Cómo Eli Lilly Usó Inteligencia Artificial Para Acelerar la Producción de Sus Medicamentos GLP-1 Más Populares
Olvidá por un momento todo el hype sobre IA en el descubrimiento de nuevos medicamentos. La mayor empresa farmacéutica del mundo ya está cosechando resultados concretos con inteligencia artificial, y el lugar donde esto ocurre no es el laboratorio de investigación. Es la planta de producción. Eli Lilly encontró en la IA un camino que tomó por sorpresa a mucha gente, transformando radicalmente la forma en que produce sus medicamentos GLP-1 más populares: el Zepbound, indicado para pérdida de peso, y el Mounjaro, orientado al tratamiento de la diabetes tipo 2.
Mientras buena parte de la industria farmacéutica concentra esfuerzos multimillonarios en usar inteligencia artificial para descubrir nuevas moléculas y acelerar ensayos clínicos, Eli Lilly decidió mirar hacia un problema más inmediato y urgente. La demanda por sus medicamentos GLP-1 estaba por las nubes, y la compañía simplemente no lograba fabricar lo suficiente. La estrategia demuestra que, a veces, la innovación más transformadora no está donde todo el mundo espera, sino en los procesos que sostienen la operación en el día a día.
El Problema: Una Demanda Explosiva y Fábricas al Límite
Para entender la dimensión del desafío, vale mirar los números. Juntos, Zepbound y Mounjaro representaron más de la mitad de los 65 mil millones de dólares en ingresos que Eli Lilly registró el último año. Las ventas de Mounjaro alcanzaron 23 mil millones de dólares, el doble de los 11.500 millones reportados el año anterior. Ya los ingresos de Zepbound se dispararon a 13.500 millones de dólares, partiendo de 4.900 millones en el período anterior. Ese crecimiento ayudó a Eli Lilly a convertirse en la primera empresa de salud en alcanzar un valor de mercado de 1 billón de dólares a finales del año pasado, aunque actualmente cotiza ligeramente por debajo de ese nivel.
La presión por atender esa demanda era enorme, y la situación era crítica. Entre finales de 2022 y 2024, la FDA — agencia reguladora de Estados Unidos — determinó que había escasez de estos medicamentos en el mercado. Esa clasificación de escasez permitía que farmacias magistrales produjeran versiones de los medicamentos bajo ciertas condiciones, incluso con las protecciones de patente aún vigentes. Para Eli Lilly, salir de esa lista de escasez era una prioridad estratégica absoluta.
Diogo Rau, director de información y tecnología digital de Eli Lilly, explicó bien ese escenario. Dijo que estar fuera de la lista de escasez era una prioridad máxima para la empresa. La compañía creía que ya tenía un proceso de fabricación optimizado al máximo, pero el riesgo de permanecer en la lista de escasez hizo que miraran nuevamente todo, aun pensando que el proceso ya estaba tan bueno como podía ser. Rau se incorporó a Lilly en 2021 tras una década en Apple y reporta directamente al CEO David Ricks.
La Solución: Digital Twin e Inteligencia Artificial en la Planta de Producción
Para potenciar la producción de los medicamentos GLP-1, Eli Lilly recurrió a una tecnología llamada digital twin, o gemelo digital. La idea detrás del digital twin es relativamente simple de entender, aunque la ejecución sea extremadamente sofisticada. Se trata de una representación virtual completa de una fábrica, alimentada por datos en tiempo real, que muestra con precisión lo que está ocurriendo en la operación real. Esta réplica digital permite que ingenieros y científicos simulen escenarios, identifiquen cuellos de botella y prueben mejoras en el entorno virtual antes de implementarlas en el mundo físico.
En la práctica, es como tener una fábrica entera dentro de una computadora, respondiendo en tiempo real a todo lo que ocurre en la fábrica de verdad. La inteligencia artificial analiza los datos generados por esta réplica y sugiere optimizaciones que serían imposibles de identificar solo con análisis humano. Los digital twins ya se utilizan cada vez más para optimizar procesos de manufactura en sectores como aviación, energía y automotriz, pero la adopción en la industria farmacéutica todavía estaba en una etapa relativamente inicial.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
Eli Lilly modeló todo sobre su fábrica en el entorno digital — desde las máquinas y los insumos hasta los procesos productivos completos. Esto permitió que el digital twin simulara diferentes configuraciones y encontrara la combinación ideal para maximizar la producción. El resultado fue impresionante. La empresa logró hacer su proceso de fabricación más eficiente, produciendo los medicamentos en volúmenes mayores de lo que hubiera sido posible de otra forma.
Rau resumió el impacto con una frase directa: la empresa literalmente fabricó más producto el año pasado de lo que habría sido físicamente posible sin inteligencia artificial. Y cuando el equipo vio los resultados de las simulaciones, la reacción inicial fue de desconfianza. Rau contó que el equipo pensó que parecía demasiado bueno para ser verdad, pero que el mundo físico aun así correspondió con lo que el digital twin había previsto. 🏭
Detección de Defectos Con Precisión Milimétrica
Además de la optimización de la línea de producción, Eli Lilly también usó inteligencia artificial para mejorar la detección de defectos en los autoinyectores, que son los dispositivos usados por los pacientes para aplicarse los medicamentos GLP-1. La tecnología implementada es capaz de tomar decenas de fotografías de cada autoinyector, desde diversos ángulos, en intervalos de apenas algunas centenas de milisegundos. Este proceso de inspección visual automatizada monitorea cualquier tipo de rotura o defecto que pueda comprometer la seguridad o la eficacia del producto.
Ese nivel de control de calidad sería humanamente imposible de mantener en una línea de producción operando a alta velocidad. La velocidad y la precisión con que la IA logra analizar imágenes superan con creces la capacidad de inspectores humanos, que naturalmente se cansan y pueden dejar pasar defectos sutiles tras horas de trabajo repetitivo. La combinación de visión computacional con inteligencia artificial garantiza que cada unidad que sale de la fábrica fue verificada con un rigor que antes simplemente no existía.
Los Números Que Llamaron la Atención en los Reportes Financieros
El impacto de la inteligencia artificial en la producción fue tan significativo que apareció en los reportes financieros de Eli Lilly. Aunque Rau no especificó números exactos, afirmó que la ganancia fue suficiente para ser material en los reportes de resultados de la empresa. Esto es algo que rara vez sucede con proyectos de tecnología operacional en empresas farmacéuticas. Normalmente, las mejoras de fábrica quedan escondidas en métricas internas que solo los ingenieros de producción acompañan.
En este caso, la ganancia de eficiencia fue lo bastante grande como para mover la aguja de los resultados de la compañía en su conjunto. Considerando que los medicamentos GLP-1 enfrentan una demanda que supera consistentemente la oferta global, cada lote adicional producido se traduce directamente en ingresos y, más importante, en pacientes atendidos. La escasez de estos medicamentos ha sido un problema real en diversos mercados, y cualquier ganancia de capacidad productiva hace una diferencia concreta en la vida de millones de personas.
Un Ciclo Virtuoso de Datos y Optimización Continua
Otro punto que merece destaque es cómo Eli Lilly implementó esta tecnología de forma integrada. El digital twin no funciona aisladamente como un software bonito en una pantalla. Está conectado a sensores distribuidos por toda la planta industrial, alimentando modelos de inteligencia artificial que aprenden continuamente con los datos de operación. Esto significa que el sistema se vuelve más inteligente con el tiempo, encontrando optimizaciones cada vez más refinadas a medida que acumula información sobre cómo las máquinas se comportan en diferentes condiciones.
Es un ciclo virtuoso donde:
- Datos de la fábrica alimentan la IA
- La IA identifica mejoras y sugiere nuevas configuraciones
- Las mejoras se implementan en la producción
- La producción optimizada genera más datos que retroalimentan el modelo
Este tipo de enfoque representa lo más avanzado en manufactura inteligente hoy en el mundo. Y a diferencia de muchas implementaciones de IA que quedan en el campo de las proyecciones y promesas, acá los resultados ya se están midiendo y reportando públicamente.
IA en el Descubrimiento de Medicamentos: Una Apuesta a Largo Plazo
Eli Lilly no abandonó las inversiones en IA para el descubrimiento de nuevos medicamentos, pero reconoce que ese es un juego completamente diferente en términos de plazos. En enero, la compañía y Nvidia anunciaron una alianza con una inversión de 1.000 millones de dólares en un laboratorio de innovación para enfrentar problemas de la industria farmacéutica, respaldado por una supercomputadora de alto rendimiento.
En el mismo mes, Lilly también cerró un acuerdo de colaboración con Chai Discovery, una startup de IA que levantó 230 millones de dólares con una valoración de 1.300 millones de dólares. El objetivo es construir un modelo de inteligencia artificial capaz de acelerar el descubrimiento de medicamentos biológicos, que son derivados de fuentes naturales como proteínas o células, en lugar de ser sintetizados químicamente en laboratorio.
Pero Rau se encarga de calibrar las expectativas. Afirma que cualquier retorno en el área de desarrollo de medicamentos recién debería aparecer a mediados de la década de 2030, si no hacia el final de esa década, cuando esos medicamentos estén en el mercado. Es una gran apuesta al futuro, según sus palabras.
Y cuando le preguntan sobre la velocidad con que nuevos medicamentos podrán ser desarrollados — si será posible lanzar fármacos en seis o dieciocho meses —, Rau es directo al decir que ese es el aspecto más overhyped de la IA en la industria farmacéutica, y que eso conlleva un riesgo crítico de minar la credibilidad de la inteligencia artificial en el sector, porque esa simplemente no debería ser la expectativa.
Herramientas que usamos a diario
Por Qué el Retorno Más Rápido de la IA en Salud Está en los Procesos
Existe una narrativa dominante en el mercado de que la inteligencia artificial va a revolucionar la industria farmacéutica por el descubrimiento de nuevos medicamentos. Y probablemente lo haga, pero ese es un juego de largo plazo. Desarrollar un nuevo fármaco desde cero, incluso con ayuda de IA, todavía lleva años entre la identificación de la molécula, las pruebas preclínicas, las fases de ensayo clínico y la aprobación regulatoria.
El caso de Eli Lilly muestra que existe un retorno mucho más inmediato y medible cuando la IA se aplica en procesos que ya existen y que ya generan ingresos. Optimizar la producción de medicamentos GLP-1 que ya están aprobados y que ya tienen demanda masiva es una decisión estratégica que tiene todo el sentido, porque la ganancia aparece en el trimestre siguiente, y no dentro de una década. 🚀
Esta lógica se aplica mucho más allá de Eli Lilly y mucho más allá del sector farmacéutico. La tecnología de digital twin combinada con inteligencia artificial puede ser adaptada para prácticamente cualquier operación industrial de gran escala. Lo que Lilly hizo fue demostrar, con números reales y públicamente auditables, que esta tecnología funciona a escala y que la inversión se recupera rápidamente. Esto debería acelerar la adopción por parte de otras grandes farmacéuticas que también enfrentan desafíos de capacidad productiva, especialmente en el segmento de biológicos y péptidos como los agonistas del receptor GLP-1, que son moléculas complejas de fabricar y requieren procesos de producción extremadamente controlados.
Qué Esperar Para los Próximos Años
El escenario que se dibuja es bastante claro. Empresas que logren integrar inteligencia artificial y digital twin en sus operaciones fabriles van a tener una ventaja competitiva difícil de alcanzar para quienes no hagan este movimiento. No se trata solo de producir más, sino de producir mejor, con menos desperdicio, menos tiempo de inactividad y más previsibilidad.
Eli Lilly se adelantó y ya está mostrando lo que esto significa en términos de resultados financieros y de capacidad para atender un mercado que no para de crecer. La empresa invirtió más de 20 mil millones de dólares en expansión de capacidad fabril en los últimos años, y la inteligencia artificial se está convirtiendo en un multiplicador de esa inversión, extrayendo más valor de cada dólar invertido en infraestructura física.
Para quienes siguen tecnología y salud, este es uno de los casos más concretos y mejor documentados de cómo la IA ya está generando valor real en el mundo corporativo. Sin depender de promesas futuras o proyecciones optimistas. Sin necesidad de esperar una década para ver resultados. Los números están en los reportes, y hablan por sí solos. Mientras el mundo debate el potencial de la inteligencia artificial para reinventar el descubrimiento de medicamentos, Eli Lilly ya está usando esa misma tecnología para garantizar que los medicamentos que las personas necesitan ahora lleguen a las estanterías más rápido. Y eso, al final del día, es lo que realmente importa. 💊
