La apuesta de Lilly por una infraestructura impulsada por la inteligencia artificial: construir las bases para el próximo crecimiento de la industria farmacéutica.

Esta nueva iniciativa no es un experimento único. Es el capítulo más reciente y importante en la apuesta de largo plazo que Eli Lilly ha llevado a cabo en favor de la transformación tecnológica relacionada con la medicina basada en la inteligencia artificial. La empresa está construyendo sistemáticamente las infraestructuras tecnológicas necesarias para el desarrollo de esta industria, con el objetivo de aprovechar la curva de adopción exponencial que los expertos predican para este sector.

El patrón de aumento progresivo del compromiso es claro. Comenzó con…Se anunció en noviembre de 2025 una colaboración de investigación por valor de más de 100 millones de dólares con Insilico Medicine.Esa alianza concentró los esfuerzos de los equipos internos de I+D de Lilly en la plataforma Pharma.AI de Insilico. El objetivo era acelerar el proceso de descubrimiento de nuevas soluciones tecnológicas. La nueva alianza, que involucra más de 2 mil millones de dólares, representa un gran avance; se trata de algo más allá de una simple licencia de software, sino de una asociación para construir una infraestructura informática y física de base.

Esta iniciativa está siendo fortalecida gracias a una alianza importante con el gigante del sector informático, NVIDIA. En enero, las empresas anunciaron que…Un laboratorio de coinnovación en IA de carácter único.Se ofrece una inversión de hasta 1 mil millones de dólares en un período de cinco años. Este laboratorio, construido sobre la plataforma BioNeMo de NVIDIA y la arquitectura Vera Rubin, está diseñado para funcionar como un sistema de aprendizaje continuo que conecta de manera eficiente los laboratorios “húmedos” con los laboratorios “secos” de tipo computacional. Este sistema representa el marco de trabajo “científico en el ciclo de vida del proyecto”, cuyo objetivo es permitir experimentos asistidos por la IA las 24 horas del día.

La tesis estratégica es simple: el estudio de caso realizado por la Harvard Business School sobre Insilico muestra cómo la IA generativa puede acelerar cada etapa del proceso de descubrimiento de medicamentos, desde la identificación de objetivos hasta la simulación de pruebas clínicas. Lilly apuesta por invertir en la infraestructura de IA necesaria para que la empresa pueda ganar una ventaja inicial en este nuevo paradigma. No se trata solo de encontrar medicamentos más rápidamente, sino también de controlar la plataforma que permitirá que todo el proceso se expanda exponencialmente. La empresa está preparando los cimientos para el siguiente “S-curva” en el sector farmacéutico.

Los detalles del acuerdo: la economía de los activos versus la economía de la plataforma

El acuerdo de 2 mil millones de dólares para obtener los derechos exclusivos de comercialización de un medicamento contra la diabetes basado en el GLP-1 parece ser, en apariencia, una simple adquisición de activos tradicional. En este caso, Lilly paga por un producto específico y de corto plazo, con el fin de agregarlo a su cartera de activos. Sin embargo, el contexto de su colaboración anterior con Insilico, que involucró una suma de más de 100 millones de dólares, sugiere que se trata de una estrategia más compleja: una que combina la adquisición de activos con el objetivo de obtener acceso más profundo a la plataforma utilizada para el desarrollo del producto.

Ese acuerdo anterior no era simplemente una licencia. Se trataba de una empresa conjunta con el objetivo de integrar Insilico en ese proyecto.Plataforma Pharma.AIEl objetivo era desarrollar juntos nuevas terapias. En este proceso, Lilly obtiene los derechos exclusivos para avanzar con cualquier candidato que resulte de este proyecto. Esto implica un enfoque doble: adquirir activos de forma inmediata, mientras se integra la infraestructura de IA de Insilico en el sistema de descubrimiento de Lilly. El nuevo acuerdo, valorado en 2 mil millones de dólares, probablemente siga este mismo enfoque, pero con activos más grandes y sofisticados.

Sin embargo, el verdadero valor estratégico puede encontrarse más allá de esta única transacción. El reciente lanzamiento de Insilico podría ser un ejemplo de esto.Sistema de colaboración automatizado y guiado por IAEs una pieza crucial dentro de este “puzzle”. Esta plataforma está diseñada para escalar el desarrollo comercial mediante la automatización de las tareas de difusión, el proceso de due diligence y la gestión de datos. Para Lilly, esto significa que podrá realizar acuerdos más rápidamente y de manera más eficiente, con el objetivo de adquirir otros activos generados por IA o expandir su propio portafolio de proyectos inovadores. Esto convierte el proceso de asociación en un sistema automatizado y de alto rendimiento, acelerando todo el ciclo de innovación.

Visto de otra manera, Lilly está pagando por algo más que simplemente un medicamento. En realidad, está pagando por tener una posición importante en una plataforma que se está convirtiendo en la nueva infraestructura para el descubrimiento de nuevos medicamentos. Al obtener los derechos exclusivos sobre un activo prometedor relacionado con GLP-1, Lilly obtiene una ventaja comercial a corto plazo. Al profundizar su colaboración con Insilico, Lilly puede acceder a un sistema capaz de generar y evaluar continuamente nuevos candidatos para medicamentos. Esto le permitirá aprovechar al máximo las ventajas de la medicina basada en la inteligencia artificial. La estructura del acuerdo combina las dinámicas económicas tradicionales del sector farmacéutico con las características de esta nueva plataforma.

Impacto financiero y trayectoria de adopción

El costo de más de 2 mil millones de dólares por un único activo GLP-1 representa una inversión significativa. Pero esto también representa una apuesta calculada en favor del potencial exponencial de esta plataforma. El verdadero cálculo financiero se basa en una inversión recurrente, en lugar de una compra única de activos. Los datos propios de Insilico sirven como punto de referencia: la empresa ha logrado…El tiempo promedio necesario para la nominación de un candidato para el período preclínico es de solo 12 a 18 meses por programa.Si esta tasa puede aplicarse en todo el amplio portafolio de productos de Lilly, el impacto en la velocidad de procesamiento de los datos será impresionante. El descubrimiento de nuevos medicamentos tradicionalmente lleva años; con este modelo basado en IA, la fase inicial del proceso se reduce a una fracción del tiempo necesario, acelerando así todo el ciclo de innovación.

No se trata simplemente de encontrar una nueva droga para tratar la diabetes. Se trata de crear un sistema que se autoafirma, sin necesidad de intervención externa. El estudio de caso realizado por la Harvard Business School muestra cómo la IA generativa puede acelerar cada etapa del proceso, desde la identificación de objetivos hasta la simulación de pruebas clínicas. Al invertir en la infraestructura necesaria, tanto en las plataformas de software como en los sistemas informáticos físicos, Lilly busca aprovechar las ventajas de este nuevo paradigma. El objetivo es generar múltiples opciones con un costo y tiempo mucho menores que los métodos tradicionales. De esta manera, el proceso de descubrimiento se convierte en algo más predecible y eficiente.

La industria en su conjunto ya está sintiendo los efectos positivos y significativos que el uso de la IA puede tener en las cuentas financieras de las empresas. Compañías como Lilly, Pfizer y Novartis están utilizando la IA para…Optimizar las operaciones, mejorar las cadenas de suministro y aumentar la eficiencia en todo el proceso.El resultado es un aumento en las ganancias, sin la necesidad de lograr nuevos avances en el desarrollo de medicamentos. Este tipo de mejora operativa es un factor crítico que a menudo se ignora. Esto significa que los beneficios financieros obtenidos gracias al desarrollo de la infraestructura de IA de Lilly podrían surgir no solo a través de las ventas de medicamentos exitosos, sino también a través de una mejora continua en la eficiencia y rentabilidad de todo el modelo de negocio. La transacción de 2 mil millones de dólares representa solo una parte del valor que se puede obtener en el futuro.

Catalizadores, riesgos y lo que hay que observar

La apuesta estratégica en favor de la infraestructura de inteligencia artificial ya se encuentra en la fase de ejecución. Para que la tesis de Lilly sea válida, serán varios hitos clave los que servirán como puntos de verificación o señales de alerta. La primera prueba tangible será el análisis de los datos clínicos obtenidos del nuevo activo relacionado con GLP-1. El progreso de este activo durante las pruebas será la prueba más directa de que el proceso de descubrimiento guiado por la inteligencia artificial puede generar medicamentos comerciales viables. Además, cualquier información actualizada sobre el progreso del laboratorio de innovación conjunta con NVIDIA indicará si el ambicioso plan de colocar biólogos junto a ingenieros de inteligencia artificial está dando los resultados esperados en términos de aceleración en la creación y experimentación de modelos.

Sin embargo, este camino no está exento de riesgos fundamentales: la persistente “crisis de eficiencia” en la industria farmacéutica. Como se destaca en el estudio de caso realizado por la Harvard Business School, el descubrimiento de nuevos medicamentos ha sufrido durante mucho tiempo por esta problemática.Ley de EroomAllí, el costo de lanzar un medicamento al mercado ha aumentado, mientras que el número de aprobaciones para su uso está disminuyendo. La IA promete revertir esta tendencia, pero los altos índices de fracasos y los altos costos siguen siendo problemas importantes. El riesgo es que las enormes inversiones de Lilly en computación y alianzas comerciales solo aumenten la intensidad del capital invertido, sin resolver el problema fundamental: convertir los candidatos prometedores en medicamentos aprobados por la FDA. La plataforma debe mejorar significativamente las tasas de éxito clínico, no simplemente acelerar las etapas iniciales del proceso de desarrollo de medicamentos.

La medida definitiva del éxito será un cambio mensurable en los indicadores operativos de Lilly. Los inversores deben estar atentos a un aumento claro en la velocidad de desarrollo de nuevos productos: más candidatos pasan de la fase de descubrimiento a la fase de pruebas clínicas. Además, se espera que los costos de I+D por candidato disminuyan. Las pruebas realizadas por Insilico son instructivas y demuestran que…El tiempo promedio necesario para la nominación de un candidato preclínico es de solo 12 a 18 meses por programa.Si Lilly puede aplicar esta eficiencia en todo su portafolio de productos, eso demostrará la efectividad del crecimiento exponencial que se puede lograr con esta estrategia. Por el otro lado, si los costos de I+D por cada candidato siguen siendo elevados, o si el rendimiento del proceso no aumenta de manera significativa, entonces la inversión en infraestructura enfrentará problemas de credibilidad. El impacto real de la eficiencia operativa lograda mediante la tecnología AI ya es visible; la próxima fase consistirá en demostrar cómo esta tecnología puede transformar el motor de descubrimiento de datos.