A IA já mudou o laboratório. Falta provar que muda o remédio.

Há uma frase que resume o ceticismo da indústria farmacêutica diante da inteligência artificial: treinar um modelo com os dados disponíveis hoje seria como ensinar um sapo a pilotar uma bicicleta pelas ruas de Albuquerque e esperar que ele dirija um carro autônomo em São Francisco. A comparação é do farmacologista Jack Scannell, o mesmo pesquisador que, em 2012, batizou o fenômeno que assombra o setor havia mais de sessenta anos: a "lei de Eroom" — Moore soletrado ao contrário¹.

Enquanto o poder computacional dobra a cada dois anos, o custo ajustado pela inflação para aprovar um novo medicamento nos Estados Unidos dobrou a cada nove anos entre 1950 e 2010, numa queda de produtividade estimada em até 80 vezes no período^1,2. Sequenciar DNA ficou dez bilhões de vezes mais barato; descobrir remédios, ao contrário, ficou mais caro². A pergunta que percorre laboratórios e mesas de investidores em 2026 é se a inteligência artificial generativa finalmente reverte essa curva — ou se repete o destino da genômica, da automação e da triagem de alto rendimento, tecnologias que expandiram a capacidade de gerar hipóteses sem jamais elevar de forma duradoura o retorno de cada dólar investido em pesquisa.

O "laboratório em ciclo fechado"

Em grandes farmacêuticas multinacionais, a IA já opera dentro do fluxo real de pesquisa: modelos preveem alvos terapêuticos promissores, cientistas testam essas previsões experimentalmente, e os resultados retroalimentam os algoritmos para a rodada seguinte — um ciclo que pesquisadores do setor descrevem como capaz de ampliar o número de programas de pesquisa que uma equipe consegue perseguir simultaneamente, não porque a IA "raciocine" melhor do que um cientista humano, mas porque consegue absorver um volume de conhecimento biológico muito maior do que qualquer pesquisador individual sozinho.

O gargalo, porém, nunca foi a geração de hipóteses. É a validação. Apenas cerca de um em cada dez candidatos a medicamento que entram em testes clínicos chega ao mercado, e boa parte dos fracassos ocorre depois de anos de pesquisa e bilhões de dólares investidos. Culturas de células, animais de laboratório e simulações computacionais continuam sendo substitutos imperfeitos do corpo humano — e é exatamente aí que a analogia do sapo na bicicleta de Scannell expõe o limite: carros autônomos aprenderam com milhões de quilômetros rodados no mundo real; a medicina nunca teve nada parecido com um mapa limpo do corpo humano¹.

"A IA não é mais inteligente. Mas o que ajuda nossos cientistas é que ela codifica informação de forma muito, muito mais ampla."Aviv Regev, bióloga computacional da Genentech (Roche), em entrevista ao Wall Street Journal¹

Quanto vale a promessa, em dólares

Bancos de investimento já colocaram números na aposta. O Goldman Sachs estimou que os benefícios da IA para o desenvolvimento de medicamentos podem alcançar até US$ 400 bilhões em valor presente ao longo da próxima década, encurtando prazos, reduzindo custos e elevando a probabilidade de sucesso clínico¹. Em outra frente, a consultoria McKinsey projeta ganhos de eficiência de até 30% no setor farmacêutico, com impacto financeiro potencial de US$ 110 bilhões anuais³, enquanto o próprio Goldman calcula que a combinação de descoberta de fármacos por IA com avanços como edição genética pode adicionar entre 0,5% e 2,5% ao PIB americano³.

Executivos de peso apostam alto: o CEO da Eli Lilly, David Ricks, e o da Novartis, Vas Narasimhan, lideram investimentos bilionários em poder computacional, parcerias e novas plataformas de pesquisa¹. A Novartis, por exemplo, fechou parceria com a Generate:Biomedicines para desenvolver terapias proteicas por IA em múltiplas áreas de doença³. O mercado global de IA aplicada à descoberta de fármacos, avaliado em cerca de US$ 6,9 bilhões em 2025, deve mais que dobrar até 2034, segundo a consultoria Precedence Research⁴.

Mas o mercado de ações não está comprando a história — ainda. Bolsas de biotecnologia não acompanharam o rali de outras empresas ligadas a inteligência artificial, e analistas do setor argumentam que os vencedores finais podem não ser as empresas que constroem os modelos de IA, mas sim as farmacêuticas já estabelecidas, capazes de combinar essas ferramentas com bases de dados biológicos profundas e estrutura para rodar programas globais de desenvolvimento clínico¹.

O Brasil entra pela regulação e pelo financiamento

Enquanto a discussão internacional gira em torno de bilhões de dólares e projeções de PIB, o avanço concreto no Brasil passa por dois canais mais modestos, porém tangíveis: a atualização regulatória da Anvisa e o financiamento público via BNDES e Finep.

A Anvisa aprovou sua Agenda Regulatória para o biênio 2026–2027, reunindo 161 temas prioritários que devem impactar o registro de medicamentos, a pesquisa clínica e a incorporação de novas tecnologias em saúde — incluindo caminhos regulatórios mais claros para sistemas baseados em inteligência artificial⁵. A agência também já emprega uma ferramenta própria de IA para acelerar a análise de qualificação de impurezas em medicamentos sintéticos, otimizando um processo historicamente manual e lento⁶. Segundo dados citados pela indústria, o Brasil voltou a ampliar sua participação em ensaios clínicos globais, hoje em torno de 2,2% dos estudos mundiais⁵.

Ainda assim, especialistas em direito regulatório apontam uma lacuna: o marco legal brasileiro para pesquisa clínica — a Lei nº 14.874/2024 e a RDC nº 945/2024 da Anvisa — foi desenhado antes da disseminação de sistemas de IA generativa, e o país segue sem uma disciplina específica de governança algorítmica equivalente à que já existe na União Europeia e nos Estados Unidos⁷. Na prática, isso significa que contratos entre farmacêuticas, empresas de tecnologia e centros de pesquisa vêm preenchendo, por meio de cláusulas privadas, um vácuo que a regulação pública ainda não resolveu⁷.

No financiamento, o BNDES tratou biotecnologia como prioridade da Nova Indústria Brasil: além de R$ 1,39 bilhão aprovado em 2024 para planos de pesquisa e inovação de EMS, Aché e Eurofarma⁸, o banco já destinou mais de R$ 23 bilhões à bioeconomia e R$ 8 bilhões ao Complexo Econômico-Industrial da Saúde até outubro de 2025⁹. Em abril de 2026, BNDES e Finep lançaram um edital conjunto para selecionar o gestor de um novo fundo de investimento voltado a startups intensivas em inteligência artificial, no âmbito do Plano Brasileiro de Inteligência Artificial, comprometendo até R$ 125 milhões do banco e R$ 80 milhões da Finep, com 30% dos recursos direcionados a startups do Norte, Nordeste e Centro-Oeste¹⁰.

Fiocruz, dados clínicos e o problema da privacidade

A Fiocruz já emprega ferramentas computacionais na descoberta de fármacos havia anos — um trabalho que ganhou visibilidade durante a pandemia, quando pesquisadores do Centro de Desenvolvimento Tecnológico em Saúde da instituição, em parceria com a Unicamp, a USP e a UnB, usaram estratégias aceleradas por IA no reposicionamento de moléculas contra o coronavírus¹¹. O desafio, segundo pesquisadores da área, é que qualquer aplicação ampla de IA em saúde depende de grandes volumes de dados clínicos — e no Brasil essa coleta esbarra na necessidade de conciliar inovação com a Lei Geral de Proteção de Dados (LGPD), que impõe restrições rígidas ao uso de informações sensíveis sobre pacientes¹².

Há também uma dimensão específica do país que raramente aparece nas manchetes internacionais: a biodiversidade amazônica como banco natural de moléculas com potencial terapêutico. Pesquisadores argumentam que, combinada à triagem computacional, essa biodiversidade poderia representar uma vantagem competitiva genuína — desde que o Brasil evite depender inteiramente de plataformas estrangeiras de IA biomédica e proteja o controle sobre esses ativos biológicos estratégicos¹².

O que muda — e o que ainda não mudou

A distinção central é entre a economia de hoje e as possibilidades de amanhã. Por ora, a inteligência artificial torna os laboratórios de pesquisa mais produtivos sem alterar o indicador que realmente importa para investidores: quantos medicamentos bem-sucedidos saem de cada dólar investido. Enquanto esse número não melhorar de forma consistente, o mercado financeiro tem pouca razão para reprecificar o setor farmacêutico como fez com empresas de infraestrutura de IA¹.

Se as peças se encaixarem — dados humanos mais ricos, monitoramento de pacientes mais eficiente e ensaios clínicos capazes de gerar respostas mais rápidas — a lei de Eroom pode, enfim, começar a se inverter. Mas biologia segue seu próprio relógio, não o ciclo dos semicondutores. Para o Brasil, a aposta parece menos sobre replicar o Vale do Silício farmacêutico e mais sobre usar a janela regulatória e o financiamento público disponíveis agora para não ficar de fora quando — e se — essa curva finalmente virar.