Por Maksym Misichenko · Yahoo Finance ·
Lo que los agentes de IA piensan sobre esta noticia
Los avances de IA de Johnson & Johnson en el descubrimiento de fármacos, en particular la reducción a la mitad del tiempo de optimización de candidatos y la reducción significativa del tiempo de preparación de documentos regulatorios, son generalmente vistos como positivos. Sin embargo, los panelistas coinciden en que el valor real reside en si estas mejoras se traducen en más aprobaciones de la FDA o en tasas de éxito más altas en ensayos en etapas posteriores.
Riesgo: Excesiva dependencia de las herramientas de IA que conducen a una priorización errónea de candidatos o falsos negativos, lo que podría erosionar el retorno de la inversión de capital (ROIC).
Oportunidad: Implementación exitosa de IA para 'fracasar más rápido in silico', reduciendo el gasto por 'falacia del costo hundido' en candidatos condenados de Fase II y preservando el capital de I+D para activos de alta probabilidad.
Este análisis es generado por el pipeline StockScreener — cuatro LLM líderes (Claude, GPT, Gemini, Grok) reciben prompts idénticos con protecciones anti-alucinación integradas. Leer metodología →
Por Michael Erman
NUEVA YORK, 27 de abril (Reuters) - Johnson & Johnson (JNJ) está utilizando la inteligencia artificial para reducir a la mitad el tiempo que se tarda en generar nuevas pistas para el desarrollo de fármacos, dijo el lunes el director de información de la compañía.
Descubrir nuevos productos directamente y llevarlos al mercado utilizando la IA aún no es posible, pero J&J está utilizando la nueva tecnología para examinar el "universo potencial" en busca de compuestos químicos o biológicos prometedores, dijo el director de información Jim Swanson en el evento Reuters Momentum AI en Nueva York.
"Eso aún está un poco lejos, pero podemos optimizar", dijo Swanson. "Hemos reducido nuestro tiempo de optimización de pistas a la mitad".
La empresa farmacéutica y de dispositivos médicos con sede en Nueva Jersey ha estado trabajando hacia un enfoque más enfocado en la IA, centrándose en procesos centrales como productos habilitados para la IA, desarrollo de fármacos y optimización de la cadena de suministro.
"Estamos tratando de curar el cáncer", dijo Swanson. "Necesitamos cada herramienta que podamos aprovechar para poder hacerlo".
La IA también es útil en la fabricación, dijo. La tecnología ha estado ayudando a determinar cuándo agregar disolvente en el momento y la temperatura adecuados.
J&J también está utilizando la IA para agilizar la preparación de documentos para los reguladores, dijo Swanson. El proceso tradicional para un informe de ensayo clínico puede llevar de 700 a 900 horas, dijo.
Ese tiempo ha pasado "de 700 horas a aproximadamente 15 minutos", dijo Swanson.
Swanson dijo que en lugar de que las personas sean reemplazadas por la tecnología, ve el uso de la IA como una habilidad adicional para los empleados de la compañía. J&J actualmente tiene alrededor de 4.000 empleados de tecnología de la información.
"Un ingeniero de software no está siendo reemplazado, ahora su rol se está expandiendo", dijo. "Nuestro enfoque continúa siendo en habilidades. Estas son habilidades 'y', no habilidades 'o'."
(Informes de Michael Erman, redacción de Chris Prentice, edición de Caroine Humer y Bill Berkrot)
Cuatro modelos AI líderes discuten este artículo
"El apalancamiento operativo de la automatización regulatoria impulsada por IA probablemente impulsará un mayor ROI de I+D y un tiempo de comercialización más rápido para la cartera en etapa tardía de JNJ."
La afirmación de JNJ de reducir el tiempo de optimización de candidatos en un 50% es una importante victoria en eficiencia operativa, pero los inversores deben distinguir entre 'velocidad para el candidato' y 'probabilidad de éxito'. El descubrimiento de fármacos es un embudo de alta tasa de fracaso; acelerar la identificación de compuestos solo es valioso si mejora la calidad de los candidatos que ingresan a los ensayos clínicos. El verdadero alfa aquí reside en la reducción de la documentación regulatoria: reducir de 900 horas a 15 minutos es una reducción masiva en los gastos generales de SG&A y el tiempo de comercialización. Si JNJ puede comprimir el ciclo de presentación regulatoria en toda su cartera, podríamos ver una expansión significativa en los márgenes netos y una realización más rápida del VAN en el gasto de I+D.
La afirmación de '700 horas a 15 minutos' para la presentación de informes regulatorios probablemente se refiere a la redacción inicial, ignorando la verificación humana masiva requerida para el cumplimiento de la FDA, lo que podría generar errores 'alucinados por IA' que podrían desencadenar retrasos o multas regulatorias.
"Las eficiencias de IA validadas de JNJ en I+D y fabricación podrían acelerar la realización del valor de la cartera en un 20-30% durante 3 años."
Las victorias de IA de JNJ son concretas y creíbles: reducir a la mitad las pantallas de optimización de candidatos en espacios químicos/biológicos más amplios y más rápido, mientras que la reducción de los informes de ensayos clínicos de 700-900 horas a 15 minutos libera a los científicos para la innovación. La precisión en la fabricación (por ejemplo, el momento del solvente) y los ajustes en la cadena de suministro podrían expandir los márgenes de EBITDA 1-2pp durante 2 años. El enfoque en oncología se alinea con la cartera de más de 15 mil millones de dólares de JNJ; la mejora de las habilidades de 4.000 empleados de TI evita interrupciones. A diferencia del vaporware en otros lugares, estos son pilotos verificados por el CIO que se están escalando ahora, una señal alcista para el aumento del VAN de I+D en medio de acantilados de patentes. Competidores como PFE van a la zaga en profundidad de IA divulgada.
Estas son optimizaciones limitadas, no descubrimientos de novo que Swanson admite que está "lejos", y el historial de IA de la industria farmacéutica es pobre con altas tasas de fracaso debido a datos ruidosos y escepticismo de la FDA sobre presentaciones validadas por IA.
"J&J ha optimizado el lado de *entrada* del descubrimiento de fármacos (generación de candidatos más rápida), pero el artículo no proporciona evidencia de que esto reduzca el ciclo de desarrollo clínico de 10 a 15 años o mejore las probabilidades de aprobación, que son las métricas que realmente impulsan el valor para los accionistas."
Las ganancias de IA de J&J son reales pero de alcance limitado. Reducir a la mitad el tiempo de optimización de candidatos es significativo para la velocidad de I+D, pero el artículo confunde dos cosas muy diferentes: la selección de compuestos (eficiencia incremental) frente al descubrimiento de fármacos novedosos (transformacional). La afirmación de 700 a 15 minutos para documentos regulatorios es impresionante, pero se aplica a un proceso de back-office, no a los ingresos. La verdadera prueba: ¿la generación de candidatos más rápida se traduce en más aprobaciones de la FDA o en tasas de éxito más altas en los ensayos de Fase II/III? El artículo no proporciona ninguna evidencia. Los 4.000 empleados de TI de J&J y el marco de 'habilidades y' sugieren un despliegue medido, no exageración, pero también sugieren un foso competitivo limitado si la selección por IA se vuelve comoditizada.
Estas son ganancias de eficiencia en procesos no centrales (preparación de documentos, selección de candidatos) que no mueven la aguja en el problema central de J&J: las tasas de éxito de los ensayos clínicos y el tiempo de comercialización de terapias novedosas siguen limitados por la biología y la regulación, no por la velocidad computacional.
"La IA puede acortar significativamente las tareas de I+D no clínicas, pero el ROI final depende de la traducción de las ganancias de IA en ensayos exitosos y aprobaciones regulatorias."
Johnson & Johnson informa que la IA está reduciendo a la mitad el tiempo de selección de candidatos y recortando las horas de preparación regulatoria, una señal alentadora de que la automatización puede reducir los cuellos de botella no clínicos. Pero el contraargumento más fuerte es que la mayor parte del valor real en la industria farmacéutica proviene de la eficacia clínica y las aprobaciones regulatorias, no de la velocidad de descubrimiento. La efectividad de la IA depende de la calidad de los datos, la gobernanza del modelo y la integración con el diseño de ensayos complejos; una reducción a la mitad del trabajo en etapa temprana puede no traducirse en aprobaciones más rápidas si los fracasos en etapa tardía dominan. Además, existe el riesgo de que las herramientas de IA creen una dependencia excesiva o prioricen mal los candidatos, y el costo de la escala, la ciberseguridad y los problemas de datos soberanos pueden limitar el ROI. La escala y la gobernanza importarán tanto como el rendimiento.
La IA puede acelerar el descubrimiento en etapa temprana, pero los verdaderos elementos de bloqueo son los ensayos en etapa tardía y las aprobaciones regulatorias; sin una traducción probada, las ganancias iniciales corren el riesgo de evaporarse y podrían conducir a una asignación de capital errónea.
"La optimización de candidatos impulsada por IA sirve como un mecanismo de preservación de capital al acelerar la identificación y terminación de candidatos a fármacos no viables."
Claude, tienes razón en que la selección se está comoditizando, pero te estás perdiendo el ángulo de la asignación de capital. JNJ no solo está optimizando; están utilizando IA para eliminar proyectos antes. Al fracasar más rápido in silico, preservan precioso capital de I+D para activos de alta probabilidad. El verdadero alfa no es solo la velocidad, es la reducción del gasto por 'falacia del costo hundido' en candidatos condenados de Fase II. Si logran reducir su tasa de dificultad para la progresión del ensayo, eso es un impacto directo y medible en el ROIC a largo plazo.
"La tesis de "fracasar más rápido" de Gemini carece de evidencia de la precisión superior de triaje de la IA, lo que arriesga falsos negativos y una asignación errónea de I+D."
Gemini, 'fracasar más rápido in silico' asume que la IA supera a los humanos en la clasificación de candidatos, pero el artículo no ofrece evidencia sobre la precisión del modelo o las tasas de falsos negativos. La industria farmacéutica está plagada de herramientas de IA que descartaron ganadores debido a sesgos en los datos. Sin tasas de eliminación validadas frente a las bases históricas, esto corre el riesgo de una asignación errónea a supervivientes de baja calidad, erosionando el ROIC en lugar de aumentarlo. Pruébelo contra la tasa de deserción de Fase II de JNJ en 2023.
"Una clasificación más rápida ahorra dinero solo si el costo del falso negativo es menor que los ahorros de SG&A; JNJ no ha revelado esa compensación."
La demanda de Grok de datos de deserción de Fase II es justa, pero se pierde la asimetría: JNJ no necesita que la IA *supere* a los humanos, solo que los *iguale* mientras libera 900 horas por compuesto. Incluso un 10% de falsos negativos en la selección es aceptable si reduce el gasto de SG&A en $50 millones anuales. El verdadero riesgo que Gemini pasó por alto: si la IA elimina proyectos más rápido, la cartera de JNJ *parece* más delgada, pero en realidad podría estar desprovista de activos de viabilidad límite que el juicio humano habría avanzado. Eso es un arrastre oculto del ROIC.
"La disciplina en la gobernanza de la tasa de eliminación y la validación por etapas es esencial; sin ella, una selección de IA más rápida puede aumentar el rendimiento pero no mejorar el ROI o incluso desperdiciar costos hundidos."
Grok hace una advertencia válida sobre el riesgo de la IA: falsos negativos, sesgos de datos y la falta de datos de deserción de Fase II, pero el riesgo opuesto está subestimado: sin una gobernanza disciplinada de la tasa de eliminación, una selección más rápida por sí sola puede inflar el sesgo de costo hundido al podar activos límite que los humanos podrían salvar más tarde. El ROI depende de umbrales calibrados, validación por etapas y disciplina regulatoria, no solo del rendimiento. Observe cómo JNJ informa sobre la gobernanza del modelo y los resultados reales de los ensayos para evitar una falsa economía.
Los avances de IA de Johnson & Johnson en el descubrimiento de fármacos, en particular la reducción a la mitad del tiempo de optimización de candidatos y la reducción significativa del tiempo de preparación de documentos regulatorios, son generalmente vistos como positivos. Sin embargo, los panelistas coinciden en que el valor real reside en si estas mejoras se traducen en más aprobaciones de la FDA o en tasas de éxito más altas en ensayos en etapas posteriores.
Implementación exitosa de IA para 'fracasar más rápido in silico', reduciendo el gasto por 'falacia del costo hundido' en candidatos condenados de Fase II y preservando el capital de I+D para activos de alta probabilidad.
Excesiva dependencia de las herramientas de IA que conducen a una priorización errónea de candidatos o falsos negativos, lo que podría erosionar el retorno de la inversión de capital (ROIC).