Miles Wang lleva años trabajando en los rincones más densos de OpenAI, donde los modelos no generan poemas ni responden correos sino que aprenden a razonar sobre estructuras moleculares, proteínas y mecanismos biológicos que la ciencia convencional tarda décadas en descifrar. Ahora Wang está en negociaciones para salir de ese ecosistema y fundar su propia startup de descubrimiento de fármacos asistido por inteligencia artificial, y la cifra que circula en Silicon Valley para su valuación inicial ronda los 2,000 millones de dólares. Ni un solo producto en el mercado. Ni un medicamento aprobado. Solo la promesa de lo que puede hacer alguien que vivió desde adentro cómo los modelos de lenguaje grande evolucionaron hacia algo que ya no es solo texto.
La noticia la reportó TechCrunch el 14 de julio de 2026 y el número inmediatamente generó reacciones divididas: los escépticos señalaron que 2,000 millones para una empresa que todavía no existe es exactamente el tipo de euforia que históricamente precede a correcciones dolorosas en el sector tech. Los optimistas, en cambio, apuntan a algo más estructural: el descubrimiento de fármacos es uno de los procesos más costosos, lentos y fallidos de toda la industria humana, y la IA lleva dos o tres años demostrando que puede comprimirlo de formas que antes parecían ciencia ficción.
Por qué vale tanto antes de valer algo
La valuación de 2,000 millones de dólares no es arbitraria ni puramente aspiracional, aunque sí es agresiva. Responde a una lógica de mercado concreta: los inversionistas de riesgo en life sciences llevan tiempo buscando exactamente este perfil de fundador — alguien con credenciales técnicas de primer nivel en IA generativa que decida aplicarlas al sector farmacéutico. Wang no es un biotech tradicional que aprendió a usar herramientas de machine learning; es un investigador de IA que entiende la biología como dominio de aplicación. Esa distinción importa.
El pipeline convencional para desarrollar un medicamento tarda entre 10 y 15 años desde el descubrimiento inicial hasta la aprobación regulatoria, y cuesta en promedio más de 2,600 millones de dólares por molécula exitosa — sin contar los fracasos que financian ese éxito. La IA ya está erosionando esos números en varios frentes: predicción de estructuras proteicas (AlphaFold cambió el juego), síntesis de candidatos moleculares, simulación de interacciones fármaco-receptor, y más recientemente, modelos que sugieren estrategias de ensayo clínico. Si Wang tiene acceso a arquitecturas o técnicas desarrolladas en OpenAI que aceleran cualquier parte de ese pipeline, la valuación empieza a tener sentido, aunque todavía duela verla escrita.
El contexto más amplio: IA y ciencias de la vida en 2026
Lo que está pasando con Wang no es un evento aislado. Es la expresión más reciente de una tendencia que lleva al menos 18 meses acelerándose: investigadores de las grandes casas de IA — OpenAI, Anthropic, DeepMind, Google — están saliendo a fundar startups en vertical industries donde los datos son escasos, los ciclos son largos y las barreras regulatorias son altas. Salud, materiales, energía. La tesis es que los modelos fundacionales ya alcanzaron suficiente madurez como para que el valor real no esté en hacer modelos más grandes sino en aplicarlos con profundidad de dominio.
En el sector farmacéutico específicamente, compañías como Isomorphic Labs (el spin-off de DeepMind), Recursion Pharmaceuticals y Insilico Medicine llevan años intentando demostrar que la IA puede descubrir fármacos reales. Los resultados son mixtos pero prometedores: algunos candidatos han llegado a fase clínica, y la velocidad de descubrimiento sí se ha comprimido. El problema es que llegar a fase clínica no es lo mismo que tener un medicamento aprobado, y el mercado a veces olvida esa distinción cuando hay entusiasmo.
La apuesta real
Lo interesante de la posición de Wang — si las negociaciones prosperan — es que entra al juego con una ventaja que las otras startups de AI drug discovery no tenían cuando arrancaron: los modelos de lenguaje y razonamiento de 2026 son cualitativamente distintos a los de 2021 o 2022. La capacidad de razonamiento multimodal, de integrar datos heterogéneos (genómica, proteómica, datos de ensayos clínicos históricos, literatura científica) y de generar hipótesis verificables ha mejorado de forma sustancial. Si Wang construyó o contribuyó a las arquitecturas que hacen eso posible, puede llegar al mercado con una ventaja técnica real, no solo con un deck de PowerPoint bien diseñado.
El riesgo sigue siendo el mismo de siempre en biotech: el tiempo. Una startup puede tener la mejor IA del mundo y aun así tardar ocho años en demostrar que su fármaco funciona en humanos. Y ocho años es mucho tiempo para que el mercado mantenga la paciencia — o para que otro competidor llegue primero.
Por ahora, los 2,000 millones de dólares son una apuesta sobre un nombre, una trayectoria y una promesa. En Silicon Valley eso a veces es suficiente para arrancar. Si alcanza para cambiar la medicina, eso ya es otra conversación.
Fuente original: TechCrunch, 14 de julio de 2026