🏗️ En farma, la IA que entrega resultados sin poder demostrar cómo los obtuvo no pasa una auditoría regulatoria
Una predicción regulada necesita evidencia reproducible
Muchos líderes en ciencias de la vida creen que la adopción de IA es lenta porque la regulación es rígida o sus organizaciones son conservadoras. El obstáculo real no es cultural. Es arquitectónico.
En una obra de construcción, el interventor no verifica que la columna soporte el peso. Verifica que el vaciado se hiciera según los planos, con materiales certificados y con el acta correspondiente firmada. Una estructura que resiste no obtiene el permiso de ocupación si la bitácora de obra tiene huecos.
En farma ocurre lo mismo. La Agencia Europea de Medicamentos publicó en 2024 su directriz sobre IA en el ciclo de vida de los medicamentos, con la trazabilidad del proceso como eje central. La FDA siguió en enero de 2025 con una guía que dejó claro que un sistema que funciona en producción no es suficiente si no puede reconstruirse cómo fue entrenado y bajo qué condiciones fue validado.
Un patrón como el event sourcing, donde cada cambio de estado queda registrado como evento inmutable que no puede modificarse retroactivamente, permite responder preguntas regulatorias sin reconstruir de memoria el proceso. La arquitectura hexagonal complementa esto al aislar el núcleo de validación y cumplimiento de los sistemas externos, de modo que ningún cambio en el ERP o en el laboratorio altere la lógica que el auditor va a revisar.
La tensión real en este sector es entre organizaciones que necesitan acortar el ciclo en farmacovigilancia y cadena de suministro, y sistemas que no fueron diseñados para registrar su propio comportamiento. En noviembre de 2025 la EMA y la FDA publicaron en conjunto los primeros principios comunes de IA en desarrollo de medicamentos, con trazabilidad y auditabilidad como ejes transversales del ciclo de vida del producto.
Una obra sin interventoría puede levantarse rápido, pero nunca obtiene el permiso de ocupación.
En farma, la buena arquitectura para IA no persigue novedad, persigue confiabilidad reproducible. Primero se define qué preguntas regulatorias debe poder responder el sistema. Luego se diseña la capa de trazabilidad que hace posible responderlas. Después se elige el patrón que las sostiene en producción. Por último se integra el modelo, no al revés.