El laboratorio de inteligencia artificial Radical Numerics, con sede en San Francisco, anunció que bacteriófagos diseñados por un modelo de IA fueron administrados a un paciente con una infección bacteriana resistente a antibióticos, bajo un procedimiento de uso compasivo liderado por un médico y autorizado por la Administración de Alimentos y Medicamentos (FDA) de Estados Unidos. Se trataría de la primera vez que un organismo diseñado por IA se aplica como medicina en una persona.

Los bacteriófagos son virus que infectan bacterias y no afectan a las células humanas. Se emplean como terapia desde hace más de un siglo, antes incluso del descubrimiento de la penicilina, y su uso ha resurgido a medida que los antibióticos convencionales pierden eficacia.

La Organización Mundial de la Salud (OMS) los considera en general seguros y, a diferencia de los antibióticos de amplio espectro, un fago puede atacar una cepa bacteriana específica sin dañar el resto del microbioma.

Esa misma precisión genera una dificultad: cada fago reconoce un conjunto limitado de receptores en la superficie bacteriana, por lo que tratar a un paciente exige hallar uno compatible con su infección particular. Los médicos primero revisan bibliotecas de fagos existentes, luego recurren a muestras ambientales y, como último recurso, intentan diseñarlos mediante ingeniería. En casos de sepsis, esa búsqueda puede definir la vida o la muerte del paciente.

La magnitud del problema de la resistencia antimicrobiana no está en discusión. El proyecto Global Burden of Disease estimó que esta resistencia estuvo asociada a cerca de 4,7 millones de muertes en 2021, y proyecta que entre 2025 y 2050 podría vincularse a casi 40 millones de fallecimientos adicionales.

El origen del modelo y su antecesor

Radical Numerics fue fundada por integrantes del equipo que desarrolló Evo y Evo 2, los modelos de genoma del Arc Institute que generaron los primeros genomas de fagos escritos íntegramente por inteligencia artificial. Aquel trabajo previo produjo 700.000 genomas candidatos, de los cuales 285 fueron sintetizados y solo 16 dieron origen a virus viables, una tasa de éxito baja pero suficiente como prueba de concepto.

Omnii-1, el modelo sucesor, adopta un enfoque más acotado. En lugar de inventar genomas completos, edita el componente que determina a qué bacteria se dirige el virus. El equipo trabajó sobre T7, un fago de 40 kilobases que infecta la bacteria Escherichia coli y está ampliamente caracterizado, y reescribió gp17, la fibra de la cola responsable de reconocer al receptor bacteriano.

Los resultados técnicos difundidos por la compañía

Según el informe técnico publicado por la propia empresa, con variantes de entre 11 y 15 cambios de aminoácidos respecto del fago original, el 69,9% de los diseños resultaron virus viables, frente al 4,8% logrado con controles aleatorios. De 6.694 variantes con actividad medible, 2.161 superaron el desempeño del fago original, incluidas algunas con 28 sustituciones de aminoácidos.

La compañía probó el cóctel diseñado contra bacterias aisladas de la infección real de un paciente, confirmó que eliminaba esa cepa en laboratorio y después lo administró. El paciente presentaba una infección por Escherichia coli que había resistido no solo a los antibióticos, sino a todos los fagos disponibles, una situación considerada de extrema gravedad en enfermedades infecciosas.

Lo que la empresa no reveló

Radical Numerics se negó a describir la evolución clínica, el desenlace, el hospital o los médicos involucrados, con el argumento de proteger la privacidad del paciente y evitar que incluso detalles limitados pudieran identificarlo. El informe técnico fue autopublicado en el sitio web de la empresa, sin revisión por pares, y la compañía indicó por separado que el tratamiento es propiedad suya y que busca comercializarlo.

Esa reserva se mantenía al 29 de octubre, nueve días después del anuncio, cuando publicaciones especializadas en enfermedades infecciosas seguían sin reportar evolución clínica, desenlace ni publicación revisada por pares. El informe técnico continúa siendo el único relato disponible sobre el caso.

El propio documento de la empresa reconoce que una observación de un solo paciente no puede establecer seguridad ni eficacia. El director ejecutivo, Eric Nguyen, declaró además que la compañía tiene intención de publicar los resultados mediante revisión por pares.

Las reacciones de la comunidad científica

Especialistas externos se mostraron entre intrigados y escépticos. El microbiólogo de la Universidad de Harvard Michael Baym, que no participó del proyecto, señaló que el resultado sería extraordinario si funciona, pero agregó que su instinto es de cautela hasta que el tratamiento concluya y pueda examinarse la novedad de los virus utilizados.

La lógica comercial detrás del anuncio resulta más clara: la búsqueda de fagos es un proceso lento, y Radical Numerics sostiene que puede comprimir el diseño a días en lugar de meses. Marisa Azad, especialista en enfermedades infecciosas del Hospital de Ottawa que colabora con la empresa, describió la búsqueda convencional como un proceso sumamente demandante en tiempo. Si la inteligencia artificial logra acortar ese proceso de manera confiable, podría ampliar el número de pacientes tratados a tiempo.

OpenAI usará desde el 29 de noviembre el contenido de las sesiones de Daybreak Blue en cuentas personales para entrenar sus modelos, incluso si el usuario desactivó la opción “mejorar el modelo para todos”. Daybreak Blue es el nivel de acceso que la empresa ofrece a especialistas en ciberseguridad.

Según un correo que OpenAI envió a los miembros de su programa de acceso de confianza, y que usuarios reprodujeron en foros, el cambio también busca “fortalecer las salvaguardas contra el uso indebido” de la IA en ciberseguridad. Hasta ahora, esas sesiones quedaban fuera del entrenamiento.

El mensaje precisa que la medida no afecta a clientes empresariales ni a otros usos de ChatGPT. Tampoco cambia el trato de datos en los modos de procesamiento seguro privado y de cero retención de datos.

El medio especializado The Decoder informó que la reacción fue inmediata y que OpenAI envió un segundo correo en el que prometió una opción de exclusión específica. Los textos publicados hasta ahora no detallan cómo funcionará ni desde cuándo.

Por qué el cambio contradice la promesa previa

Para obtener acceso individual a Daybreak, el usuario debe activar la Seguridad Avanzada de Cuenta, que apaga el entrenamiento con sus datos. El propio correo lo reconoce. Por eso, hasta ahora, quien usaba Daybreak Blue con una cuenta personal tenía garantizado que su contenido no alimentaba los modelos.

Daybreak Blue se presentó el 10 de agosto de 2026. OpenAI lo describió como acceso a su modelo general GPT-5.6 Sol con salvaguardas adaptadas al trabajo defensivo autorizado, y lo recomendó para detectar vulnerabilidades, revisar código, analizar software malicioso y responder a incidentes.

Las sesiones de ese tipo pueden incluir fallas aún no corregidas en productos ajenos, código de clientes o pruebas de ataque. Un usuario citado por el sitio CellCog escribió que, con el cambio, los errores sin reportar y las técnicas del investigador pasan a ser datos de entrenamiento.

OpenAI no explicó, en los textos consultados, si filtrará los hallazgos sin corregir, cuánto tiempo conservará el contenido ni si lo revisarán personas. Tampoco aclaró si el cambio alcanza a Daybreak Red, el nivel con modelos especializados, que el correo no menciona.

Sin opción de exclusión y con acceso por API recortado

La página de ayuda de OpenAI sobre controles de datos se actualizó el 30 de octubre con una sección sobre el acceso de confianza en cuentas personales, según el medio Neural Brew y el sitio CellCog. Ambos señalan que la página no menciona una fecha de inicio ni una forma de excluirse de Daybreak.

Esa página aclara que el ajuste de privacidad sigue vigente para la actividad fuera de las sesiones de acceso de confianza. En el foro de la comunidad de OpenAI, un usuario preguntó cómo saber cuándo está dentro de una sesión de Daybreak al usar Codex, la herramienta de programación de la empresa.

El correo anuncia además que, desde el 20 de noviembre, los individuos dejarán de tener acceso a Daybreak Blue por API. Las claves no se revocan, pero las respuestas volverán a incluir las negativas habituales ante pedidos de ciberseguridad.

Los usuarios individuales podrán seguir con Daybreak Blue a través de Codex con inicio de sesión de ChatGPT. Quienes quieran mantener el acceso por API deberán pasar a una cuenta empresarial, que el cambio de datos no alcanza.

El antecedente que alimenta la desconfianza

The Decoder vincula la preocupación con el caso de los matemáticos Tristan Buckmaster y Levent Alpöge, quienes subieron borradores sobre las ecuaciones de Navier-Stokes a Codex. Poco después, OpenAI presentó su propia demostración y negó haber usado esos datos para entrenar.

Según ese medio, la sospecha bastó para mostrar a los investigadores lo que puede salir mal. En las redes, algunos especialistas dijeron que dejarán el programa, según el sitio de seguimiento ctxsec, que presenta esas reacciones como opiniones.

El profesor Richard Borcherds, matemático de la Universidad de California en Berkeley y ganador de la Medalla Fields, decidió abandonar la calificación en línea de exámenes y tareas de sus estudiantes de matemáticas ante la imposibilidad de distinguir el trabajo humano del producido por inteligencia artificial.

El académico, reconocido por sus investigaciones en álgebras de dimensión infinita y actualmente abocado al estudio de la teoría cuántica de campos, optó por regresar a los exámenes tradicionales en papel, sin dispositivos electrónicos.

“Los exámenes en línea ahora son una pérdida de tiempo porque varios estudiantes solo usan IA para responder las preguntas. No puedo saber qué alumnos la utilizan, pero noto que el puntaje promedio aumenta mucho en los exámenes en línea”, declaró Borcherds a la sucursal del New York Post en California.

El sistema de calificación por corrección incentiva el uso de IA

Según explicó el profesor, el método que denomina “calificación por corrección” termina por empujar a los estudiantes hacia el uso de herramientas de inteligencia artificial, ya que estas garantizan una respuesta correcta. “La calificación por corrección agrega un enorme incentivo para que usen IA en las tareas en lugar de hacerlas ellos mismos, y penaliza a los estudiantes honestos. Pagar para calificar respuestas generadas por IA es una pérdida de tiempo y dinero”, afirmó.

Ante la falta de una alternativa mejor, Borcherds reconoció que actualmente califica las tareas por el solo hecho de que el estudiante las entregue, sin evaluar su contenido. “No es un sistema muy bueno”, admitió, aunque sostuvo que por el momento no cuenta con otra opción viable.

Berkeley descartó los detectores de IA por poco confiables

La decisión del profesor llega después de que Berkeley evaluara distintas herramientas de detección de contenido generado por inteligencia artificial, entre ellas Turnitin y Rumi, y concluyera que ninguna resultaba lo suficientemente confiable para su implementación estandarizada en el campus.

Como consecuencia, la División de Berkeley del Senado Académico solicita a los docentes incluir en los programas de sus cursos una declaración sobre el uso permitido de herramientas de IA, aunque las políticas concretas quedan a criterio de cada profesor y pueden variar según el nivel y el área de la materia.

Anne Marie Richard, vicerrectora adjunta de Educación de Pregrado y directora de Tecnología Académica de la universidad, señaló que existe un repositorio creciente de modelos de declaraciones sobre el uso de IA disponible en el AI Hub, el directorio del campus para herramientas, capacitaciones y políticas de inteligencia artificial, al que los docentes pueden recurrir para redactar sus propios lineamientos.

El avance de la IA en matemáticas alimenta la incertidumbre sobre la profesión

Tras el anuncio de OpenAI sobre la resolución mediante agentes de inteligencia artificial de uno de los problemas matemáticos no resueltos más difíciles, el de existencia y suavidad de Navier-Stokes, Borcherds advirtió sobre el ritmo de avance de la tecnología. “Si la IA sigue mejorando al ritmo actual, en unos años no habrá nada que los matemáticos humanos puedan hacer que la IA no pueda hacer mejor”, sostuvo.

El profesor admitió que ya no sabe qué consejo dar a quienes consideran estudiar matemáticas, una carrera que hasta hace cinco años parecía una de las más resguardadas frente al avance de la inteligencia artificial. “No tengo ninguna idea de qué aconsejar. Incluso le pregunté a ChatGPT esta misma pregunta, y ni ChatGPT supo decirme qué va a pasar”, relató.

Pese a ello, Borcherds consideró que la “inercia” propia del sistema académico podría mantener sin grandes cambios al departamento de matemáticas durante los próximos años, en una comparación con las revistas académicas en papel, que según él continúan publicándose pese a resultar “totalmente inútiles” desde hace dos décadas.

“Ha habido muchos avances técnicos en el pasado: el tejido manual fue desplazado por los telares, y los caballos por los automóviles. Pero esta es la primera vez que algo así ocurre en las matemáticas”, concluyó el profesor.

Coincidiendo con al celebración de Halloween 2026, Epic Games Store ofrece de forma gratuita, por tiempo limitado, el videojuego de terror Sorry We’re Closed, una propuesta de supervivencia con estética retro que combina cámaras fijas, combates en primera persona y una narrativa con decisiones que alteran el desenlace.

El título, desarrollado por à la mode games, llegó al mercado en noviembre de 2024 y acumula una recepción especialmente positiva entre los jugadores de Steam.

Cómo reclamar el juego antes de que termine la promoción

Para obtener Sorry We’re Closed de manera gratuita, el usuario debe ingresar a la tienda de Epic Games, iniciar sesión con su cuenta y buscar la página del título. Una vez allí, basta con seleccionar la opción para obtenerlo y completar el proceso de compra sin cargo.

Tras reclamarlo, el juego queda asociado de forma permanente a la cuenta del usuario, que podrá conservarlo incluso después de que la promoción finalice. La oferta vence el jueves 5 de noviembre de 2026 a las 11:00 a. m. EST, equivalente a las 13:00 de Argentina, por lo que los interesados cuentan con ese plazo para aprovechar el descuento del 100%.

No es necesario descargar ni instalar el contenido de inmediato: alcanza con reclamarlo mientras la promoción esté activa para asegurar su acceso futuro.

La historia de Michelle y una maldición en Londres

Sorry We’re Closed sigue a Michelle, una joven que vive en Londres y cuya vida cambia por completo tras recibir una maldición de un demonio. Para liberarse de ella, debe explorar escenarios inquietantes, enfrentar criaturas sobrenaturales y develar los secretos que rodean su situación.

El argumento, sin embargo, no se limita al enfrentamiento con monstruos o la resolución de acertijos. A lo largo de la aventura, Michelle también se involucra en la vida de sus vecinos y toma decisiones que modifican el desarrollo de esas relaciones y el destino de distintos personajes. Esta combinación de horror sobrenatural y drama personal constituye uno de los rasgos más particulares del título.

Cámaras fijas y combate en primera persona, un homenaje a los clásicos

En el terreno jugable, Sorry We’re Closed utiliza cámaras fijas durante los tramos de exploración, un recurso identificado con los survival horror de finales de los años noventa, en la línea de los primeros Resident Evil y Silent Hill. Cuando llega el momento del combate, la perspectiva cambia a un sistema de disparos en primera persona con un enfoque cercano a los juegos arcade.

El resultado alterna momentos de exploración, tensión y acción sin resignar la identidad retro del título. A esto se suma una narrativa basada en elecciones y con múltiples finales, de manera que las decisiones del jugador inciden en la conclusión de la historia. La campaña principal tiene una duración aproximada de ocho horas, aunque la existencia de distintos desenlaces amplía las razones para rejugarla.

Una propuesta visual propia dentro del género

Desde su estreno en noviembre de 2024, el juego acumula cerca de 1.700 reseñas en Steam con una valoración extremadamente positiva. Buena parte de los comentarios destaca su dirección artística, el diseño de personajes y la manera en que combina distintos géneros dentro de una misma experiencia.

Su estética apuesta por colores intensos, escenarios de inspiración retro y personajes de diseño llamativo, en contraste con la apariencia realista que predomina en buena parte de las producciones de terror contemporáneas. Otro elemento distintivo es el tratamiento de las relaciones personales y la presencia de personajes LGBTQ+, integrados en una trama donde conviven el romance, el misterio y el horror sobrenatural.

Esta combinación diferencia a Sorry We’re Closed de otros títulos que buscan recuperar exclusivamente las mecánicas de los clásicos del género sin aportar una identidad propia. Su duración relativamente contenida permite completar la historia principal sin requerir decenas de horas, mientras que los distintos finales ofrecen un motivo adicional para volver a recorrer sus escenarios.