Bebés diseñados por algoritmos: cómo la IA podría decidir quién nace y quién no

REPRODUCCIÓN · BIOÉTICA · INTELIGENCIA ARTIFICIAL

Lo que hoy se vende como “optimizar tratamientos de fertilidad” o “minimizar el riesgo genético” puede convertirse mañana en un menú silencioso de decisiones sobre el tipo de humanos que queremos en el mundo. Si ya te inquietan los escenarios de cuerpos diseñados por IA o de vidas optimizadas por modelos, aquí estás ante la versión más extrema: optimizar la vida antes incluso de que exista.

Para entender lo que viene, vamos a bajar a tierra qué se puede hacer ya con embriones y algoritmos, qué sueña hacer la industria y qué preguntas éticas explotan en el camino.

1. De “que salga sano” a “elige tu mejor embrión”

La medicina reproductiva lleva años decidiendo quién nace y quién no, aunque nadie lo diga así en voz alta. En fecundación in vitro, crear varios embriones, analizarlos y transferir solo uno o dos es rutina. Hasta ahora, la selección la hacían embriólogos humanos, mirando al microscopio: forma, simetría, ritmo de división celular. Una mezcla de experiencia, reglas visuales y algo de intuición.

La entrada de la IA aquí es casi inevitable. Si puedes fotografiar embriones en alta resolución cada pocas horas, puedes entrenar modelos de visión para detectar patrones invisibles al ojo humano y predecir cuál tiene más probabilidad de implantar, dar lugar a un embarazo y nacer. Para las clínicas es un sueño: más tasas de éxito, menos intentos fallidos, más eficiencia. Para los padres, una promesa de menos dolor emocional y económico en un proceso ya durísimo.

Nada de esto suena todavía a “bebé a la carta”. Pero el salto es corto: una vez aceptas que hay un ranking de embriones “mejores” y “peores” para cierto objetivo, la tentación es añadir más columnas a la tabla: riesgo genético de enfermedad, predisposición a obesidad, capacidad cognitiva estimada, incluso rasgos de personalidad esperados. Lo que hoy haces con un modelo que detecta arritmias en ECG, mañana lo haces con genomas completos de embriones.

2. Puntuaciones poligénicas: la hoja de Excel de tu futuro hijo

El término técnico suena frío, pero es clave: puntuaciones poligénicas. Son scores que estiman el riesgo de que una persona desarrolle una enfermedad compleja combinando el efecto de miles de variantes genéticas, cada una con impacto pequeño. No te dicen “tu hijo tendrá X”, pero sí “comparado con la población, parece más o menos propenso a X”.

Algunas compañías ya ofrecen a padres que se someten a FIV la posibilidad de genotipar varios embriones y obtener un ranking: este tiene menor riesgo de diabetes, este algo más de riesgo cardiaco, aquel un perfil que estadísticamente se asocia a mayor éxito educativo. Las clínicas hablan de “minimizar riesgo” y “maximizar bienestar”. En la práctica, estás colocando embriones en una hoja de cálculo y poniendo arriba los que más coinciden con tu idea de una buena vida.

Aquí la IA entra en dos niveles. Primero, para entrenar los modelos que relacionan genotipos con fenotipos: redes neuronales que devoran biobancos con cientos de miles de genomas y datos clínicos, como los que se describen en libros tipo “Máquinas predictivas”. Segundo, para integrar esos scores con otras señales (historial familiar, datos ambientales de tu futura ciudad, estilo de vida de los padres) y generar recomendaciones personalizadas: “dadas tus circunstancias, este embrión tiene mejor expectativa de salud”.

3. Más allá de la enfermedad: talento, personalidad y la línea que no queremos cruzar

Hasta aquí, muchos padres asienten. “Si puedo reducir el riesgo de que mi hijo tenga una enfermedad grave, ¿por qué no?”. La parte resbaladiza comienza cuando los mismos modelos que predicen riesgo de enfermedad empiezan a correlacionarse con rasgos que valoramos socialmente: capacidad de concentración, facilidad para el aprendizaje, tolerancia al estrés, altura, incluso ciertos rasgos de personalidad medibles por cuestionarios masivos.

No hace falta que los modelos sean perfectos. Basta con que haya correlaciones débiles pero estadísticamente significativas para que el mercado quiera explotarlas. Empresas que prometan “optimizar las oportunidades” o “mejorar el potencial educativo” del futuro bebé con selecciones algorítmicas. Un eufemismo cómodo para describir algo muy viejo: eugenesia, pero esta vez envuelta en dashboards, probabilidades y consentimiento del cliente.

Tu artículo sobre cuerpos diseñados por IA, del gimnasio al laboratorio ya anticipa esta lógica en adultos: maximizar rendimiento, apariencia o salud usando modelos. Con embriones, la misma lógica se adelanta décadas y se hace irreversible. No puedes desinstalar una selección de embriones como desinstalas una app de fitness.

4. Cómo sería una clínica de fertilidad dirigida por algoritmos

Para aterrizarlo, imagina el recorrido de una pareja en una clínica de 2035. Nada de catálogos de bebés rubios y de ojos azules tipo distopía simplona. Más bien un flujo de datos impecable. Primero, tú y tu pareja rellenáis cuestionarios interminables sobre salud, antecedentes familiares, valores, estilo de crianza deseado. Conectáis Historias Clínicas Electrónicas, relojes inteligentes, quizá vuestra ciudad y tipo de trabajo, como si estuvierais configurando un clon de IA, pero esta vez para un hijo que todavía no existe.

Después, los embriones se generan y se secuencian parcialmente. Un modelo interno calcula para cada uno docenas de scores: riesgo de enfermedades, estimación de talla adulta, probabilidad de ciertos rasgos cognitivos, sensibilidad a entornos de alto estrés. La interfaz que veis no muestra “bebé perfecto”, sino recomendaciones con lenguaje amable: “Esta opción minimiza riesgo de enfermedad cardiaca” o “esta otra equilibra riesgo bajo de depresión con mayor probabilidad de alto rendimiento académico”.

Técnicamente, seguís decidiendo vosotros. Prácticamente, os movéis en un menú filtrado por criterios que no habéis definido, entrenados con datos que no habláis el idioma para cuestionar. Es la misma dinámica que explicas en la IA que diseña tu vida, pero aquí el “usuario” ni siquiera ha nacido para dar su opinión sobre qué riesgo estaba dispuesto a asumir.

5. ¿Es realmente IA “neutral” o eugenesia con mejor branding?

La narrativa cómoda es que los algoritmos solo “ayudan a elegir mejor” y que no hay agenda oculta. Pero los modelos no se entrenan sobre un mundo neutral: se entrenan sobre datos históricos, con sus desigualdades, sus prejuicios y sus sesgos. Si las personas con cierto origen socioeconómico han tenido peores indicadores de salud o educativos, el modelo puede codificar eso y considerarlo “riesgo”, empujando a seleccionar embriones que se alejen de esos perfiles. El resultado: refuerzo de desigualdades bajo la máscara de prevención.

En tu análisis de nueva guerra fría de la IA ya señalas cómo las infraestructuras de datos y modelos pueden convertirse en herramientas de poder geopolítico. Aquí, esas mismas infraestructuras pueden moldear demografías enteras. Países que favorezcan activamente cierto tipo de selección pueden, a largo plazo, alterar la composición genética de su población de forma dirigida, aunque nadie lo declare abiertamente como política de Estado.

Llamarlo eugenesia suena duro, pero ignorar la continuidad histórica también lo es. La diferencia es que ahora el control no lo tiene solo el Estado totalitario de turno, sino una red de clínicas, empresas de datos y plataformas de IA que venden “bienestar futuro” como producto premium. Quién puede pagar ese producto y quién no añade otra capa de desigualdad: no es lo mismo cometer errores con la elección de colegio que con la elección de embrión.

6. Derechos del futuro hijo frente al dashboard de sus padres

Hay una pregunta incómoda que aparece demasiado poco: ¿qué derechos tiene alguien que todavía no existe frente a sistemas que están tomando decisiones sobre su existencia? En teoría, los padres actúan “en su mejor interés”. En la práctica, proyectan miedos, sueños frustrados y expectativas en una interfaz de IA que les devuelve opciones alineadas con esos sesgos. ¿Qué pasa si un día ese hijo, ya adulto, mira atrás y descubre que no nació porque era el embrión con menor riesgo de enfermedad grave, sino porque maximizaba ciertos rasgos que sus padres valoraban socialmente?

Imagina crecer sabiendo que fuiste el resultado de una optimización multivariable ejecutada por un modelo. No un accidente, no un “te tocó a ti”, sino la Opción 3 de un ranking de embriones. La carga psicológica puede ir desde el orgullo (“fui el elegido”) hasta la presión aplastante (“tengo que estar a la altura de la inversión algorítmica que hicieron en mí”). Y a eso todavía no hemos sumado la angustia de quienes descubren que su “yo descartado” habría tenido otras características, otras vidas posibles.

Tus textos sobre quién decide la verdad en Internet o sobre jefes algorítmicos ya apuntan a una erosión de la agencia humana. Aquí esa erosión empieza en el minuto cero de la existencia: ni siquiera llegas a tener la oportunidad de equivocarte por ti mismo si un algoritmo decidió que tu “score vital” no era competitiva frente a otros embriones de la misma tanda.

7. Reglas mínimas para que la IA no escriba sola el futuro genético

¿Significa todo esto que habría que prohibir toda selección médica de embriones y toda aplicación de IA en reproducción? No necesariamente. Igual que con tus escenarios sobre jueces algorítmicos, la clave está en poner límites radicalmente claros antes de dejar que el despliegue industrial se acelere sin frenos.

Algunas líneas rojas obvias: usar IA solo para reducir riesgo de enfermedades graves bien definidas, con base científica sólida; prohibir explícitamente la selección por rasgos no médicos (inteligencia, apariencia, orientación sexual, personalidad); exigir transparencia total sobre qué variables se usan en los modelos y quién controla los datos; garantizar que las decisiones finales se toman en comités éticos independientes, no solo en despachos comerciales con objetivos de cuota y facturación.

También habría que pensar en mecanismos de supervisión internacional, al estilo de los debates que ya se dan sobre armas autónomas o biotecnología avanzada. Una “nueva guerra fría” de la reproducción algorítmica, donde cada país compite por tener la población más sana, más productiva o más obediente, no es un escenario de ciencia ficción, es una extrapolación directa de lo que ya analizas en tu artículo sobre geopolítica de la IA.

8. Como padres en 2025: qué hacer ya, aunque no estés eligiendo embriones

Puede parecer que todo esto queda muy lejos de tu vida si no estás pasando por una FIV. Pero la mentalidad “optimiza todo con modelos” ya está entrando en la crianza y la salud por otras puertas: wearables para bebés, apps que puntúan el desarrollo, asistentes que recomiendan actividades “para maximizar el potencial”, como contabas en tu texto sobre niños criados por asistentes de IA.

Una manera de prepararse para el debate de los bebés algorítmicos es revisar ya nuestra relación con la optimización: entender que ni todos los riesgos se pueden borrar, ni toda variabilidad humana se debe corregir. Que parte de la gracia de tener hijos es precisamente aceptar que son radicalmente otros, no proyectos de ingeniería. Si conviertes cada decisión en un problema de IA que maximizar, el paso a aplicar eso antes de la concepción es mucho más corto de lo que parece.

En paralelo, conviene afinar el radar para ver cuándo se nos cuela la lógica del “producto perfecto” en ámbitos donde no debería entrar. Desde cuerpos hasta carreras, pasando por relaciones, como has ido documentando en tu serie de artículos. Los bebés a la carta no aparecerán como un salto repentino, sino como la siguiente iteración lógica de una cultura que ya se acostumbra a que la IA oriente trabajo, pareja y ciudad.

9. Cuando tu hijo pregunte “¿por qué nací yo?”, ¿responderás “lo decidió un algoritmo”?

Al final, todo se condensa en una escena muy sencilla: un niño preguntándole a sus padres por qué está aquí. Hasta ahora, las respuestas iban del azar romántico (“porque nos quisimos”) a la planificación clásica (“porque decidimos tenerte”). En un futuro de bebés diseñados por algoritmos, habrá una capa extra: “porque encajabas mejor en un modelo de riesgo-beneficio que aplicamos en la clínica”.

No está claro que estemos preparados para esa conversación. Ni como padres, ni como sociedad, ni como especie. Como en tus lecturas sobre Vida 3.0 o el problema del control de la IA, la cuestión no es solo técnica, sino profundamente filosófica: qué tipo de libertad y qué tipo de diversidad humana estamos dispuestos a sacrificar en nombre de la optimización y el miedo al riesgo.

Quizá la pregunta más honesta que podemos hacernos hoy no es “¿permitiremos los bebés a la carta?”, sino “¿cuánto poder estamos dispuestos a dar a modelos estadísticos sobre algo tan irrepetible como la existencia de una persona concreta?”. Usar la IA para reducir sufrimiento evitable puede ser un acto de compasión. Dejar que escriba sola el guion de quién merece llegar a nacer y quién no, en cambio, corre el riesgo de dejarnos un día frente al espejo de la humanidad y no reconocer del todo quién nos devuelve la mirada.