AI för biologi kan påskynda läkemedelsutveckling, diagnostik och medicinsk forskning. Men i takt med att modellerna blir bättre kan de också minska den tid, specialistkunskap och felsökning som krävs för delar av farligt kemiskt eller biologiskt arbete.
Därför växer en annan modell fram hos utvecklare och beslutsfattare: inte ett totalt förbud mot biologisk AI, och inte heller enbart chattbotar som vägrar svara, utan ett försvar i flera led. Det omfattar utvärderingar av modellernas kapacitet, begränsad tillgång till känsliga funktioner, övervakning och skydd vid de fysiska steg där en digital idé måste omsättas i material och laboratoriearbete.
Frågan handlar om mätbar riskökning
Det centrala är inte om en vanlig publik chattbot kan lämna ut en komplett instruktion för ett biologiskt vapen. Frågan är i stället om en allt starkare modell kan göra ett farligt projekt påtagligt enklare – exempelvis genom att minska behovet av expertis, korta tiden för problemlösning eller underlätta samordning mellan flera steg.
Biologisk skada uppstår inte av textgenerering i sig. Den kräver också material, utrustning, praktisk kompetens och genomförande. En forskningsartikel om dagens grundmodeller beskriver därför risken som modellernas förmåga att vägleda användare genom tekniskt krävande utvecklingsprocesser, snarare än som ett enskilt prompt-svar.
Så ser den framväxande modellen ut
Arbetet med säkerhet för de mest kapabla AI-modellerna samlas kring flera kompletterande åtgärder:
- Kapacitetsutvärderingar: Modeller testas med ämnesexperter och motsträviga testscenarier för att avgöra om hjälpen inom biologi eller kemi går utöver vanlig informationssökning på ett betydelsefullt sätt.
- Proportionerliga skydd: Riskabla frågor kan nekas, omdirigeras eller begränsas, samtidigt som frågor om utbildning, hälsa och låg-risk-forskning i möjligaste mån kan besvaras.
- Nivåindelad lansering: De känsligaste förmågorna erbjuds först till granskade användare eller organisationer under tydliga villkor, i stället för att ges till alla.
- Löpande justeringar: Klassificering och åtkomstregler behöver ändras när de stoppar legitim användning i onödan eller när modellernas förmåga utvecklas.
- Skydd utanför modellen: Kontrollpunkter för exempelvis anskaffning av biologiskt material ska göra det svårare att gå från idé till fysisk handling.
Det är ett mer realistiskt angreppssätt än att behandla modellens egna skyddsräcken som den enda försvarslinjen.
Anthropics exempel: färre felblockeringar, men fortsatt skydd för dubbel användning
Anthropic illustrerar avvägningen med en uppdatering av Fable 5. Företaget uppger att antalet biologirelaterade omdirigeringar – där frågan skickas till en mindre kapabel modell – minskade med omkring 85 procent i företagets produkter. Därmed kan modellen hjälpa till med ett bredare urval av biologifrågor.
Samtidigt uppger Anthropic att frågor som klassas som dubbel användning, bland annat inom virologi, toxikologi och molekylär design, fortfarande dirigeras till Opus 5. Fable 5 är därför ännu inte tillgänglig för professionell biologiforskning eller läkemedelsutveckling inom dessa känsliga områden.
Poängen är större än den enskilda tekniska lösningen. Ett skydd som stoppar varje biologifråga kan hindra legitim undervisning, tolkning av hälsorelaterad information och rutinmässigt vetenskapligt arbete. Ett system som behandlar all biologi som ofarlig kan däremot missa stöd som faktiskt är känsligt. Bättre träffsäkerhet är därmed en del av säkerhetsarbetet.
Begränsad åtkomst för mer kraftfulla modeller
Anthropic har också använt kontrollerad tillgång till modeller i Mythos-klassen. Enligt företagets Mythos-sida har Mythos 5.1 förbättrats inom biologi och cybersäkerhet, men är fortsatt tillgänglig endast för en liten grupp granskade organisationer. 
1
När Mythos 5 presenterades beskrev Anthropic den som samma underliggande modell som Fable 5, men med vissa skydd borttagna. Den första utrullningen begränsades till en mindre grupp cybersäkerhetsaktörer och infrastrukturleverantörer genom Project Glasswing. 7
Den typen av lansering undanröjer inte risker. Granskning av användare, loggning, kontroll av användning i nästa led och beredskap för incidenter behövs fortfarande. Men den visar en väg mellan två ytterligheter: full offentlig lansering eller ingen användning alls. Mer riskfyllda förmågor kan först användas i snävare miljöer där användare, syfte och tillsyn är tydligare.
Varför skydd i själva modellen inte räcker
Skydd på modellnivå kan kringgås eller försvagas genom andra modeller, finjustering, stulna inloggningsuppgifter, verktygsintegrationer eller uppdelade arbetsflöden där olika personer och system hanterar olika delar.
RAND konstaterar i en rapport från 2026 att ingen enskild skyddsåtgärd kan förhindra AI-stött biologiskt missbruk. Organisationen identifierar nio insatser som ska minska risken vid olika punkter i en möjlig angreppskedja och för olika typer av aktörer.
I praktiken innebär det att ett robust skydd behöver kombinera:
- modellutvärderingar och trösklar för hur modeller får lanseras;
- proportionerliga begränsningar och program för betrodd åtkomst;
- verifiering av kunder, spårbarhet och rapportering där det är lämpligt;
- granskning och tillsyn vid anskaffning av biologiskt material;
- bättre utbrottsdetektion, folkhälsoövervakning och beredskap.
Om ett lager brister blir konsekvensen mindre om andra fortfarande fungerar.
Screening av DNA- och RNA-beställningar är ett viktigt fysiskt skydd
AI-genererade idéer måste fortfarande omsättas i verkliga material och praktiskt laboratoriearbete. Det gör syntes av nukleinsyror – DNA och RNA – till en viktig punkt för förebyggande åtgärder.
Ett remissvar till USA:s AI Safety Institute rekommenderar bland annat databaser med DNA-, RNA- och proteinsekvenser som kan vara särskilt känsliga, så att verktyg kan flagga beställningar med möjlig skadepotential. 
17 RAND har också lyft USA:s ramverk för screening av nukleinsyrasyntes och branschens metoder för att granska kommersiella beställningar av biologiskt material.
Effektiv screening är mer än en lista över sekvenser. Den kan även omfatta kundkontroller, granskning av tveksamma order, rutiner för eskalering och informationsdelning inom ramen för gällande lag. Åtgärderna löser inte varje risk, men de kan göra det svårare att omvandla farlig datorstödd hjälp till fysisk kapacitet.
Bioberedskap ska begränsa missbruk – och behålla nyttan
Utmaningen är inte bara att trycka tillbaka biologisk AI. Samma förmågor som väcker frågor om dubbel användning kan bidra till sjukdomsövervakning, diagnostik, utveckling av medicinska motåtgärder och mikrobiell forensik.
År 2026 utsåg den partipolitiskt obundna kommissionen för bioberedskap vid Atlantic Council AI till den sextonde tekniska prioriteringen i sitt Apollo Program for Biodefense. Rekommendationerna omfattar investeringar i AI-stödd övervakning och diagnostik, medicinska motåtgärder, attribuering, modellutvärdering och skydd samt anpassningsbar folkhälsorespons.
Det sätter fingret på kärnan i debatten: minska möjligheterna till missbruk utan att förlora teknikens potential att förbättra medicinsk forskning och samhällsberedskap.
Slutsats
Det finns inga offentliga belägg för att vanliga chattbotar är en nyckelfärdig väg till ett biologiskt vapen från början till slut. Men det är inte heller den måttstock som AI-labb och beslutsfattare använder. De förbereder sig för att starkare vetenskapliga modeller kan ge vissa användare en mätbar förstärkning av biologisk kapacitet.
Det mest hållbara svaret är därför varken ett generellt förbud mot biologi eller blind tillit till att chattbotar säger nej. Det är proportionerlig åtkomst, rigorösa tester, precisare skydd för frågor med dubbel användning samt försvar vid de fysiska och folkhälsorelaterade punkter där skadliga planer i slutänden måste genomföras.
