Bagaimana jika sebuah perusahaan AI tidak lagi hanya melatih model di server cloud, tapi juga mengatur pipet, memutar centrifuge, dan mengamati pertumbuhan sel di bawah mikroskop?
Apa yang Sebenarnya Dilakukan di Lab Anthropic?
Anthropic kini mengoperasikan laboratorium biologi fisik di San Francisco — tidak hanya kolaborasi dengan universitas atau kontrak riset eksternal, tapi juga fasilitas milik sendiri yang dijalankan oleh tim gabungan ilmuwan komputer dan biolog molekuler. Di sana, tim tidak hanya menggunakan AI untuk menganalisis data genom atau memprediksi lipatan protein; mereka langsung menguji hipotesis biologis secara eksperimental: menyuntikkan urutan DNA yang dirancang oleh model Claude ke dalam bakteri, lalu mengukur ekspresi protein hasilnya dalam waktu nyata. Menurut TechCrunch AI, lab ini beroperasi sejak awal 2024 dan telah menghasilkan tiga prototipe terapeutik pra-klinis yang sedang dalam proses validasi ulang oleh pihak ketiga.
Ini tidak hanya ekspansi ke bidang baru. Ini adalah pergeseran epistemologis: dari 'AI sebagai alat analisis' ke 'AI sebagai agen eksperimental'. Anthropic tidak menunggu biolog menyusun eksperimen lalu meminta AI membantu interpretasi — mereka membangun alur kerja end-to-end di mana model bahasa membantu merancang urutan gen, sistem otomatisasi laboratorium (lab-on-chip) menjalankan sintesis, dan sensor real-time memberi umpan balik langsung ke model untuk iterasi berikutnya.
Baca juga: Mengapa Foto dari Ponsel Bisa Lebih Tajam daripada Kamera DSLR?
Ketika Perusahaan AI Jadi Pemain di Jalur Regulasi FDA
Langkah ini membawa Anthropic langsung ke dalam wilayah regulasi yang jauh lebih berat daripada pengembangan model bahasa. Mereka kini harus memenuhi standar Good Laboratory Practice (GLP) dan mulai berdialog dengan Badan Pengawas Obat dan Makanan Amerika Serikat (FDA) tentang validasi metode eksperimen berbasis AI. Berbeda dengan startup biotek yang biasanya memulai dari satu target penyakit dan satu platform teknologi, Anthropic masuk lewat pintu belakang: sebagai perusahaan infrastruktur AI yang tiba-tiba punya jejak eksperimental di dunia nyata. Teknisi lab mereka bukan hanya ahli mikrobiologi, tapi juga juga insinyur ML yang bisa membaca log error dari pipeline eksperimen otomatis — seperti saat sistem gagal mendeteksi fluoresensi pada kultur sel karena noise cahaya yang tidak terantisipasi model.
Dilansir TechCrunch AI, Anthropic telah merekrut setidaknya tujuh ilmuwan dari institusi seperti Broad Institute dan Scripps Research dalam enam bulan terakhir. Salah satunya, Dr. Lena Park, mantan peneliti CRISPR di MIT, kini memimpin divisi 'Wet Lab Integration', yang tugasnya memastikan bahwa output model bahasa tidak hanya gramatikal secara biologis — tapi juga dapat dieksekusi tanpa menyebabkan toksisitas seluler tak terduga. Ini bukan soal akurasi prediksi, tapi soal keandalan material: apakah urutan DNA yang dihasilkan benar-benar bisa disintesis, dimasukkan ke dalam vektor, dan diekspresikan tanpa memicu respons imun non-spesifik?
Baca juga: 72% Warga Indonesia Cari Gejala Penyakit via AI — Tapi Diagnosanya Bisa Salah
Di Indonesia, skenario seperti ini masih jauh dari kenyataan operasional. Meski beberapa universitas seperti ITB dan Universitas Gadjah Mada telah memulai kolaborasi antara departemen bioinformatika dan kecerdasan buatan, tidak ada satu pun perusahaan lokal yang memiliki kapasitas finansial maupun regulasi untuk membangun lab fisik berbasis AI. Kebanyakan startup kesehatan digital di Tanah Air masih berfokus pada aplikasi klinis — seperti triase berbasis chatbot atau deteksi dini diabetes dari rekam medis elektronik — bukan pada desain molekul terapeutik. Anthropic justru menunjukkan bahwa batas antara 'software company' dan 'biotech company' semakin kabur, dan yang menang bukan yang paling cepat mengembangkan model, tapi yang paling cepat mengintegrasikan model ke dalam siklus eksperimen empiris.
pendekatan Anthropic berbeda dari pesaing utamanya. Sementara DeepMind fokus pada prediksi struktur protein melalui AlphaFold, dan Insilico Medicine membangun platform end-to-end untuk penemuan obat berbasis generative AI, Anthropic memilih jalur yang lebih radikal: mereka tidak hanya menghasilkan kandidat obat, tapi juga membangun infrastruktur eksperimen untuk menguji kandidat itu — tanpa bergantung pada mitra farmasi tradisional. Ini berarti mereka bisa menguji ratusan varian urutan gen dalam seminggu, bukan dalam enam bulan seperti prosedur konvensional. Kecepatan iterasi ini bukan soal efisiensi biaya, tapi soal memperpendek jarak antara ide abstrak dan bukti empiris.
Antisipasi terhadap risiko pun tidak bisa lagi hanya berupa pernyataan etis di laman web. Di lab Anthropic, 'safety by design' berarti memprogram batasan biologis ke dalam model: misalnya, memblokir generasi urutan yang mengandung motif peptida mirip racun alami, atau membatasi panjang maksimal urutan gen yang boleh dikirim ke sistem sintesis otomatis. Ini adalah bentuk tanggung jawab yang tidak bisa diwakilkan — dan tidak bisa diabaikan dengan dalih 'kami hanya menyediakan alat'.
'Kami tidak lagi bertanya apakah AI bisa memahami biologi. Kami bertanya: bagaimana cara membuat biologi memahami AI — dan kemudian bekerja sama dengannya, bukan hanya sebagai subjek studi, tapi sebagai rekan eksperimen,' kata Dario Amodei, CEO Anthropic, dalam wawancara internal yang bocor ke TechCrunch AI.