IA en manufactura farmacéutica: Novo Nordisk pasa de horas a minutos en sus documentos regulados con agentes y GraphRAG
IA en manufactura farmacéutica: Novo Nordisk usa GraphRAG y agentes en Amazon Bedrock AgentCore para pasar de horas a minutos en documentos regulados.

Cuando una sola versión equivocada de un procedimiento puede comprometer la calidad de un medicamento, buscar un documento en una hoja de cálculo deja de ser una molestia y se convierte en un riesgo. Ese es el punto de partida de la IA en manufactura farmacéutica que Novo Nordisk está desplegando en su área de comprimidos: un asistente basado en agentes de IA que, según la compañía, ha permitido a sus expertos completar en minutos trabajo que antes les llevaba horas o incluso días.
El problema es conocido por cualquier industria regulada. Novo Nordisk, uno de los mayores fabricantes de medicamentos para diabetes y obesidad, gestiona miles de documentos controlados (procedimientos operativos, instrucciones de trabajo, formularios, materiales de formación) repartidos entre divisiones, sitios y programas de producto. Cada cambio regulatorio, mejora de proceso, modificación de equipo o hallazgo de auditoría obliga a revisar, aprobar y comunicar. Buena parte de ese control seguía dependiendo de hojas de cálculo y sistemas desconectados, con el riesgo de que circulen versiones obsoletas. Y había un segundo cuello de botella: el conocimiento tribal. Encontrar la respuesta correcta dependía de que alguien con experiencia supiera dónde mirar.
Por qué una búsqueda normal no basta: GraphRAG y agentes
La pregunta que se repite en planta es siempre una variante de la misma: ¿qué exige el proceso para este sitio, este producto y este equipo? Responderla bien exige acertar con el documento, con su versión y estado (vigente, no borrador ni obsoleto), con su alcance y con las relaciones entre documentos. La búsqueda por palabras clave devuelve archivos, no respuestas. Y un RAG basado solo en vectores falla con identificadores exactos, con preguntas de varios saltos y, sobre todo, al detectar que el contenido relevante no existe.
La solución de Novo combina un grafo de conocimiento en Amazon Neptune con un índice de búsqueda híbrida en Amazon OpenSearch Serverless. Ambos almacenes se mantienen separados y se conectan en el momento de la consulta mediante los números de documento, un patrón habitual de GraphRAG en producción. La capa de razonamiento corre sobre Amazon Bedrock AgentCore, con agentes construidos con Strands Agents SDK y modelos Claude de Anthropic. La ingesta usa Bedrock Data Automation, Step Functions y Lambda, y todo está definido como infraestructura como código.
El flujo es la parte más interesante. Si la pregunta es ambigua, el agente hace primero una pregunta aclaratoria basada en el grafo (por ejemplo, qué sitio o generación de producto aplica) y solo después busca. Luego recupera pasajes, expande desde el grafo para añadir estructura y relaciones, y reordena los resultados. La respuesta final cita documentos aprobados y dice explícitamente cuándo no hay contenido disponible. El grafo se organiza en dos capas: un árbol de procesos de unos tres niveles al que se asigna cada documento, y entidades de dominio definidas por expertos (sitios, equipos, pasos de proceso).
Lecciones de la IA en manufactura farmacéutica para tu organización
Novo no ha publicado cifras detalladas de ahorro, así que conviene leer el caso por su diseño más que por su ROI. Estas son las lecciones transferibles:
También hay una lección sobre el momento de adoptar. Novo eligió una plataforma gestionada con aislamiento de sesiones, orquestación de herramientas, IAM y observabilidad integrados para no gastar meses en infraestructura sin valor diferencial. Si tu equipo es pequeño, ese criterio pesa más que la elección del modelo.
Otros casos refuerzan el patrón. Netflix apostó por un grafo de conocimiento para acabar con las investigaciones de cuatro horas, y IskayPet unificó documentos corporativos en cuatro idiomas sin operar infraestructura RAG propia. En el terreno industrial, Siemens y Europa llevan los agentes a la fábrica. Lo que distingue a Novo es el nivel de exigencia: aquí la respuesta debe ser defendible ante un regulador.
Por dónde empezar
Un camino realista: elige un dominio acotado (un tipo de documento o una línea de producto), construye la taxonomía con tus expertos, mide cuánto tardan hoy en responder las preguntas recurrentes y compara con el asistente. Mantén a una persona en el circuito de aprobación mientras ganas confianza.
La IA en manufactura farmacéutica de Novo Nordisk demuestra que la clave no está en un modelo más grande, sino en un sistema que entiende la estructura de tu conocimiento y sabe cuándo callar. ¿Sabe tu organización hoy qué versión de cada procedimiento está vigente, o depende de que la persona correcta esté disponible?
Preguntas frecuentes
¿Qué es GraphRAG y por qué lo usa Novo Nordisk?
GraphRAG combina un grafo de conocimiento con búsqueda híbrida para recuperar información con contexto. Novo Nordisk lo usa porque necesita acertar con la versión, el alcance y las relaciones entre documentos regulados, algo que un RAG vectorial simple no resuelve bien, sobre todo con identificadores exactos y preguntas de varios saltos.
¿Qué resultados ha obtenido Novo Nordisk con su asistente de IA?
Según la compañía, el sistema ayudó a sus expertos a completar en minutos trabajo que antes tomaba horas o días. No ha publicado cifras detalladas de ahorro, pero destaca mayor visibilidad documental, respuestas citadas a fuentes aprobadas y menor dependencia del conocimiento tribal en manufactura.
¿Qué tecnologías usa la IA en manufactura farmacéutica de Novo Nordisk?
Usa Amazon Bedrock AgentCore para ejecutar agentes creados con Strands Agents SDK y modelos Claude de Anthropic. El conocimiento se guarda en Amazon Neptune y Amazon OpenSearch Serverless. La ingesta combina Bedrock Data Automation, Step Functions y Lambda, con infraestructura definida mediante AWS CDK.