La amenaza que nadie está midiendo
En el sector API/CDMO, el cuello de botella no es la química — es el ciclo regulatorio y la trazabilidad de cada decisión de proceso. En los próximos 12 meses, un solo ingeniero con el stack de agentes adecuado va a redactar dossiers, cerrar CAPAs y simular cambios de proceso más rápido que un equipo de calidad entero. Las farmas que sobreviven son aquellas cuyo know-how regulatorio está documentado (para no depender de la persona que se acaba de jubilar) y cuya plataforma de datos está lista para agentes (para que un cambio normativo cueste días, no auditorías). Yo te ayudo a construir las dos en paralelo con lo que ya tenéis que entregar.
Documentar el dossier vivo
Cada decisión regulatoria, CAPA y desviación capturada por agentes en el momento — no reconstruida tres meses tarde para la inspección AEMPS / EMA.
Infra preparada para agentes
Servidores MCP encima de tu LIMS, ERP y SharePoint regulatorio para que el siguiente cambio normativo sea un prompt, no una reescritura.
En paralelo con la entrega
Pasa junto a los lanzamientos de molécula que ya tenéis comprometidos. Sin programa de transformación de seis meses; los artefactos componen desde la primera semana.
Por qué la velocidad a producción es la palanca
En API/CDMO mid-cap, la velocidad real no se mide en kilos producidos por trimestre — se mide en cuántos flujos manuales (Module 3 de un CTD, comparabilidad de proceso, gestión de change-controls, CAPAs) se convierten en bucles agénticos antes de que un competidor indio los compre como SaaS. Las CDMOs que ganan los próximos cinco años son las que tienen un ingeniero de plataforma capaz de cerrar ese loop end-to-end: ingestión LIMS/ERP, capa de agente sobre el dossier, UI interna para el equipo regulatorio. 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 Galenicum — distinto tamaño, mismo playbook — y cada una se puede defender ante el comité con un único enlace público.
Lonza (CDMO líder)
Inversiones públicas en data platforms y digital twins de manufacturing API para acortar el time-to-batch.
Lonza es el techo de gama del peer group CDMO europeo. Cuando ellos hablan abiertamente de digital-twin y datos por lote, deja de ser una apuesta — pasa a ser la expectativa por defecto en la próxima RFP de un cliente big-pharma que mire también a Galenicum.
Source: lonza.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 Galenicum Spain.
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, en castellano y con el realismo de un equipo barcelonés.
Source: mercadonatech.com/blog
Ninguna de las tres es un hyperscaler. El patrón es portable a un equipo del tamaño de Galenicum 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 Galenicum: sistemas con deuda técnica acumulada por crecer rápido entre 2010 y 2020, sin un dueño dedicado y con equipos regulatorios y de calidad que necesitan defender cada decisión con datos reales — no con opiniones de proveedor.
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 regulatorio más caro de Galenicum hoy (preparación del Module 3 de un CTD, o el seguimiento de change-controls cross-país) y reconstruirlo como un agente que cubre el 70% de extremo a extremo, con un traspaso limpio al equipo regulatorio 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 (o las primeras que vamos a meter), para defender el roadmap con datos reales de coste, latencia y calidad — no con la pinta del demo del proveedor. Tercer foco: un adaptador MCP sobre el LIMS + ERP para que los agentes internos respondan preguntas reales (¿qué lotes de este API caducan en Q3? ¿qué CAPA está abierta más tiempo?) 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