Os anúncios das empresas de IA costumam chamar a atenção para os números de desempenho de novos modelos. Mas este anúncio da Anthropic não traz nenhum modelo novo. Surgiram duas coisas: uma bancada de trabalho para cientistas e um programa interno para buscar candidatos a medicamentos. A empresa não compete pela inteligência bruta, mas pela forma como essa inteligência é usada. Essa decisão organizacional é o ponto que vale a leitura.

01O que aconteceu — Lançamento simultâneo de uma bancada de trabalho e de um programa de descoberta de medicamentos

Em 1º de julho de 2026, a Anthropic lançou oficialmente o "Claude Science" para pesquisadores e para a indústria farmacêutica. O TechCrunch classificou isso como uma estratégia de se diferenciar pelo lado do fluxo de trabalho (= o fluxo do trabalho), e não por um novo modelo. Ao mesmo tempo, CNBC, Reuters e Endpoints News noticiaram o início de um programa interno de descoberta de medicamentos na área de biofarmacêutica. Depois, em 4 de julho, foi noticiado que a Anthropic está considerando entrar no negócio de desenvolvimento de medicamentos (The Verge). Em poucos dias, dois movimentos apareceram lado a lado: o fornecimento de ferramentas e a possibilidade de entrar como participante direta. Sua concorrente OpenAI anunciou, no mesmo período, o "GeneBench-Pro", um benchmark de avaliação para o domínio de biologia e ciência (= uma régua para medir as capacidades biológicas de uma IA), e a ciência está se tornando o próximo grande campo de batalha.

02Os Bastidores — O Caminho Aberto pela Insilico e pela Moderna

Essa movimentação não surgiu do nada. A descoberta de medicamentos com IA já tem um histórico acumulado. O rentosertib, da Insilico Medicine (nome de empresa derivado de "in silico" (em computador)), é um tratamento para fibrose pulmonar idiopática (FPI = doença intratável na qual os pulmões endurecem gradualmente) em que a IA cuidou de tudo, desde a busca pelo alvo (= a molécula do corpo sobre a qual o medicamento atua) até o desenho das moléculas candidatas. Ele passou pela Fase IIa (= o ensaio clínico de estágio intermediário que confirma pela primeira vez a eficácia em pacientes) no início de 2026. É considerado um dos primeiros exemplos de molécula em que a IA participou da busca ao desenho para chegar a essa etapa. Agora está entrando na preparação para a Fase III (= o ensaio em larga escala antes da aprovação). A Moderna, por sua vez, é parceira da OpenAI em toda a empresa desde 2024 e é conhecida como um dos primeiros casos de implantação plena de IA nas operações internas. A IA que cuida da busca de alvos e um uso que dissolve a IA em toda a operação corporativa — essas duas correntes formam a base da fase atual.

03O que os números mostram sobre onde estamos e como interpretá-los

A descoberta de medicamentos com IA não é mais uma tentativa excepcional. Estima-se que mais de 173 candidatos derivados de IA estejam em ensaios clínicos (embora a definição de "derivado de IA" — em qual etapa do processo a IA esteve envolvida — não seja consistente). Relata-se que a taxa de aprovação na Fase I inicial (= o primeiro ensaio em que um medicamento é administrado a humanos pela primeira vez) chega a 80–90%, superando os cerca de 52% convencionais. Ainda assim, esses números precisam ser lidos com cuidado. A amostra usada na contagem é pequena, e o quadro muda conforme as fases comparadas. Além disso, o verdadeiro portão da descoberta de medicamentos não está na Fase I, que examina a segurança, mas na Fase II, que testa a eficácia. É razoável considerar que o histórico de moléculas projetadas por IA superando claramente o convencional na Fase II ainda é limitado. A alta taxa de aprovação é confundida não apenas pela capacidade de projeto da IA, mas também por uma escolha conservadora de alvos, que facilita selecionar alvos já validados. A contribuição específica da IA precisa ser separada disso. A base técnica certamente se ampliou. O AlphaFold3 (uma IA de predição de estruturas de proteínas desenvolvida pela Google DeepMind e pela Isomorphic Labs) acelerou muito a predição da ligação entre um medicamento e seu alvo. As formas de conexão entre empresas também variam. Há parcerias entre empresas, como Bayer × Cradle (uma empresa de IA) e Eli Lilly × NVIDIA, e também movimentos de natureza diferente de parceria, como a Pfizer incorporando o Boltz, um modelo de predição de estruturas descrito como de código aberto. Em 2025, a Recursion adquiriu a Exscientia. Mas essa consolidação se lê menos como evidência de impulso e mais como reestruturação e resgate do setor diante de fracassos clínicos e dificuldades de financiamento. Também pode ser lida como sinal da dificuldade de tornar a descoberta de medicamentos com IA viável como negócio independente.

04Por que agora — Pressão estrutural e a jogada do conselho

A indústria farmacêutica está sob forte pressão. O custo de desenvolver um único medicamento novo inchou ao longo de 20 anos de US$ 1 bilhão para US$ 2–3 bilhões. Além disso, 2025–2030 coincide com o penhasco de patentes (= o período em que as patentes dos principais medicamentos expiram de forma concentrada e as vendas caem drasticamente). Os custos estão subindo e as fontes de receita estão sendo perdidas. Dito isso, o que a IA pode encurtar são principalmente as etapas de busca e pré-clínica. O que responde pela maior parte dos custos de desenvolvimento são os ensaios clínicos em larga escala, e a IA não atua diretamente sobre eles. Seu efeito imediato sobre o custo total de desenvolvimento deve ser considerado limitado. Há também um descompasso no eixo do tempo. Um candidato encontrado com IA hoje chegará à aprovação, no mínimo, na segunda metade da próxima década ou depois, e não resgata diretamente o iminente penhasco de 2025–2030. A substância da expectativa está no reforço do pipeline de próxima geração (= o grupo de medicamentos em desenvolvimento). Aqui, a própria movimentação da Anthropic se sobrepõe. Em abril de 2026, Vas Narasimhan, CEO da Novartis (médico de formação, envolvido no desenvolvimento de mais de 35 novos medicamentos), tornou-se membro do conselho da Anthropic. O órgão responsável pela nomeação foi o Long-Term Benefit Trust (LTBT = órgão de supervisão próprio da Anthropic que prioriza o benefício de longo prazo para a humanidade em detrimento dos interesses dos acionistas). Esse Trust detém a autoridade de indicar membros do conselho e, com essa nomeação, o lado indicado pelo Trust passou a ser maioria no conselho. A cobertura detalhada fica para uma reportagem anterior (/journal/novartis-anthropic-board.html), mas o significado de trazer um participante da descoberta de medicamentos para o centro da estrutura de governança não é pequeno.

05Como ler a estratégia da Anthropic

A partir daqui é interpretação. Primeiro, a Anthropic parece pronta para se diferenciar não pelo desempenho de um novo modelo, mas pelo fluxo de trabalho. O fato de o Claude Science ter chegado sem um novo modelo provavelmente é uma decisão de vencer pela qualidade do encaixe no ambiente de pesquisa, e não pelo valor absoluto da inteligência. Modelos de uso geral tendem a ficar em paridade com os concorrentes, mas uma bancada de trabalho intimamente ligada ao trabalho de pesquisa cria custos de troca e gera fidelização. Segundo, o início do programa interno de descoberta de fármacos pode ser lido como um passo de fornecedora de ferramentas a participante da descoberta de fármacos. Se apenas vende ferramentas, os resultados pertencem ao cliente, e o grau de contribuição da IA é difícil de enxergar. Ao produzir candidatos por conta própria, ela pode mostrar até onde a IA consegue ir como histórico próprio. No entanto, a própria atividade de desenvolvimento de fármacos é relatada apenas como "em consideração". Isso também pode ser lido como sinal de que a própria Anthropic está medindo a distância na qual poderia competir com seus clientes farmacêuticos. Terceiro, a nomeação de Narasimhan pelo LTBT pode ser vista como uma preparação de terreno que sustenta essa direção do lado da governança. Para um Trust que defende o benefício de longo prazo acima dos interesses dos acionistas, colocar no conselho alguém com experiência em descoberta de fármacos é uma estrutura que facilita sustentar o desenvolvimento de novos medicamentos como um benefício para a humanidade, e não como vendas de curto prazo. Para a filosofia de design de toda a linha de produtos, veja também o relatório anterior (/journal/claude-science-pharma-future.html).

06Implicações para a Indústria Farmacêutica e para a Linha de Frente

Olhando para o futuro, a fronteira entre quem detém a IA e quem detém os medicamentos provavelmente se dissolverá ainda mais. Se o fluxo da parceria para a participação direta avançar, para as farmacêuticas uma empresa de IA passa a ser ao mesmo tempo vendedora de ferramentas e uma potencial concorrente. Nessa fase, o que o lado farmacêutico primeiro precisará enfrentar são, penso eu, várias questões práticas. Uma é a titularidade da PI (= propriedade intelectual). Quem detém os direitos sobre moléculas geradas por IA e o que acontece com a soberania sobre os dados usados no treinamento são áreas em que contratos e instituições ainda não estão desenvolvidos. A segunda é a postura dos órgãos reguladores. Como a FDA (Food and Drug Administration, dos EUA) e a PMDA (Agência de Produtos Farmacêuticos e Dispositivos Médicos do Japão) avaliarão o desenvolvimento baseado em IA ainda não está definido. A terceira é o esfriamento do compartilhamento de dados que surge à medida que as empresas de IA se tornam concorrentes. Números detalhados estão reunidos em um relatório anterior (/journal/ai-drug-discovery-2026.html). Tais mudanças alcançam também o trabalho da linha de frente. Na revisão de materiais (= a tarefa de confirmar que os materiais promocionais estão em conformidade com as regulamentações), surgem novos julgamentos sobre como verificar os dados de evidência e o processo de design em que a IA esteve envolvida, e quanto pode ser documentado. Em medical (= o departamento responsável por fornecer informações médicas), a responsabilidade de transmitir com precisão aos profissionais de saúde o mecanismo de ação e os resultados de ensaios de medicamentos candidatos derivados de IA se torna mais pesada. No domínio da segurança (= o monitoramento de efeitos adversos), o olhar para saber se um medicamento projetado por IA se comporta de maneiras inesperadas será ainda mais requisitado. Quanto mais inteligente a ferramenta se torna, mais a responsabilidade de verificação dos humanos que a manejam não diminui. Pelo contrário, ela se torna mais pesada. Este, acredito, é o cerne de como a linha de frente deve incorporar a descoberta de medicamentos por IA na nova era.