En junio pasado, cuando Chai Discovery, la startup de descubrimiento de fármacos con IA, tenía apenas 15 meses de vida, lanzó un nuevo modelo capaz de diseñar anticuerpos. Casi 20 compañías farmacéuticas la contactaron para hablar del proyecto. "Fue como si hubiéramos lanzado una bomba", le dijo a Forbes Jack Dent, cofundador y presidente de Chai. "La gente me escribía por LinkedIn a las dos de la madrugada y me decía: '¡Estoy tan emocionado que no puedo dormir!'", recordó.

El descubrimiento de fármacos representa una de las grandes promesas de la IA. Científicos e inversores esperan que estos modelos transformen el complejo proceso de creación de nuevas terapias. Hoy, desarrollar un solo medicamento suele costar más de US$ 1.000 millones y demandar más de 10 años.

El objetivo apunta a que esta tecnología ayude a los investigadores a identificar posibles tratamientos con mayor rapidez y precisión, y también a desarrollar terapias para enfermedades que antes se consideraban intratables.

"Queremos elevar la vara de los medicamentos que se desarrollan", afirmó Josh Meier, cofundador y CEO de Chai. "No se trata solo de hacer llegar más medicamentos a los pacientes, sino de que sean mejores", sostuvo.

Aunque compite con empresas más antiguas y con mayores recursos, Chai Discovery ocupa un lugar de vanguardia en la carrera por el descubrimiento de fármacos mediante inteligencia artificial. En enero, la startup, que recibió una valuación reciente de US$ 1.300 millones, anunció un acuerdo con Eli Lilly, el gigante farmacéutico con una capitalización de mercado de US$ 1 billón y conocido sobre todo por sus medicamentos para bajar de peso, para diseñar múltiples terapias innovadoras con su modelo de IA. 

Ahora, Chai le confirmó en exclusiva a Forbes otra gran alianza para el desarrollo de fármacos con IA, esta vez con Pfizer, que registró ingresos por US$ 63.000 millones en 2025.

A principios de este año, la compañía con sede en San Francisco también lanzó de manera discreta la siguiente versión de su modelo de diseño de anticuerpos, Chai-3, que, según sostiene, supera ampliamente al Chai-2, el sistema que la catapultó a la fama. "Eso entusiasmó mucho al equipo de Pfizer", comentó Dent. La empresa ahora ofrece sin costo su primer modelo de plegamiento de proteínas, Chai-1, lo que les permite a potenciales clientes farmacéuticos probar parte de su tecnología. Chai mantiene conversaciones con más de 15 compañías farmacéuticas y espera cerrar más acuerdos este año.

Aunque la startup se negó a revelar los detalles financieros de sus acuerdos con Pfizer o Lilly, esos convenios deberían aportarle ingresos significativos. Otras colaboraciones en el campo del descubrimiento de fármacos con IA, como el acuerdo reciente de Genesis Molecular con Incyte o el convenio de Isomorphic, la empresa derivada de Alphabet, con Lilly en 2024, incluyeron pagos iniciales de decenas de millones de dólares y un valor total potencial superior a US$ 1.000 millones.

Chai, que integró la lista AI 50 de este año, recaudó más de US$ 225 millones de inversores como OpenAI, General Catalyst, Menlo Ventures y Oak HC/FT. Ahora, la compañía negocia una ronda adicional de financiamiento por US$ 400 millones, con una valuación de US$ 3.400 millones, según le informaron a Forbes dos inversores familiarizados con la operación. La conversación todavía se encuentra en una etapa inicial y la empresa aún no eligió a su inversor líder, indicó uno de los inversores de capital de riesgo. Chai rechazó hacer comentarios.

“Durante mucho tiempo, los modelos fueron una farsa. Sabíamos que teníamos que mejorarlos cien veces para que resultaran útiles en programas reales de descubrimiento de fármacos”.

Jack Dent, cofundador y presidente de Chai Discovery.

Según la base de datos de capital de riesgo PitchBook, los inversores destinaron US$ 11.400 millones a empresas de descubrimiento de fármacos basadas en IA a nivel global en 2025, más del doble de los US$ 5.600 millones del año anterior. En lo que va del año, esa cifra asciende a US$ 5.500 millones, lo que la encamina a superar el registro del año pasado. Isomorphic, la filial de Alphabet dedicada al descubrimiento de fármacos con IA, recaudó la impactante cifra de US$ 2.100 millones en mayo.

"Hubo mucha esperanza y expectativa en torno a la IA en el descubrimiento de fármacos, y la gente se volvió un poco escéptica porque resultaba difícil encontrar algo tangible", afirmó Dent. También agregó: “Pero estamos en un universo completamente diferente al de hace un año”.

Meier, de 30 años, creció en Teaneck, Nueva Jersey, en una familia de médicos y empezó a programar a los 8 años. En Harvard, evaluó la posibilidad de convertirse en médico antes de inclinarse por la química y la informática. "Lo que me encanta de la programación es que te permite ampliar tu impacto", afirmó.

Conoció a Dent, de 29 años y oriundo de Londres, el primer día de clases en Harvard. Dent, que estudiaba informática, había pasado su adolescencia creando apps y juegos con sus amigos. "Tenía 14 años, ganaba dinero vendiendo apps a 99 centavos de dólar cada una y pensé: '¡Dios mío, tengo la vida resuelta!'", recordó.

Tras graduarse en 2018, ambos con una licenciatura y una maestría, Meier trabajó en OpenAI, en el grupo de biología generativa de Meta y en Absci, la empresa de descubrimiento de fármacos con IA. Dent se sumó a Stripe, donde construyó una reputación como uno de los mejores ingenieros de la compañía. El momento resultaba ideal para trabajar con IA. Cada pocos meses, Meier y Dent se reunían en un restaurante portugués de San Francisco, donde vivía Dent, o en una heladería de Nueva York, donde residía Meier, para intercambiar impresiones sobre el auge vertiginoso de este campo.

Google DeepMind lanzó en 2021 su primera base de datos de proteínas, AlphaFold, gracias a la cual su equipo ganó más tarde el Premio Nobel de Química. Para 2024, "teníamos la sensación de que todo en IA estaba a punto de empezar a funcionar a gran escala, y que el campo del descubrimiento de proteínas se había quedado unos años atrás", dijo Dent. Lanzaron Chai en marzo de ese mismo año junto con otros dos cofundadores que Meier había conocido mientras trabajaba en el sector: Matt McPartlon, que también había pasado por Absci, y Jacques Boitreaud, de Aqemia, la empresa francesa de descubrimiento de fármacos con IA.

Juntos, creían que podían crear un modelo de IA mejor para acelerar la búsqueda de terapias. "Los seres humanos somos muy malos para descubrir fármacos", afirmó Meier. "Resulta verdaderamente milagroso que podamos fabricar medicamentos con las herramientas disponibles hoy", sostuvo. Lanzaron su primer modelo, Chai-1, en apenas unos meses.

“Creo que ya quedó muy claro que están ganando la guerra: la de la comercialización, la del modelo y la del producto”.

Annie Lamont, socia gerente de Oak HC/FT e inversora de Chai.

La mayoría de las empresas de descubrimiento de fármacos con IA se enfoca en medicamentos específicos, con grandes beneficios si tienen éxito. Además, muchas veces desarrollan sus propias líneas de terapias, ya que los ingresos potenciales de un fármaco resultan demasiado grandes como para ignorarlos. 

Chai adoptó un enfoque diferente: vende acceso a su tecnología. "Cuando empezamos, nos decían que la única forma de ganar dinero era crear nuestros propios activos y convertirnos en una farmacéutica. Ese era el dogma que tuvimos que desafiar", afirmó Dent. El ejecutivo considera que, en un mundo donde las farmacéuticas invierten cientos de millones de dólares en una sola molécula prometedora, un motor de software capaz de generar rápidamente decenas de posibles terapias tendría un valor enorme.

"Creo que fue una idea brillante: si querés convertirte en la empresa de confianza con la que las industrias tradicionales se sienten cómodas al asociarse, no podés, al mismo tiempo, intentar tener tu propio negocio paralelo", dijo Mikael Dolsten, quien se retiró de Pfizer como presidente de I+D global y ahora integra el directorio de Chai.

A través de su colaboración con Eli Lilly, la empresa trabaja para acelerar el desarrollo de fármacos biológicos. Estas terapias provienen de fuentes naturales, como proteínas o células, a diferencia de los químicos que un laboratorio sintetiza. Diogo Rau, director de información y digital de Lilly, le dijo a Forbes en marzo que, por los plazos de aprobación de medicamentos, ninguna medicina desarrollada con IA llegaría al mercado antes de mediados de la década de 2030, o incluso hacia finales de ese período. "Es una gran apuesta al futuro", afirmó en ese momento. Pfizer rechazó hacer comentarios a Forbes sobre su colaboración con Chai.

Annie Lamont, socia gerente de Oak HC/FT e integrante de la lista Forbes Midas, dedicó una década a analizar iniciativas de descubrimiento de fármacos con IA antes de invertir en Chai. Según afirma, la comercialización de la empresa avanzó más rápido de lo que esperaba. "Creo que ya quedó muy claro que están ganando la batalla", declaró. "Están ganando la batalla de la comercialización y están ganando la batalla del modelo y del producto", añadió.

Chai-3 convenció a Pfizer de sumarse al proyecto. Según la compañía, este modelo duplica la tasa de éxito del sistema anterior de la startup y genera anticuerpos que se unen a sus blancos terapéuticos con 100 veces más fuerza. En el descubrimiento de fármacos, blancos como proteínas, enzimas o receptores funcionan como cerraduras, y las terapias, como llaves que encajan en ellas para tratar enfermedades. Una unión más fuerte implica un tratamiento más eficaz. "Durante mucho tiempo, los modelos fueron una ilusión", afirmó Dent. Además, remarcó: “Sabíamos que teníamos que mejorar las cosas 100 veces para que resultaran útiles en programas reales de descubrimiento de fármacos”.

La mayor tasa de éxito y la integración más sólida del modelo Chai-3 podrían resultar cruciales para concretar la antigua esperanza de que la IA transforme el descubrimiento de fármacos. "A la gente de tecnología le entusiasma lo que resulta mejor, más rápido y más barato, pero un fármaco superventas puede generar US$ 10.000 millones al año en ingresos. Pasar de tres años a tres meses resulta significativo, pero la pregunta más importante es: '¿Se puede crear un medicamento con un impacto masivo?'", afirmó Elena Viboch, directora general de General Catalyst, que colideró la inversión de capital de riesgo en Chai en diciembre pasado. Todavía falta mucho para saber si eso realmente resulta posible.

El modelo Chai-2 les permitió a los investigadores diseñar desde cero anticuerpos monoclonales de longitud completa, cada vez más importantes en el tratamiento del cáncer y de las enfermedades autoinmunes. El sistema logró generar diseños de anticuerpos desde cero en el 16% de los casos y redujo meses de trabajo en laboratorio a apenas dos semanas. Sin embargo, aunque sus moléculas se unían a sus blancos, un factor clave en el desarrollo de fármacos, no siempre lo hacían de manera correcta. Eso significaba que todavía debían atravesar un largo proceso para mejorar su potencia y seguridad, igual que las moléculas descubiertas sin IA.

Las mejoras de Chai-3 acercan a la empresa a la posibilidad de saltear el proceso de refinamiento de moléculas. La compañía afirmó que, en aproximadamente la mitad de los casos, las moléculas que genera Chai-3 se unen a sus blancos con la misma afinidad que los fármacos aprobados. Los fundadores también consideran ese avance como un paso hacia la creación de anticuerpos capaces de unirse a múltiples blancos de manera simultánea, en lugar de hacerlo con uno solo, lo que permitiría desarrollar terapias mucho más complejas y precisas. 

"La mayoría de los anticuerpos simplemente bloquean algunos blancos. La tecnología más avanzada consiste en bloquear dos blancos", explicó Meier. "En el futuro, vamos a modular los blancos de formas más potentes", anticipó.

El equipo de I+D de Chai ya trabaja en sus próximos modelos. Según Dolsten, Chai podría ofrecerles a sus clientes farmacéuticos una IA capaz de diseñar moléculas pequeñas y péptidos, lo que ampliaría de manera exponencial su mercado potencial.

Mientras los modelos de IA siguen mejorando, las empresas que los desarrollan compiten por cerrar acuerdos con las farmacéuticas, y las grandes compañías del sector los ponen a prueba. "Ahora existe una conciencia generalizada en la industria farmacéutica de que estas tecnologías funcionan", afirmó Dent. Además, concluyó: “Ya superamos la fase de aceptación y nos encontramos en la etapa de entusiasmo de la curva de adopción”.

Con información adicional de Rashi Shrivastava.

*Esta nota fue publicada originalmente en Forbes.com.