AI Top Business Leaders México | Entrevista editorial
Bayer opera en México tres negocios con clientes, ciclos y datos muy distintos: Pharma, Crop Science y Consumo. La incorporación de la inteligencia artificial (IA) ha partido de una estrategia global definida hace una década y respaldada por inversión, que cada división y país ha implementado según sus necesidades y velocidad.
Daniel Londero, director general de la División Farmacéutica de Bayer en México, describe una transformación apoyada en objetivos anuales, capacitación progresiva y una plataforma propia que permite extender el uso de la IA en un entorno seguro. Tras impulsar la adopción, la organización empieza a incorporar otro criterio: decidir qué herramientas realmente merece la pena construir en función del retorno que pueden generar.
¿Cómo empezó la apuesta de Bayer por la IA?
Es una estrategia global. La inteligencia artificial debe formar parte de la estrategia de la organización y no utilizarse como un parche para mejorar aspectos aislados. Hace años, el consejo de administración decidió que Bayer debía estar en la cresta de la ola y respaldó esa apuesta con inversiones.
Cada división la ha incorporado según las necesidades de su negocio. En Pharma, uno de los principales ámbitos son los estudios clínicos; en Crop Science, el análisis de datos permite ofrecer a los agricultores recomendaciones sobre cuándo o qué sembrar y qué fertilizante utilizar; y, en Consumo, ayuda a interpretar la información sobre los consumidores para tomar mejores decisiones. Cada país avanza a distinta velocidad, pero todos compartimos el mismo mandato: no actuar como seguidores.
¿Cómo se evita que un mandato así se quede en discurso?
Bayer define indicadores clave de desempeño (KPI) para la implementación de la IA, que después adaptamos en cada país según nuestros recursos y contexto. Si no la incorporas a la estrategia global y estableces KPI, todo termina en buenas intenciones. Por eso, todos los líderes tenemos metas de IA dentro de nuestros objetivos anuales.
El propósito era democratizar su uso, pero primero había que crear cultura. Empezamos con el equipo directivo, ampliamos el acceso a otros grupos y este año llegamos a toda la organización. La capacitación acompaña ese proceso: las personas tienen tiempo para aprender las herramientas, pero también deben incorporarlas a su trabajo.
Necesitábamos un entorno seguro. Trabajamos con información confidencial y detectamos el riesgo de compartir contenidos sensibles en herramientas públicas. Por eso desarrollamos MyGenAssist, nuestra plataforma propia de IA generativa. Hoy el 100% de los empleados tiene acceso y alrededor del 90% ya la utiliza.
En estudios clínicos hablan de un proceso completo, no de casos sueltos. ¿Dónde interviene la IA?
En Pharma, los estudios clínicos son el ejemplo más completo porque la IA interviene en distintas etapas de un ciclo que puede tomar entre 10 y 15 años. El objetivo es acelerar el proceso, hacerlo más seguro y conseguir que la innovación llegue antes a los pacientes.
Desde la planificación, la IA ayuda a modelar targets (dianas) sobre los que puede actuar un compuesto y a identificar, dentro de una amplia biblioteca, aquellos con potencial para convertirse en tratamientos. Además, investigamos su aplicación en la selección de pacientes junto con universidades e instituciones especializadas. Más adelante, un estudio puede involucrar 50 países, 200 centros y miles de pacientes; la IA permite consolidar toda esa información con mayor rapidez.
¿Qué resultados están viendo ya y qué falta?
Estamos viendo retornos. En los estudios clínicos ya los hemos cuantificado: sabemos cuánto tiempo hemos ahorrado y qué impacto económico representa. Aun así, sería ingenuo afirmar que está claro en qué invertir y en qué no.
Hay casos que nacieron desde los equipos. Tenemos un tratamiento para la hemofilia que entregamos en casa del paciente y utilizamos IA para seguir el medicamento, conectar con el paciente y comprobar la documentación. Así conseguimos que el 99% de las entregas lleguen en tiempo y forma.
El aprendizaje ahora está en evaluar mejor dónde merece la pena invertir. Ya pasamos la etapa en la que parecía que todo debía convertirse en una herramienta; hoy ponemos más atención en el retorno y en determinar dónde la IA realmente puede generar valor.
¿Qué ha sido lo más difícil?
El primer reto fue proteger la información. Cuando empezamos a incorporar herramientas de IA, vimos que algunas personas podían compartir contenidos sensibles, patentados o vinculados con investigaciones en curso. Necesitábamos garantizar un manejo seguro de esos datos y por eso desarrollamos nuestra propia plataforma. Hoy solo podemos utilizar nuestros entornos para generar información.
El otro gran reto fue cultural. Al principio hubo miedo ante la posibilidad de que la IA reemplazara puestos de trabajo e incluso cierta resistencia a utilizarla. Hoy queremos que las personas la vean como una herramienta capaz de potenciar su trabajo y liberar tiempo para actividades más creativas e innovadoras.
"El que se sube a la cresta de la ola puede fracasar una, dos o tres veces, pero en algún momento le sale".
Después de este recorrido, ¿qué aprendizaje resume mejor cómo quiere Bayer enfrentar esta transformación?
Cada vez que aparece algo realmente disruptivo, uno tiene dos opciones: ser seguidor o estar en la cresta de la ola. Son oportunidades que no aparecen muchas veces en la historia y quien se sube rápido puede marcar una gran diferencia.
Eso también exige estar dispuesto a fracasar. El que se sube a la cresta de la ola puede fracasar una, dos o tres veces, pero en algún momento le sale y ahí marca una diferencia frente a quien espera para seguirlo.
Bayer lleva más de 100 años en México y, para estar otros 100, tenemos que seguir innovando. Esa disposición a experimentar, aprender y corregir forma parte de cómo entendemos esta transformación.
"El éxito va a depender más de la formación del talento que de la tecnología en sí".
¿Cómo ve la posición de México frente a otras economías en esta transformación?
México está bastante adelantado respecto a América Latina, aunque todavía tiene camino por recorrer frente a otras geografías. Creo que el éxito dependerá más de la formación del talento que de la tecnología, porque estas herramientas son cada vez más accesibles y ya no es necesario saber programar para utilizarlas.
A medida que formemos más talento, podremos mejorar la productividad, aprovechar mejor la información, generar ideas más creativas y acelerar la toma de decisiones. Ninguna geografía está todavía al 100% de su capacidad; todos seguimos aprendiendo.
Patrocinado por: