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.