La plataforma ELSA AI de la FDA alcanza 85% de adopción del personal en dos meses; datos gobernados y agentes reducen revisión de fármacos de días a 3 minutos

La Oficina de Transformación Digital de la FDA lanzó ELSA, una plataforma de IA generativa disponible para los 16.000 empleados, alcanzando 85% de adopción dentro de dos meses del despliegue. ELSA se ejecuta en Databricks con Halo como su fundación de datos gobernados, consolidando 50-60 fuentes de datos de ocho centros FDA fragmentados (fármacos/CDER, biológicos/CBER, dispositivos/CDRH, veterinario, tabaco, alimentos, inspecciones) que antes mantu v ieron almacenes de datos separados y chatbots. Dentro de aproximadamente dos meses, el uso pasó de <1% al 85% a medida que el personal se movió más allá de Q&A hacia IA agentica: cientos de nuevos agentes se construyen por semana por médicos, científicos y personal administrativo que cargan procedimientos operativos estándar, directrices y documentos específicos del centro en espacios de trabajo ELSA.

La arquitectura en capas protocolo de contexto del modelo (MCP) servidores en la parte superior de Unity Catalog, transformando la creación de agentes en un flujo de trabajo accesible para no científicos de datos. Impacto concreto: los revisores de la FDA que evalúan solicitudes de fármacos anteriormente pasaban días buscando entre 3-4 millones de páginas de envios regulatorios para entender materias primas y cadenas de suministro para manufactura. Utilizando extracción Databricks ML/NLP y MLflow, las mismas consultas ahora devuelven respuestas fundamentadas en ~3 minutos. Esta aceleración libera al personal de revisión de la búsqueda de información para enfocarse en su competencia central: evaluación de seguridad/eficacia. CDER, habiendo pasado cinco años construyendo en Databricks, probó el caso de consolidación—el compartir datos entre centros que tomó 4-5 días cayó a tiempo real, instigando adopción en los ocho centros.

Para arquitectos de salud empresarial e industrias reguladas, el manual de la FDA demuestra que la velocidad de adopción de IA depende principalmente de gobernanza+consolidación, no de capacidad de modelo. Los controles de acceso a nivel de tabla de Unity Catalog y la contención de datos ganaron confianza en ocho centros independientes escépticos del compartir datos. La capa de IA agentica desbloqueada por servidores MCP+datos gobernados creó la curva de adopción, mientras que la aceleración de caso de uso concreto (3 minutos vs. días) probó ROI a personal regulatorio escéptico. Esto sugiere que la madurez de pila LLM+data-governance ahora impulsa la penetración vertical regulatoria más que los lanzamientos de modelos de frontera.