La inteligencia artificial dejó de ser una promesa para convertirse en una herramienta decisiva en muchas actividades, incluido el desarrollo de bioproductos. Lo que hasta hace pocos años demandaba entre tres y siete años de investigación, cientos de ensayos y grandes volúmenes de prueba y error, hoy puede resolverse en cuestión de meses gracias al procesamiento masivo de datos, los modelos predictivos y el aprendizaje automático.

Durante el panel «Biología digital: cómo la IA está acelerando el desarrollo de bioproductos», realizado durante el BCR Agtech Forum que se llevó a cabo el martes en la Bolsa de Comercio de Rosario, referentes de tres startups argentinas mostraron cómo la inteligencia artificial ya está transformando la investigación aplicada al agro. Silvana Spinelli, cofundadora de Kresko RNA Tech; Carlos Morgan, jefe de Desarrollo de Negocios de Elytron; y Ramiro Olivera, CEO y cofundador de Cálice, coincidieron en que la IA no solo acelera los procesos de investigación y desarrollo, sino que también mejora la precisión de las decisiones, reduce los costos y disminuye el riesgo asociado al lanzamiento de nuevas tecnologías.

«La inteligencia artificial vino para quedarse», resumió Spinelli al abrir el debate durante el encuentro que fue la antesala del Congreso de Aapresid 2026 que se desarrolla en la ciudad hasta el jueves. Para las empresas dedicadas al desarrollo de biológicos, el principal cambio ocurre en la velocidad con la que pueden analizar información.

Kresko RNA Tech desarrolla ingredientes funcionales a partir de moléculas naturales de ARN presentes en alimentos y plantas medicinales. Ese trabajo implica estudiar miles de secuencias biológicas, una tarea prácticamente imposible de realizar de manera manual. «Analizar cientos o miles de secuencias de ARN sería inviable sin inteligencia artificial. Desde el inicio utilizamos machine learning y deep learning para sistematizar esa información y acelerar el descubrimiento de nuevas moléculas», explicó Spinelli.

Ese proceso permitió que la empresa trasladara en menos de un año conocimientos obtenidos inicialmente en leche hacia más de 10.000 especies vegetales mediante una plataforma propia de descubrimiento denominada «El Canto». La incorporación de modelos de lenguaje también modificó la dinámica cotidiana de los equipos científicos. «Mi productividad aumentó un 200% durante el último año», aseguró la investigadora, quien destacó que el salto tecnológico es comparable con muy pocos cambios ocurridos anteriormente en el ámbito de la ciencia.

Menos prueba y error

En Elytron la inteligencia artificial cumple otra función estratégica: acelerar el desarrollo de productos biológicos basados en microorganismos. La empresa cuenta con un banco de unas 1.500 cepas entre bacterias, hongos y enzimas. Analizar cada una de ellas de manera convencional demandaría años de trabajo. Gracias a una plataforma desarrollada internamente, la startup puede identificar cuáles presentan mejores características para combatir determinadas enfermedades o plagas y diseñar bioproductos específicos para cada necesidad.

«La IA nos da productividad, genera mayor certidumbre y reduce el riesgo. Lo que antes llevaba entre dos años y medio y tres años hoy podemos hacerlo en aproximadamente seis meses«, explicó Morgan.

La reducción de tiempos también disminuye la cantidad de ensayos fallidos y permite entregar soluciones mucho más ajustadas a las necesidades del mercado. «La incertidumbre baja porque hacemos menos prueba y error y somos mucho más precisos al desarrollar un producto», sostuvo.

Otro de los desarrollos más disruptivos presentados durante el panel fue el de Cálice, empresa especializada en modelado computacional aplicado al agro. Su tecnología permite construir lo que denominan «redes de ensayos virtuales», capaces de simular millones de escenarios productivos antes de realizar una prueba en campo. Los modelos integran variables climáticas, genéticas y de manejo para anticipar el comportamiento de una variedad, un híbrido o un bioproducto en diferentes ambientes.

«Hay correlaciones que sería imposible encontrar con herramientas estadísticas tradicionales. La inteligencia artificial nos permite construir modelos mucho más precisos y acelerar enormemente los análisis«, explicó Olivera.

Mientras obtener una nueva variedad puede demandar entre tres y siete años de evaluaciones, el uso de modelos predictivos permite reducir ese plazo a la mitad o incluso menos. La empresa ya validó esa capacidad junto a compañías semilleras. En un programa de mejoramiento de soja logró identificar el 90% de las variedades comerciales utilizando apenas dos años de datos, cuando el proceso convencional requería entre cuatro y cinco campañas.

En otro proyecto vinculado al maíz, la plataforma pudo detectar con precisión el híbrido, la región y las causas de un problema comercial antes incluso de que la empresa alabara el resultado de los ensayos. «La información ya está en los datos que generan las compañías. Lo que hacemos es extraer mucho más valor de esa información», resumió Olivera.

Del laboratorio al mercado

Aunque cada empresa utiliza la inteligencia artificial de manera diferente, todas coinciden en que el mayor beneficio es acelerar la llegada de nuevos productos al mercado. Morgan explicó que la IA permite construir desarrollos biológicos junto con empresas que buscan ampliar su oferta de biofungicidas o bioestimulantes, reduciendo los tiempos de validación y entregando prototipos listos para comenzar las pruebas a campo.

Spinelli agregó que el enorme volumen de información procesada también hace posible ofrecer soluciones prácticamente personalizadas. «Si un cliente necesita un ingrediente para mejorar el metabolismo energético, nuestra base de datos puede identificar rápidamente cuáles son los desarrollos más avanzados. Eso sería imposible para una persona trabajando de manera tradicional», explicó.

El consenso entre los panelistas fue que el mayor desafío ya no es tecnológico sino regulatorio. La inteligencia artificial permite acelerar el descubrimiento de nuevos ingredientes o microorganismos, pero los tiempos para registrar y aprobar esos productos siguen siendo prácticamente los mismos. «La IA vive en el mundo de los datos, mientras que la regulación sigue funcionando con los tiempos del mundo físico. Ahí aparece una tensión importante», planteó Spinelli.

Morgan coincidió en que buena parte del tiempo necesario para lanzar un bioproducto al mercado todavía se consume en procesos regulatorios. «La regulación y la innovación avanzan por carriles distintos. Cumplir las normas es indispensable, pero también necesitamos que el sistema acompañe los nuevos ritmos de desarrollo», afirmó.

Olivera incluso planteó que la propia inteligencia artificial podría convertirse en una herramienta para agilizar esos procesos, utilizando modelos predictivos que permitan complementar parte de los ensayos exigidos para la aprobación de nuevos productos.

La IA como núcleo del negocio

A modo de conclusión y más allá de las diferencias entre sus modelos de negocio, las tres empresas coincidieron en que la inteligencia artificial dejó de ser una tecnología complementaria para transformarse en el corazón de la innovación. «No existe la opción de seguir trabajando únicamente con métodos tradicionales», afirmó Spinelli, al tiempo que agregó: «La discusión ya no pasa por usar o no usar inteligencia artificial, sino por cómo implementarla y dónde cada empresa puede generar una ventaja competitiva.»

Por su parte, Morgan consideró que «el futuro ya es hoy» y afirmó que el desafío consiste en transformar la ciencia básica en soluciones concretas que lleguen más rápido al productor.

Olivera, en tanto, señaló que apenas se está explorando una pequeña parte del potencial de estas herramientas. «La productividad que generan los modelos de lenguaje es enorme. Estamos recién rascando la superficie«, aseguró.