Andy Beam, CTO da Lila Sciences no Slush 2026. Foto: Miia Kilpiö/Slush/Divulgação

Enquanto os grandes modelos de linguagem esgotam os textos disponíveis na internet, a próxima fronteira da inteligência artificial exige uma fonte inesgotável de dados proprietários. Para Andy Beam, CTO da Lila Sciences e ex-professor de Harvard, essa resposta está no próprio método científico. Em entrevista durante o Slush 2026, o executivo explicou como sua empresa combina modelos de raciocínio com laboratórios robóticos automatizados (que mais parecem data centers com trilhos magnéticos e braços mecânicos) para testar hipóteses físicas em escala.

“Os dados são o único fosso competitivo que restou. E o insight que tivemos é que o método científico é como um gerador infinito de tokens”, afirmou Beam.

Da academia para o mercado

Com formação em ciência da computação e engenharia, Beam dedicou uma década à vida acadêmica em Harvard pesquisando IA aplicada à medicina. A virada para o empreendedorismo começou em 2018, quando fundou a Generate Biomedicines sob uma tese considerada ousada para a época: a de que algoritmos superariam humanos no desenho de moléculas. Hoje, compostos criados por aqueles primeiros modelos já estão em testes clínicos de fase 3 para tratar asma e doenças pulmonares.

Diante da velocidade atual da tecnologia e da necessidade massiva de poder computacional, Beam percebeu que a pesquisa de ponta havia migrado dos muros universitários para o ecossistema de startups. “Para mim, como cientista da computação, ver uma molécula desenhada por um algoritmo que criamos ser usada para tratar pacientes é algo realizador. Eu queria estar em um lugar com chance real de trabalhar na fronteira”, destacou.

Ciência, validação e escala

Apesar do entusiasmo com o avanço da IA, o CTO faz um alerta pragmático sobre os desafios da inovação científica. Diferente da matemática ou da programação, áreas onde a verificação de um código ou equação é imediata, a maior parte da biologia e da química não pode ser resolvida apenas com processamento de texto. Literatura acadêmica contém falhas, vieses de publicação e lacunas que os LLMs não conseguem transpor sozinhos.

Por isso, a Lila Sciences aposta na integração vertical, onde modelos de IA planejam experimentos que são executados fisicamente por robôs em instalações que chegam ao tamanho de vários campos de futebol, retroalimentando o sistema com resultados reais. “Você não vai conseguir dar saltos gigantescos no raciocínio científico sem a capacidade de executar os experimentos físicos. Se você tornar a ciência verificável em escala, aí sim desbloqueia ganhos rápidos de capacidade”, pontuou.

Novos medicamentos

Andy Beam durante o Slush 2026.

Na indústria farmacêutica, desenvolver um medicamento costuma levar uma década e custar cerca de US$ 1 bilhão, um fenômeno de perda de eficiência conhecido no setor como Lei de Eroom. A abordagem da Lila busca inverter essa curva comprimindo drasticamente a etapa pré-clínica de pesquisa e desenvolvimento.

Um exemplo recente citado por Beam envolve terapias celulares in vivo (CAR-T), que reprogramam o sistema imunológico do próprio paciente para combater o câncer. Enquanto o modelo tradicional exigiu cinco anos e US$ 100 milhões de uma empresa concorrente para atingir a fase de testes pré-clínicos, a combinação de IA e automação laboratorial da Lila alcançou resultados superiores em modelos animais em apenas seis meses, com uma fração do custo.

A era dos generalistas

Para os jovens profissionais e cientistas preocupados com o impacto da IA em suas carreiras, Beam traz uma visão otimista sobre a reorganização do trabalho. Se antes obter um doutorado exigia anos de hiperespecialização em um nicho restrito e tarefas manuais repetitivas de bancada, a inteligência artificial agora atua como uma camada de abstração que permite navegar entre diferentes disciplinas.

Na avaliação do executivo, a ciência está passando por uma desagregação que favorece perfis curiosos e multidisciplinares, capazes de conectar áreas como biologia, física e computação. “Estamos entrando na era do generalista. Alguém inteligente e nativo em IA agora consegue trabalhar cruzando fronteiras que historicamente não conversavam entre si, e é justamente nessas interseções que surgem as grandes descobertas”, concluiu.

Sem comentários registrados

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *