Guía para implementar Manufacturing Cloud

Una guía para implementar Manufacturing Cloud solo es útil si empieza justo donde surgen los problemas operativos: un planificador que compara una previsión con la capacidad disponible, un equipo de ventas que confirma fechas sin saber cómo va el suministro, o un agente de atención al cliente que gestiona un cambio en un pedido después de que la producción ya se haya puesto en marcha. Salesforce Manufacturing Cloud puede crear una estructura comercial y operativa bien definida en torno a esas decisiones. No sustituye a un ERP, un MES ni a un sistema de calidad. Considerarlo como tal es el camino más rápido hacia la duplicación de datos maestros, la falta de claridad en las responsabilidades y una baja adopción.

Para los fabricantes que gestionan programas complejos de producción y configuración o programas de cuentas con ciclos largos, la cuestión a la hora de implementar la solución no es si Salesforce Manufacturing Cloud cuenta con los objetos adecuados, sino si sus funciones de previsión basada en cuentas, acuerdos de venta y servicios pueden reflejar la forma en que la empresa realmente se compromete con la demanda, gestiona las excepciones y registra la rendición de cuentas.

Empieza la implementación de Manufacturing Cloud definiendo los límites del flujo de trabajo

Antes de configurar Salesforce Manufacturing Cloud, define los límites del sistema en términos de decisiones, no de departamentos. El ERP sigue siendo el sistema financiero y transaccional de referencia para el inventario, las órdenes de trabajo, las listas de materiales y la ejecución de envíos. El MES sigue siendo la autoridad en cuanto a la ejecución de la producción y el estado de la planta de producción. Manufacturing Cloud debe organizar las previsiones, los acuerdos, los planes de cuentas, las señales de demanda y los flujos de trabajo de excepciones relacionados con los clientes que requieran coordinación comercial.

Esa distinción cobra mayor importancia cuando los equipos de ventas y operaciones no se ponen de acuerdo sobre qué significa una previsión. Una previsión introducida por un ejecutivo de cuentas puede ser una probabilidad fundamentada. Un planificador de producción necesita conocer la evolución de la demanda por familias de productos, planta y periodo de envío. Si ambas se almacenan como un importe de oportunidad sin diferenciar, ninguno de los dos equipos podrá utilizar el registro con confianza.

Empieza por trazar un flujo de trabajo de principio a fin. Por ejemplo: un cliente OEM actualiza su previsión de lanzamientos para los últimos 12 meses; el equipo de cuentas revisa la desviación; el departamento de planificación de suministro identifica una limitación de capacidad; la dirección comercial aprueba un compromiso revisado; y el cliente recibe el calendario confirmado. Identifica dónde se toma cada decisión, qué sistema gestiona cada dato, quién puede anularlo y qué pruebas deben conservarse para una posible auditoría.

Un resultado útil del diseño es una matriz de decisión, no una presentación de diapositivas. En ella debería quedar claro que SAP S/4HANA, Oracle Fusion Cloud ERP o el ERP actual se encargan de la disponibilidad de artículos y las fechas de producción confirmadas, mientras que Salesforce Manufacturing Cloud se encarga de la revisión de las previsiones de las cuentas y del historial de aprobaciones comerciales. Esto elimina un error muy común: intentar sincronizar todos los campos simplemente porque una API lo permite.

Configura Salesforce Manufacturing Cloud en función de compromisos reales

Las funciones de «Acuerdos de ventas» y «Previsión avanzada de cuentas» de Salesforce Manufacturing Cloud resultan más útiles cuando el modelo de datos refleja la forma en que la empresa planifica. En un modelo de distribución de gran volumen, eso puede significar previsiones de cantidades por cuenta, producto, mes y centro de distribución. En un negocio de equipamiento industrial basado en proyectos, puede significar la demanda prevista por programa, familia de configuraciones, hito y plazo de envío.

No empieces con todas las referencias de producto. Un catálogo con decenas de miles de combinaciones puede hacer que la introducción de previsiones resulte impracticable y que las integraciones salgan caras. Muchos fabricantes consiguen un mejor resultado inicial si hacen las previsiones a nivel de familia de productos o de grupo de planificación, y luego envían la señal de aprobación al ERP para la planificación de materiales y capacidad. Los detalles a nivel de SKU solo deben estar en Manufacturing Cloud cuando los equipos de cuentas realmente se encarguen de ellos y los mantengan.

Los acuerdos de ventas requieren la misma moderación. Son eficaces para acuerdos con cantidades recurrentes, fechas, contexto de precios y obligaciones de renovación. No sustituyen a una plataforma de gestión del ciclo de vida de los contratos cuando las cláusulas legales, la revisión de cambios, los controles de firma y la extracción de obligaciones son el principal reto. En ese caso, integra el sistema de contratos y destaca las condiciones operativas que los equipos de ventas, servicio y planificación necesitan para actuar.

El proceso de aprobación debería reflejar el coste que supone cada compromiso. Una solicitud para cambiar la fecha de envío tres días puede que solo requiera la revisión del equipo de cuentas. Un cambio que consuma capacidad limitada o que implique un riesgo de transporte urgente debería remitirse a planificación de suministros y a finanzas. Crea estas rutas de forma explícita con Salesforce Flow, procesos de aprobación cuando sea necesario y un registro de excepciones que conserve la solicitud original, la justificación y la resolución final.

Aquí es también donde el diseño de roles cobra importancia. Los planificadores de planta no deberían necesitar un acceso amplio a las notas comerciales. Los equipos de cuentas no deberían poder anular la disponibilidad confirmada por el ERP. Los conjuntos de permisos, la seguridad a nivel de campo y las reglas de uso compartido deben respaldar el modelo operativo, no limitarse a cumplir una lista de comprobación de implementación.

Haz que la propiedad de los datos se pueda comprobar

La mayoría de los programas de nube para el sector manufacturero no fracasan porque Salesforce no pueda conectarse a un ERP. Fracasan porque la organización no puede responder a una pregunta básica: cuando Salesforce dice que se prevé que un cliente compre 500 unidades y el ERP indica que hay 450 confirmadas, ¿qué cifra determina qué acción se debe tomar?

Documenta un registro de «fuente de verdad» antes de crear integraciones. Para cada entidad, identifica el sistema de referencia, el sistema autorizado para proponer cambios, la dirección de sincronización, la latencia prevista, las claves de correspondencia y quién se hace responsable en caso de fallo. La jerarquía de cuentas de clientes, las relaciones de «vendido a» y «enviado a», los grupos de planificación de productos, los pedidos pendientes, las facturas, las fechas de disponibilidad prometida y las devoluciones requieren todas un tratamiento cuidadoso.

Utiliza identificadores estables del ERP en lugar de nombres como claves de coincidencia. Los nombres cambian tras adquisiciones, reestructuraciones de cuentas y reorganizaciones de distribuidores. Las jerarquías de cuentas también requieren más reflexión que un simple campo «padre-hijo». Un fabricante puede vender a una cuenta corporativa, enviar la mercancía a distintas plantas, facturar a una entidad de compras y coordinar las previsiones a través de una unidad de negocio regional. Si se simplifica esta estructura para facilitar la elaboración de informes, los informes sobre acuerdos y previsiones posteriores pueden resultar engañosos.

El diseño de las integraciones también debería priorizar la resiliencia operativa frente al tiempo real perfecto. Para el historial de facturación y el estado de los pedidos abiertos, puede bastar con una sincronización nocturna. En cambio, las excepciones de capacidad vinculadas a decisiones de compromiso en el mismo día pueden requerir eventos casi en tiempo real. El patrón adecuado depende de la ventana de decisión de cada proceso, no de una preferencia generalizada por la integración en tiempo real.

Para los fabricantes sujetos a una producción regulada por la FDA, la norma 21 CFR Parte 11 tiene implicaciones prácticas cuando los registros y las firmas electrónicas respaldan decisiones reguladas. Salesforce Manufacturing Cloud no debe presentarse a la ligera como un sustituto validado de un sistema de gestión de la calidad. Si un flujo de trabajo afecta a la disposición de lotes, la aprobación de calidad o los registros controlados, define el alcance de la validación, los requisitos del registro de auditoría, los controles de acceso y las expectativas en materia de firmas electrónicas junto con los equipos de calidad y validación. La misma disciplina se aplica a las prácticas de segmentación y acceso alineadas con la norma IEC 62443 a la hora de integrar plataformas empresariales con entornos de tecnología operativa.

Diseña para gestionar excepciones, no para el espectáculo de los paneles de control

Los ejecutivos necesitan ver el estado de las cuentas y las previsiones, pero el valor operativo está en la cola de trabajo. Un planificador necesita ver las líneas de previsión que superan la capacidad disponible. Un responsable de atención al cliente necesita ver los cambios en los pedidos que se acercan al umbral de envío prometido. Un responsable comercial necesita ver los acuerdos de renovación sin una previsión aprobada para el próximo ciclo de planificación.

Incorpora esas excepciones en la experiencia de usuario de Salesforce. Una página de cuenta útil puede mostrar la cobertura del contrato, la variación de las previsiones, los casos de servicio abiertos, el rendimiento reciente de los envíos y las decisiones de escalado activas sin que los usuarios tengan que consultar informes aparte. La experiencia de usuario debería reducir los traspasos y los cambios de pantalla, no añadir elementos decorativos.

Establece criterios de aceptación cuantificables antes del lanzamiento. Algunos ejemplos son: que las previsiones se envíen completas antes de la fecha límite de planificación acordada; el tiempo que transcurre desde que el cliente solicita un cambio hasta que se aprueba la respuesta; la desviación entre las previsiones y los resultados reales por segmento de cuenta; el porcentaje de pedidos con una excepción documentada en la fecha de entrega prometida; y el número de consolidaciones manuales en hojas de cálculo que se han dejado de usar. Se trata de medidas operativas, no de métricas de adopción meramente superficiales.

Lo habitual es que la aceptación mejore cuando los usuarios entienden por qué un campo es obligatorio. Pedir que se indique el motivo de un ajuste en la previsión tiene sentido si eso impulsa una revisión semanal de la demanda. En cambio, exigir quince campos para guardar una línea de previsión solo hace que el proceso vuelva a las hojas de cálculo. Haz pruebas de usabilidad basadas en tareas con los gestores de cuentas, los planificadores y los equipos de atención al cliente antes de dar el diseño por terminado.

Usa la IA solo cuando la decisión se pueda controlar

La IA puede ayudar a preparar planes de cuentas, resumir la correspondencia con los clientes, clasificar las solicitudes de servicio e identificar variaciones inusuales en las previsiones. No debe comprometer el suministro de forma autónoma, modificar un acuerdo ni generar datos de planificación que los usuarios no puedan rastrear hasta los registros originales.

Si utilizas las funciones de IA de Salesforce o Claude a través de una arquitectura empresarial aprobada, define las entradas de las instrucciones, la política de conservación, el modelo de acceso, el paso de revisión humana y el método de evaluación. Para las organizaciones que venden en el mercado europeo, la Ley de IA de la UE puede afectar a las obligaciones de gobernanza dependiendo del caso de uso y la clasificación de riesgos. Incluso cuando no se aplique directamente, el modelo de control es sólido: conserva pruebas de lo que se le pidió al modelo, qué datos utilizó, quién aprobó el resultado y cómo se supervisa su rendimiento.

El mejor caso de uso inicial de la IA suele ser bastante específico. Por ejemplo, elaborar un resumen de la desviación prevista de una cuenta y los casos de servicio relacionados para que un humano revise la demanda. Los registros originales siguen estando visibles, el resultado se puede comprobar rápidamente y el usuario sigue tomando la decisión. Eso es tecnología con un propósito, en lugar de automatización añadida solo porque existe una función en la plataforma.

Implementa el sistema en fases que protejan la planta

Una implementación por fases suele ser más segura que un lanzamiento global. Empieza por una unidad de negocio, un segmento de clientes o un proceso de planificación en el que haya un fuerte apoyo y el modelo de datos sea representativo. Comprueba el flujo de trabajo de «previsión a revisión», la gestión de errores de integración, el modelo de seguridad y el proceso de soporte antes de añadir más plantas o líneas de productos.

La planificación de la transición debería incluir la conciliación de datos, la asignación de roles, la formación por tareas, la responsabilidad sobre el «hypercare» y un plan definido para revertir las integraciones. La pregunta difícil no es si los registros se han migrado con éxito, sino si la revisión de las previsiones del lunes por la mañana se puede hacer sin tener que recurrir a una hoja de cálculo.

La implementación de una «Manufacturing Cloud» cobra sentido cuando un compromiso comercial, una limitación de suministro y una respuesta al cliente quedan reflejados en un único flujo de trabajo en el que se asumen responsabilidades. Empieza por crear ese flujo de trabajo. La configuración de la plataforma, las integraciones, la asistencia mediante IA y la generación de informes deben estar al servicio de las personas encargadas de asumir correctamente el siguiente compromiso.

Análisis de Manufacturing Cloud para operaciones complejas

¿«Manufacturing Cloud» sirve para la coordinación comercial? ¿O es para la ejecución de la producción? Esa distinción es clave para evaluar «Manufacturing Cloud» de Salesforce. Puede ser una buena opción para la planificación y la visibilidad a nivel de cuenta si el fabricante tiene plazos de entrega largos, distribuidores, precios por contrato o una demanda irregular. No es un MES, un PLM, un QMS ni una plataforma de planificación de suministros.

La distinción entre el ámbito comercial y el de producción es fundamental en entornos regulados con flujos de trabajo definidos. Un fabricante de dispositivos médicos puede necesitar que Salesforce le facilite las previsiones comerciales para planificar la capacidad, pero sin sacar los registros de fabricación controlados de los sistemas validados. Un fabricante de equipos industriales puede necesitar una única fuente de información sobre los compromisos de los distribuidores, los productos instalados y la cartera de servicios, sin sacar la ejecución de las órdenes de trabajo del ERP. Esta plataforma resulta más útil cuando las funciones están bien definidas y se ha pensado bien el modelo de integración antes de configurar la solución.

Qué evaluamos en este análisis de Manufacturing Cloud

Salesforce Manufacturing Cloud amplía las capacidades de Salesforce con modelos de datos y procesos de negocio orientados a las relaciones entre fabricantes y clientes. Sus puntos fuertes se centran en las fases previas a la gestión de pedidos, incluyendo acuerdos de venta, previsiones basadas en cuentas, gestión de oportunidades, interacciones con socios y visibilidad de las cuentas basada en servicios.

Las preguntas importantes para un vicepresidente de TI o de aplicaciones empresariales no son si estas funciones están implementadas, sino si resuelven los problemas específicos que surgen entre los equipos de cuentas, canales, planificación de la demanda y operaciones. ¿Se está pasando de una hoja de cálculo regional a una previsión basada en cuentas? Genial, pero ¿sabe la organización quién lo ha cambiado, por qué lo ha cambiado y si la cantidad comprometida concuerda con la demanda del ERP, la asignación y las restricciones de producción?

Hay tres pruebas que debe superar un cuadro de mando práctico. ¿Puede el equipo comercial conocer de forma fiable una previsión a 30, 60 y 90 días a nivel de cuenta o de familia de productos? ¿Puede el equipo de operaciones distinguir el compromiso contractual de las predicciones del comercial? ¿Puede la dirección saber cuándo se modificó una previsión o un acuerdo, quién fue el responsable del cambio, cuáles fueron los datos de origen y si hubo una decisión de aprobación? Si la respuesta es no, entonces la implementación de la plataforma no ha resuelto el problema operativo.

Cuándo es más adecuado usar Salesforce Manufacturing Cloud

Acuerdos de venta y visibilidad de la demanda a nivel de cuenta

Los acuerdos de venta son ideales para fabricantes con compromisos contractuales con los clientes, cantidades contratadas, acuerdos de precios negociados o acuerdos de suministro a largo plazo. En lugar de considerar cada señal de demanda como una oportunidad, los equipos de ventas pueden registrar los acuerdos de venta y los volúmenes previstos a nivel de cuenta. Esto es especialmente relevante para los fabricantes industriales, en los que un cliente puede ofrecer un compromiso de compra anual renovable, pero solo realiza pedidos a corto plazo en función de los plazos de entrega.

No es solo que el proceso de ventas esté más claro. El planificador de demanda puede cotejar las cantidades acordadas con los pedidos reales y la demanda prevista sin tener que pedir a los gestores de cuentas que reconstruyan el contexto comercial por correo electrónico. El departamento de finanzas puede ver qué ingresos están acordados en un contrato de venta y cuáles son solo estimaciones aproximadas. El modelo de datos permite mantener una conversación mejor y más controlada sobre el riesgo de demanda.

La salvedad es que tiene que haber una decisión clara sobre el «SoR» (fuente de referencia) para los acuerdos de venta. Si SAP S/4HANA, Oracle Fusion Cloud ERP o Microsoft Dynamics 365 Finance son donde se guardan las condiciones contractuales y los calendarios de pedidos, Salesforce no debería convertirse en un repositorio de contratos que compita con ellos. En la mayoría de los casos, lo mejor es usar Manufacturing Cloud para mostrar la visión de la planificación comercial, mientras que el ERP sigue siendo la fuente oficial de los calendarios de pedidos ejecutables, los precios, la asignación de existencias, la facturación y el estado de cumplimiento de los pedidos.

Previsión basada en cuentas para equipos comerciales descentralizados

La previsión basada en cuentas es ideal para previsiones basadas en clientes conocidos, productos concretos, territorios de ventas y el conocimiento sobre el terreno, en lugar de en la demanda anónima del mercado. Ofrece a los responsables de ventas un mecanismo para recopilar datos de previsión a nivel de cuenta y poder debatirlos en las reuniones de planificación.

Esto sirve para empresas que venden equipos configurados, piezas de recambio o artículos de consumo a través de canales directos e indirectos. El responsable regional puede dar una estimación del consumo previsto, mientras que el responsable de cuentas nacionales puede aportar contexto sobre un ajuste en la previsión debido a una parada de la planta, una reducción de las existencias del distribuidor o un retraso en un proyecto de inversión.

Por el contrario, esto no es planificación estadística de la demanda. Si la empresa necesita previsiones de estacionalidad, escenarios de suministro con restricciones, previsiones probabilísticas o cálculos de reposición por SKU y ubicación, lo mejor es abordarlo en una plataforma de planificación o un entorno de datos diseñado específicamente para ese caso de uso. Salesforce puede recopilar y gestionar los datos comerciales, y enviar las señales aprobadas al proceso de planificación. No debería presentarse como un sustituto de la planificación y la programación.

Contexto de socios y servicios en torno a la cuenta

A menudo, los fabricantes no tienen visibilidad más allá de las puertas de la fábrica. Los concesionarios, distribuidores, redes de servicio y clientes pueden tener, cada uno por su parte, un conocimiento parcial de los productos instalados, las reclamaciones de garantía, los calendarios de mantenimiento y la demanda prevista. Con Manufacturing Cloud, junto con Salesforce Experience Cloud y Service Cloud, los equipos pueden tener una visión práctica y centrada en la cuenta de todas esas interacciones.

Hay que planificar bien el flujo de trabajo operativo. Por ejemplo, una previsión enviada por un distribuidor puede introducirse en Salesforce para su revisión, ser aprobada por un gestor de canal y, a continuación, incorporarse a un conjunto de datos de planificación. Un caso de servicio por un fallo recurrente en el campo puede ser visible para el equipo de cuentas, pero la no conformidad controlada y la actividad CAPA deben permanecer en el sistema de calidad. Contextualizar los registros no significa duplicar el registro controlado.

Límites fundamentales para la fabricación compleja

El error más común a la hora de implementar el sistema es utilizar Manufacturing Cloud como plataforma de fabricación empresarial. No se diseñó para la ejecución en planta, el almacenamiento de listas de materiales, la programación de capacidad finita, la gestión del control de cambios de ingeniería ni la ejecución de medidas correctivas y preventivas. Salesforce puede integrarse con estas plataformas de forma eficaz, pero sustituirlas por objetos de CRM genera rápidamente problemas de auditoría y usabilidad.

Los datos maestros —productos, clientes, centros, precios y base instalada— también necesitan una responsabilidad clara. Si la jerarquía de cuentas de Salesforce no coincide con la jerarquía de clientes del ERP, se van a estropear las previsiones y los informes. Un catálogo de productos que se rellene a mano en ambos sistemas pronto va a dar problemas con el estado de las piezas, la unidad de medida o la configuración vendible.

Una arquitectura sólida define el SoR para cada dominio y la dirección en la que se permiten los cambios. Las actualizaciones del maestro de clientes del ERP pueden transferirse a Salesforce a diario o casi en tiempo real. Los cambios en las previsiones de Salesforce pueden pasarse a un «lago de planificación» tras su aprobación. El historial de servicio puede verse en Salesforce, pero la gestión de las garantías puede seguir en el ERP o en la plataforma de garantías. Se trata de decisiones de arquitectura, no de detalles de integración que haya que abordar al final del proyecto.

Manufacturing Cloud en entornos regulados

Para los fabricantes de dispositivos médicos, ciencias de la vida y otros sectores relacionados con las normas GxP, los límites de la plataforma tienen implicaciones en materia de auditoría. La norma 21 CFR Parte 11 de la FDA regula los registros electrónicos y las firmas electrónicas que se usan en actividades reguladas. Si Salesforce se usa únicamente para previsiones comerciales y coordinación de cuentas, puede quedar fuera del ámbito de los registros de producción controlados. Pero si se convierte en el lugar donde los usuarios aprueban decisiones de calidad reguladas o mantienen pruebas oficiales de producción, los requisitos de validación, acceso de usuarios, revisión del registro de auditoría, conservación y control de cambios cambian considerablemente.

Esto no quiere decir que Salesforce no sea adecuado. Significa que hay que definir con precisión el uso que se le va a dar. Una evaluación validada del sistema debe definir qué registros de Manufacturing Cloud son meramente informativos, cuáles sirven de apoyo a la toma de decisiones y si alguno de ellos es un registro GxP. Las firmas de aprobación no deben confundirse con firmas electrónicas conformes con la normativa solo porque reflejen un paso de aprobación.

La privacidad de los datos también exige el mismo rigor. Un registro de contacto con un concesionario, una escalada de servicio o una queja sobre el terreno pueden contener datos personales. Según el RGPD, la organización necesita una finalidad justificable para el tratamiento, parámetros de conservación, controles de acceso y un proceso para responder a las solicitudes de los interesados. Data Cloud puede mejorar la visibilidad de las cuentas y los servicios, pero combinar fuentes de datos sin una gestión adecuada puede aumentar el riesgo de privacidad más rápido de lo que la empresa espera.

Decisiones de implementación que impulsan la adopción

Los proyectos de Manufacturing Cloud tendrán éxito cuando el diseño siga el ritmo real de la planificación. Antes de configurar las pantallas, entiende cómo se desarrolla una previsión desde la introducción inicial de datos sobre el terreno hasta la revisión de ventas, el proceso de planificación de la demanda y su uso operativo final. ¿En qué pasos los usuarios tienen que volver a introducir datos, pueden modificar una cifra sin contexto o están compartiendo diferentes versiones de una hoja de cálculo?

Diseña el flujo de trabajo de Salesforce en torno a esos pasos. Asegúrate de que se introduzca un código de motivo para los cambios en la previsión de materiales. Haz que las matrices de aprobación sean lo suficientemente sencillas como para que los equipos de cuentas no encuentren formas de eludirlas. Muestra los datos reales del ERP y los pedidos pendientes en la pantalla de revisión de previsiones, para que los usuarios puedan cuestionar los datos introducidos sin tener que cambiar de herramienta. Las decisiones sobre la experiencia de usuario (UX) y la interfaz de usuario (UI) son controles operativos en este caso: una pantalla de previsiones mal diseñada aumentará los datos incompletos y hará que los equipos vuelvan a los archivos en papel.

Haz un seguimiento de la adopción basándote en datos concretos, no en el número de inicios de sesión. Algunas métricas útiles pueden ser el porcentaje de registros de previsión que se entregan a tiempo, el porcentaje de cambios en las previsiones que incluyen un código de motivo, el sesgo de las previsiones por segmento de cuenta y el número de consolidaciones manuales en hojas de cálculo que siguen existiendo tras la puesta en marcha. Una plataforma puede tener mucha actividad de usuarios y, aun así, datos poco fiables.

¿Es Manufacturing Cloud la mejor opción?

Manufacturing Cloud es una buena opción cuando la empresa necesita una mayor visibilidad de la demanda a nivel de cuenta, acuerdos de venta regulados y una coordinación más estrecha entre los equipos comerciales y de operaciones. Resulta especialmente eficaz cuando ya se utiliza Salesforce Sales Cloud y los equipos de cuentas necesitan un modelo de datos específico para el sector manufacturero, en lugar de otro libro de trabajo de planificación inconexo.

No es la mejor opción cuando lo que más te importa es la ejecución en planta, la planificación de la producción, la gestión de la calidad o la liquidación de distribuidores muy especializada. En esos casos, mantén el núcleo operativo en sistemas diseñados específicamente para eso y usa Salesforce solo cuando mejore el traspaso de tareas, la gestión de excepciones o la experiencia del usuario.

El siguiente paso más útil es elegir un proceso con mucha fricción —como la aprobación de las previsiones del distribuidor o el traspaso del acuerdo al plan de demanda— y analizar cada campo de datos, responsable, aprobación y límite del sistema. Ese ejercicio te mostrará si Manufacturing Cloud es la capa operativa adecuada y con qué debe integrarse antes de que se pida a los usuarios que confíen en ella.

¿Qué es la gobernanza de la IA en entornos GxP?

Un asistente de IA podría ayudar al equipo de operaciones clínicas a clasificar las desviaciones de los protocolos, sugerir preguntas de seguimiento o extraer secciones relevantes de los procedimientos operativos estándar. Esto podría ahorrarte muchas horas de trabajo en la tramitación de casos. Sin embargo, si el modelo utilizado, los datos de entrada y el uso no fueran aprobados por las personas adecuadas, podría suponer un riesgo de inspección. Esta es la respuesta breve a qué es la gobernanza de la IA en GxP: los controles que permiten que la IA se utilice de forma justificable y adecuada en contextos GxP.

Esto no es un documento normativo cualquiera que tenga que aprobar el departamento de calidad. Para los responsables de TI del sector de las ciencias de la vida, se trata de una serie de decisiones que se traducen en arquitectura de sistemas, pruebas de validación, controles de seguridad, experiencia de usuario y controles de cambios. Es lo que determina si una función de IA integrada en Salesforce Life Sciences Cloud o una aplicación personalizada de operaciones clínicas puede dar soporte a un proceso GxP sin comprometer la integridad de los datos.

¿Qué es la gobernanza de la IA GxP?

La gobernanza de la IA según las Buenas Prácticas de Fabricación (BPF) es el marco de toma de decisiones que establece dónde y cómo se puede implementar la IA dentro de los procesos y flujos de trabajo de las BPF, los controles establecidos y la evidencia que se puede generar para su inspección. Las BPF abarcan el conjunto de expectativas de calidad aplicadas a las Buenas Prácticas Clínicas (BPC), las Buenas Prácticas de Fabricación (BPF) y las Buenas Prácticas de Farmacovigilancia (BPFV).

No se trata de si el modelo es preciso en un entorno de prueba. Se trata de si el caso de uso previsto está controlado y regulado a lo largo de todo el ciclo de vida. Si se usa la IA para canalizar posibles eventos adversos dentro de un flujo de trabajo de recepción de farmacovigilancia, la empresa tiene que saber si el modelo está resumiendo el texto para que lo revise una persona, clasificando los eventos o tomando una decisión que afecte a los plazos de notificación. Se trata de perfiles de riesgo totalmente diferentes.

Los registros y firmas electrónicos que se crean y utilizan en procesos regulados deben contar con controles adecuados en materia de acceso, registros de auditoría, conservación y validación, según lo establecido en el título 21 del CFR, parte 11, y en el anexo 11 de las BPF de la UE. La IA no está exenta de estos controles por el hecho de ser probabilística. En muchos casos, incluso eleva el listón. Un motor de reglas estático es fácil de probar a fondo. Un modelo de lenguaje grande puede generar textos diferentes en respuesta a indicaciones similares y modificar su comportamiento según los cambios en el modelo subyacente, la fuente de recuperación o la plantilla de la indicación.

La gobernanza convierte esta incógnita en un problema de diseño que se puede gestionar. Identifica el uso previsto, el responsable del proceso, el posible impacto en la seguridad del paciente y la calidad del producto, la revisión humana necesaria y la documentación requerida para la autorización de salida.

El alcance de los controles depende del flujo de trabajo

El nivel de rigor de la validación necesaria para el uso de la IA en un contexto GxP variará según el caso de uso. Aplicar controles de validación de alto riesgo a todos los usos de la IA supone una carga para los recursos de calidad. Por el contrario, aplicar funciones de IA generativa de bajo riesgo para mejorar la productividad te permite aprovechar al máximo las oportunidades donde más importa.

Veamos tres casos de uso en un entorno de operaciones clínicas. Un asistente interno que resume un documento público de orientación regulatoria tiene un impacto limitado en el marco GxP, aunque seguirá necesitando controles de seguridad de los datos y de uso aceptable. Un asistente que recupera contenido aprobado de procedimientos normalizados de trabajo (PNT) para ayudar a un coordinador de estudio a redactar la descripción de una desviación exigirá más controles sobre el control de versiones de los documentos, la precisión de la recuperación y la revisión. Un modelo que recomienda si una desviación alcanza el umbral de notificación tiene implicaciones para la calidad y no debería poder emitir una determinación sin revisión humana.

La prueba práctica consiste en determinar si el resultado crea, modifica, interpreta o da lugar a un registro o una decisión conforme a las normas GxP. La detectabilidad del proceso también es importante. Si un revisor puede detectar y corregir fácilmente los borradores incorrectos antes de aprobar el contenido, puede que baste con un diseño en el que intervenga una persona. Si una clasificación incorrecta provoca retrasos en la notificación urgente de incidentes de seguridad, es posible que la detección posterior sea deficiente y que el diseño del control tenga que ser mucho más estricto.

Aquí es donde entra en juego la evaluación de riesgos. El enfoque basado en el riesgo de GAMP 5 sigue siendo válido: dedica recursos de calidad a las funciones que puedan afectar a la seguridad del paciente, la calidad del producto y la integridad de los datos. En el caso de la IA, añade estas preguntas específicas sobre el modelo: ¿Cuáles son los modos de fallo conocidos? ¿Se pueden reproducir los resultados lo suficiente como para investigarlos? ¿Qué pasa cuando cambia la base de conocimientos de origen? ¿El sistema procesa información sanitaria protegida o datos confidenciales del ensayo?

La evidencia debe acompañar todo el ciclo de vida de la IA

La gobernanza de la IA según las normas GxP va más allá de saber qué modelos están aprobados para su uso. Es necesario recopilar evidencia a lo largo de todo el ciclo de vida de la capacidad de IA.

En la fase de diseño, define el uso previsto y los usos prohibidos. «Ayudar en la recepción de casos» no es lo bastante específico. «Extraer el producto sospechoso, el término del incidente y el país del informante del texto no estructurado de la recepción para que lo confirme el revisor» sí se puede comprobar. Define los datos de entrada, el formato de salida, los criterios de aceptación, la ruta de escalado y la persona o el rol autorizado para tomar la decisión final.

En el momento de la puesta en marcha, recopila los requisitos, la configuración, los guiones de prueba, los resultados de las pruebas y las pruebas de aprobación. Si la solución sigue un patrón de generación aumentada por recuperación, valida el componente de recuperación por separado de la respuesta del modelo. Una respuesta bien elaborada que se base en un procedimiento operativo estándar (SOP) obsoleto sigue siendo un fallo del proceso de control. El repositorio de documentos necesitará controles adecuados de la fecha de vigencia, versiones aprobadas, restricciones de acceso y la capacidad de mostrar qué material de origen estaba disponible en el momento de la interacción.

En el caso de una implementación de Salesforce, esto puede significar registrar la referencia de la interacción con la IA, la versión del documento original, la decisión del revisor y el registro final aprobado en el objeto correspondiente de Salesforce. El registro de desviación incluirá el texto enviado, la sugerencia de la IA, las modificaciones del revisor y el historial de aprobaciones. Las funciones de monitorización de eventos y el registro de auditoría de campos de Salesforce Shield pueden ayudarte con algunos aspectos del requisito de auditabilidad, pero no sustituyen a un diseño de flujo de trabajo validado ni a una política de conservación de registros aprobada y de calidad.

A lo largo del proceso de lanzamiento, la gobernanza se pone en práctica. Hay que hacer un seguimiento de las modificaciones manuales, la precisión, las tasas de excepciones, los patrones de modificación de los usuarios, los accesos anómalos y los eventos de cambio. Una métrica útil no es la precisión del modelo. En cuanto al flujo de trabajo de recepción de desviaciones, ¿qué porcentaje de sugerencias de la IA se aceptan sin necesidad de modificaciones sustanciales o con muy pocas? ¿Qué porcentaje se envía a revisión manual? ¿Cuál es el tiempo de ciclo entre la recepción y la evaluación de calidad? Un aumento en las modificaciones podría indicar una desviación del documento original, una indicación poco eficaz o un cambio en el flujo de trabajo que requiera una nueva validación.

El control de cambios es donde muchos programas de IA fallan

Las aplicaciones validadas cambian según un ciclo de lanzamientos. Los sistemas de IA pueden cambiar ante una nueva indicación, un artículo de conocimiento revisado, un modelo de incrustación diferente, una nueva versión del modelo del proveedor o una integración modificada. Todo ello puede afectar al resultado regulado.

La gobernanza de la IA en el ámbito GxP debería definir qué cambios requieren un análisis de impacto, pruebas de regresión, aprobación de calidad y nueva formación de los usuarios. La respuesta dependerá del uso previsto. Actualizar contenido no GxP dentro de un asistente de ayuda puede que solo requiera pruebas limitadas. La actualización del conjunto de procedimientos operativos estándar (SOP) controlados que se usa para asesorar en las investigaciones de excepciones en los registros de lote requiere una revisión documentada y pruebas de desafío específicas antes de que el nuevo contenido esté disponible para los usuarios.

La gestión de proveedores también entra en juego. La documentación de seguridad de un proveedor de modelos es útil, pero no es tu paquete de validación. Sigues siendo responsable del uso previsto, los flujos de datos, la configuración y el proceso controlado. Los contratos y los controles técnicos deben tener en cuenta la retención de datos, el uso de los datos de entrenamiento, el procesamiento geográfico, la notificación de incidentes, el aviso de cambios en la versión del modelo y la posibilidad de desactivar o revertir una funcionalidad.

Para las empresas que manejan datos de la UE, se aplican las normas del RGPD que regulan el tratamiento de datos personales, independientemente de si el caso de uso entra dentro del ámbito de las normas GxP. La Ley de IA de la UE también podría entrar en juego, dependiendo de la clasificación y el contexto de implementación del sistema. Estos marcos normativos se solapan, pero no se excluyen mutuamente: los controles sobre la privacidad no demuestran la validación GxP, y un paquete de validación no establece una base legal para el tratamiento de datos personales.

La revisión humana hay que diseñarla, no darla por sentada

La expresión «human in the loop» se usa a menudo como sinónimo de seguridad. Solo es un control eficaz cuando la persona que revisa tiene la autoridad, el contexto, el tiempo y la experiencia de usuario necesarios para cuestionar de verdad el resultado.

Un revisor de calidad que solo cuenta con una clasificación de desviaciones generada por IA y un botón de «Aprobar» no está llevando a cabo una supervisión significativa. Una mejor experiencia de usuario ofrece pruebas de origen, la versión pertinente del procedimiento operativo estándar (SOP), indicadores de confianza o de excepción cuando sea relevante, y botones claros para aprobar, editar, rechazar o escalar. La experiencia de usuario debería facilitar la visualización de la decisión humana en el registro de auditoría, en lugar de ocultarla en texto libre.

Se trata de un requisito de UX/UI con implicaciones prácticas para el usuario, no de una cuestión meramente estética. Si el revisor no puede entender el razonamiento que hay detrás de una recomendación o corregirla rápidamente, o bien confía demasiado en el sistema o bien lo ignora. Ambas cosas perjudican la adopción y el control. En proyectos como este, el objetivo suele ser reducir el volumen de trabajo de revisión sin dejar de respetar el derecho del experto responsable a tomar una decisión.

Crear un modelo de gobernanza que funcione

Lo mejor no se basa en comités. El departamento de Calidad es el responsable del cumplimiento de las normas GxP. El responsable del proceso se encarga del resultado y del riesgo residual. El departamento de TI se encarga de los controles de la plataforma, las integraciones, el modelo de identidad y el proceso de lanzamiento. El departamento de Datos e IA se encarga de la evaluación, la supervisión y la documentación técnica. El departamento de Seguridad y Privacidad se encarga de los límites de los datos.

Céntrate en unos pocos flujos de trabajo delimitados y de gran valor, en lugar de adoptar un enfoque generalista para un chatbot interno. Un asistente de recepción de datos de farmacovigilancia con aprobación obligatoria por parte de un revisor, un corpus de fuentes controladas y pruebas de aceptación definidas es más fácil de gestionar que un asistente sin restricciones con acceso a todos los repositorios de documentos. Cuando sea adecuado utilizar Salesforce Life Sciences Cloud, configura el modelo de datos y los procesos de aprobación. Si necesitas capturar pruebas a medida, servicios de evaluación o una coordinación controlada que la plataforma no pueda ofrecer de forma clara, probablemente lo mejor sea recurrir al código personalizado.

La prueba consiste en que, si un organismo regulador o de calidad te pregunta por qué el resultado de una IA ha influido en tu registro GxP, puedas remitirle a la finalidad de uso, los controles establecidos, las pruebas, la decisión humana y el historial de cambios. Y todo esto antes incluso de lanzar la primera indicación de producción.

Las mejoras que nunca llegan al sprint

Todos los equipos de ingeniería tienen una lista. Modernizar el proceso de lanzamiento. Retirar una integración heredada y poco estable. Reestructurar un sistema que cada vez es más difícil de mantener. Migrar las pruebas automatizadas obsoletas a un marco más fiable.

Todo el mundo está de acuerdo en que estas cosas son importantes. Pero casi nadie llega a hacerlas. La razón rara vez es la falta de ideas. Es la capacidad. Las personas que podrían arreglar los cimientos son las mismas que mantienen el negocio en marcha, y el negocio siempre tiene prioridad.

Por qué las mejoras siempre se quedan para después

Los equipos internos de ingeniería suelen estar a tope con tres cosas: lanzar nuevas versiones, dar soporte a las operaciones y cumplir con los compromisos empresariales inmediatos. Cada una de ellas es urgente, visible y está vinculada a los objetivos de alguien. El trabajo de mejora no es nada de eso. Es importante, pero siempre puede esperar un sprint más.

De manera que se queda esperando. Trimestre tras trimestre, las mejoras estratégicas en el equipamiento, la infraestructura y las prácticas de ingeniería van quedando relegadas en la lista de tareas pendientes.

El coste de esperar se va acumulando sin que te des cuenta:

  • Entregas más lentas: las canalizaciones obsoletas, los procesos manuales y los entornos ineficientes hacen que cada lanzamiento sea más complicado de lo que debería.
  • Aumento de la deuda técnica: cuanto más tiempo pasan los problemas sin resolverse, más complejos y caros resultan de solucionar.
  • Más trabajo de apagar incendios: los ingenieros dedican cada vez más tiempo a lidiar con problemas recurrentes en lugar de prevenirlos.
  • Equipos frustrados: la gente con talento acaba trabajando sorteando limitaciones que saben que se podrían resolver, si tan solo tuvieran tiempo.

Lo irónico es que estas mejoras liberarían precisamente la capacidad que le falta al equipo. Pero necesitas capacidad para crear capacidad.
Y limitarte a pedir a la gente que meta más trabajo en sus sprints, que ya están a rebosar, rara vez es una solución sostenible.

Dedica toda tu atención al trabajo de mejora

A veces, lo que una organización necesita no es otra hoja de ruta ambiciosa para la transformación. Es la capacidad y los conocimientos adecuados para llevar a cabo de una vez por todas las mejoras que ya ha identificado.
Ahí es donde contar con un equipo de ingeniería especializado puede marcar una diferencia real.

Al dedicar una atención específica a las mejoras estratégicas, las organizaciones pueden avanzar sin que ello afecte a sus operaciones diarias.

Las tareas de mejora ya no tienen que competir con las peticiones urgentes que reclaman la atención de esas mismas personas. Las ideas que llevan tiempo en el aire pueden convertirse en planes viables, con objetivos claros, hitos realistas y resultados medibles, en lugar de quedarse en una lista de deseos.

Y, lo que es más importante, esto no siempre significa crear un equipo totalmente independiente. Dependiendo de la iniciativa, el personal técnico adicional puede trabajar de forma independiente o junto a los equipos ya existentes, adaptándose a las necesidades de la organización.

 

Cómo funciona Nuvolar

En Nuvolar, ayudamos a nuestros clientes a crear ese espacio.

Reunimos los conocimientos técnicos, la capacidad de ejecución y la experiencia necesarios para abordar iniciativas que a los equipos internos les cuesta priorizar.

Y no creemos en un enfoque único para todos. Dependiendo de la iniciativa y de la organización del cliente, solemos trabajar de dos maneras:

  • Responsabilidad de principio a fin: Formamos un equipo dedicado para impulsar una iniciativa desde la evaluación inicial y la planificación técnica hasta la implementación, las pruebas, la puesta en marcha y la transferencia de conocimientos. Nuestros clientes mantienen la visibilidad y la coordinación, mientras que sus equipos internos se centran en las prioridades del negocio.
  • Junto a tus equipos: Nuestros ingenieros se integran en la organización del cliente, adaptándose a sus procesos, herramientas y prácticas de ingeniería. Aportamos conocimientos especializados y capacidad adicional, trabajando en colaboración con los equipos internos y compartiendo conocimientos a lo largo de todo el proyecto.

Ya sea a través de un equipo específico o de ingenieros integrados en un equipo ya existente, nuestro enfoque se rige por tres principios:

  • Centrarnos en lo que importa: Dar prioridad a las mejoras que resuelvan verdaderos cuellos de botella técnicos y aporten un valor empresarial tangible.
  • Entregar de forma incremental: Desglosar las iniciativas complejas en pasos manejables, ofreciendo visibilidad y mostrando el progreso a lo largo del proceso.
  • Construir pensando en el largo plazo: Desarrolla soluciones fáciles de mantener, comparte conocimientos y asegúrate de que los equipos internos puedan gestionar y desarrollar con confianza lo que hemos creado.

Al fin y al cabo, el objetivo no es solo lograr una mejora técnica. Se trata de dejar a la organización en una situación mejor que la que tenía antes.

Convertir las mejoras en resultados reales

Hemos visto de primera mano cómo, si se presta la atención adecuada a los retos técnicos que llevan tiempo sin resolverse, se puede marcar una diferencia real.

Por ejemplo, en un proyecto reciente con una empresa global del sector sanitario, nuestros ingenieros trabajaron en la modernización de un marco de pruebas automatizadas ya existente, migrando más de 200 pruebas automatizadas de Selenium a Playwright. La iniciativa requirió recursos de ingeniería específicos y una estrecha coordinación con los equipos internos del cliente, que además tenían que gestionar sus propias responsabilidades de entrega.

Pero el trabajo va más allá de crear el nuevo marco y migrar las pruebas de una tecnología a otra. Una parte importante del proyecto consiste en preparar a los equipos de ingeniería del cliente para que se hagan cargo del nuevo marco mediante formación práctica y transferencia de conocimientos.

El objetivo no es simplemente llevar a cabo una migración técnica, sino crear una base de pruebas más moderna y fácil de mantener, que los propios ingenieros del cliente puedan mantener y desarrollar con confianza.

En otra iniciativa del sector farmacéutico, un equipo multidisciplinar especializado formado por ingenieros de DevOps, de backend y de datos ha estado trabajando en un importante proyecto de modernización de la infraestructura. El reto consiste en unificar varias plataformas de datos que, hasta ahora, han funcionado de forma independiente, sentando así las bases para un nuevo ecosistema de datos centralizado en toda la organización.

En lugar de dejar que los equipos internos se encarguen de esta compleja transformación además de sus tareas diarias, el equipo especializado lleva varios meses impulsando la iniciativa, trabajando codo con codo con los responsables técnicos del cliente para crear una infraestructura escalable y fácil de mantener de cara al futuro.

Estos dos ejemplos muestran diferentes tipos de retos de ingeniería, pero comparten el mismo principio básico: las mejoras técnicas importantes requieren los conocimientos adecuados, una dedicación exclusiva y la capacidad suficiente para seguir adelante, mientras los equipos internos siguen apoyando al negocio.

 

Donde la capacidad de ingeniería especializada marca la diferencia

Este enfoque resulta especialmente útil para aquellas iniciativas que, aunque son estratégicamente importantes, siempre acaban quedando relegadas frente a las necesidades inmediatas:

  • Lanzamiento y DevOps: mejora de los flujos de trabajo de CI/CD, automatización de la implementación y gestión del entorno.
  • Deuda técnica y modernización: refactorización de componentes heredados, actualización de tecnologías obsoletas y mejora de la facilidad de mantenimiento.
  • Pruebas y calidad: migrar los marcos de pruebas, ampliar la cobertura de la automatización y hacer que las pruebas sean más fiables y eficientes.
  • Integraciones e infraestructura: simplificar arquitecturas complejas, sustituir integraciones frágiles y mejorar la escalabilidad.
  • Preparación para los datos y la IA: mejorar la calidad de los datos, modernizar los flujos de datos y preparar las plataformas para las nuevas capacidades.
  • Prácticas de ingeniería: mejorar la documentación, las normas de desarrollo y las formas de trabajar entre equipos.

La tecnología concreta puede cambiar, pero el reto sigue siendo muy parecido: un trabajo de ingeniería importante que nunca recibe la atención que se merece.

Deja de posponer el trabajo que hará que todo lo demás sea más fácil

Si tu lista de tareas pendientes de mejora técnica es casi igual a la de hace un año, quizá sea hora de replantearte cómo se lleva a cabo ese trabajo.

Tus equipos no tienen por qué trabajar más duro. Quizás solo necesiten el apoyo adecuado para centrarse en lo que ya saben que hay que cambiar.

En Nuvolar, creemos que combinar recursos de ingeniería especializados con experiencia técnica y una colaboración estrecha puede convertir esas mejoras pendientes desde hace tiempo en resultados tangibles.

¿Cuál es esa mejora que tu equipo lleva tanto tiempo posponiendo?
Hablemos de cómo hacerla realidad.