IA en la práctica: por qué crearla tú mismo es más difícil de lo que parece

Abhay Jajoo, fundador y CEO de Customer Insights.ai, se une a Telmo Silva en una conversación amplia sobre la complejidad de los datos en ciencias de la vida, la arquitectura detrás de los sistemas agénticos inteligentes y el coste real del debate entre desarrollar o comprar en la era de la IA. Con 40 años en analítica farmacéutica, Abhay aporta una perspectiva sensata y sin rodeos sobre lo que de verdad hace falta para convertir datos del sector desordenados en decisiones que marcan la diferencia, y por qué acertar con la arquitectura es la única apuesta que sobrevive a cada ola tecnológica.

Preguntas que hicimos

• ¿Por qué los datos farmacéuticos son mucho más complejos que los de cualquier otro sector, y la regulación ha cambiado realmente algo con los años?
• ¿Qué significa crear un sistema de IA que sea realmente agnóstico al LLM, y por qué importa cuando los costes de tokens pueden variar 100 veces entre proveedores?
• ¿De verdad las empresas pueden crear sus propios sistemas de analítica agéntica, o la ola de “lo desarrollamos nosotros” está a punto de chocar contra un muro?

Lo que hemos aprendido

• La complejidad de los datos farmacéuticos no va de volumen. Va de variedad: distintas fuentes, distintas estructuras, distintas reglas para cada fármaco, cada mercado y cada área terapéutica.
• La arquitectura manda. Ser agnóstico a los datos, a la infraestructura y al LLM no es una limitación; es la única opción de diseño sostenible en un mercado donde los proveedores cambian más rápido que los contratos.
• La ola de “lo desarrollamos nosotros” es real, pero frágil. Los consejos están volcando presupuestos de IA en equipos de TI que son muy buenos manteniendo sistemas, pero no resolviendo problemas de negocio. La mayoría de los proyectos se quedan sin dinero antes de tener nada que enseñar.
• La IA hiperverical es la próxima frontera. La tercera ola de innovación en IA no vendrá de Nvidia ni de OpenAI. Vendrá de empresas pequeñas y específicas de cada sector, que codifican décadas de conocimiento del dominio en productos desplegables y mantenibles.

Cuarenta años en farma, un problema central

Abhay Jajoo pasó la primera parte de su carrera en IMS Health, una de las mayores empresas de datos farmacéuticos del mundo, donde también trabajaron él y Telmo Silva. Ese bagaje compartido es la base del episodio. La conversación arranca con un desglose detallado de cómo funciona realmente el ecosistema comercial farmacéutico: proveedores, pagadores y empresas de ciencias de la vida, tres segmentos distintos con datos diferentes, incentivos diferentes y necesidades analíticas diferentes. Telmo marca el contraste con claridad: vender una lata de Coca-Cola te da un rastro de datos completo y trazable. Vender un medicamento te da abstracción en cada paso: un médico al que puede sustituir un farmacéutico, al que puede sustituir un asegurador.

Para mí, la complejidad no viene del volumen. Viene de la variedad.
Abhay Jajoo, fundador y CEO, Customer Insights.ai

Esa idea da forma a todo lo que Abhay ha construido. Su primer producto, Parthenon, se diseñó en torno a una observación sencilla: los datos de prescripción de un fármaco para el colesterol y los datos de prescripción de un fármaco para la diabetes son estructuralmente idénticos. Estandariza la ingesta, estandariza la transformación, crea las visualizaciones una sola vez, y puedes dar servicio a cualquier farmacéutica en minutos en lugar de meses.

De Parthenon a Athena: cuando los agentes sustituyen a los flujos de trabajo

El paso de Parthenon a Athena es el giro arquitectónico en el corazón del episodio. Donde Parthenon tenía flujos de trabajo y visualizaciones codificados, Athena los sustituye por agentes inteligentes, cada uno entendiendo su entorno, sabiendo qué datos necesita y operando dentro de una capa de orquestación que los conecta. La interfaz de usuario se reduce a una conversación. Los costes de formación bajan. La adopción se acelera. Y las 40 aplicaciones creadas sobre Parthenon ahora se están relanzando como casos de uso dentro de Athena, una a una.

La decisión arquitectónica clave es el agnosticismo: agnóstico a la base de datos, al proveedor cloud y al LLM. Abhay explica el porqué con un solo dato. Anthropic cobra 56 $ por millón de tokens. Los modelos de código abierto cobran 56 centavos. Un negocio que apuesta su estructura de costes a un único proveedor de LLM está a una decisión de precios de que su modelo se rompa. La PI en Customer Insights.ai no son las herramientas. Son los metadatos farmacéuticos, los flujos de trabajo analíticos y los procedimientos operativos estándar que indican a los agentes qué hacer cuando llega una pregunta.

La trampa de desarrollar

Tanto Telmo como Abhay están viendo la misma ola golpear sus respectivos mercados. Los consejos están asignando presupuestos de IA. Los CIO reciben el dinero. Empiezan proyectos de seis meses para recopilar requisitos. Los presupuestos de tokens se evaporan en experimentación. Y, a los cinco meses, no hay nada en producción.

Abhay es directo sobre a dónde lleva esto: desarrollar es fácil; mantener, no. Un fallo en un sistema diseñado a base de prompts no se arregla con dos líneas. Las empresas que ya han recorrido este camino en otros sectores están empezando a volver. El punto intermedio, en su opinión, es un límite claro entre lo que una empresa debería poseer internamente y lo que un proveedor específico del sector debería entregar ya hecho, ya validado y listo para desplegar.

Tres olas, una apuesta

El episodio cierra con lo que Abhay ve como el mapa de la innovación en IA. La primera ola es la infraestructura: las Nvidias y los centros de datos librando una batalla de CapEx que se resolverá en un año. La segunda ola son las plataformas horizontales: Snowflakes y CRMs ganando interfaces conversacionales. La tercera ola, todavía a unos dos años vista, es hipervertical: empresas especializadas resolviendo problemas concretos del sector mejor de lo que cualquier herramienta de propósito general podría jamás. Ahí es donde tanto Telmo como Abhay están poniendo sus apuestas. Y en ambos casos, la base es la misma: acertar con la arquitectura antes que con cualquier otra cosa.