CASO DE USO FARMACÉUTICO
Diseñando IA para un descubrimiento de fármacos más rápido
1. Resumen Ejecutivo
Una compañía farmacéutica está implementando una transformación estructurada, basada en el valor, de la IA en sus etapas iniciales de descubrimiento y desarrollo preclínico. Un equipo de cuatro miembros de Arquitectura Empresarial (AE) contribuyó a la creación de agentes y flujos de trabajo de IA desplegables que:
-
Redujeron el tiempo del ciclo desde el desarrollo de un objetivo en fase inicial hasta la solicitud de autorización para un nuevo fármaco en investigación (IND) en aproximadamente un 25 %.
-
Aumentaron las tasas de supervivencia de los candidatos a fármacos en 9 puntos porcentuales hasta la fecha.
-
Mantuvieron una total alineación con los estándares de cumplimiento, transparencia y equidad.
Este éxito no fue casualidad. Fue el resultado de una excelente arquitectura.
2. Arquitectura Empresarial: Fundamentación de la IA mediante flujos de valor
Desde el principio, los arquitectos empresariales definieron flujos de valor de I+D fundamentados, tales como:
-
Exploración de la literatura y el descubrimiento de objetivos terapéuticos
-
Selección y clasificación in silico de candidatos a fármacos
-
Ejecución de estudios toxicológicos predictivos preclínicos
-
Diseño de cohortes y protocolos clínicos
Para cada flujo de valor, definieron dominios de información compartidos, como el perfil del objetivo terapéutico, las propiedades ADMET (absorción, distribución, metabolismo, excreción y toxicidad), los resultados de los ensayos y los metadatos de clasificación de candidatos, garantizando así que todos, desde biólogos hasta el departamento legal, utilicen el mismo lenguaje de datos. Esta coherencia semántica permitió que todos los resultados de la IA fueran explicables, auditables y trazables durante las revisiones de las solicitudes de aprobación regulatoria.
3. Arquitectura empresarial: El modelo de IA de 5 capas
Cada arquitecto empresarial de la compañía farmacéutica asumió responsabilidades bien definidas, como se muestra en la Figura 1 a continuación:
La supervisión de la arquitectura empresarial abarca todos los niveles. Esto evita desviaciones y garantiza que las inversiones en IA estén estratégicamente alineadas y sean responsables de sus resultados.
4. Arquitectura de agentes de IA: Modular, explicable y segura
Aprovechando el marco de «La arquitectura de los agentes de IA», la empresa farmacéutica desarrolló un ecosistema modular de valiosos agentes de IA para I+D, como se muestra en la Figura 2 a continuación:
Los agentes se gestionan mediante la asignación dinámica de tareas, el manejo de datos multimodales y la monitorización integrada. Cada resultado genera un registro de auditoría y una revisión por expertos. Esta arquitectura conforma un ecosistema adaptativo de módulos de aprendizaje que evolucionan de forma segura con nuevos datos, tal como lo concibe el modelo de arquitectura de agentes de IA.
5. Ejecución del proyecto: Despliegue en cinco fases
Utilizando una estructura de implementación de IA de cinco fases, el equipo de EA contribuyó a impulsar la entrega y la ejecución con disciplina y claridad. Cada fase incluyó un punto de control de aprobación/rechazo.
i. Planificación Estratégica
-
Se definieron objetivos SMART (por ejemplo, reducir el coste de la detección de aciertos en un 25 % en 12 meses).
-
Se identificaron los patrocinadores (I+D, Ciencia de Datos, Ética, Legal).
-
Se realizaron auditorías de conocimiento y datos; se definió el alcance.
ii. Plan de Ejecución
-
Se seleccionaron modelos: redes de acoplamiento, modelos de grafos de toxicidad.
-
Se diseñó el pipeline: flujos de datos, definiciones de características, API, dimensionamiento de componentes.
-
Se definieron los roles de proveedores y personal interno, la propiedad intelectual, DevOps y los presupuestos.
iii. Diseño y Desarrollo
-
Se limpiaron los ensayos y los grafos de conocimiento, y se alinearon las ontologías.
-
Se entrenaron los agentes, se capturaron las tarjetas de modelo y los metadatos de importancia de las características.
-
Se realizaron pruebas de sesgo y paneles de validación; la implementación se realizó solo después de la revisión.
iv. Despliegue
-
Integración continua y entrega continua (CI/CD) automatizadas en un entorno híbrido de nube y local.
-
Monitoreo en tiempo real del rendimiento, la desviación, la latencia y las métricas de equidad.
-
Integración de los resultados en sistemas posteriores, como las organizaciones de desarrollo y fabricación por contrato (CDMO) y los portales de control de calidad (QA).
v. Mejora continua
-
Retroalimentación semanal programada de las partes interesadas, capacitación mensual y actualizaciones de la experiencia del usuario (UX).
-
Revisiones de gobernanza con el Comité de Ética y los equipos de Auditoría.
-
Seguimiento transparente de las métricas de equidad y el comportamiento del sistema para la dirección.
Esta estructura evitó la parálisis por exceso de pruebas piloto y contribuyó a generar confianza rápidamente.
6. Resultados y Valor Medible
Estos son los resultados obtenidos hasta la fecha en 24 meses:
-
Tiempo de desarrollo desde el descubrimiento inicial hasta la solicitud de autorización para investigación de un nuevo fármaco (IND): reducción de aproximadamente 6 meses (un 25%).
-
Tasa de supervivencia de candidatos: mejora del 9% hasta la fecha.
-
Incumplimiento de las normas y sesgos: muy bajos y todos corregidos, según se identifican y miden en los paneles de control de ética.
-
Desviación del modelo o eventos de alucinaciones: detectados y solucionados dentro de los plazos acordados en los ANS.
-
Transparencia en la gobernanza: paneles de control en tiempo real disponibles para la dirección y los equipos de auditoría.
Estos no eran objetivos utópicos; se monitorizaron, se midieron y se justificaron en las reuniones con la dirección.
7. ¿Por qué funciona?
Enfocado en el negocio, no en las herramientas: Cada agente, panel de control o modelo de datos se vincula directamente con un flujo de valor o una capacidad.
-
Ética como arquitectura: La equidad, la explicabilidad, los controles de aprobación humana y la auditabilidad son fundamentales, no una adaptación posterior.
-
Agentes diseñados para evolucionar: Modulares, explicables, con aprendizaje continuo y seguros a gran escala.
-
Entrega repetible: Una estructura de cinco fases, puntos de control y alineación de las partes interesadas integradas.
-
Gobernanza como pilar: Cuatro arquitecturas empresariales directamente alineadas con el cumplimiento y la ciencia de datos, no aisladas en el departamento de TI.
Este diseño no solo acelera la I+D, sino que también aumenta la confianza, la repetibilidad y la sostenibilidad operativa.
8. Reflexiones finales
Cuando se combinan la arquitectura empresarial, el diseño centrado en el negocio y la IA ética, la I+D se vuelve más rápida y fiable. Los científicos pueden centrarse en la investigación, no en los paneles de control. El liderazgo obtiene un impacto real y replicable, no basado en conjeturas. Así es como una empresa farmacéutica pasó de los «experimentos con IA» a una innovación transformadora de nivel directivo, todo ello construyendo con la arquitectura y la ética como pilares fundamentales.