La amenaza que nadie está midiendo
En los próximos 12 meses, un solo ingeniero con el stack de agentes adecuado va a iterar más rápido que la mayoría de equipos de producto. Las empresas que sobreviven no son las más grandes — son aquellas cuyo know-how está documentado (para poder reorientarse rápido) y cuya infraestructura está lista para agentes (para que un giro estratégico cueste días, no trimestres). Yo te ayudo a construir las dos cosas, en paralelo con lo que ya tenéis que entregar — esa es la diferencia que la mayoría de candidatos no sabe ni nombrar.
Documentar el know-how
Procesos pilotados por agentes que capturan decisiones, runbooks y conocimiento tácito mientras ocurre — no una auditoría trimestral en Confluence.
Infra preparada para agentes
Servidores MCP + herramientas internas componibles para que el siguiente pivote sea un prompt, no una reescritura.
En paralelo con la entrega
Las dos cosas pasan junto al roadmap que ya tenéis. Sin programa de transformación de seis meses; los artefactos componen desde la primera semana.
Por qué la velocidad a producción es la palanca
En farma mid-tier, la velocidad real no se mide en moléculas por trimestre — se mide en cuántos flujos manuales (memos regulatorios, monitorización de farmacovigilancia, supply chain rebalancing) se convierten en bucles agénticos antes de que el competidor europeo los compre como SaaS. Las farmacéuticas que ganan los próximos cinco años son las que tienen un ingeniero de plataforma capaz de cerrar ese loop end-to-end: infra, datos, capa de agente, UI interna. Esa es la cuña, y es exactamente lo que hago hoy día a día.
Qué está haciendo tu competencia
Las tres referencias de abajo se han movido en el mismo eje que Almirall — distinto tamaño, mismo playbook — y cada una se puede defender ante el comité con un único enlace público.
Bayer (Pharma R&D)
Acuerdos públicos con OpenAI + Google Cloud para meter IA en descubrimiento + ensayos clínicos.
Bayer es el techo de gama del peer group europeo. Cuando ellos hablan abiertamente de plataformas agénticas en R&D, deja de ser una apuesta — pasa a ser la expectativa por defecto en la próxima RFP en la que Almirall compita.
Source: bayer.com/news
Recursion Pharmaceuticals
Plataforma de descubrimiento integralmente impulsada por IA — la valoración pública es la plataforma, no las moléculas.
Útil como cota superior cuando alguien en tu sala argumenta que 'la IA en farma todavía es research'. Recursion ya cotiza como una empresa de plataforma — no como una farma con IA.
Source: recursion.com
Mercadona Tech
Construyó plataforma propia en lugar de comprar SaaS — peer español, escala parecida a Almirall España.
Mismo dilema build-vs-buy en otra industria: cuando el loop de datos + ops es el moat, pagar margen SaaS en cada capa compone. Sus posts públicos describen qué mantuvieron y qué reescribieron.
Source: mercadonatech.com/blog
Ninguna de las tres es un hyperscaler. El patrón es portable a un equipo del tamaño de Almirall con el ingeniero adecuado, no con un programa de transformación de seis meses.
Lo más cercano en mi portfolio
Misma forma que la modernización de plataforma de Almirall: sistemas con deuda técnica, sin un dueño dedicado, y la necesidad de defender cada decisión con datos reales en lugar de opiniones.
Tech lead de facto en un equipo de 2-3 personas. Propietario de infraestructura, ingestión, orquestación, warehouse y un ciclo de desarrollo dirigido por agentes que llevó el merge-to-prod de días a horas. Lideré la migración Redshift→Snowflake en caliente; pasé de fallos diarios a cero incidencias forzadas.
Qué haría en tus primeros ~90 días
Primer foco: coger el flujo manual con más fricción (farmacovigilancia o seguimiento de desviaciones regulatorias son candidatos típicos) y reconstruirlo como un agente que cubre el 70% de extremo a extremo, con un traspaso limpio al humano para el 30% restante. Mismo patrón que entregué en una fintech: un runbook de Confluence de 40 pasos convertido en un bucle automático de 4 horas. Segundo foco: trazas tipo Langfuse sobre las llamadas a modelos que ya tenéis, para defender el roadmap con datos reales de coste y calidad. Tercer foco: un adaptador MCP sobre el data warehouse para que los agentes internos respondan preguntas reales sin construir otro dashboard. El patrón compone; la feature es solo la prueba.
Si tras la llamada no encaja, sin presión — y os quedáis con el análisis que ya escribí.
Fidel Pérez · Senior Data Engineer · AI-First · 11+ años