Helical capta 10 millones de dólares para convertir los foundation models biológicos en sistemas para la industria farmacéutica

Helical ha captado 10 millones de dólares en una ronda seed para que los foundation models biológicos dejen de ser una tecnología de investigación prometedora y se conviertan en sistemas operativos para las farmacéuticas. Es una señal relevante para el mercado: los inversores no apuestan por una plataforma de IA más, sino por un equipo que ya despliega sus soluciones en grandes clientes. En un sector donde los errores salen caros, el simple hecho de estar en producción suele pesar más que las grandes promesas o las demos.

La startup tiene sede en Londres, aunque sus raíces están en Luxemburgo: la fundaron tres amigos de la infancia luxemburgueses. La ronda de 10 millones de dólares la ha liderado el fondo redalpine, y entre los inversores ángeles figuran directivos de Cohere y Hugging Face. Esa composición es significativa en sí misma.

Demuestra que el proyecto cuenta con la confianza de los fondos de capital riesgo tradicionales y también de personas directamente vinculadas al desarrollo de los modelos de IA actuales y de la infraestructura que los rodea. Lo más importante de Helical no es el tamaño de la ronda, sino la madurez del producto. La compañía afirma que ya trabaja en producción con varios grupos farmacéuticos del top 20 mundial y que mantiene una colaboración pública con Pfizer.

Para una startup de IA joven, es un nivel de validación poco habitual. En el sector farmacéutico, las nuevas herramientas no se adoptan por impulso: los ciclos de evaluación son largos y hay requisitos estrictos de calidad de datos, reproducibilidad de los resultados e integración en los procesos de investigación existentes. Si una solución ha llegado al uso real, es que ha superado al menos parte del tramo más difícil.

La propia idea de «convertir los foundation models en sistemas» también resulta reveladora. Un modelo base puede rendir bien en escenarios de laboratorio y con conjuntos de datos de prueba, pero las empresas no necesitan capacidades abstractas, sino herramientas concretas: una interfaz comprensible, pipelines fiables, control de calidad, compatibilidad con los datos internos y una lógica de decisión clara. En biotecnología y farmacia, la brecha entre modelo y producto es especialmente grande, porque se trata de biología compleja, experimentos costosos y ciclos de desarrollo de fármacos que pueden durar años.

Por bio foundation models el mercado suele entender grandes modelos entrenados con secuencias biológicas, estructuras moleculares o conjuntos de datos científicos relacionados. Desde hace tiempo se habla de su potencial como la próxima gran capa de la IA después de los modelos de lenguaje, porque pueden ayudar a encontrar relaciones difíciles de detectar manualmente. Pero el enfoque también tiene limitaciones: a la industria farmacéutica no le bastan predicciones vistosas en una presentación; necesita herramientas que pueda verificar con sus datos internos y contrastar con resultados de laboratorio.

Por eso los inversores se fijan cada vez menos en el modelo «mágico» en sí y cada vez más en la capacidad del equipo para integrarlo en la cadena real de investigación. De ahí que la apuesta de Helical parezca pragmática. En lugar de vender al mercado únicamente la promesa de «IA para descubrir fármacos», la compañía, a juzgar por su posicionamiento, construye una capa que hace que estos modelos sirvan para el trabajo diario de los equipos de investigación.

Para las farmacéuticas, esto puede traducirse en un análisis más rápido de los datos biológicos, una búsqueda de patrones más cómoda y una gestión más estructurada de las hipótesis. Para el propio mercado de la IA, es otra muestra del desplazamiento desde la carrera por los modelos más grandes hacia la carrera por sistemas que se integren de verdad en los procesos de cada sector. Precisamente esa parte aplicada suele convertirse en el principal cuello de botella para escalar.

La conclusión es sencilla: Helical ha levantado una ronda relativamente pequeña para lo que se estila en pleno auge de la IA, pero lo compensa con la calidad de sus señales: adopción temprana en grandes farmacéuticas, un vínculo público con Pfizer y un sólido elenco de inversores. Es en estas transiciones de la hipótesis de investigación a la herramienta operativa donde hoy se genera nuevo valor en la IA sectorial. Si la compañía logra demostrar que su enfoque aporta valor de forma sostenida en procesos reales de I+D, el interés por los sistemas de bio-IA aplicada en la industria farmacéutica no hará más que crecer en los próximos años.