Plataforma ELSA AI da FDA atinge 85% de adoção de pessoal em dois meses; dados regidos e agentes reduzem revisão de fármacos de dias para 3 minutos

O Writório de Transform ação Digital da FDA lançou ELSA, uma plataforma de IA generativa disponível para todos os 16.000 funcionários, atingindo 85% de adoção dentro de dois meses de implantação. ELSA executa em Databricks com Halo como sua fundação de dados regidos, consolidando 50-60 fontes de dados de oito centros FDA fragmentados (drogas/CDER, biológicos/CBER, dispositivos/CDRH, veterinário, fumo, alimentos, inspeções) que antes mantinham lojas de dados separadas e chatbots. Dentro de aproximadamente dois meses, o uso moveu de <1% para 85% conforme o pessoal mudou além de Q&A para IA agentica: centenas de novos agentes são construídos por semana por médicos, cientistas e pessoal administrativo que carregam procedimentos operacionais padrão, diretrizes e documentos específicos de centro em espaços de trabalho ELSA.

A arquitetura camadas Model Context Protocol (MCP) servidores no topo de Unity Catalog, transformando criação de agente em fluxo de trabalho acessível para não-cientistas de dados. Impacto concreto: avaliadores de FDA avaliando aplicações de fármacos antes gastavam dias pesquisando através de 3-4 milhões de páginas de submissões regulatórias para entender matérias-primas e cadeias de suprimento para manufatura. Usando extração Databricks ML/NLP e MLflow, as mesmas consultas agora retornam respostas fundamentadas em ~3 minutos. Esta aceleração liberta pessoal de revisão de caça de informação para focar em expertise central: avaliação de segurança/eficácia. CDER, tendo passado cinco anos construíndo em Databricks, provou o caso de consolidação—compartilhamento de dados entre centros que levou 4-5 dias caiu para tempo real, instigando adoção em todos os oito centros.

Para empresa de saúde e arquitetos de indústria regulada, o playbook FDA demonstra que velocidade de adoção de IA depende principalmente de governança+consolidação, não capacidade de modelo. Controles de acesso nível-tabela de Unity Catalog e contimento de dados ganharam confianza em oito centros independentes céticos de compartilhamento de dados. A camada de IA agentica desbloqueada por servidores MCP+dados regidos criou a curva de adoção, enquanto aceleração de caso de uso concreto (3 minutos vs. dias) provou ROI a pessoal regulatório cético. Isto sugere que LLM+maturidade de stack de data-governance agora dirige penetração vertical regulatória mais que lançamentos de modelo de fronteira.