Moderna: 750 GPTs internos en dos meses y 120 conversaciones de IA por empleado por semana

• Moderna and OpenAI partner to accelerate the development of life-saving treatments — OpenAI (customer story), 2024-04-24
• Collaboration with OpenAI: Transforming the Way We Work and Innovate Through AI — Moderna (корпоративный блог), 2024-04
• Moderna banks on OpenAI to accelerate mRNA research (~3 000 сотрудников на ChatGPT Enterprise, штат ~6 000) — Pharmaphorum, 2024-04-26

Contexto

Moderna es una empresa de biotech que ha trabajado en la intersección de la ciencia, la tecnología y la salud durante más de una década; su misión es medicinas de ARNm, y su producto más conocido es la vacuna COVID-19.

La ambición estratégica se plantea sin rodeos: lanzar hasta 15 nuevos productos al mercado en cinco años — desde una vacuna de VRS hasta tratamientos de cáncer individualizados.

Mientras tanto, la empresa deliberadamente se mantiene ágil: Moderna emplea a algunos miles de personas (las publicaciones sobre la asociación citan aproximadamente 6,000 empleados — Pharmaphorum), mientras que, según el CEO Stéphane Bancel, según los estándares tradicionales de biopharma, tales ambiciones requerirían alrededor de cien mil. La empresa pretende cerrar la brecha entre ambición y personal con tecnología — lo que hace que su caso sea un experimento inusualmente claro: la IA aquí no es 'optimizar costos' sino un elemento estructural del modelo operativo.

Es importante destacar que Moderna llegó a la IA generativa preparada: pasó la década anterior construyendo su propio tech stack y plataforma de datos (las asociaciones tecnológicas anteriores incluyen, por ejemplo, quantum computing con IBM para investigación de ARNm). La empresa ha trabajado con OpenAI desde principios de 2023: primero el chatbot interno mChat en OpenAI API, adoptado por más del 80% de los empleados, luego un movimiento completo a ChatGPT Enterprise, formalizado como asociación pública en abril de 2024, cuando aproximadamente 3,000 empleados obtuvieron acceso a la plataforma (Pharmaphorum, citando a WSJ). Bancel enmarcar la filosofía claramente: 'Creemos muy profundamente en Moderna que ChatGPT y lo que OpenAI está haciendo va a cambiar el mundo. Estamos analizando cada proceso comercial — desde legal, investigación, manufactura, comercial — y pensando en cómo rediseñarlos con IA.'

El lado del talento de la estrategia también es público: en su propio blog la empresa enfatiza que integrar IA en el trabajo diario 'requiere más que tecnología — requiere una fuerte cultura enfocada en IA,' y señala el reconocimiento del mercado laboral — 9ª en la lista de LinkedIn de Top Companies 2024 en EE.UU. y 2ª entre empresas de healthcare. Para este caso eso no es decoración: la capacidad de contratar personas listas para trabajar 'AI-first' es parte del mismo modelo operativo.

Problema

El objetivo se estableció de manera clara y medible: 100% de adopción y competencia en IA generativa por todos los empleados con acceso a herramientas digitales — en seis meses. Según los estándares corporativos, ese es un estándar extremo: los lanzamientos típicos se conforman con 'licencias emitidas, verifiquemos la actividad en un año'.

El riesgo clave de cualquier implementación empresarial es que se compre la herramienta y las personas no la usen. En pharma el riesgo se amplifica por las especificidades de la industria: regulación pesada, el alto costo de errores en datos clínicos, y la cultura conservadora de funciones como legal y regulatoria. Suma el cansancio clásico de los empleados con 'otra transformación más' — y se hace claro por qué Moderna trató el lanzamiento de IA no como un proyecto de TI sino como un programa de gestión del cambio con un equipo dedicado de expertos.

También había una bifurcación tecnológica. En el momento en que ChatGPT Enterprise se lanzó, la empresa ya tenía un mChat exitoso en OpenAI API con adopción de 80%+. La pregunta se planteó como los adultos la plantean: ¿seguir desarrollando la herramienta interna, adoptar Microsoft Copilot, o darle a todos ChatGPT Enterprise? Para una empresa centrada en la ciencia, la respuesta solo podría ser experimental — 'como empresa basada en la ciencia, investigamos todo,' dice Brice Challamel, Head of AI Products and Platforms de Moderna.

Solución

Moderna ejecutó la selección de plataforma como un experimento: el equipo de Challamel realizó pruebas extensas de usuarios de mChat, Copilot, y ChatGPT Enterprise. NPS lo decidió: 'Descubrimos que la puntuación de promotor neto de ChatGPT Enterprise era excelente. Esta fue por mucho la solución favorita de la empresa, y la que decidimos reforzar,' dice Challamel. Apostar por la preferencia del usuario medida en lugar de la marca o el descuento de un integrador es el primer movimiento distintivo de este caso.

El lanzamiento se ejecutó como un programa de cambio de tres niveles. Individual: programas de investigación y escucha, capacitación presencial, en línea, y con compañeros de aprendizaje de IA — 'usar IA para enseñar IA fue clave para nuestro éxito.' Colectivo: un concurso de prompts cuyos 100 usuarios principales se estructuraron en una cohorte de Campeones de IA Generativa internos; horas de oficina en cada línea de negocio y geografía; un foro de IA interno que creció a 2,000 participantes activos semanalmente. Estructural: involucrar al CEO y al comité ejecutivo a través de reuniones de liderazgo y town halls, programas de incentivos, y eventos con expertos internos y externos. La filosofía del programa, como lo expresa el estudio de caso de OpenAI: inteligencia colectiva significa 'todos juntos, todos con voz y nadie quedado atrás.'

El papel de mChat como un 'éxito temprano' merece su propia nota: el chatbot lanzado en OpenAI API en principios de 2023 le dio a la empresa un año y medio de práctica, datos sobre escenarios de uso real, y 80%+ de empleados con habilidades básicas de prompting — antes de que surgiera la pregunta de comprar una plataforma empresarial. Luego el efecto construction-kit se activó: una vez que los empleados podían ensamblar fácilmente sus propios GPTs, comenzaron a construir. 'Nunca estuvimos aquí para llenar un balde, sino para encender un fuego. Vimos el fuego propagarse, con cientos de casos de uso creando valor positivo en todos los equipos,' describe Challamel. Los ejemplos se destacan por su variedad. Dose ID es un asistente piloto para el equipo clínico: mediante Advanced Data Analysis analiza datos clínicos, verifica la selección óptima de dosis de vacuna contra criterios estándar, proporciona una fundamentación con referencias de fuentes, y construye gráficos; la revisión final sigue siendo dirigida por humanos. 'Dose ID ha proporcionado una fundamentación de apoyo para por qué hemos elegido una dosis específica sobre otras dosis. Nos ha permitido crear visualizaciones de datos personalizadas y ayudó al equipo de estudio a analizar los datos desde múltiples ángulos diferentes,' dice Meklit Workneh, Director de Clinical Development. Contract Companion produce resúmenes de contratos legibles para cualquier función; Policy Bot responde preguntas sobre políticas internas sin excavación a través de cientos de documentos; el equipo de marca ejecuta un GPT que prepara diapositivas para llamadas de ganancias trimestrales y otro que traduce terminología de biotech en lenguaje accesible para inversionistas ('¿Qué querría saber mi madre sobre Moderna, versus un regulador, versus un doctor?' es cómo la Chief Brand Officer Kate Cronin enmarca la tarea).

El departamento legal alcanzó 100% de adopción — una cifra rara para una función conservadora; la Chief Legal Officer Shannon Klinger explica el efecto simplemente: la herramienta 'nos permite enfocar nuestro tiempo y atención en aquellos asuntos que realmente están teniendo un impacto en los pacientes.'

Resultado

En dos meses de adoptar ChatGPT Enterprise, la empresa tenía 750 GPTs, 40% de usuarios activos semanales habían creado sus propios GPTs, y cada usuario promedió 120 conversaciones de ChatGPT Enterprise por semana — aproximadamente veinticinco interacciones por día de trabajo, lo que significa que la herramienta está genuinamente integrada en el flujo de trabajo en lugar de abierta 'para el registro'. El equipo legal reportó 100% de adopción. El hecho mismo de que el caso se mida en métricas de uso en lugar de 'ahorros proyectados' lo distingue de la mayoría de anuncios corporativos.

Contexto importante. Todas las cifras son números auto-reportados de Moderna publicados en un estudio de caso de OpenAI — material de partes interesadas (OpenAI vende ChatGPT Enterprise; Moderna demuestra liderazgo tecnológico); no hay auditoría independiente. Dose ID es un piloto explícitamente posicionado como un asistente a decisiones hechas por humanos, no un selector de dosis autónomo. No se ha divulgado ningún impacto financiero con valor en dólares, y el vínculo '750 GPTs → 15 productos en 5 años' sigue siendo declarativo: el plan de producto será probado por ensayos clínicos y reguladores, no por el número de chatbots.

En nuestra opinión, la sustancia principal del caso no son los números sino el método: Moderna demostró que 'adopción de IA' es 20% elección de plataforma (hecha, significativamente, a través de un experimento de NPS interno) y 80% un programa de cambio con concursos, campeones, horas de oficina, y un CEO comprometido. La métrica '120 conversaciones por usuario por semana' es el mejor indicador disponible públicamente de que el programa funcionó: las licencias pueden ser emitidas por decreto, los hábitos no.

Una segunda observación: la pirámide '80% adopción de mChat → prueba de NPS de tres plataformas → 750 GPTs' ilustra una secuencia de inversión sólida. Un prototipo API barato construyó la base de habilidades y datos de comportamiento del usuario antes de la compra empresarial; la elección de plataforma se apoyó en esa base; la masa de GPTs creció en una cultura ya preparada. No esperaríamos que los mismos números se reproduzcan en una empresa que comenzó simplemente comprando licencias.

Lecciones aprendidas

1. Elegir la plataforma a través de pruebas comparativas internas (mChat vs Copilot vs ChatGPT Enterprise en NPS) termina debates ideológicos: los datos deciden, no la lealtad de marca.
2. 'Conversaciones por usuario por semana' es una métrica más honesta que 'licencias emitidas': 120 conversaciones semanales significa que la herramienta está integrada en el trabajo, no una casilla de verificación.
3. Un prototipo temprano barato (mChat en la API) con adopción de 80% construyó la base de habilidades antes de comprar el producto empresarial — la migración no tuvo resistencia.
4. Un concurso de prompts es una forma práctica de encontrar campeones internos: los 100 usuarios principales se convirtieron en el núcleo de difusión de prácticas, con el foro semanal de 2,000 participantes como su portador.
5. 'Usar IA para enseñar IA': los compañeros de aprendizaje de IA escalan la capacitación donde ningún número de capacitadores humanos sería suficiente.
6. En una industria regulada, el asistente de IA se posiciona como apoyo a decisiones dirigidas por humanos (Dose ID proporciona fundamentación y referencias; el equipo decide) — un marco legal y ético deliberado, no una debilidad.
7. Al leer estudios de caso de proveedores, separa métricas de uso (750 GPTs, 120 conversaciones — medibles) de declaraciones estratégicas (15 productos en 5 años — a ser probados por clínicas y reguladores).

Preguntas frecuentes