OpenAI presenta GPT-Rosalind, un modelo de IA para biología, genómica y desarrollo de fármacos

El 16 de abril, OpenAI presentó GPT-Rosalind, el primer modelo especializado de la compañía para ciencias de la vida, es decir, tareas en la intersección de la biología, la farmacia y la medicina aplicada. El modelo lleva el nombre de Rosalind Franklin y no está pensado para sustituir a los científicos, sino para acelerar la parte más pesada del trabajo científico: leer bibliografía, contrastar datos, formular hipótesis y diseñar los siguientes pasos. Como contexto, el camino desde la búsqueda de una nueva diana hasta la aprobación de un fármaco en EE.

UU. suele durar entre 10 y 15 años. OpenAI apuesta a que la IA pueda acortar al menos las primeras etapas de ese ciclo, en las que los investigadores dedican muchísimo tiempo a analizar, cotejar hechos y trabajar con fuentes dispersas.

Según la compañía, GPT-Rosalind está optimizado para procesos científicos que exigen razonar sobre química, proteínas, genes, rutas biológicas y protocolos experimentales. A diferencia de los chatbots generalistas, que hacen un poco de todo, aquí el énfasis está en las cadenas largas de investigación: reunir y comparar decenas de artículos, extraer datos de bases especializadas, interpretar resultados, proponer una hipótesis de trabajo y ayudar a planificar el siguiente experimento. OpenAI subraya que no se trata solo de generar texto.

El modelo debe ayudar a resumir la base de evidencias, generar hipótesis, planificar experimentos y analizar datos, es decir, trabajar dentro de la rutina real de la investigación y no solo responder preguntas en una ventana de chat. Para ello también ha lanzado el Life Sciences research plugin para Codex. El plugin da acceso a más de 50 herramientas científicas, fuentes bibliográficas, bases de datos multiómicas y servicios biológicos.

En la práctica, un investigador puede lanzar búsquedas de secuencias, ver estructuras de proteínas, reunir publicaciones, buscar conjuntos de datos abiertos y vincularlo todo con el razonamiento del modelo desde una sola interfaz. Para laboratorios y farmacéuticas esto importa más que un LLM más: el valor aparece cuando el modelo no solo formula una respuesta, sino que sabe llegar a los datos necesarios e integrarse en la infraestructura de cómputo existente. Según las evaluaciones públicas de OpenAI, GPT-Rosalind obtiene el mejor resultado en BixBench entre los modelos con métricas publicadas.

En LABBench2, el modelo superó a GPT-5.4 en seis de las once tareas; el mayor avance, según la compañía, se dio en CloningQA, donde hay que diseñar reactivos y un plan completo de clonación molecular. Además, OpenAI probó el modelo junto con Dyno Therapeutics en la predicción y generación de secuencias de ARN según su función, con datos no publicados que no podían estar en el conjunto de entrenamiento.

En el entorno de Codex, los mejores de diez intentos del modelo quedaron por encima del percentil 95 de los expertos humanos en la tarea de predicción y aproximadamente en el percentil 84 en la de generación de secuencias. Esto no demuestra que la IA esté lista para hacer descubrimientos por sí sola, pero sí que en escenarios bioinformáticos acotados ya empieza a competir con especialistas sólidos. El lanzamiento es cauto.

Ahora mismo GPT-Rosalind está disponible como research preview a través de ChatGPT, Codex y la API, pero solo para clientes corporativos cualificados en EE. UU. dentro de un programa de acceso de confianza (trusted access program).

OpenAI habla de medidas de seguridad reforzadas, control de acceso y requisitos de gobernanza y control interno: la organización debe realizar investigación legítima con un beneficio claro para la salud humana, restringir el acceso al modelo y cumplir las normas de prevención del uso indebido. Entre los socios y primeros usuarios, la compañía menciona a Amgen, Moderna, Thermo Fisher Scientific, el Allen Institute y otras organizaciones del ecosistema de las ciencias de la vida. En paralelo, OpenAI trabaja con el Los Alamos National Laboratory en apoyo de IA para el diseño de proteínas y catalizadores.

Para el mercado, es un cambio importante. OpenAI muestra que la próxima gran apuesta no son solo modelos más generales y más grandes, sino sistemas muy especializados, ajustados a procesos profesionales concretos. En ciencias de la vida el coste del error es alto, los datos son complejos y el beneficio se mide no por el número de respuestas vistosas, sino por la calidad de las hipótesis y la velocidad de los experimentos.

Si GPT-Rosalind llega a asentarse de verdad en los procesos de laboratorio, reforzará la tendencia hacia modelos de IA verticales para sectores donde el valor nace de un conocimiento profundo del dominio, el acceso a herramientas y el trabajo en un entorno estrictamente controlado.