Mercado de la inteligencia artificial en el descubrimiento de fármacos Tamaño y Compartir 2026-2035

Tamaño del mercado de la inteligencia artificial en el descubrimiento de fármacos

El mercado de la inteligencia artificial en el descubrimiento de fármacos se valoró en 3,100 millones de USD en 2025, se prevé que alcance los 4,000 millones de USD en 2026 y se proyecta que se expanda hasta los 43,900 millones de USD en 2035, con una tasa de crecimiento anual compuesta (TCAC) del 30,5 % durante 2026–2035.

La expansión refleja un cambio en el ámbito de aplicación de los métodos computacionales: la IA está avanzando más allá de los ejercicios aislados de cribado virtual hacia el descubrimiento integrado de dianas, el diseño molecular, la predicción de propiedades y el apoyo a la toma de decisiones preclínicas.

La economía sigue siendo un catalizador central de la adopción. La investigación y desarrollo (I+D) farmacéutica debe asumir un ciclo de desarrollo prolongado y una elevada tasa de abandono antes de que un producto obtenga la aprobación. ^{[1]Congressional Budget Office, Research and Development in the Pharmaceutical Industry, 2021, cbo.gov} Una evaluación de 2024 situó el coste de llevar un nuevo fármaco al mercado por encima de los 3,500 millones de USD cuando se incluyen los fracasos y los costes de capital. Las plataformas de IA no eliminan el riesgo clínico, pero pueden limitar el trabajo experimental a candidatos con una mayor afinidad de unión, viabilidad de desarrollo o características de seguridad previstas. Por tanto, el valor comercial reside menos en sustituir la ciencia de laboratorio que en concentrar la capacidad de laboratorio en un conjunto más reducido y mejor priorizado de hipótesis.

Los avances técnicos han reforzado el argumento a favor del uso de la IA en las primeras etapas del descubrimiento. AlphaFold 3 amplió la predicción estructural a las interacciones que implican proteínas, moléculas pequeñas, ácidos nucleicos y anticuerpos, proporcionando una base más útil para el diseño basado en estructuras que la modelización limitada a proteínas. ^{[2]National Institutes of Health PubMed Central, AlphaFold 3: Transformative Advances in Drug Discovery, 2024, pmc.ncbi.nlm.nih.gov} Las pruebas clínicas también comienzan a evaluar la premisa subyacente. Insilico Medicine comunicó en 2025 los resultados de la fase IIa de rentosertib para la fibrosis pulmonar idiopática, vinculando un programa de descubrimiento basado en IA generativa con una prueba clínica revisada por pares. ^{[3]EurekAlert! / Insilico Medicine, Insilico Medicine announces Nature Medicine publication of Phase IIa results evaluating rentosertib for idiopathic pulmonary fibrosis, June 3, 2025, sciencesources.eurekalert.org} Paralelamente, la financiación mediante capital para la IA aplicada a la I+D farmacéutica alcanzó los 3,800 millones de USD en 2024, lo que indica un respaldo de capital continuado al desarrollo de plataformas y al avance de las carteras de productos en desarrollo. ^{[4]CB Insights, The AI in Drug R&D Market Map, 2024, cbinsights.com}

El marco regulatorio está cada vez más definido, aunque sigue siendo exigente. La guía preliminar de la FDA de enero de 2025 aborda la credibilidad de los modelos de IA utilizados para respaldar la toma de decisiones regulatorias sobre fármacos y productos biológicos; la FDA señaló que había evaluado más de 500 solicitudes que incluían componentes de IA entre 2016 y 2023. ^{[5]U.S. Food and Drug Administration, Center for Drug Evaluation and Research, Artificial Intelligence for Drug Development, January 7, 2025, fda.gov} Esto no crea una vía de aprobación independiente para el software de descubrimiento. En cambio, aumenta la importancia de la trazabilidad, la procedencia de los datos y la documentación del rendimiento de los modelos cuando las pruebas derivadas de la IA contribuyen al desarrollo posterior y a los expedientes regulatorios.

El software representó el 67,9 % de los ingresos del mercado en 2025, mientras que el aprendizaje automático supuso el 82,6 % de la demanda tecnológica. Los cinco principales actores concentraron aproximadamente el 11,8 % del mercado, lo que deja margen para que coexistan proveedores de infraestructuras, especialistas en química computacional, empresas de descubrimiento nativas de la IA y desarrolladores centrados en enfermedades, sin que exista una única plataforma dominante.

La financiación y la actividad regulatoria refuerzan esta transición, en lugar de crearla de forma independiente. Los 3,800 millones de USD invertidos en investigación y desarrollo de fármacos basados en IA durante 2024 proporcionan el capital necesario para crear activos de datos y avanzar en los programas, mientras que el proyecto de directrices de la FDA indica que las pruebas de credibilidad formarán cada vez más parte del modelo operativo. Por consiguiente, es probable que el crecimiento favorezca a los proveedores capaces de combinar el rendimiento de los modelos con una validación experimental reproducible, conjuntos de datos auditables y documentación preparada para el desarrollo, en lugar de a los proveedores que ofrecen generación de moléculas de forma aislada.

Principales impulsores

La complejidad de la biología de las enfermedades crónicas aumenta el valor de la priorización computacional.

La incidencia mundial del cáncer alcanzó los 20,6 millones de casos nuevos en 2024, y la IARC proyecta 34,4 millones de casos para 2050. La oncología genera conjuntos de datos genómicos, moleculares y clínicos excepcionalmente amplios y heterogéneos, pero también presenta un amplio espacio de dianas en el que el cribado experimental convencional puede ser lento y costoso. La IA puede priorizar dianas, estratificar hipótesis biológicas y cribar bibliotecas de candidatos antes de que comiencen las campañas de laboratorio húmedo. Esto respalda la concentración del gasto en descubrimiento basado en IA en la oncología, que representó 1,400 millones de USD en 2025.

La digitalización de los datos biológicos amplía la base de datos utilizable para el descubrimiento.

Las bases de datos estructurales, los resultados de secuenciación, las imágenes fenotípicas, los resultados de ensayos y la literatura científica seleccionada proporcionan a los modelos más datos de entrada de los que los flujos de trabajo convencionales de química medicinal pueden revisar manualmente. AlphaFold 3 es especialmente relevante porque su alcance de modelización se extiende más allá de las proteínas aisladas hasta las interacciones moleculares que influyen en la unión y el mecanismo de acción. La ventaja no reside únicamente en el volumen de datos. Consiste en la capacidad de conectar flujos de evidencia que, de otro modo, permanecerían separados para formular una hipótesis sobre una diana o un compuesto que pueda probarse experimentalmente.

Las mejoras en los algoritmos y la capacidad de cálculo están reduciendo el coste de la modelización avanzada.

NVIDIA lanzó BioNeMo como marco abierto para cargas de trabajo de biología digital en noviembre de 2024, lo que permite a las organizaciones entrenar y desplegar modelos fundacionales biológicos en infraestructuras aceleradas. ^{[6]NVIDIA, NVIDIA Opens BioNeMo to Scale Digital Biology for Global Biopharma and Scientific Industry, November 18, 2024, investor.nvidia.com}La inferencia más rápida y unas herramientas de desarrollo de modelos más accesibles amplían la base de clientes potenciales más allá de las organizaciones que mantienen entornos internos dedicados de computación de alto rendimiento. Esto desplaza la cuestión competitiva del acceso a los recursos informáticos hacia la calidad de los datos propios, los flujos de trabajo científicos y la capacidad de validación.

Las alianzas entre empresas tecnológicas y farmacéuticas están convirtiendo la capacidad de las plataformas en demanda contratada.

Isomorphic Labs anunció una colaboración de descubrimiento dirigida a múltiples dianas con Novartis en enero de 2024, y BenevolentAI informó de avances adicionales en dianas en el marco de su colaboración con AstraZeneca en junio de 2024. Estos acuerdos demuestran cómo las empresas farmacéuticas pueden obtener capacidades de IA sin tener que desarrollar internamente cada modelo, canalización de datos y equipo científico. También convierten los hitos, los pagos de investigación y los programas posteriores en mecanismos de generación de ingresos importantes para los proveedores de plataformas, especialmente cuando los socios requieren validación biológica y no solo acceso a software independiente.

Principales restricciones

La calidad y la integración de los datos limitan la transferibilidad de los resultados de la IA.

Los datos de descubrimiento de fármacos se generan en distintos laboratorios, formatos de ensayo, sistemas celulares y protocolos que pueden no ser directamente comparables. Los modelos entrenados con datos fragmentados pueden parecer precisos en un entorno interno limitado, pero ofrecer un rendimiento deficiente cuando se transfieren a una nueva diana, modalidad o conjunto de datos de un cliente. Para las organizaciones farmacéuticas, la limitación suele comenzar antes de seleccionar el modelo: los resultados históricos de los ensayos, los compuestos fallidos y los datos de biomarcadores clínicos deben estandarizarse, gobernarse y ponerse a disposición de toda la organización, superando los compartimentos internos estancos. Este requisito favorece a los proveedores capaces de ofrecer ingeniería de datos y curación científica junto con el desarrollo de modelos.

Las preocupaciones regulatorias y éticas elevan la carga probatoria en torno a las decisiones derivadas de la IA.

El proyecto de directrices de la FDA hace hincapié en la evaluación contextual de la credibilidad de los modelos de IA para la toma de decisiones regulatorias. Aunque las herramientas de descubrimiento no están reguladas como productos simplemente por utilizar IA, los promotores deben explicar y defender las pruebas en las que se basan la selección de candidatos, las conclusiones preclínicas y las decisiones de desarrollo. El comportamiento de caja negra, los sesgos en los conjuntos de datos de entrenamiento, las limitaciones de los derechos sobre los datos y la incertidumbre respecto a la titularidad de la propiedad intelectual pueden ralentizar la adopción cuando una recomendación de IA no puede vincularse a una justificación científicamente interpretable. El coste resultante suele ser organizativo: los equipos científicos, clínicos, jurídicos y regulatorios deben acordar cuándo el resultado de un modelo es suficientemente fiable como para influir en un programa costoso.

Esto genera un resultado comercial asimétrico. Las organizaciones que gestionan los datos biológicos como un producto sujeto a gobernanza, preservando su procedencia y contexto experimental, pueden mejorar tanto el rendimiento de los modelos como la solidez de las decisiones posteriores. Los proveedores que no puedan demostrar esta trazabilidad aún pueden conseguir proyectos exploratorios, pero afrontan un camino más difícil hacia contratos repetibles en fases de desarrollo. Por tanto, esta limitación desplaza el valor hacia las plataformas integradas, las capacidades de gestión de datos y los flujos de trabajo que preservan el vínculo entre una predicción algorítmica y un resultado de laboratorio reproducible.

Análisis por segmentos del mercado de la inteligencia artificial en el descubrimiento de fármacos

Por componente

El software representó el 67,9 % de los ingresos del mercado en 2025 y se prevé que crezca a una tasa de crecimiento anual compuesta (TCAC) del 30,2 %. Su liderazgo refleja el uso generalizado de plataformas bajo licencia para la identificación de dianas, el cribado virtual, la generación de moléculas y la predicción de propiedades. El software basado en la nube representó el 74,3 % de la demanda de software, lo que permite a los clientes ampliar las cargas de trabajo intensivas sin comprometerse con una infraestructura informática interna permanente. El despliegue local sigue siendo relevante cuando las bibliotecas de compuestos patentadas, los datos confidenciales de pacientes o los requisitos de gobernanza empresarial limitan el alojamiento externo.

Se prevé que los servicios crezcan a una TCAC del 31,1 %. Esta tasa más elevada indica que los clientes requieren cada vez más interpretación científica, personalización de modelos, depuración de datos y seguimiento experimental, además de las licencias de software. El cambio es comercialmente importante porque los servicios pueden vincular la remuneración del proveedor al logro de resultados definidos del programa, como una diana validada, una serie de compuestos líderes optimizada o un paquete de candidato preclínico.

Por tecnología

El aprendizaje automático representó el 82,6 % de los ingresos tecnológicos en 2025, y el aprendizaje profundo supuso el 66,3 % del segmento de aprendizaje automático. Las arquitecturas de aprendizaje profundo se adaptan bien a las estructuras de datos en forma de grafos, secuencias, imágenes y datos multimodales habituales en las ciencias moleculares y biológicas. Su adopción se ve respaldada por avances en predicción estructural, como AlphaFold 3, y por la creciente disponibilidad de marcos acelerados para modelos fundacionales.

Otros enfoques mantienen funciones diferenciadas en lugar de quedar obsoletos. La simulación basada en la física puede proporcionar comprobaciones mecanísticas de las hipótesis generadas por la IA, mientras que los grafos de conocimiento pueden preservar relaciones biológicas interpretables. Por tanto, la oportunidad es cada vez más híbrida: las organizaciones pueden utilizar el aprendizaje automático para explorar amplios espacios químicos o biológicos y, posteriormente, aplicar métodos más interpretables o fundamentados en principios físicos para priorizar los resultados más adecuados para las pruebas experimentales.

Por aplicación

El cribado de bibliotecas moleculares generó 1,200 millones de USD en 2025 y sigue siendo la mayor aplicación, ya que puede incorporarse a flujos de trabajo consolidados de identificación de hits. El cribado virtual reduce el número de compuestos que deben adquirirse, sintetizarse o someterse a pruebas experimentales, lo que ofrece un argumento claro de productividad para las organizaciones con colecciones de compuestos importantes.

La identificación de dianas es estratégicamente relevante porque una base biológica débil de la diana resulta difícil de corregir posteriormente durante el desarrollo. La colaboración de BenevolentAI con AstraZeneca, que dio lugar a una mayor progresión de dianas en el lupus eritematoso sistémico en 2024, ilustra la relevancia comercial de la generación de hipótesis biológicas respaldada por IA. El diseño de novo de fármacos es más reducido, pero se prevé que crezca a una TCAC del 30.

4 % de TCAC, la cifra más alta entre las aplicaciones. El crecimiento del segmento depende de que las estructuras generadas puedan cumplir repetidamente los requisitos de potencia, selectividad, síntesis y capacidad de desarrollo, en lugar de limitarse a parecer novedosas in silico. Por ello, el programa de rentosertib de Insilico constituye un punto de validación clínica relevante para la categoría.

La oncología lideró el mercado con 1,400 millones de USD en 2025. Su posición se ve reforzada por el volumen de datos moleculares, la diversidad biológica entre los distintos tipos de tumores y la demanda sostenida de dianas diferenciadas y terapias definidas por biomarcadores. El aumento de la carga mundial del cáncer añade urgencia a esta búsqueda, pero la intensidad de la IA en el segmento se explica principalmente por la necesidad de integrar información genómica y fenotípica muy heterogénea.

Las enfermedades neurodegenerativas, inflamatorias, infecciosas, metabólicas, raras y cardiovasculares presentan condiciones diferentes en cuanto a datos y validación. Las enfermedades raras pueden beneficiarse de la interpretación de evidencias genéticas limitadas mediante IA, pero la escasez de datos clínicos y experimentales puede reducir la fiabilidad de los modelos. Las enfermedades inflamatorias ofrecen oportunidades en ámbitos en los que la biología de las vías y las evidencias de biomarcadores están relativamente bien caracterizadas. En consecuencia, el caso de uso depende del área terapéutica: la IA genera más valor cuando puede mejorar un cuello de botella decisorio claramente identificado que cuando se aplica de forma indiscriminada.

Por uso final

Las empresas farmacéuticas y biotecnológicas representaron el 52,8 % de los ingresos del mercado en 2025. Estos clientes utilizan la IA tanto para mejorar la productividad interna en el descubrimiento como para acceder a plataformas especializadas mediante alianzas. Sus decisiones de compra están condicionadas por la integración con los datos existentes, las bibliotecas de compuestos, las prioridades terapéuticas y la gobernanza del desarrollo.

Se prevé que las CRO registren una TCAC del 31,0 %, la más alta entre los usuarios finales. Al integrar la IA en el cribado, la optimización de candidatos y los servicios de apoyo preclínico, las CRO pueden ofrecer a las empresas biotecnológicas más pequeñas acceso a flujos de trabajo avanzados de descubrimiento sin exigirles adquirir y operar una plataforma completa. Este modelo puede ampliar la adopción entre organizaciones para las que una implantación directa de software empresarial resultaría demasiado costosa o técnicamente exigente.

La cuota del 82,6 % correspondiente al aprendizaje automático confirma que los modelos entrenados con datos siguen constituyendo la base tecnológica central del mercado, pero el acceso a los modelos es cada vez menos exclusivo a medida que se extienden el software en la nube y los marcos de trabajo acelerados. Por tanto, la ventaja competitiva dependerá cada vez más de la capacidad del operador para conectar los modelos con datos biológicos propios, un diseño consciente de la síntesis y una rápida retroalimentación experimental. Las CRO que consigan hacer operativo ese ciclo podrían obtener algo más que una herramienta de productividad: podrían convertirse en un canal de acceso al diseño de novo para clientes con una infraestructura computacional interna limitada.

Análisis regional del mercado de inteligencia artificial en el descubrimiento de fármacos

América del Norte

América del Norte representó el 47,7 % de los ingresos del mercado en 2025. Estados Unidos generó 700 millones de USD en 2022, 800 millones de USD en 2023, 1,100 millones de USD en 2024 y 1,400 millones de USD en 2025. Su liderazgo se sustenta en la concentración de actividades de I+D farmacéutica, financiación de capital riesgo, infraestructura informática avanzada y empresas dedicadas al descubrimiento de fármacos mediante IA. La labor activa de la FDA en torno a las consideraciones regulatorias relacionadas con la IA también proporciona a los patrocinadores estadounidenses un canal directo para participar en la definición de los estándares de evidencia que probablemente afectarán al desarrollo respaldado por IA.

Canadá aporta una base diferenciada de investigación y desarrollo de plataformas, respaldada por clústeres de IA y ciencias de la vida. La colaboración de 2025 entre Variational AI y Merck ilustra el papel de los desarrolladores canadienses de IA generativa en los programas transfronterizos de descubrimiento farmacéutico. En toda América del Norte, la ventaja comercial reside en la capacidad de financiar el desarrollo de plataformas de alto coste y hacer avanzar los programas originados mediante IA hacia la evaluación clínica.

Europa

Europa generó 1,000 millones de USD en 2025. La región combina compradores farmacéuticos consolidados con una amplia base académica y de biología computacional. El Reino Unido reviste especial importancia por la presencia de empresas como Isomorphic Labs y BenevolentAI, cuya actividad relacionada con Novartis y AstraZeneca demuestra la capacidad de la región para crear alianzas de descubrimiento con relevancia mundial. Alemania, Francia, España, Italia, los Países Bajos y el resto de Europa contribuyen mediante la fabricación farmacéutica, la investigación en ciencias de la vida, la infraestructura de salud digital y las redes de investigación transfronterizas.

El desarrollo del mercado europeo está determinado por un doble requisito: las plataformas de descubrimiento deben demostrar utilidad científica y, al mismo tiempo, cumplir expectativas cada vez más formales en materia de gobernanza de la IA y gestión responsable de los datos. Esto puede ralentizar la implementación cuando se necesitan datos sanitarios transfronterizos, pero también puede favorecer a los proveedores capaces de ofrecer documentación transparente y controles de datos sólidos. La participación de Sanofi en la financiación de la Serie C de Enveda en febrero de 2025 ilustra el interés constante de la industria farmacéutica europea por las plataformas de descubrimiento habilitadas por IA.

Asia-Pacífico

Asia-Pacífico es la región de crecimiento más rápido, con una TCAC prevista del 31,2 %. China, Japón, India, Australia, Corea del Sur y el resto de Asia-Pacífico aportan activos diferentes al ecosistema regional. China combina una capacidad biofarmacéutica creciente con una amplia escala de desarrollo clínico, mientras que Japón ofrece empresas farmacéuticas consolidadas y un mercado maduro de alianzas externas. El trabajo clínico de Insilico en China y Australia demuestra que los programas originados mediante IA pueden utilizar la región tanto para ejecutar el desarrollo como para generar evidencia clínica diversificada geográficamente.

La oportunidad de India está estrechamente vinculada a su base de organizaciones de investigación por contrato (CRO) y servicios técnicos. Las herramientas de IA pueden permitir a los proveedores de servicios incorporar capacidades de cribado, diseño y predicción computacionales a modelos consolidados de prestación de servicios de investigación. Australia y Corea del Sur refuerzan la región mediante su infraestructura de investigación clínica, sus instituciones de investigación y la adopción tecnológica. La prima de crecimiento regional refleja un punto de partida más bajo combinado con un acceso cada vez mayor a la computación en la nube y a plataformas mundiales de IA, en lugar de un cambio uniforme en las capacidades de descubrimiento de todos los países.

América Latina

América Latina sigue siendo un mercado más pequeño, liderado por Brasil, México, Argentina y el resto de la región. Es más probable que la adopción avance a través de instituciones de investigación, relaciones con empresas farmacéuticas multinacionales y modelos de servicios de organizaciones de investigación por contrato, en lugar de hacerlo mediante un gran número de desarrolladores de fármacos plenamente integrados y nativos de la IA. Las instituciones científicas y la base farmacéutica de Brasil proporcionan una base para la biología computacionaly la colaboración preclínica, mientras que México se beneficia de su proximidad a las redes de investigación norteamericanas y de la creciente actividad de investigación externalizada. Argentina aporta capacidades académicas y computacionales especializadas.

La principal limitación comercial de la región es la disponibilidad limitada de grandes conjuntos de datos propios y estandarizados, así como de infraestructuras avanzadas de descubrimiento, en comparación con Norteamérica y Europa. Los proveedores que ofrecen capacidades modulares basadas en la nube y pueden trabajar a través de socios CRO están mejor posicionados que los proveedores que requieren una amplia ingeniería interna de datos antes de poder demostrar su valor.

Oriente Medio y África

Oriente Medio y África es un mercado incipiente que abarca Sudáfrica, Arabia Saudí, los EAU y el resto de la región. Sudáfrica cuenta con la base de investigación clínica consolidada más sólida entre los mercados mencionados, mientras que Arabia Saudí y los EAU están desarrollando capacidades en ciencias de la vida, atención sanitaria e IA mediante programas nacionales de inversión. La oportunidad inmediata se concentra en las infraestructuras de investigación, las alianzas académicas y el acceso a modelos habilitados para la nube, más que en la propiedad interna de plataformas de descubrimiento de fármacos a gran escala.

El desarrollo del mercado dependerá de que la inversión en datos sanitarios, genómica y capacidad de investigación se traduzca en conjuntos de datos interoperables y programas de desarrollo reproducibles. Para los proveedores internacionales de plataformas, las estructuras de colaboración que desarrollen capacidades locales y gestionen los requisitos de gobernanza de datos probablemente resulten más prácticas que un enfoque uniforme de venta directa.

El patrón regional tiene una importante implicación operativa. La IA puede reducir la infraestructura mínima necesaria para participar en las primeras fases del descubrimiento, pero no elimina la necesidad de disponer de datos de alta calidad, validación experimental y capacidades de desarrollo conformes con los requisitos regulatorios. China e India pueden beneficiarse de la escala de sus sectores biofarmacéuticos y servicios de investigación, mientras que Japón, Australia y Corea del Sur pueden aportar capacidades farmacéuticas y clínicas especializadas. Los proveedores que diferencien sus ofertas regionales en función de las condiciones de acceso a los datos, el modelo de implementación y el ecosistema de socios tendrán más probabilidades de captar la prima de crecimiento que aquellos que traten Asia Pacífico como un único mercado homogéneo.

Cuota de mercado y panorama competitivo de la inteligencia artificial en el descubrimiento de fármacos

El mercado sigue fragmentado, y los cinco participantes más grandes representan conjuntamente aproximadamente el 11,8 % de los ingresos de 2025. La competencia se desarrolla en varios niveles: infraestructura de IA y prestación de servicios en la nube; química computacional y simulación; descubrimiento de dianas y diseño molecular; desarrollo de plataformas específicas para enfermedades; y modelos integrados que abarcan desde el descubrimiento hasta la clínica. El posicionamiento de una empresa está determinado cada vez más por la combinación de acceso a los datos, calidad de los modelos, validación experimental y alianzas con empresas farmacéuticas.

Isomorphic Labs, una empresa de Alphabet, centra su posicionamiento en el diseño de fármacos basado en estructuras y en la aplicación de los avances relacionados con AlphaFold al desarrollo terapéutico.Su financiación de Serie A por valor de 600 millones de USD en marzo de 2025 y sus colaboraciones con Novartis y Eli Lilly ilustran la intensidad de capital y la economía basada en alianzas que implica llevar un motor de diseño basado en IA hasta los programas clínicos. Microsoft y NVIDIA operan principalmente en la capa de infraestructura habilitadora: Microsoft proporciona entornos de nube y computación para investigación, mientras que NVIDIA suministra hardware acelerado y herramientas BioNeMo para modelos fundacionales biológicos. Su alianza es relevante porque reduce la carga de integración para las organizaciones que buscan capacidades de IA escalables sin tener que construir de forma independiente todos los elementos de la pila tecnológica.

IBM aporta capacidades de IA empresarial, nube híbrida y computación científica a clientes que requieren gobernanza de datos junto con análisis escalables. Schrödinger compite desde un punto de partida diferente, al combinar simulación basada en la física con descubrimiento respaldado por IA. Sus resultados de 2025 incluyeron 199,5 millones de USD en ingresos por software y 56,4 millones de USD en ingresos procedentes del descubrimiento de fármacos, lo que demuestra el valor de una plataforma de simulación comercialmente consolidada y con exposición a colaboraciones. Estas empresas compiten menos en función de una única arquitectura de modelos que de la capacidad de sus plataformas para incorporarse a flujos de trabajo científicos validados.

Recursion Pharmaceuticals utiliza una plataforma integrada de fenómica, genómica e IA, que combina la generación de datos con la interpretación computacional. Su informe anual de 2024 describe una estrategia de cartera de proyectos y plataforma que amplía el uso de la IA a las actividades de descubrimiento y desarrollo. Insilico Medicine se ha diferenciado mediante su plataforma Pharma.AI y la progresión clínica de rentosertib, junto con la actualización de 2025 de la Fase I de ISM5411 y la integración de su modelo Nach01 con Microsoft Discovery. El enfoque orientado a grafos de conocimiento de BenevolentAI sigue centrado en el descubrimiento de dianas biológicas y los resultados de sus alianzas, incluidos los avances continuados con AstraZeneca.

Atomwise se centra en la predicción de unión basada en la estructura y el cribado virtual. Insitro combina el aprendizaje automático con modelos celulares humanos de alto rendimiento para el descubrimiento y la validación de dianas. Deep Genomics concentra su actividad en terapias de ARN guiadas por IA y en la biología de las enfermedades genéticas, mientras que Iktos se centra en el diseño molecular generativo y la accesibilidad sintética. Deargen desarrolla capacidades de interacción entre dianas y compuestos respaldadas por IA, con presencia en la actividad de descubrimiento de fármacos de Asia-Pacífico. Estas empresas ilustran cómo una modalidad especializada, un tipo de datos concreto o la profundidad de un flujo de trabajo pueden generar diferenciación incluso cuando las tecnologías de modelos fundacionales son cada vez más accesibles.

9Bio Therapeutics, Aureka Biotechnologies, CellCodex Technology Limited, chAIron, DenovAI Biotech, Examol, Helical.AI, Orakl Oncology y Therenia representan el segmento emergente de empresas dentro del ámbito competitivo autorizado. Su relevancia estratégica reside en enfoques centrados en la biología estructural, el análisis fenotípico, la oncología, el diseño molecular y otros problemas de descubrimiento más específicos. En un mercado fragmentado, las plataformas especializadas pueden conseguir alianzas al resolver un cuello de botella científico concreto de forma más eficaz que los sistemas horizontales amplios. Su capacidad de expansión dependerá de los datos propios, los resultados validados y las pruebas de que sus herramientas mejoran la toma de decisiones en programas reales de descubrimiento.

Desarrollos recientes del sector

• 31 de marzo de 2025: Isomorphic Labs anunció una financiación de Serie A por valor de 600 millones de USD para ampliar su motor de diseño de fármacos basado en IA y avanzar sus programas terapéuticos hacia la fase clínica.
• 3 de junio de 2025: Insilico Medicine anunció la publicación de los resultados de la Fase IIa de rentosertib en *Nature Medicine*, que comunicaban un resultado clínico demostrativo para un programa descubierto y diseñado mediante IA contra la fibrosis pulmonar idiopática.
• 14 de enero de 2025: Insilico Medicine anunció la integración de su modelo fundacional multimodal Nach01 con Microsoft Discovery.