80,000 recetas, una taxonomía mejor: afinar la búsqueda en una base global de conocimiento de manufactura.

Acerca del Cliente

La Empresa Z es un fabricante farmacéutico global. Vende productos en más de 140 países. La división de fabricación de la Empresa Z supervisa la formulación, el envasado y la distribución de su portafolio global de productos. Su Centro de Excelencia de Gestión del Conocimiento ha trabajado con Iknow en múltiples proyectos para construir y refinar continuamente la taxonomía empresarial que impulsa la búsqueda en los repositorios de SharePoint de la Empresa Z, ayudando a los científicos e ingenieros de la Empresa Z a encontrar contenido relevante con rapidez y precisión, sin importar la disciplina técnica de la que provenga.

Contexto de la Industria

La fabricación farmacéutica está en medio de un cambio estructural hacia los productos biológicos (moléculas grandes y complejas, como los anticuerpos monoclonales producidos en células vivas) junto con los fármacos tradicionales de molécula pequeña elaborados mediante síntesis química, que todavía representan la mayoría de los medicamentos aprobados. El mercado global de fabricación de productos biológicos se valoró en aproximadamente $40 mil millones en 2025 y se proyecta que crezca casi un 17% anual hasta 2033, impulsado en parte por la complejidad de fabricación mucho mayor de los biológicos. Mientras que una molécula pequeña se produce mediante una síntesis química relativamente sencilla, un biológico requiere el desarrollo de líneas celulares, el cultivo en biorreactores y una purificación posterior especializada. Una taxonomía que agrupa ambos bajo términos de proceso genéricos se vuelve menos útil precisamente cuando esta mezcla cambia, ya que un científico que busca orientación sobre un paso de cosecha en biorreactor necesita contenido muy distinto del de alguien que trabaja en la formulación de un comprimido de molécula pequeña.

Situación Actual

La taxonomía existente de la Empresa Z (más de 1,840 términos en una jerarquía de cuatro niveles y 10 facetas, ya refinada una vez a partir de pruebas, comentarios de usuarios finales y análisis de contenido como los informes de desviaciones de fabricación) todavía no distinguía con claridad los pasos específicos de moléculas grandes, los específicos de moléculas pequeñas y los genéricos dentro de sus facetas de fabricación y comercialización. La Empresa Z pidió a Iknow mejorar aún más la calidad del etiquetado de metadatos por modalidad de fármaco, revisar los comentarios de los usuarios y la calidad de los términos de la taxonomía de manera más amplia, revisar los resultados de clasificación en busca de oportunidades adicionales de mejora, e implementar y probar los cambios requeridos.

• Una taxonomía ya madura que todavía mezcla modalidades de fármacos distintas. Incluso la robusta taxonomía de 1,840 términos de la Empresa Z no separaba con claridad los pasos de fabricación y comercialización específicos de moléculas grandes, los específicos de moléculas pequeñas y los genéricos, limitando la precisión con la que los usuarios podían filtrar por modalidad de fármaco.
• Una brecha creciente con la mezcla de productos en evolución de la Empresa Z. A medida que el portafolio de la Empresa Z, como el de la industria en general, incorporaba más biológicos de molécula grande junto con los fármacos tradicionales de molécula pequeña, la capacidad de la taxonomía para distinguir entre ambos se volvió más importante que cuando se construyó inicialmente.
• Comentarios dispersos en un canal informal. Una señal clara sobre el etiquetado inexacto aparecía en los comentarios de la intranet de la Empresa Z, pero solo como observaciones no estructuradas que debían sintetizarse en cambios concretos de la taxonomía.
• Una base de evidencia masiva y sin estructurar por explotar. Confirmar y ampliar los términos específicos por modalidad requería analizar los patrones de etiquetado en 10 grandes colecciones de contenido y aproximadamente 80,000 entradas de la base de datos de recetas de fabricación de la Empresa Z, demasiado para revisarlo manualmente.

• Mejorar la calidad del etiquetado de metadatos para moléculas grandes y pequeñas, particularmente en las facetas de fabricación y comercialización de la taxonomía, permitiendo búsquedas más precisas por modalidad de fármaco.
• Revisar los comentarios de los usuarios y refinar las definiciones de términos, los sinónimos, los acrónimos y otras etiquetas alternativas de la taxonomía.
• Revisar los resultados de clasificación e identificar oportunidades adicionales para mejorar la precisión de la autoclasificación.
• Implementar y probar los cambios requeridos en el modelo de la taxonomía y las reglas de clasificación.

Cómo Estructuró Iknow el Trabajo

Iknow estructuró el proyecto en cuatro fases, avanzando desde los comentarios de los usuarios y el análisis de datos hacia la validación con las partes interesadas, y luego a la implementación por etapas y las pruebas de la taxonomía revisada.

Actividades y Decisiones Clave

• Revisión de los comentarios de los usuarios. Iknow revisó los comentarios de los usuarios sobre la taxonomía enviados a través del canal de comentarios de la intranet de la Empresa Z, centrándose en las observaciones sobre la precisión y el equilibrio del etiquetado entre moléculas pequeñas y grandes.
• Revisión de clasificación y análisis de datos. Iknow compiló informes de etiquetado actuales para 10 grandes colecciones de contenido, mostrando la frecuencia de etiquetas en las facetas de Paso de Fabricación y Paso de Comercialización por tipo de molécula, para identificar el etiquetado excesivo o insuficiente de términos específicos. Iknow también analizó la base de datos de "recetas" de fabricación de la Empresa Z, de aproximadamente 80,000 entradas, para identificar pasos específicos de moléculas pequeñas y grandes y posibles términos nuevos para la taxonomía.
• Entrevistas con partes interesadas. Iknow realizó entrevistas con usuarios para explorar posibles mejoras de la taxonomía, lo que motivó ajustes en la jerarquía y la agrupación temática de la taxonomía y sacó a la luz muchos términos nuevos para una mayor granularidad de búsqueda.
• Implementación y pruebas. Iknow primero editó el modelo de la taxonomía en Excel para una revisión rápida por parte de los usuarios, luego implementó los cambios en Semaphore Ontology Editor y realizó pruebas de clasificación sobre el modelo revisado antes de la publicación final.

Partes Interesadas y Colaboración

Iknow actuó como contratista principal, trabajando directamente con el Centro de Excelencia de KM de la Empresa Z y apoyándose tanto en los comentarios de usuarios de la intranet como en entrevistas directas con científicos e ingenieros, dando así continuidad a la relación de taxonomía de múltiples proyectos ya establecida entre Iknow y la Empresa Z.

Encontrar la Señal Real en 80,000 Entradas Sin Estructurar

Confirmar términos genuinamente específicos de moléculas grandes y pequeñas requería más que intuición: requería evidencia de los datos operativos de la Empresa Z. Iknow lo abordó analizando sistemáticamente la base de datos de recetas de fabricación junto con los informes de frecuencia de etiquetado de 10 grandes colecciones de contenido, cruzando referencias para identificar dónde las etiquetas existentes se aplicaban en exceso o en defecto según el tipo de molécula, y proponiendo después términos nuevos, fundamentando cada cambio en datos de uso reales en lugar de conjeturas.

Convertir Comentarios Informales en una Revisión Validada de la Taxonomía

Los comentarios dispersos de la intranet por sí solos no podían indicar a Iknow qué cambios mejorarían genuinamente la búsqueda sin perturbar una taxonomía ya desplegada y en uso activo. Iknow lo abordó combinando una revisión estructurada de los comentarios de los usuarios con entrevistas directas a las partes interesadas, y escalonando después la implementación (un borrador en Excel para una revisión rápida por los usuarios, seguido de Semaphore Ontology Editor para la implementación y las pruebas de clasificación) antes de publicar el modelo final.

Resultados Cuantitativos

• Términos nuevos añadidos: aproximadamente 200 términos nuevos de taxonomía, junto con sus sinónimos y acrónimos correspondientes.
• Datos analizados: informes de etiquetado de 10 grandes colecciones de contenido y una base de datos de recetas de fabricación con aproximadamente 80,000 entradas.
• Entrega: completada según el cronograma dentro del período contractual de cuatro meses.

Resultados Cualitativos

Varios cambios en las agrupaciones y la jerarquía de la taxonomía mejoraron la separación de los pasos de proceso de molécula pequeña, de molécula grande y genéricos, y las pruebas mostraron avances significativos en la precisión del etiquetado para los términos detallados de fabricación. Los términos nuevos y las facetas reorganizadas dieron a los científicos e ingenieros de la Empresa Z una forma de filtrar los resultados de búsqueda por modalidad de fármaco que antes no existía, reduciendo el ruido de resultados irrelevantes cuando alguien que trabajaba en un biológico buscaba un paso de fabricación que también se aplicaba, bajo un proceso diferente, a la producción de moléculas pequeñas. El proyecto también extendió la alianza de taxonomía plurianual e iterativa de Iknow con la Empresa Z, manteniendo la infraestructura de búsqueda subyacente alineada con la mezcla de productos de la Empresa Z a medida que se desplaza aún más hacia los biológicos complejos, una tendencia que se manifiesta en toda la industria de fabricación farmacéutica y no solo en la Empresa Z.

Tiempo Hasta el Impacto

Iknow entregó las cuatro fases (revisión de comentarios, análisis de clasificación, entrevistas con partes interesadas, e implementación y pruebas) dentro del período contractual de cuatro meses.

Competencias Principales

• Refinamiento y gobernanza de taxonomías
• Analítica de clasificación
• Ajuste de reglas de autoclasificación
• Levantamiento de requisitos orientado a las partes interesadas

Métodos y Marcos de Trabajo

• Análisis de frecuencia de etiquetado por colección de contenido
• Revisión estructurada de los comentarios de los usuarios
• Entrevistas con partes interesadas
• Implementación y pruebas del modelo por etapas

Tecnologías y Herramientas

• Progress Semaphore Ontology Editor
• Búsqueda empresarial en SharePoint y análisis de la base de datos de recetas de fabricación