FDA adopta plataforma de IA en el 85% de su personal

La FDA ha pasado rápidamente al 85% de su plantilla de 16,000 personas a una plataforma unificada de IA generativa interna, ELSA, en dos meses de su lanzamiento, integrando ocho silos de centros previamente separados en una pila respaldada por Databricks. Esta transición, que vio el uso crecer desde menos del 1% a diario en varios roles de personal, fue posible reemplazando los patrimonios de datos fragmentados que cada centro había construido independientemente.

La capa de datos fundamental, Halo, procesa aproximadamente un petabyte de documentos y cientos de gigabytes diariamente de 50 a 60 fuentes en todos los ocho centros de la FDA, apoyando a miles de presentaciones reguladoras mensuales. El Catálogo de Unidad de Databricks aplica controles de acceso a nivel de tabla para proteger datos sensíveis. Por encima de esta capa de gobernanza, los servidores MCP permiten que usuarios no técnicos accedan al catálogo, permitiendo al personal crear cientos de nuevos agentes semanalmente a través de interfaces de lenguaje natural sin escribir consultas. Las tuberías de NLP gestionadas por MLflow extraen entidades estructuradas de documentos de presentación no estructurados.

Antes de la consolidación, cada centro operaba su propio chatbot y almacén de datos, lo que llevaba a costos duplicados y retrasos de lote de 4 a 5 días para el intercambio de datos entre centros. Los flujos en tiempo real han reemplazado ahora estas ventanas de lote, reduciendo significativamente los tiempos de revisión. Por ejemplo, el personal de revisión de solicitudes de medicamentos puede ahora consultar en 3 a 4 millones de páginas de registros de materiales de partida en aproximadamente tres minutos, una tarea que antes tomaba días.

La FDA no divulga los percentiles de latencia de inferencia, el costo por token, las horas de GPU o los modelos de fundación específicos que impulsan a ELSA, lo que dificulta comparar el overhead de servicio, la elección del modelo o las tasas de alucinación con las API públicas. El blog de Databricks destaca la consolidación de 3 a 4 meses como un éxito, pero el proceso de fusionar ocho patrimonios de datos heredados en un esquema unificado a escala de petabyte generalmente implica desplazamientos de esquema, fallos de tubería y disputas de titularidad, que no se mencionan. La FDA también señala que CDER, el centro de medicamentos, pasó cinco años validando la fundación de Databricks antes de que los otros siete centros siguieran, lo que indica que el riesgo de migración se concentró en un esfuerzo prolongado de un solo centro en lugar de distribuirse.

Las fuentes omiten detalles sobre arneses de evaluación, detección de alucinaciones o salvaguardias de inyección de prompts para una plataforma que maneja decisiones reguladoras pre-mercado. En un entorno donde la extracción de datos corruptos podría sesgar una revisión de medicamentos, la ausencia de protocolos publicados de equipo rojo o en la lógica de humanos es una preocupación crítica para los arquitectos en industrias reguladas. La FDA pasó de chatbots aislados a una fábrica unificada de agentes, pero la pila de evaluación que justifica esa confianza sigue sin revelarse.

El mensaje clave es endurecer la gobernanza y unificar el acceso a los datos antes de exponer a los agentes LLM a los usuarios finales. La adopción del 85% de la FDA siguió a cinco años de CDER demostrando la fundación de Databricks, no al revés.