La industria farmacéutica y la IA

Consenso Salud entrevistó a Roberto Cruz, Socio de PwC Argentina responsable de la práctica de Innovación Digital y a María Eugenia Berté, Directora de Strategy& de PwC Argentina. La temática ahondó sobre cómo está aplicando la industria farmacéutica la IA en el sector.

¿Cómo es el comportamiento de la industria farmacéutica en cuanto a la IA? ¿Es un sector abierto al cambio o más conservador?

La industria farmacéutica mantiene un enfoque de
creciente adopción de la inteligencia artificial (IA) aunque muchas
organizaciones mantienen un comportamiento conservador. En general se reconoce el
potencial transformador en áreas clave como la investigación, el
desarrollo de medicamentos y las mejoras de eficiencias en las operaciones de
las entidades, sin embargo, su adopción sigue siendo limitada debido a desafíos
internos y su enfoque cauteloso.

El valor de la IA ha impulsado a la industria a nivel global
a formar alianzas estratégicas con startups, empresas biotecnológicas y
grandes compañías tecnológicas, con el objetivo de integrar esta tecnología en
sus procesos. Estas colaboraciones están transformando áreas clave como
la investigación y desarrollo (I+D) y las operaciones, con el objetivo de
brindar una atención médica más personalizada y centrada en el paciente.

El enfoque cauteloso responde a barreras internas
significativas, como la fragmentación de los datos, la falta de infraestructura
tecnológica adecuada y la necesidad de personal capacitado. Estas limitaciones
dificultan la implementación a gran escala de tecnologías basadas en IA, lo que
retrasa su impacto potencial en la rentabilidad y en la transformación del
sector.

En conclusión, la industria farmacéutica combina cautela con
una creciente apertura al cambio. Aunque aún hay un camino por recorrer, los
avances estratégicos en tecnología e innovación digital están marcando el
camino hacia una transformación más amplia y significativa.

¿Cuáles son los cambios más significativos que ha hecho hasta ahora la industria y cuáles faltan aún por concretar para mejorar la rentabilidad?

La mejora en la identificación de objetivos terapéuticos
y el diseño de ensayos clínicos para aumentar la eficiencia en procesos
complejos y costosos, han sido dos de los cambios más significativos que ha
realizado la industria hasta ahora.

En el ámbito de I+D, se ha aplicado la IA en la identificación
de nuevas moléculas y compuestos farmacéuticos, así como en los procesos
de prueba, acelerando significativamente el proceso de descubrimiento de
medicamentos y reduciendo los costos asociados. Un caso representativo es el de
Exscientia, que en 2020 desarrolló la molécula DSP-1181 utilizando IA.

Además, la personalización de tratamientos ha
emergido como un cambio significativo, ya que las farmacéuticas están
desarrollando medicamentos de precisión que se adaptan a características
genómicas y biológicas específicas de los pacientes. Este enfoque no solo
mejora los resultados clínicos, sino que también posiciona a las empresas como
líderes en innovación dentro del sector.

En las operaciones, también se utiliza la IA para la mejora
de procesos a lo largo de la cadena de valor y control de calidad. Por
ejemplo, algunas empresas al analizar con IA grandes volúmenes de datos
generados durante la producción, puede identificar patrones y desvíos que
podrían indicar problemas de calidad, contribuyendo a la mejora de la precisión
y la confiabilidad en los procesos operativos.

Adicionalmente, la industria ha establecido alianzas
estratégicas con startups tecnológicas y grandes empresas como Google y Amazon,
integrando plataformas digitales que maximizan el potencial de la IA en toda la
cadena de valor farmacéutica.

En este sentido, la implementación de la IA en la industria
farmacéutica enfrenta numerosos desafíos como por ejemplo la fragmentación
de datos en “islas” dentro de las organizaciones. Para superar esto, las
empresas deben repensar el uso de los datos, eliminando la fragmentación histórica
y fomentando un enfoque más colaborativo que conecte datos y actores en un
ecosistema integrado. Esta fragmentación es inherente de las operaciones
farmacéuticas, divididas por regiones, tecnologías, procesos y modelos operativos,
lo que dificulta una optimización sincronizada.

Por otro lado, el entorno en el que operan las empresas
farmacéuticas presenta desafíos adicionales. Factores como límites
regulatorios complejos, diferentes niveles de digitalización y disponibilidad
de datos, sistemas de TI heterogéneos y la rápida evolución de la tecnología
dificultan la implementación de la IA. Por ejemplo, normativas como la Ley de
IA de la Unión Europea clasifican las aplicaciones de IA relacionadas con la
salud como “de alto riesgo”, estableciendo exigencias más estrictas en cuanto a
transparencia y responsabilidad.

Estas razones explican porque, aunque se han identificado cientos
de casos de uso en la industria, solo una pequeña parte ha sido industrializada
a escala, lo que limita el impacto total que estas tecnologías pueden
tener.

¿Todavía hay desconfianza en la IA o ya es una herramienta aceptada en el sector de la industria farmacéutica?

La IA ha comenzado a ganar aceptación en la industria
farmacéutica. Sin embargo, todavía existe un nivel de desconfianza
significativo hacia su uso generalizado, producto de las barreras
tecnológicas, organizativas y culturales del sector.

Por ejemplo, hay dudas relacionadas con la viabilidad de la
IA en algunas aplicaciones críticas, como la predicción precisa de
resultados clínicos y la integración eficiente en procesos existentes. La
desconfianza no se origina en la falta de reconocimiento de su potencial, sino
en la incertidumbre sobre cómo superar barreras relacionadas con la implementación
práctica y las regulaciones. Esto es especialmente relevante considerando
la naturaleza altamente sensible de la industria farmacéutica, donde no hay
margen para errores, ya que están en juego la seguridad y la vida de las
personas.

Aunque la IA está ganando terreno como una herramienta
aceptada en áreas específicas del sector farmacéutico, persisten dudas y
reservas en torno a su adopción completa. El éxito futuro dependerá de superar
barreras técnicas y organizativas, además de fomentar un cambio cultural
que facilite la confianza en estas tecnologías innovadoras.

¿Se observan diferencias significativas en cuanto a los procesos entre quienes incorporan tecnología y quienes aún no consiguen hacerlo?

Aunque todavía no haya estudios concluyentes para la
industria farmacéutica, si hay evidencia fuerte de empresas que adaptando IA
han conseguido mejorar significativamente su productividad, y por lo tanto su
rentabilidad vs. pares que no han adoptado este enfoque.

Las compañías proactivas, que buscan constantemente nuevas
soluciones basadas en IA, están enfocadas en desarrollar las capacidades
clave del futuro y han logrado integrar la tecnología en áreas críticas
como la producción, la gestión de calidad y el desarrollo de partículas, entre
otras. Esto les está permitiendo optimizar procesos, reducir costos y mejorar
su capacidad de respuesta frente a las demandas del mercado.

Dentro de estas empresas, hemos podido reconocer beneficios
competitivos clave como los siguientes:

• El aprovechamiento de la escalabilidad en
  interacciones hombre-máquina
• El avance basado en evidencia del mundo real
• La asignación de recursos según valor
• El diseño y ejecución de pruebas
  descentralizadas
• El desarrollo de productos nativos o potenciados
  por lo digital
• La reformulación de la experiencia del cliente
  para fomentar su fidelización

A su vez, se puede destacar que la IA produce mejoras en
los resultados económicos de las organizaciones según la combinación y
eficiencia de los casos de transformación que se implementen, lo que demuestra
su impacto tangible. Por ejemplo, en un estudio que Strategy& realizó en el
2024, se identificó un potencial de mejora de entre el 2% y el 10% de
rentabilidad, según el área y tipo de casos de transformación.

Por el contrario, las empresas que aún no han adoptado estas
tecnologías podrían enfrentar importantes limitaciones, en áreas como
la rapidez de sus innovaciones, la centralidad sobre el paciente y su
tratamiento, la menor eficiencia de sus procesos y, en consecuencia, mayores
costos.

A medida que se implementen más usos innovadores de esta
tecnología, la brecha competitiva seguirá ampliándose, haciendo cada vez
más difícil que las empresas que no adopten la IA puedan sostener los mismos
niveles de competitividad, mientras que aquellas compañías que logren
industrializar con éxito los casos de uso de IA podrán consolidarse
como líderes en el sector.

¿Qué consejo le darían al sector en relación con este tema?

La adopción de la IA no es un ejercicio aislado. Desde PwC
Argentina recomendamos que se aborde en términos de una transformación
estratégica, no sólo digital, ya que el impacto es multidimensional dentro de
la organización.

Es por ello que la forma de lograr valor de negocio a través de IA es entenderla como una pieza esencial para desarrollar capacidades de negocio que representen una ventaja competitiva sostenible para la empresa. Esas capacidades son nuevas combinaciones sinérgicas de procesos, tecnología, personas y cultura transformadas por IA. Por lo tanto, nuestra recomendación, es abordarlo considerando 4 dimensiones:

·       Establecer una
estrategia de transformación, alineando los objetivos de la organización
con IA como palanca de cambio y generación de diferenciación y valor, a través
de priorizar casos de transformación que generen un valor sostenible y real
(comprobable) en el tiempo en las áreas clave de la organización

·       Establecer una
estructura de gobernanza de IA, que aborde el marco de IA responsable
y gestione la transformación de capacidades con foco en generación de valor
dentro de la organización y con el entorno,

·       Ejecutar el
desarrollo de capacidades con IA y GenAI considerando un programa de
desarrollo de tecnología y gestionando la transformación interna de la
organización incluyendo programas de gestión del cambio y transformación para
preparar y acompañar a los equipos en el proceso, maximizando su capacidad para
el uso de las nuevas herramientas

·       Implementar
una disciplina evolutiva que tenga por objetivo seguir perfeccionando
las capacidades desarrolladas, con un esquema de monitoreo de avances y gestión
de resultados y toma de decisiones de cambios y mejoras a partir de métricas
claras.

Estas dimensiones se basan en dos capacidades críticas que
deben asegurarse para que el impacto de IA sea el esperado: (1) estructurar
los datos de la organización para crear una cadena de valor de datos
que pueda ser aprovechada con IA y (2) establecer alianzas estratégicas
sólidas tanto en el sector público como en el privado para el
desarrollo de un ecosistema tecnológico adecuado, esto incluye establecer
alianzas con startups tecnológicas, hospitales y otros actores relevantes.

En este sentido, la IA es una herramienta con un potencial
de transformación enorme, por lo que sólo aquellas organizaciones que la hagan
parte de su estrategia y la gestionen de forma inteligente van a poder
diferenciarse de sus competidores en el largo plazo.

¿Qué otros desafíos generan o impulsan la irrupción de la IA? (ética, legales, toma de decisiones, etc.)

Uno de los grandes desafíos de los líderes de la industria es
el de poder prever cuáles serán sus ventajas competitivas en un mundo
donde la IA, junto con el resto de las tecnologías digitales emergentes,
genere cambios disruptivos en las dinámicas sociales y laborales del mercado.
Esto les permitirá preparar la estructura necesaria para desarrollar las capacidades
claves del futuro. Los líderes de la industria farmacéutica deberían
preguntarse qué es lo que va a ser necesario para competir en el futuro y cómo
podrían prepararse para facilitar la adopción de esas capacidades.

Otro tema relevante es que las organizaciones puedan
comprender el rol que debe tener la IA en ellas, entendiendo que la IA
es una herramienta y no una solución. La IA no reemplaza el conocimiento
científico ni garantiza resultados, sino que potencia la toma de decisiones y
la eficiencia cuando se aplica de manera estratégica y complementaria. Delegar
la responsabilidad en la IA de encontrar soluciones sin tener en cuenta o comprender
las limitaciones de su funcionamiento puede generar resultados contraproducentes.

Finalmente, existirán nuevos desafíos éticos asociados a
la IA como los nuevos desafíos éticos relacionados a la privacidad de los
datos de pacientes, la equidad en el acceso a tratamientos personalizados y la
transparencia en la toma de decisiones automatizadas. Además, garantizar la
seguridad, la transparencia y la ausencia de sesgos y/o conflictos de intereses
es crucial dado el impacto directo en la salud y el bienestar de las personas.