1 octubre 2026
Gestión de la cadena gráfica: por qué la IA no puede pilotar y qué riesgos ocultos arrastra en pharma y FMCG
Por Guillaume Charetier - Growth Director & Carlos Blasi - CTO My Media Connect
En los últimos meses hemos asistido a una auténtica fiebre del oro alrededor de la inteligencia artificial. Han aparecido plataformas que prometen automatizar aprobaciones, generar especificaciones, crear procedimientos operativos e incluso validar automáticamente artworks y materiales de packaging.
La propuesta resulta atractiva. Si una herramienta puede analizar documentos, comparar versiones, identificar errores y tomar decisiones en cuestión de segundos, parece lógico pensar que puede reducir los plazos de lanzamiento, disminuir costes y simplificar la gestión de la cadena gráfica.
La inteligencia artificial tiene, sin duda, un papel relevante en la optimización de procesos. Puede ayudar a clasificar información, detectar diferencias, sugerir acciones, acelerar búsquedas y reducir tareas repetitivas. En MyMediaConnect también estamos explorando funcionalidades asistidas por IA para casos de uso concretos y de bajo riesgo.
Sin embargo, existe una línea que no deberíamos cruzar: la inteligencia artificial no puede pilotar decisiones críticas de la cadena gráfica.
Esto es especialmente importante en sectores como la industria farmacéutica, el consumer health, la alimentación y el gran consumo. Un error en un envase no es simplemente una incidencia de diseño. Puede provocar la retirada de un producto, una parada de línea, una infracción regulatoria, un perjuicio económico considerable o, en determinados casos, un riesgo para la salud.
La cuestión no es estar a favor o en contra de la IA. La cuestión es decidir qué papel debe desempeñar, quién conserva la responsabilidad y qué controles deben existir cuando una recomendación automática puede tener consecuencias operativas, regulatorias o sanitarias.
El caso Purolea: una señal de alerta
En abril de 2026, la FDA publicó una carta de advertencia dirigida a Purolea Cosmetics Lab, un fabricante de productos farmacéuticos de Michigan. La carta incluye una sección específica titulada “Inappropriate Use of Artificial Intelligence in Pharmaceutical Manufacturing”, dedicada al uso inadecuado de la IA en actividades relacionadas con la fabricación farmacéutica.
Según la FDA, Purolea había utilizado agentes de inteligencia artificial para ayudar a crear especificaciones de producto, procedimientos y registros maestros de producción y control. La empresa afirmaba utilizar estas herramientas con el objetivo de apoyar el cumplimiento de los requisitos regulatorios.
El problema no fue utilizar IA como herramienta de apoyo. El problema fue que la unidad de calidad de la compañía no revisó ni verificó adecuadamente los documentos generados antes de incorporarlos a las operaciones de fabricación.
Durante la inspección, la FDA también constató que no se había realizado la validación de procesos antes de la distribución de los productos. Cuando los investigadores señalaron esta deficiencia, la empresa respondió que desconocía la obligación porque el agente de IA que utilizaba nunca se la había indicado.
La respuesta de la FDA fue clara: si una empresa utiliza inteligencia artificial para ayudar a crear documentos relacionados con actividades cGMP, debe revisar esos documentos para garantizar que son precisos y cumplen realmente los requisitos aplicables. La responsabilidad de la unidad de calidad no puede transferirse a un agente de IA.
Este caso constituye una advertencia importante para cualquier organización que esté pensando en automatizar procesos regulados. La IA puede generar una respuesta convincente, pero no garantiza que esa respuesta sea correcta, completa o jurídicamente suficiente.
El riesgo regulatorio en la cadena gráfica
La gestión del packaging comparte muchos de los elementos que hacen especialmente sensibles a las actividades cGMP: procedimientos definidos, documentos controlados, trazabilidad, responsabilidades formales, revisión de cambios y aprobación por personas autorizadas.
En este contexto, un artwork puede contener información crítica:
- Nombre y descripción del producto.
- Composición, dosis o concentración.
- Advertencias y contraindicaciones.
- Instrucciones de uso.
- Códigos, identificadores y datos legales.
- Información sobre lote y caducidad.
- Claims comerciales o sanitarios.
- Idiomas y requisitos específicos de cada mercado.
- Elementos gráficos asociados a la identificación del producto.
Un cambio aparentemente menor puede tener consecuencias importantes. Una cifra incorrecta, una unidad mal expresada, una traducción inadecuada, una advertencia omitida o un código ilegible pueden comprometer la conformidad del envase.
Los posibles impactos incluyen:
- Retirada o recall de producto.
- Destrucción o reprocesamiento de materiales impresos.
- Paradas de producción.
- Retrasos en lanzamientos.
- Costes logísticos y de distribución.
- Inspecciones o sanciones.
- Pérdida de confianza por parte de consumidores y clientes.
- Daño reputacional para la marca.
- Riesgos para pacientes o usuarios en productos regulados.
Por eso, la promesa de “aprobar un artwork automáticamente” debe analizarse con mucha cautela. La pregunta no debería ser únicamente cuánto tiempo ahorra la herramienta, sino también qué ocurre si se equivoca, cómo se detecta el error, quién lo valida y qué evidencias quedan registradas.
Automatizar tareas no es automatizar responsabilidades
Existe una diferencia fundamental entre automatizar una tarea y automatizar una responsabilidad.
Una plataforma puede comparar dos versiones de un documento y señalar que ha cambiado una palabra. Puede identificar que un código tiene una posición diferente, que un color no coincide o que un elemento gráfico se ha desplazado.
Eso es una tarea objetiva de asistencia.
Otra cosa muy distinta es que el sistema decida si el cambio es aceptable, si cumple la regulación, si la información es correcta o si el material puede pasar a producción. Esa decisión requiere contexto, autoridad y responsabilidad.
Un sistema automático no conoce necesariamente:
- El histórico completo del producto.
- Las excepciones aprobadas anteriormente.
- Las obligaciones regulatorias de cada país.
- Las prioridades comerciales del lanzamiento.
- La interpretación correcta de un claim.
- El impacto de un cambio sobre otros materiales.
- Las responsabilidades internas definidas en el sistema de calidad.
La inteligencia artificial puede ayudar a encontrar patrones o formular recomendaciones, pero no debería convertirse en el responsable último de la decisión.
En un entorno regulado, un principio debe mantenerse siempre: la IA puede ser copiloto, pero no piloto.
Cómo debería utilizarse la tecnología
La alternativa no es volver a procesos manuales, lentos y basados en correos electrónicos. La alternativa es aplicar una automatización responsable, diseñada desde el principio alrededor de la trazabilidad y la supervisión humana.
Un modelo adecuado puede combinar:
- Comparación automática de versiones. El sistema detecta diferencias objetivas entre dos artworks: textos, códigos, colores, posiciones, tamaños o elementos gráficos.
- Presentación clara de los cambios. Los usuarios pueden revisar las diferencias de forma visual y estructurada, sin tener que comparar manualmente archivos completos.
- Flujos de aprobación definidos. Cada proyecto sigue una secuencia de revisiones y aprobaciones acorde con las responsabilidades de la organización.
- Intervención humana obligatoria. La decisión final corresponde siempre a una persona autorizada, especialmente cuando el material afecta a un producto regulado.
- Registro completo de la actividad. El sistema conserva quién revisó, qué observaciones realizó, qué versión aprobó y cuándo se produjo cada acción.
- Control de versiones. Solo la versión aprobada puede avanzar a la siguiente fase del proceso.
Este enfoque puede ser tan eficiente como una automatización total, pero evita convertir una herramienta probabilística en una autoridad regulatoria.
En MyMediaConnect hemos optado deliberadamente por este modelo. Nuestros sistemas de comparación asistida identifican diferencias objetivas entre versiones, mientras que la decisión final y la validación siguen correspondiendo a un usuario autorizado.
Esto no significa utilizar menos tecnología. Significa utilizarla con un diseño más adecuado al nivel de riesgo del proceso.
El riesgo de soberanía de datos
El segundo riesgo que debe analizarse es la soberanía de los datos.
Las empresas farmacéuticas, de consumer health y de gran consumo gestionan información muy sensible a través de sus procesos de packaging. Esta información puede incluir:
- Fórmulas y especificaciones de producto.
- Datos de dosificación y composición.
- Diseños de lanzamientos todavía no anunciados.
- Información sobre mercados y precios.
- Claims y estrategias de posicionamiento.
- Datos de proveedores y distribuidores.
- Información relacionada con reclamaciones o consumidores.
- Materiales sujetos a acuerdos de confidencialidad.
Cuando una plataforma integra servicios externos de inteligencia artificial, los datos pueden circular entre distintos proveedores, regiones y subcontratistas. Por eso, no basta con preguntar si el sistema está “en la nube”. Es necesario conocer qué infraestructura utiliza, dónde se procesan los datos, qué proveedores intervienen y qué ocurre con la información enviada.
El CLOUD Act estadounidense permite que las autoridades de Estados Unidos soliciten determinados datos a proveedores sujetos a su jurisdicción, incluso cuando esos datos se encuentren almacenados fuera del territorio estadounidense. La aplicabilidad concreta depende de múltiples factores legales, contractuales y técnicos, pero el riesgo jurisdiccional debe formar parte de la evaluación de cualquier proveedor cloud o de IA.
Para una empresa europea, estas son algunas preguntas esenciales:
- ¿Dónde se almacenan los datos?
- ¿Dónde se procesan?
- ¿Qué proveedores externos intervienen?
- ¿Se utilizan APIs de modelos de IA de terceros?
- ¿Los datos enviados pueden almacenarse?
- ¿Pueden utilizarse para entrenar modelos?
- ¿Qué subencargados participan en el tratamiento?
- ¿Existe una opción de residencia exclusiva en la Unión Europea?
- ¿Qué medidas de cifrado y control de acceso se aplican?
- ¿Qué ocurre si una autoridad extranjera solicita información?
Las respuestas deben ser claras, documentadas y contractualmente verificables.
En MyMediaConnect priorizamos la minimización de la exposición de los datos sensibles y la transparencia sobre qué información se comparte, con quién y para qué finalidad. Para las decisiones críticas de la cadena gráfica, no dependemos de APIs de IA de proveedores estadounidenses.
El riesgo económico y la dependencia tecnológica
La tercera dimensión es económica.
Muchas plataformas de IA se apoyan en modelos de terceros cuyos precios, límites de uso y condiciones comerciales pueden cambiar. El coste puede depender del número de usuarios, documentos analizados, páginas procesadas, palabras generadas, llamadas a la API o tokens consumidos.
Esto dificulta la previsión presupuestaria, especialmente cuando una funcionalidad se integra profundamente en un proceso operativo.
Un proveedor puede modificar:
- El precio por usuario.
- El coste por volumen de uso.
- Los límites incluidos en cada plan.
- Las condiciones de almacenamiento.
- La disponibilidad de un modelo.
- Los tiempos de respuesta.
- Las condiciones de entrenamiento o reutilización de datos.
- El acceso a una API concreta.
Si una plataforma de gestión de packaging utiliza un servicio externo para una función crítica, cualquier cambio de precio, interrupción o discontinuidad del modelo puede repercutir en el cliente.
Por eso, los responsables financieros y de operaciones deberían preguntar:
- ¿Qué porcentaje del coste de la plataforma depende de servicios de IA de terceros?
- ¿El precio incluye el uso o se factura por consumo?
- ¿Hay límites de volumen?
- ¿Qué ocurre si el proveedor externo aumenta sus tarifas?
- ¿Existe un proveedor alternativo?
- ¿Puede mantenerse la funcionalidad sin IA?
- ¿Qué plan de continuidad existe si el modelo deja de estar disponible?
- ¿El cliente recibirá un aviso previo ante cambios relevantes?
La inteligencia artificial puede reducir determinados costes, pero también puede introducir una nueva capa de dependencia y volatilidad. El ahorro inicial no debería evaluarse sin considerar el coste total de propiedad y el riesgo de continuidad.
En MyMediaConnect, las funciones críticas no dependen de APIs externas de IA. Utilizamos tecnología propia o sistemas controlados, con un modelo de costes más previsible. Estamos explorando funcionalidades asistidas por IA para tareas de bajo riesgo, siempre bajo un enfoque híbrido que garantice que el núcleo de la plataforma no quede subordinado a un proveedor externo.
Tres preguntas antes de elegir una plataforma con IA
Antes de incorporar una solución de inteligencia artificial a la gestión de la cadena gráfica, cualquier CMO, responsable de calidad, director de operaciones o CFO debería plantearse tres preguntas.
1. ¿Quién asume la responsabilidad si la IA se equivoca?
La responsabilidad no puede desaparecer porque la decisión se haya automatizado. Debe estar claramente definido quién revisa, quién aprueba y quién responde ante una incidencia.
2. ¿Dónde están y por dónde circulan los datos?
El proveedor debe explicar la arquitectura, las regiones de almacenamiento, los servicios externos y las medidas contractuales y técnicas aplicables.
3. ¿Qué ocurre si cambian los costes o desaparece el servicio?
Toda función crítica necesita un plan alternativo. Una plataforma debe poder mantener el proceso esencial incluso si un modelo externo se encarece, deja de funcionar o se retira.
Estas preguntas no pretenden frenar la innovación. Pretenden asegurar que la innovación se incorpora con criterios de calidad, seguridad y sostenibilidad operativa.
La IA como copiloto
La inteligencia artificial tendrá un papel creciente en la gestión de procesos. Puede ayudar a descubrir anomalías, resumir información, acelerar comparaciones y reducir trabajo administrativo.
Pero en la cadena gráfica, especialmente en sectores regulados, la eficiencia no puede obtenerse a costa de perder el control.
La tecnología debe facilitar el trabajo de los equipos, no sustituir la responsabilidad de las personas autorizadas. Debe aportar velocidad sin sacrificar trazabilidad, automatización sin crear una caja negra y capacidad de análisis sin convertir una recomendación en una aprobación automática.
La lección del caso Purolea es clara: la FDA no cuestionó únicamente la existencia de una herramienta de IA, sino la ausencia de una revisión humana adecuada y la dependencia de una respuesta automática para determinar obligaciones regulatorias.
En MyMediaConnect defendemos un enfoque pragmático: utilizar la tecnología allí donde aporta valor medible, mantener checkpoints humanos en las decisiones críticas y diseñar cada proceso para que sea auditable.
Porque un error en un artwork no es simplemente un bug. En pharma, consumer health y alimentación, puede convertirse en un riesgo para la empresa, para la marca y para las personas.
La IA puede acelerar la cadena gráfica. Pero no debe pilotarla.