Como a Eli Lilly Usou Inteligência Artificial Para Acelerar a Produção dos Seus Medicamentos GLP-1 Mais Populares
Esqueça por um momento todo o hype sobre IA na descoberta de novos medicamentos. A maior empresa farmacêutica do mundo já está colhendo resultados concretos com inteligência artificial, e o lugar onde isso acontece não é o laboratório de pesquisa. É o chão de fábrica. A Eli Lilly encontrou na IA um caminho que pegou muita gente de surpresa, transformando radicalmente a forma como produz seus medicamentos GLP-1 mais populares: o Zepbound, indicado para perda de peso, e o Mounjaro, voltado para o tratamento do diabetes tipo 2.
Enquanto boa parte da indústria farmacêutica concentra esforços bilionários em usar inteligência artificial para descobrir novas moléculas e acelerar ensaios clínicos, a Eli Lilly decidiu olhar para um problema mais imediato e urgente. A demanda por seus medicamentos GLP-1 estava nas alturas, e a companhia simplesmente não conseguia fabricar o suficiente. A estratégia mostra que, às vezes, a inovação mais transformadora não está onde todo mundo espera, mas sim nos processos que sustentam a operação no dia a dia.
O Problema: Uma Demanda Explosiva e Fábricas no Limite
Para entender a dimensão do desafio, vale olhar os números. Juntos, Zepbound e Mounjaro representaram mais da metade dos 65 bilhões de dólares em receita que a Eli Lilly registrou no último ano. As vendas do Mounjaro atingiram 23 bilhões de dólares, o dobro dos 11,5 bilhões reportados no ano anterior. Já a receita do Zepbound disparou para 13,5 bilhões de dólares, partindo de 4,9 bilhões no período anterior. Esse crescimento ajudou a Eli Lilly a se tornar a primeira empresa de saúde a atingir um valor de mercado de 1 trilhão de dólares no final do ano passado, embora atualmente negocie ligeiramente abaixo desse patamar.
A pressão por atender essa demanda era enorme, e a situação era crítica. Entre o final de 2022 e 2024, a FDA — agência reguladora dos Estados Unidos — determinou que havia escassez desses medicamentos no mercado. Essa classificação de escassez permitia que farmácias de manipulação produzissem versões dos medicamentos sob certas condições, mesmo com as proteções de patente ainda vigentes. Para a Eli Lilly, sair dessa lista de escassez era uma prioridade estratégica absoluta.
Diogo Rau, diretor de informação e tecnologia digital da Eli Lilly, explicou bem esse cenário. Ele disse que estar fora da lista de escassez era uma prioridade máxima para a empresa. A companhia acreditava que já tinha um processo de fabricação otimizado ao máximo, mas o risco de permanecer na lista de escassez fez com que olhassem novamente para tudo, mesmo achando que o processo já estava tão bom quanto poderia ser. Rau se juntou à Lilly em 2021 após uma década na Apple e se reporta diretamente ao CEO David Ricks.
A Solução: Digital Twin e Inteligência Artificial no Chão de Fábrica
Para turbinar a produção dos medicamentos GLP-1, a Eli Lilly recorreu a uma tecnologia chamada digital twin, ou gêmeo digital. A ideia por trás do digital twin é relativamente simples de entender, mesmo que a execução seja extremamente sofisticada. Trata-se de uma representação virtual completa de uma fábrica, alimentada por dados em tempo real, que mostra com precisão o que está acontecendo na operação real. Essa réplica digital permite que engenheiros e cientistas simulem cenários, identifiquem gargalos e testem melhorias no ambiente virtual antes de implementá-las no mundo físico.
Na prática, é como ter uma fábrica inteira dentro de um computador, respondendo em tempo real a tudo que acontece na fábrica de verdade. A inteligência artificial analisa os dados gerados por essa réplica e sugere otimizações que seriam impossíveis de identificar apenas com análise humana. Digital twins já são cada vez mais utilizados para otimizar processos de manufatura em setores como aviação, energia e automotivo, mas a adoção na indústria farmacêutica ainda estava em estágio relativamente inicial.
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
A Eli Lilly modelou tudo sobre sua fábrica no ambiente digital — desde as máquinas e os insumos até os processos produtivos completos. Isso permitiu que o digital twin simulasse diferentes configurações e encontrasse a combinação ideal para maximizar a produção. O resultado foi impressionante. A empresa conseguiu tornar seu processo de fabricação mais eficiente, produzindo os medicamentos em volumes maiores do que seria possível de outra forma.
Rau resumiu o impacto com uma frase direta: a empresa literalmente fabricou mais produto no ano passado do que seria fisicamente possível sem inteligência artificial. E quando a equipe viu os resultados das simulações, a reação inicial foi de desconfiança. Rau contou que a equipe pensou que parecia bom demais para ser verdade, mas que o mundo físico ainda assim correspondia ao que o digital twin havia previsto. 🏭
Detecção de Defeitos Com Precisão Milimétrica
Além da otimização da linha de produção, a Eli Lilly também usou inteligência artificial para melhorar a detecção de defeitos nos autoinjetores, que são os dispositivos usados pelos pacientes para aplicar os medicamentos GLP-1. A tecnologia implementada é capaz de tirar dezenas de fotografias de cada autoinjetor, a partir de diversos ângulos, em intervalos de apenas algumas centenas de milissegundos. Esse processo de inspeção visual automatizada monitora qualquer tipo de quebra ou defeito que possa comprometer a segurança ou a eficácia do produto.
Esse nível de controle de qualidade seria humanamente impossível de manter em uma linha de produção operando em alta velocidade. A velocidade e a precisão com que a IA consegue analisar imagens superam em muito a capacidade de inspetores humanos, que naturalmente se cansam e podem deixar passar defeitos sutis após horas de trabalho repetitivo. A combinação de visão computacional com inteligência artificial garante que cada unidade que sai da fábrica foi verificada com um rigor que antes simplesmente não existia.
Os Números Que Chamaram Atenção nos Relatórios Financeiros
O impacto da inteligência artificial na produção foi tão expressivo que apareceu nos relatórios financeiros da Eli Lilly. Embora Rau não tenha especificado números exatos, ele afirmou que o ganho foi suficiente para ser material nos relatórios de resultados da empresa. Isso é algo que raramente acontece com projetos de tecnologia operacional em empresas farmacêuticas. Normalmente, melhorias de fábrica ficam escondidas em métricas internas que só engenheiros de produção acompanham.
Neste caso, o ganho de eficiência foi grande o suficiente para mover a agulha dos resultados da companhia como um todo. Considerando que os medicamentos GLP-1 enfrentam uma demanda que supera consistentemente a oferta global, cada lote adicional produzido se traduz diretamente em receita e, mais importante, em pacientes atendidos. A escassez desses medicamentos tem sido um problema real em diversos mercados, e qualquer ganho de capacidade produtiva faz diferença concreta na vida de milhões de pessoas.
Um Ciclo Virtuoso de Dados e Otimização Contínua
Outro ponto que merece destaque é como a Eli Lilly implementou essa tecnologia de forma integrada. O digital twin não funciona isoladamente como um software bonito em uma tela. Ele está conectado a sensores espalhados por toda a planta industrial, alimentando modelos de inteligência artificial que aprendem continuamente com os dados de operação. Isso significa que o sistema fica mais inteligente com o tempo, encontrando otimizações cada vez mais refinadas à medida que acumula informações sobre como as máquinas se comportam em diferentes condições.
É um ciclo virtuoso onde:
- Dados da fábrica alimentam a IA
- A IA identifica melhorias e sugere novas configurações
- As melhorias são implementadas na produção
- A produção otimizada gera mais dados que retroalimentam o modelo
Esse tipo de abordagem representa o que há de mais avançado em manufatura inteligente hoje no mundo. E diferente de muitas implementações de IA que ficam no campo das projeções e promessas, aqui os resultados já estão sendo medidos e reportados publicamente.
IA na Descoberta de Medicamentos: Uma Aposta de Longo Prazo
A Eli Lilly não abandonou os investimentos em IA para descoberta de novos medicamentos, mas reconhece que esse é um jogo completamente diferente em termos de prazo. Em janeiro, a companhia e a Nvidia anunciaram uma parceria com investimento de 1 bilhão de dólares em um laboratório de inovação para enfrentar problemas da indústria farmacêutica, apoiado por um supercomputador de alta performance.
No mesmo mês, a Lilly também fechou um acordo de colaboração com a Chai Discovery, uma startup de IA que levantou 230 milhões de dólares a uma avaliação de 1,3 bilhão de dólares. O objetivo é construir um modelo de inteligência artificial capaz de acelerar a descoberta de medicamentos biológicos, que são derivados de fontes naturais como proteínas ou células, em vez de serem sintetizados quimicamente em laboratório.
Mas Rau faz questão de calibrar as expectativas. Ele afirma que qualquer retorno na área de desenvolvimento de medicamentos só deve aparecer na metade da década de 2030, se não no final dessa década, quando esses medicamentos estiverem no mercado. É uma grande aposta no futuro, segundo suas palavras.
E quando perguntam sobre a velocidade com que novos medicamentos poderão ser desenvolvidos — se será possível lançar drogas em seis ou dezoito meses —, Rau é direto ao dizer que esse é o aspecto mais overhyped da IA na indústria farmacêutica, e que isso carrega um risco crítico de minar a credibilidade da inteligência artificial no setor, porque essa simplesmente não deveria ser a expectativa.
Por Que o Retorno Mais Rápido da IA na Saúde Está nos Processos
Existe uma narrativa dominante no mercado de que a inteligência artificial vai revolucionar a indústria farmacêutica pela descoberta de novos medicamentos. E provavelmente vai, mas esse é um jogo de longo prazo. Desenvolver uma nova droga do zero, mesmo com ajuda de IA, ainda leva anos entre a identificação da molécula, os testes pré-clínicos, as fases de ensaio clínico e a aprovação regulatória.
O caso da Eli Lilly mostra que existe um retorno muito mais imediato e mensurável quando a IA é aplicada em processos que já existem e que já geram receita. Otimizar a produção de medicamentos GLP-1 que já estão aprovados e que já têm demanda massiva é uma decisão estratégica que faz todo o sentido, porque o ganho aparece no trimestre seguinte, e não daqui a uma década. 🚀
Essa lógica se aplica muito além da Eli Lilly e muito além do setor farmacêutico. A tecnologia de digital twin combinada com inteligência artificial pode ser adaptada para praticamente qualquer operação industrial de grande escala. O que a Lilly fez foi demonstrar, com números reais e publicamente auditáveis, que essa tecnologia funciona em escala e que o investimento se paga rapidamente. Isso deve acelerar a adoção por outras grandes farmacêuticas que também enfrentam desafios de capacidade produtiva, especialmente no segmento de biológicos e peptídeos como os agonistas do receptor GLP-1, que são moléculas complexas de fabricar e exigem processos de produção extremamente controlados.
O Que Esperar Para os Próximos Anos
O cenário que se desenha é bastante claro. Empresas que conseguirem integrar inteligência artificial e digital twin em suas operações fabris vão ter uma vantagem competitiva difícil de alcançar por quem não fizer esse movimento. Não se trata apenas de produzir mais, mas de produzir melhor, com menos desperdício, menos tempo parado e mais previsibilidade.
A Eli Lilly saiu na frente e já está mostrando o que isso significa em termos de resultados financeiros e de capacidade de atender a um mercado que não para de crescer. A empresa investiu mais de 20 bilhões de dólares em expansão de capacidade fabril nos últimos anos, e a inteligência artificial está se tornando um multiplicador desse investimento, extraindo mais valor de cada dólar investido em infraestrutura física.
Para quem acompanha tecnologia e saúde, esse é um dos casos mais concretos e bem documentados de como a IA já está gerando valor real no mundo corporativo. Sem depender de promessas futuras ou projeções otimistas. Sem precisar esperar uma década para ver resultados. Os números estão nos relatórios, e eles falam por si. Enquanto o mundo debate o potencial da inteligência artificial para reinventar a descoberta de medicamentos, a Eli Lilly já está usando essa mesma tecnologia para garantir que os medicamentos que as pessoas precisam agora cheguem às prateleiras mais rápido. E isso, no final do dia, é o que realmente importa. 💊
