Pfizer: generative AI en AWS — 16.000 horas de búsqueda ahorradas anualmente e impacto estimado en hasta $1B anuales

• Driving Patient-Centric Innovation in Life Sciences Using Generative AI with Pfizer — AWS (кейс-стади)
• Three Takeaways from Pfizer at AWS re:Invent Keynote — AWS Industries Blog, 2023-11-28
• Pfizer at AWS re:Invent 2023 — Lidia Fonseca Keynote (1.3 млрд пациентов, 10%→80% облака, цель 19 препаратов за 18 месяцев) — AWS (страница keynote)

Contexto

Pfizer es uno de los mayores fabricantes farmacéuticos del mundo: en 2022, sus medicinas y vacunas llegaron a más de 1.300 millones de personas. Detrás de ese número hay una transformación digital de varios años, que Lidia Fonseca, Jefe de Tecnología Digital y Transformación, describió en su keynote de AWS re:Invent 2023: la empresa pasó del 10% al 80% de infraestructura basada en la nube, y según el blog de AWS Industries migró 12.000 aplicaciones y bases de datos más 8.000 servidores en 42 semanas, ahorrando más de $47 millones anuales (la página de casos de AWS lo expresa más cautelosamente — 'decenas de millones de dólares al año').

En 2019, Pfizer construyó la Scientific Data Cloud — una plataforma que agrega datos multimodales de cientos de instrumentos de laboratorio. Esa base de datos fue probada durante la pandemia: solo 269 días pasaron desde el anuncio del co-desarrollo de la vacuna COVID-19 con BioNTech hasta la autorización de uso de emergencia de la FDA, y la capacidad de fabricación creció de 220 millones de dosis en toda la cartera a 4.000 millones de dosis de Comirnaty en 2022. El Manufacturing Digital Operations Center dio a los equipos de la planta una vista compartida de los procesos y añadió 20% de rendimiento.

Sobre esa base, 2021 vio el lanzamiento de PACT (Pfizer Amazon Collaboration Team) — un programa conjunto con AWS para rápidos prototipos de datos y AI en la división PSSM (Pharmaceutical Sciences Small Molecule). La lógica del programa: ciclos cortos de prototipado con equipos mixtos Pfizer-AWS en lugar de construcciones internas que duraban meses. PACT ha perseguido 14 proyectos, incluyendo generative AI; 5 pasaron a producción. El buque insignia de la ola generativa es Vox, una plataforma interna que accede a Claude 2.1 de Anthropic a través de Amazon Bedrock — y en total, según Fonseca, la empresa está desarrollando AI en 17 casos de uso prioritarios, desde generación de contenido científico y médico hasta fabricación.

Problema

Mil quinientos científicos en la división PSSM se ahogaban en documentos. Un medicamento en desarrollo genera alrededor de 20.000 documentos: protocolos de experimentos, informes de estabilidad, expedientes regulatorios, documentación de fabricación. Encontrar la información correcta en ese corpus toma horas, a veces días; a escala de división, la búsqueda consumía miles de horas-persona al año. El programa estableció un objetivo mensurable — reducir el tiempo de descubrimiento de datos en hasta 80%.

El segundo problema era la velocidad de innovación. Construir un prototipo internamente tomaba tres meses o más — y eso asumía que se podrían encontrar especialistas disponibles con las habilidades correctas, lo cual rara vez era el caso. En farmacéutica, donde llevar un medicamento al mercado toma años y la competencia por ingenieros de datos y especialistas en ML corre a través de cada industria a la vez, el cuello de botella de talento se estaba volviendo estratégico.

La tercera capa es el contexto regulatorio de la industria. Los datos farmacéuticos están entre las categorías más sensibles: propiedad intelectual sobre moléculas, datos de ensayos clínicos, secretos de fabricación. Cualquier solución de generative AI tenía que ejecutarse dentro de un entorno corporativo protegido — los chatbots públicos están descartados para tal escenario. De ahí el requisito arquitectónico: los modelos deben ir a los datos de la empresa, no los datos a los modelos. Al mismo tiempo, la empresa no podía esperar años por una plataforma 'perfecta': la ola de generative AI 2023 exigía experimentos rápidos pero seguros.

Solución

El elemento central de la solución es Vox, la plataforma interna de Pfizer donde los científicos buscan documentos por voz y chatbot, haciendo preguntas en lenguaje natural. Bajo el capó hay dos servicios AWS: Claude 2.1 de Anthropic a través de Amazon Bedrock maneja la comprensión de preguntas y síntesis de respuestas, mientras que Amazon Kendra proporciona búsqueda empresarial inteligente en documentos. El blog de AWS Industries llama a Vox una 'plataforma generative AI certificada por Pfizer' — una solución que pasó revisiones internas de seguridad y cumplimiento normativo, no un experimento sandbox.

Igualmente importante es el modelo operativo en el que fue construido. PACT funciona como un pipeline de prototipado rápido con personal de equipos mixtos Pfizer-AWS: un prototipo típico se entrega en no más de 6 semanas — versus al menos 3 meses para desarrollo interno. Vijay Bulusu, Jefe de Datos e Innovación Digital para PSSM, vincula esa brecha directamente a la escasez de talento: incluso encontrar gente con las habilidades correctas para un proyecto interno era un problema. El formato de equipo conjunto con un proveedor de nube lo eliminó sin contratar.

Detrás del buque insignia generativo hay un portafolio más amplio: de los 14 proyectos de PACT, cinco llegaron a producción. Las tareas de fabricación predictiva están cubiertas por Amazon SageMaker (la plataforma ML), Amazon Lookout for Equipment (detección de anomalías de equipos), y Lookout for Metrics (anomalías métricas). En toda la empresa, según Lidia Fonseca en re:Invent 2023, generative AI está siendo desarrollado en 17 casos de uso prioritarios — desde generación de contenido científico y médico hasta fabricación.

La lógica de escalado también es característica: el programa no intentó cubrir toda la empresa de una vez. Comenzó en una división — PSSM, moléculas pequeñas — refinó el proceso, acumuló patrones, y luego transfirió la experiencia a la división de moléculas grandes sin repetir el ciclo de prueba y error. Bulusu resume el efecto cultural: 'Con acceso a los talentos y tecnologías de AWS, hemos cambiado nuestra cultura de innovación y hemos logrado mucho en muy poco tiempo.'

Resultado

Los resultados medidos del programa: hasta 16.000 horas de búsqueda ahorradas anualmente para 1.500 científicos de PSSM y una reducción del 55% en costos de infraestructura (según el estudio de caso de AWS). Los prototipos se entregan en 6 semanas en lugar de 3+ meses, cinco de los 14 proyectos de PACT se ejecutan en producción, y la experiencia de la división de moléculas pequeñas ha sido transferida a moléculas grandes. Vox hizo que el corpus de documentos corporativos — alrededor de 20.000 documentos por medicamento en desarrollo — fuera accesible a través de una pregunta en lenguaje natural.

La empresa declaró públicamente la escala de su ambición en AWS re:Invent 2023: Pfizer estima que sus casos de uso prioritarios de AI entregarán ahorros de $750 millones a $1.000 millones anuales. Es importante distinguir los géneros de estos números: 16.000 horas y 55% son mediciones retrospectivas de un programa específico, mientras que $750M–$1B es la estimación prospectiva de la propia empresa en un portafolio de 17 casos de uso, sin metodología publicada. Presentamos las dos categorías por separado y sugerimos leerlas de manera diferente: la primera es un hecho, la segunda un objetivo establecido.

A nuestro parecer, este caso es interesante sobre todo como el contraejemplo de la 'gran apuesta': en lugar de un megaproyecto — un portafolio de 14 prototipos probados rápidamente, de los cuales algo más de un tercio llegó a producción. Ese embudo (14 → 5) no es baja eficiencia sino la economía normal de la innovación: probar una hipótesis en 6 semanas cuesta incomparablemente menos que un proyecto de un año que 'no puede ser cancelado porque se ha invertido demasiado'. Noten también la secuencia de capas: la Scientific Data Cloud (2019) y la migración a la nube precedieron la ola generativa — Vox fue construido sobre una base de datos lista, lo que probablemente explica la velocidad.

Nuestra segunda observación editorial: una estimación de impacto público a nivel CDTO es un instrumento de gestión en sí misma. Al nombrar el rango $750M–$1B en un keynote, Fonseca movió generative AI de la categoría de experimentos de TI a la de compromisos corporativos con el mercado — con la correspondiente prioridad de recursos. Para empresas atrapadas en pilotos, ese puede ser el elemento más reproducible del caso.

Lecciones aprendidas

1. En farmacéutica, el ROI más rápido de generative AI no es el descubrimiento de moléculas sino la búsqueda de documentos: 20.000 documentos por medicamento convierten la búsqueda empresarial en una mina de oro.
2. El formato 'equipo conjunto con un proveedor de nube' resuelve la escasez de talento de AI: un prototipo de 6 semanas sin desviarse de sus propios ingenieros.
3. Un portafolio de prototipos supera a un megaproyecto: el embudo de 14 proyectos a 5 en producción es la economía normal de la innovación, no baja eficiencia.
4. Generative AI es la capa superior, no la primera: la Scientific Data Cloud (2019) y la migración a la nube precedieron a Vox — sin la base de datos la velocidad de 2023 hubiera sido imposible.
5. Distinga mediciones de pronósticos: 16.000 horas y 55% son resultados medidos; $750M–$1B es la estimación de la empresa sin metodología publicada.
6. Una estimación de impacto público a nivel CDTO eleva AI de una iniciativa de TI a estrategia corporativa — y un compromiso con el mercado.
7. Comience con una división y replique: el grupo de moléculas grandes adoptó el manual de PSSM (moléculas pequeñas) sin repetir el ciclo de prueba y error.

Preguntas frecuentes