La preparación para la inteligencia artificial no siempre requiere un mejor algoritmo. A veces, solo requiere una mejor catalogación y análisis de datos.
Un caso práctico publicado en PNAS lo demuestra. Los investigadores clasificaron casi 10.000 compuestos químicos utilizando un enfoque estándar de aprendizaje automático y solo lograron un 10% de precisión. Cuando CAS volvió a realizar el análisis con descriptores químicos de mayor calidad, la precisión aumentó al 45% (mejora media: 33%). El mismo modelo, una base más sólida.
Cuando los datos funcionan mejor, los equipos de investigación pueden identificar los mejores compuestos en horas en lugar de semanas. Sin embargo, llegar a ese punto tiene requisitos específicos.
[H2] Cuando la inteligencia artificial que implementa falla
Hay una historia que a menudo se repite en los equipos de R&D científico encargados de aplicar la inteligencia artificial a su investigación. El equipo:
- Invierte en infraestructura.
- Contrata a científicos de datos.
- Ejecuta pilotos.
- Prueba los sistemas de inteligencia artificial.
- Revisa los brillantes resultados de las pruebas.
Y solo entonces descubren que sus modelos de inteligencia artificial tropiezan al enfrentarse a condiciones del mundo real. ¿Peor aún? Los brillantes resultados nunca llegan, ni siquiera dentro del modelo.
El equipo invierte, contrata, realiza pruebas piloto, experimenta... y la precisión apenas mejora. Ajustan el algoritmo, añaden más datos, modifican parámetros. Y aun así, nada. El instinto es culpar al modelo. Pero, a menudo, los problemas reales se encuentran en etapas anteriores, lo que puede incluir silos de datos fragmentados, metadatos inconsistentes, condiciones experimentales variadas, registros históricos incompletos y la falta de formatos estandarizados entre laboratorios o instrumentos.
Resultados como esos señalan una brecha en la preparación para la inteligencia artificial.
Figura 1: Fuente: Informe de la encuesta de marketing de C&EN Brand Labs para las ciencias químicas 2025.
Aunque el equipo fortalezca su infraestructura digital, a menudo sigue teniendo dificultades para lograr que la inteligencia artificial en R&D se comporte de manera consistente en la investigación diaria.
Los datos científicos varían frecuentemente en estructura o calidad, y esta variación afecta la precisión con la que los algoritmos pueden interpretar la información que reciben. Como resultado, los modelos que funcionan bien en pruebas controladas a menudo tienen un rendimiento inferior cuando se exponen a las condiciones desiguales de los experimentos reales. Por ejemplo, los conjuntos de datos de evaluación pueden ser "demasiado limpios" o demasiado similares a los datos de entrenamiento. También pueden no reflejar el ruido del mundo real, los valores atípicos, la deriva experimental o la diversidad total de casos que encuentran los investigadores.
Los modelos entrenados con datos incompletos o inconsistentes nunca funcionan bien desde el principio. La falta de contexto específico del dominio en los flujos de trabajo de inteligencia artificial, como ontologías químicas precisas, restricciones mecanísticas o anotaciones seleccionadas por expertos, también puede causar problemas de precisión que no se derivan de la calidad de los datos en sí, sino de la falta de estructuras científicas. Esta brecha introduce incertidumbre, lo que dificulta la integración de la inteligencia artificial en los flujos de trabajo de R&D.
No se trata solo de ajustar los procesos actuales para que funcionen en un entorno ligeramente diferente. Prepararse para utilizar la inteligencia artificial como parte de su infraestructura central de R&D es una tarea importante. Hacerlo mal puede desperdiciar presupuestos, provocar el fracaso de los proyectos piloto, desalentar a los líderes a la hora de invertir los recursos necesarios y dejar a sus investigadores científicos escépticos sobre los beneficios.
[H2] Tres áreas en las que las organizaciones tienen dificultades para utilizar la inteligencia artificial en los flujos de trabajo de R&D
Muchas organizaciones que trabajan para implementar la inteligencia artificial en R&D científico se encuentran con obstáculos operativos similares.
La mayoría de estos problemas se dividen en un pequeño conjunto de patrones recurrentes que limitan la preparación para la inteligencia artificial. Las siguientes áreas representan las fuentes de fricción más comunes:
1. Alineación de sistemas se convierte en un desafío cuando las herramientas que almacenan y procesan datos científicos no pueden intercambiar información de forma limpia. Esta falta de alineación suele manifestarse de varias maneras:
- Los ELN (cuadernos de laboratorio electrónicos) y los LIMS (sistemas de gestión de información de laboratorio) a menudo almacenan información en formatos incompatibles.
- Los equipos deben ajustar manualmente los registros cuando los datos se mueven entre sistemas.
- Los ajustes manuales ralentizan el trabajo piloto y aumentan el riesgo de errores.
- Los flujos de trabajo se vuelven inestables cuando los metadatos se recrean o renombran durante las transferencias.
En conjunto, estas interrupciones cortan el flujo de información e impiden que los modelos operen de manera consistente en las tareas científicas rutinarias.
2. Transferencias manuales e interrupciones de procesos erosionan la trazabilidad a lo largo del flujo de trabajo. Cuando los datos se mueven entre sistemas o equipos a través de canales informales como exportaciones, emails y hojas de cálculo, se pierde el contexto:
- Los registros llegan sin los metadatos necesarios para interpretarlos.
- Cuando un modelo produce resultados inesperados, los equipos tienen dificultades para reconstruir cómo se generaron las entradas.
- Resulta difícil determinar si un problema se originó en los datos o en una brecha del proceso.
- Las investigaciones se prolongan y los científicos pasan más tiempo buscando la procedencia que analizando los resultados.
La fragmentación del flujo de trabajo crea brechas de comunicación. Esto es especialmente costoso cuando los datos cruzan las líneas departamentales. En Calibr-Skaggs, los equipos de biología y química medicinal verificaban manualmente hasta 1.000 compuestos nuevos al día, lo que ralentizaba las decisiones de seguir adelante o no. CAS optimizó su flujo de trabajo con una integración de API que permitió a ambos equipos trabajar en paralelo, eliminando los retrasos causados por las transferencias secuenciales.
3. Mala coordinación entre equipos puede debilitar la preparación para la inteligencia artificial con el tiempo.
Otro desafío común ocurre cuando los grupos de ciencia, datos y TI basan sus expectativas sobre la estructura, los estándares y el significado de los datos en objetivos, procesos y plataformas separados. Si bien algunas de estas desconexiones pueden ser tan simples como reglas inconsistentes para nombrar, versionar u organizar registros, otros casos son el resultado de diferencias fundamentales en el significado. Estas inconsistencias tienden a aparecer cuando:
- Cada grupo aplica sus propias convenciones para las definiciones, la estructura y la organización de los datos.
- Las diferencias requieren un esfuerzo manual considerable para armonizarlas, lo que ralentiza el flujo de datos e introduce posibilidades de error.
- Los equipos de inteligencia artificial carecen de conocimiento sobre las diferencias en los estándares iniciales, lo que da lugar a soluciones de inteligencia artificial inexactas e inutilizables.
Con el tiempo, estas inconsistencias se vuelven más difíciles de gestionar y afectan a la confianza en los resultados de la inteligencia artificial. Hemos observado este tipo de situaciones cuando los científicos experimentales tienen la tarea de desarrollar una estrategia de datos completa, pero requieren formación adicional para manejar diversos formatos de datos. Esta es otra forma en la que el personal de CAS trabaja con socios como Toray, ayudando a formalizar los procesos de gobernanza de datos.
[H2] Cinco indicadores de preparación para la inteligencia artificial en R&D
Las organizaciones que están bien posicionadas para escalar la inteligencia artificial comparten un conjunto coherente de características de flujo de trabajo. Estas cinco características reflejan cómo los datos, las herramientas y las revisiones científicas eficaces respaldan modelos que pueden adaptarse a condiciones experimentales cambiantes, resolver ambigüedades específicas del dominio e incorporar cambios continuos al conocimiento subyacente.
1. Gobernanza de datos que dirige las decisiones científicas y técnicas
Una gobernanza sólida es un indicador clave de la preparación para la inteligencia artificial, ya que aclara el proceso mediante el cual se toman las decisiones sobre datos y modelos. En entornos maduros, la propiedad de los conjuntos de datos y sus reglas de organización están definidas, y los equipos saben quién es responsable de aprobar los cambios en el comportamiento del modelo. Estas expectativas se integran en los flujos de trabajo científicos existentes, garantizando que las decisiones se tomen en el contexto adecuado.
También es importante mantener un registro compartido de todos los conjuntos de datos y actualizaciones de modelos, completo con marcas de tiempo y justificaciones, para crear la pista de auditoría que requiere la supervisión estructurada. Cualquier cambio que afecte a los flujos de trabajo posteriores también debería activar una revisión interfuncional, asegurando que las decisiones tomadas en una parte del proceso no introduzcan fallos en otra.
Cuando la gobernanza funciona de esta manera, los equipos pueden realizar un seguimiento de qué cambió, por qué cambió y cómo esas actualizaciones afectan al rendimiento de la inteligencia artificial en todo el flujo de trabajo de R&D.
2. Metadatos completos y científicamente significativos
Las organizaciones preparadas para la inteligencia artificial tratan los metadatos como la información que hace que los registros científicos sean interpretables y procesables. Los metadatos describen cómo se prepararon las muestras, cómo se representaron las estructuras, qué identificadores se asignaron y de dónde se originó cada registro. Los equipos con un alto nivel de preparación se aseguran de que estos detalles estén completos y se expresen de forma coherente, de modo que los registros no entren en conflicto cuando se transfieran entre sistemas. También mantienen un historial de cómo evolucionó cada registro. Unos metadatos estables y bien estructurados permiten a los sistemas de inteligencia artificial interpretar las entradas con mayor precisión, reduciendo la incertidumbre que a menudo surge más adelante en el flujo de trabajo.
Figura 2: Caso práctico de CAS que muestra el impacto del contenido de alta calidad, seleccionado por científicos, en la precisión predictiva de la bioactividad de un ligando frente a una diana proteica. Al utilizar contenido seleccionado por CAS en lugar de datos públicos ruidosos, el modelo aumentó al doble su precisión de predicción mientras utilizaba un conjunto de datos de entrenamiento que era la mitad del tamaño del original.
3. Interoperabilidad entre ELN, LIMS y entornos de modelado
La interoperabilidad es otro indicador de preparación, ya que refleja la fluidez con la que la información circula a través de los sistemas de R&D. En entornos maduros, los datos se transmiten mediante API mantenidas en lugar de transferencias manuales, y las estructuras de los conjuntos de datos se mantienen coherentes a medida que la información se intercambia entre ELN, LIMS y herramientas de modelado. Esto evita cambios inesperados en los campos o etiquetas que, de otro modo, interrumpirían los flujos de trabajo.
La terminología coherente entre los sistemas garantiza que los registros conserven su significado a medida que avanzan por el flujo de trabajo. Soluciones como una API a medida pueden aplicar estándares de metadatos entre equipos para mejorar la coherencia, una estrategia que ha demostrado su éxito en organizaciones de descubrimiento de fármacos que cuentan con equipos interfuncionales que proporcionan datos.
Cuando la interoperabilidad funciona correctamente, los modelos reciben entradas que coinciden con las condiciones reales de laboratorio, lo que mejora la estabilidad durante la implementación.
4. Sistemas que mantienen la fiabilidad a medida que evolucionan los flujos de trabajo
Otro signo de preparación para la inteligencia artificial es la capacidad de una organización para mantener la fiabilidad del modelo a medida que aumenta el volumen de datos y evoluciona el conocimiento científico. Los entornos maduros mantienen los conjuntos de datos en un estado versionado, lo que permite reproducir resultados anteriores, y conservan registros que almacenan los datos, las configuraciones y los resultados de evaluación asociados a cada modelo. El monitoreo automatizado detecta cambios inesperados en el rendimiento, y los registros de configuración permiten a los equipos comprender cómo se crearon los modelos.
Estas prácticas proporcionan visibilidad sobre el comportamiento del modelo, lo que respalda la toma de decisiones científicas informadas a medida que evolucionan los flujos de trabajo. Esto también garantiza que los resultados científicos y las evaluaciones de los modelos puedan reproducirse meses o años después, un requisito para los estándares regulatorios y de publicación.
5. Validación con intervención humana integrada en los flujos de trabajo científicos
Las organizaciones preparadas para la inteligencia artificial garantizan que la revisión científica permanezca en el centro de su flujo de trabajo. Debido a que la inteligencia artificial no puede determinar si sus predicciones se ajustan a las condiciones de laboratorio, los investigadores revisan los resultados en puntos definidos para confirmar que se alinean con las expectativas experimentales. Los criterios de validación reflejan lo que es factible en el laboratorio y las limitaciones que se aplican a los métodos subyacentes. Estas comprobaciones se realizan antes de que los resultados se transmitan a las siguientes etapas, y los revisores documentan el razonamiento detrás de cada decisión. La comparación periódica de las predicciones con los resultados experimentales proporciona a los equipos una comprensión más clara de cómo se comportan los modelos a lo largo del tiempo y fortalece la confianza en su uso.
Figura 3: Caso práctico desarrollado en colaboración con Molecule.One. El modelo de retrosíntesis de Molecule.One, entrenado con datos de reacciones públicas, fue reentrenado utilizando datos de CAS, aprovechando los mapeos entre átomos de reactivos y productos, catalogados por científicos, que son fundamentales para realizar predicciones químicas precisas. Con los datos de CAS, la predicción precisa de rutas sintéticas válidas aumentó un 30%, según la evaluación de químicos sintéticos expertos.
En conjunto, los cambios reflexivos en estas cinco áreas pueden mejorar la coherencia del flujo de trabajo, permitiendo que la inteligencia artificial produzca resultados que los investigadores puedan confiar y reproducir.
[Breaker]: Los grupos de investigación que implementan estrategias de inteligencia artificial pero que no están seguros sobre la calidad y la gobernanza de los datos pueden consultar con especialistas de CAS quienes combinan experiencia científica con experiencia en infraestructura de datos para evaluar la preparación e identificar brechas en los sistemas existentes.
[H2] Construyendo la base para una inteligencia artificial inteligente en el ámbito científico
Cuando la inteligencia artificial está lista para su uso en R&D científico, sus predicciones brindan a los investigadores información que pueden interpretar, confiar y sobre la cual actuar. Los sistemas alcanzan este punto cuando funcionan de manera consistente bajo la variabilidad de experimentos reales, en lugar de solo durante pruebas controladas. Cuando los modelos permanecen estables a pesar de las diferencias en instrumentos, formatos, condiciones o flujos de trabajo, la inteligencia artificial pasa de ser un piloto exploratorio a una herramienta práctica que fortalece la toma de decisiones científicas. Momento en el cual los investigadores pueden confiar en los resultados de la inteligencia artificial como una parte predecible de su trabajo diario, y las organizaciones pueden comenzar a escalar su uso a través de canales de R&D más amplios.
Explore cómo estos principios se traducen en mejoras reales de R&D en los recursos de inteligencia artificial inteligente de CAS.
