Pfizer: IA generativa na AWS — 16.000 horas de busca economizadas anualmente e impacto estimado em até $1B por ano

• 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

A Pfizer é um dos maiores fabricantes farmacêuticos do mundo: em 2022, seus medicamentos e vacinas alcançaram mais de 1,3 bilhão de pessoas. Por trás desse número há uma transformação digital de anos, que a Chief Digital and Technology Officer Lidia Fonseca descreveu em seu discurso de abertura no AWS re:Invent 2023: a empresa foi de 10% para 80% de infraestrutura baseada em nuvem, e segundo o blog AWS Industries, migrou 12.000 aplicações e bancos de dados mais 8.000 servidores em 42 semanas, economizando mais de $47 milhões anualmente (a página de caso da AWS o expressa com mais cautela — 'dezenas de milhões de dólares por ano').

Em 2019, a Pfizer construiu a Scientific Data Cloud — uma plataforma agregando dados multimodais de centenas de instrumentos de laboratório. Essa base de dados foi testada em combate pela pandemia: 269 dias se passaram desde o anúncio do co-desenvolvimento da vacina COVID-19 com a BioNTech até a autorização de uso emergencial da FDA, e a capacidade de fabricação cresceu de 220 milhões de doses em todo o portfólio para 4 bilhões de doses de Comirnaty em 2022. O Centro Digital Operations Center de fabricação deu aos times da planta uma visão compartilhada dos processos e adicionou 20% de throughput.

Nessa base, 2021 viu o lançamento do PACT (Pfizer Amazon Collaboration Team) — um programa conjunto com a AWS para protótipos rápidos de dados e IA na divisão PSSM (Pharmaceutical Sciences Small Molecule). A lógica do programa: ciclos curtos de prototipagem por equipes mistas Pfizer-AWS em vez de construções internas que duram meses. O PACT perseguiu 14 projetos, incluindo IA generativa; 5 migraram para produção. O carro-chefe da onda generativa é o Vox, uma plataforma interna acessando Claude 2.1 da Anthropic através do Amazon Bedrock — e no total, segundo Fonseca, a empresa está desenvolvendo IA em 17 casos de uso prioritários, desde geração de conteúdo científico e médico até fabricação.

Problema

Mil e quinhentos cientistas na divisão PSSM estavam se afogando em documentos. Um medicamento em desenvolvimento gera cerca de 20.000 documentos: protocolos de experimentos, relatórios de estabilidade, dossiês regulatórios, documentação de fabricação. Encontrar a informação certa nesse corpus leva horas, às vezes dias; na escala da divisão, a busca consumia milhares de horas-pessoa por ano. O programa estabeleceu um alvo mensurável — reduzir o tempo de descoberta de dados em até 80%.

O segundo problema era a velocidade de inovação. Construir um protótipo internamente levava três meses ou mais — e isso assumiu que especialistas disponíveis com as habilidades certas pudessem ser encontrados, o que raramente era o caso. Em pharma, onde levar um medicamento ao mercado leva anos e a competição por engenheiros de dados e especialistas em ML corre por todas as indústrias de uma vez, o gargalo de talento estava se tornando estratégico.

A terceira camada é o contexto regulatório da indústria. Dados farmacêuticos estão entre as categorias mais sensíveis: propriedade intelectual em moléculas, dados de ensaios clínicos, segredos de fabricação. Qualquer solução de IA generativa tinha que rodar dentro de um ambiente corporativo protegido — chatbots públicos estão descartados para esse cenário. Daí o requisito arquitetônico: modelos devem ir para os dados da empresa, não os dados para os modelos. Ao mesmo tempo, a empresa não podia esperar anos por uma plataforma 'perfeita': a onda de IA generativa de 2023 exigiu experimentos rápidos mas seguros.

Solução

O elemento central da solução é o Vox, a plataforma interna da Pfizer onde cientistas buscam documentos por voz e chatbot, fazendo perguntas em linguagem natural. Sob o capô estão dois serviços AWS: Claude 2.1 da Anthropic via Amazon Bedrock trata a compreensão de questões e síntese de respostas, enquanto Amazon Kendra fornece busca empresarial inteligente em documentos. O blog AWS Industries chama o Vox de 'plataforma de IA generativa certificada pela Pfizer' — uma solução que passou por revisões internas de segurança e conformidade, não um experimento sandbox.

Igualmente importante é o modelo operacional em que foi construído. O PACT funciona como um pipeline de prototipagem rápida feito por equipes mistas Pfizer-AWS: um protótipo típico é entregue em no máximo 6 semanas — versus pelo menos 3 meses para desenvolvimento interno. Vijay Bulusu, Head of Data & Digital Innovation for PSSM, liga essa lacuna diretamente à escassez de talento: até encontrar pessoas com as habilidades certas para um projeto interno era um problema. O formato de equipe conjunta com um provedor de nuvem removeu isso sem contratar.

Atrás do carro-chefe generativo está um portfólio mais amplo: dos 14 projetos do PACT, cinco chegaram à produção. Tarefas de fabricação preditiva são cobertas por Amazon SageMaker (a plataforma de ML), Amazon Lookout for Equipment (detecção de anomalias de equipamento) e Lookout for Metrics (anomalias de métricas). Em toda a empresa, segundo Lidia Fonseca no re:Invent 2023, IA generativa está sendo desenvolvida em 17 casos de uso prioritários — desde geração de conteúdo científico e médico até fabricação.

A lógica de dimensionamento também é característica: o programa não tentou cobrir toda a empresa de uma vez. Começou em uma divisão — PSSM, moléculas pequenas — refinou o processo, acumulou padrões e depois transferiu a experiência para a divisão de moléculas grandes sem repetir o ciclo de tentativa e erro. Bulusu resume o efeito cultural: 'Com acesso aos talentos e tecnologias da AWS, mudamos nossa cultura de inovação e fizemos muito em muito pouco tempo.'

Resultado

Os resultados medidos do programa: até 16.000 horas de busca economizadas anualmente para 1.500 cientistas PSSM e uma redução de 55% nos custos de infraestrutura (segundo o estudo de caso da AWS). Protótipos são entregues em 6 semanas em vez de 3+ meses, cinco dos 14 projetos do PACT rodam em produção, e a experiência da divisão de moléculas pequenas foi transferida para moléculas grandes. O Vox tornou o corpus de documentos corporativos — cerca de 20.000 documentos por medicamento em desenvolvimento — acessível através de uma pergunta em linguagem natural.

A empresa declarou publicamente a escala de sua ambição no AWS re:Invent 2023: a Pfizer estima que seus casos de uso prioritários de IA entregarão economias de $750 milhões a $1 bilhão anualmente. É importante distinguir os gêneros desses números: 16.000 horas e 55% são medições retrospectivas de um programa específico, enquanto $750M–$1B é a estimativa prospectiva da empresa em um portfólio de 17 casos de uso, sem metodologia publicada. Apresentamos as duas categorias separadamente e sugerimos lê-las diferentemente: a primeira é fato, a segunda é um objetivo declarado.

Em nossa opinião, este caso é interessante acima de tudo como o contra-exemplo da 'grande aposta': em vez de um megaprojeto — um portfólio de 14 protótipos testados rapidamente, dos quais um pouco mais de um terço chegou à produção. Esse funil (14 → 5) não é baixa eficiência, mas a economia normal da inovação: testar uma hipótese em 6 semanas custa incomparavelmente menos do que um projeto de um ano que 'não pode ser cancelado porque muito foi investido'. Note também a sequência de camadas: a Scientific Data Cloud (2019) e a migração para a nuvem precederam a onda generativa — o Vox foi construído em uma base de dados pronta, o que provavelmente explica a velocidade.

Nossa segunda observação editorial: uma estimativa de impacto público no nível CDTO é um instrumento de gestão em si. Ao nomear a faixa de $750M–$1B em um discurso de abertura, Fonseca moveu a IA generativa da categoria de experimentos de TI para a de compromissos corporativos com o mercado — com a prioridade de recursos correspondente. Para empresas presas em pilotos, esse pode ser o elemento mais reproduzível do caso.

Lições aprendidas

1. Em pharma, o ROI mais rápido de IA generativa não é descoberta de moléculas, mas busca de documentos: 20.000 documentos por medicamento transformam busca empresarial em uma mina de ouro.
2. O formato 'equipe conjunta com um provedor de nuvem' resolve a escassez de talento em IA: um protótipo de 6 semanas sem desviar seus próprios engenheiros.
3. Um portfólio de protótipos bate um megaprojeto: o funil de 14-projetos-para-5-em-produção é a economia normal da inovação, não baixa eficiência.
4. IA generativa é a camada superior, não a primeira: a Scientific Data Cloud (2019) e migração para nuvem precederam o Vox — sem a base de dados a velocidade de 2023 teria sido impossível.
5. Distinga medições de previsões: 16.000 horas e 55% são resultados medidos; $750M–$1B é a estimativa da empresa sem metodologia publicada.
6. Uma estimativa de impacto público no nível CDTO eleva a IA de uma iniciativa de TI para estratégia corporativa — e um compromisso com o mercado.
7. Comece com uma divisão e replique: o grupo de moléculas grandes adotou o playbook do PSSM (moléculas pequenas) sem repetir o ciclo de tentativa e erro.

Perguntas frequentes