Roundtables: A Conversation With the Creator of AI-Designed Viruses
Listen to the session or watch below Can AI design new life forms? In 2025, Stanford University PhD student Samuel King came up with a preliminary answer when he used a generative AI model to propose genetic blueprints for microscopic viruses. It isn’t yet an example of AI-generated life, but that could be next. Watch…
Listen to the session or watch below Can AI design new life forms? In 2025, Stanford University PhD student Samuel King came up with a preliminary answer when he used a generative AI model to propose genetic blueprints for microscopic viruses. It isn’t yet an example of AI-generated life, but that could be next. Watch…
In context
- Topic: Inteligencia Artificial — IA aplicada al negocio: casos, límites, costos y gobierno.
- Source: MIT Technology Review — IA
- Published: 16/10/2026
Continue reading at the original source →
Excerpt published automatically by the site radar. The full text belongs to its publisher and is linked above.
Por qué importa
Cada semana hay un anuncio que promete cambiarlo todo, y cada semana la mayoría de las organizaciones sigue peleando con lo mismo: datos desordenados, procesos que nadie documentó y una expectativa que corre más rápido que la capacidad. Esta nota se entiende mejor con eso puesto encima.
Separo siempre dos cosas que se mezclan: la demo y la operación. Una demo necesita que funcione una vez con alguien mirando; la operación necesita que funcione mil veces sin nadie mirando, con casos raros, con datos sucios y a las dos de la mañana. El salto entre las dos es donde se va el presupuesto.
Lo que suele salir mal
Lo que más veo fallar es la expectativa. Alguien vio una demo impecable y pidió lo mismo para su área en un mes, sin considerar que la demo corría sobre datos limpios preparados para la ocasión. Cuando el piloto real muestra resultados irregulares, la conclusión injusta es que la tecnología no sirve.
Qué mirar
- Quién revisa las salidas del modelo y con qué frecuencia — el punto donde la IA se vuelve auditable.
- El costo por consulta a volumen real, no el del piloto: es la variable que más sorpresas da.
- Dónde quedan los datos y bajo qué contrato, sobre todo si hay información de clientes de por medio.
Cómo leo esta entrada
Mi recomendación práctica es fijar desde el día uno qué se hace cuando el modelo se equivoca: quién revisa, con qué frecuencia, y en qué momento se apaga. Suena defensivo, pero es exactamente lo que permite ser agresivo después, porque el riesgo dejó de ser una incógnita.
La noticia original está publicada en otro idioma; acá se cita el extracto tal como lo entrega el medio y el comentario se escribe en español.
Comentarios
Todavía no hay comentarios. El primero puede ser el tuyo.
¿Lo estás viviendo en tu equipo?
Abrí el chat y contame cómo lo están manejando. Me interesa comparar notas.
