Este documento describe y evalúa comparativamente el componente de descubrimiento de competidores utilizado en un sistema de IA basado en agentes para la diligencia debida rápida de activos farmacéuticos. Dada una indicación específica, el agente de IA para el descubrimiento de competidores busca todos los fármacos que conforman el panorama competitivo para esa indicación y extrae propiedades estandarizadas de estos fármacos. Las definiciones de los competidores varían entre inversores, los datos son de pago/licenciados y están fragmentados entre registros. Las ontologías son inconsistentes entre indicaciones, los nombres de los fármacos tienen numerosos alias, son multimodales y evolucionan rápidamente. Si bien actualmente se consideran la mejor herramienta para este problema, los sistemas de IA basados en LLM no pueden recuperar de forma fiable todos los nombres de los fármacos de la competencia, y no existen puntos de referencia públicos aceptados para esta tarea. Para abordar esta falta de evaluación, este documento utiliza un agente basado en LLM para transformar cinco años de notas de diligencia debida no estructuradas multimodales de un fondo privado de capital riesgo de biotecnología en un corpus de evaluación estructurado que asigna indicaciones a fármacos de la competencia con propiedades estandarizadas. Además, presentamos un agente de validación de competidores (LLM como juez) que filtra los falsos positivos de la lista de competidores predichos para maximizar la precisión y evitar alucinaciones. En este benchmark, el agente de Descubrimiento de Competidores logró un 83% de recuperación, superando a OpenAI Deep Research (65%) y Perplexity Labs (60%). Este sistema está dirigido a usuarios empresariales; en un caso práctico dirigido a un fondo de capital riesgo biotecnológico, el tiempo de procesamiento del análisis competitivo por parte de los analistas se redujo de 2,5 días a aproximadamente 3 horas (aproximadamente 20 veces).
