Este documento describe y evalúa comparativamente los componentes de descubrimiento de competidores utilizados 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 sus propiedades estandarizadas. Las definiciones de competidores varían según el inversor, los datos son de pago/licenciados, se distribuyen en múltiples registros, presentan ontologías inconsistentes entre indicaciones, presentan numerosos alias, son multimodales y evolucionan rápidamente. Los sistemas de IA basados en LLM existentes no pueden buscar de forma fiable todos los nombres de fármacos de la competencia, y no existe un punto de referencia público para esta tarea. Para abordar esto, transformamos cinco años de notas de diligencia debida multimodales no estructuradas de un fondo privado de capital riesgo de biotecnología en un corpus de valoración estructurado para mapear los fármacos de la competencia por indicación y propiedades estandarizadas. Además, introdujimos un agente de validación de competidores LLM como juez para eliminar falsos positivos, mejorar la precisión y suprimir las alucinaciones. El agente de descubrimiento de competidores presentado en este artículo alcanzó una tasa de recuperación del 83%, superando a OpenAI Deep Research (65%) y Perplexity Labs (60%). Este sistema se implementa para usuarios corporativos y, en un caso práctico de un fondo de inversión de capital riesgo en biotecnología, 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).
