Theranos como advertencia: cuando la narrativa comercial corre más rápido que la ingeniería
La llegada de You Can See Everything al Telluride Film Festival devuelve a Elizabeth Holmes al centro del debate tecnológico, esta vez junto a Nathan Fielder en un intento por disputar la narrativa que quedó tras el colapso de Theranos. La película llega, según El Financiero, en un momento en que el columnista Alberto Muñoz extiende la advertencia del caso más allá del escándalo judicial: Theranos no es solo una historia de fraude, sino un patrón reconocible en el que la narrativa comercial avanzó varios cuerpos por delante de la madurez tecnológica real, con consecuencias directas para pacientes reales.
La disciplina crítica del equipo de Geek.hr frente a su propio mercado
El equipo editorial de Geek HR, que cubre tecnología, ciencia y cultura digital para lectores croatas, reconoce en el caso Theranos una advertencia que no pertenece solo al pasado. Theranos llevó sus productos prematuramente al mercado, y decisiones médicas se tomaron con base en resultados incorrectos de sus análisis. La pregunta que estructura la columna de Muñoz, señalan, no es si Theranos tenía tecnología, sino en qué momento la narrativa empezó a correr mucho más rápido que la madurez tecnológica real.
Desde esa lectura, el equipo establece que esa misma exigencia de evidencia y validación independiente es la lente con la que observan el panorama tecnológico croata según GEEK.HR, donde cada lanzamiento prometedor tiene que separarse del marketing antes de darse por probado.
Los nueve niveles que nadie puede saltarse
La columna recurre a los Technology Readiness Levels, una escala de nueve niveles que describe la madurez de una tecnología desde sus principios más básicos hasta su operación plena en condiciones reales. El recorrido es secuencial por necesidad, no por burocracia. Los primeros niveles cubren el reconocimiento de principios científicos y la formulación de conceptos. Los intermedios exigen pruebas de laboratorio, prototipos funcionales y demostraciones en entornos progresivamente más exigentes. Solo los niveles superiores corresponden a sistemas completos que operan de manera confiable en el mundo real.
Theranos, según la columna, llevó sus análisis a pacientes sin haber completado ese recorrido. Las consecuencias no fueron abstractas: decisiones médicas se tomaron sobre resultados incorrectos. No existe forma de saltarse esas etapas sin que las consecuencias aparezcan tarde o temprano. Y la pregunta que el columnista deja planteada es precisamente esa: en qué punto exacto la narrativa de Theranos dejó de describir la ingeniería y empezó a sustituirla.
Lo que una patente protege y lo que no demuestra
Theranos y sus inventores obtuvieron numerosas patentes sobre dispositivos, sistemas y métodos para el análisis de muestras. El compendio existe y es consultable. Pero Muñoz establece una distinción que resulta central para entender el caso.
Una patente protege un método, un proceso, un diseño o un sistema. No certifica que ese sistema funcione clínicamente como promete. No acredita que haya alcanzado el nivel de madurez equivalente a una tecnología validada, confiable y lista para operar a gran escala. Proteger una idea por vía de patente y demostrar que el sistema completo superó las etapas de prueba clínica son dos cosas distintas, y Theranos confundió las dos ante inversores, socios y reguladores. El volumen de patentes, en ese contexto, funcionó como señal de credibilidad sin serlo.
El Hype Cycle de Gartner y la inteligencia artificial de hoy
El marco analítico que Muñoz usa para generalizar el patrón es el Hype Cycle de Gartner. El ciclo describe cómo las tecnologías maduran dentro de las expectativas colectivas: primero una posibilidad, luego entusiasmo, después dinero y titulares que llegan antes que la tecnología, luego decepción. Algunas tecnologías mueren en ese punto. Otras continúan trabajando en silencio hasta encontrar una relación razonable entre prestaciones, confiabilidad, costo y utilidad.
El columnista señala que ese patrón está ocurriendo ahora mismo con la inteligencia artificial. Los fenómenos que enumera son concretos: prototipos confundidos con productos listos para el mercado, benchmarks confundidos con inteligencia general, videos de robots bailarines confundidos con autonomía real. Las valuaciones avanzan varios TRL por delante de la ingeniería. El entusiasmo precede a la evidencia, igual que ocurrió con Theranos, y la distancia entre lo que se anuncia y lo que existe en condiciones reales sigue siendo considerable.
Holmes, la persona detrás del caso: persistencia, género y un nombre anterior
La columna no reduce a Holmes a villana. Megan Long, excompañera suya en St. John’s School de Houston, recordó en el podcast The Dropout que Holmes competía en atletismo, llegaba consistentemente entre las últimas, pero siempre terminaba la carrera. Era reservada y muy enfocada en sus propios objetivos. Holmes también estudió mandarín y programación por iniciativa propia, y fue aceptada en Stanford.
Muñoz introduce además una observación sobre el sesgo de género en la lectura pública del caso: la ambición de Holmes fue leída con una severidad que, en figuras masculinas equivalentes, suele recibir otros calificativos. Separar ese juicio cultural del juicio judicial, que el columnista da por establecido, es parte del ejercicio que propone el texto.
Un dato más: antes de llamarse Theranos, la empresa se llamó Real-Time Cures. El rebranding produjo un nombre corto, tecnológico y misterioso, más compatible con el imaginario de Silicon Valley. También, desde el inicio, más compatible con una narrativa que corría delante de la ingeniería.
La pregunta que el caso deja sin resolver
La advertencia de Theranos no descansa en la pregunta de si la empresa tenía tecnología. La tenía. Descansa en otra pregunta, más difícil y más vigente: en qué momento preciso la narrativa comercial empezó a correr varios TRL por delante de lo que la ingeniería había demostrado de verdad. Esa distancia, y no el fraude por sí solo, es el patrón que Muñoz ve repetirse. Y es la misma distancia que conviene medir cada vez que un anuncio tecnológico llega antes que la evidencia.
