declare, que los datos primarios estén disponibles, que los protocolos se registren antes de empezar y que existan estudios independientes con financiación pública suficiente para actuar como contraste. Ninguna de las cuatro condiciones se cumple de forma generalizada.

10.5.1 Qué puede hacer quien investiga

Este apartado cierra el bloque económico y conviene extraer de él algo aplicable a la práctica, más allá del diagnóstico.

  1. Declarar la financiación no basta; hay que explicitar también qué decisiones de diseño pudo condicionar: la elección del comparador, la variable principal, el momento de análisis.
  2. Registrar el protocolo antes de recoger datos es la medida individual más eficaz contra el sesgo de análisis, y no depende de nadie más.
  3. Publicar los resultados negativos tiene coste profesional y valor colectivo; reconocer esa asimetría es el primer paso para corregirla institucionalmente.
  4. Distinguir la nota de prensa del artículo. Quien firma un trabajo tiene más control del que suele ejercer sobre cómo lo comunica su institución.
  5. Preguntarse qué no se está investigando y por qué. Es la pregunta que ningún indicador bibliométrico captura y la que mejor revela la forma del campo.
  • Economía política de la biotecnología: Herring y Paarlberg (2016) y WIELD et al. (2010).
  • Captación de rentas en la industria de la edición genómica, con el análisis de las cuentas anuales de las empresas plataforma: Borg y Policante (2024).
  • Nuevas técnicas de mejora, seguridad alimentaria y desarrollo sostenible: Qaim (2020) y Zilberman et al. (2018).
  • Demanda mundial de alimentos y modelos de proyección: Pardey et al. (2014), Valin et al. (2013), Tilman et al. (2011) y Yu et al. (2004).
  • Inteligencia artificial aplicada al descubrimiento y la formulación de fármacos: Gholap et al. (2024), Vora et al. (2023) y Lu et al. (2023).
  • Justicia cognitiva y autonomía del agricultor: Coolsaet (2016).
  • Retórica y metáforas del debate público sobre alimentos modificados: Moreno Muñoz (2002).