Novo Nordisk elige AWS y convierte la competencia entre Amazon y Google Cloud en una prueba de descubrimiento de fármacos
Novo Nordisk ha seleccionado AWS como su proveedor de nube preferido y socio estratégico de IA, elevando las apuestas en la competencia entre Amazon y Google Cloud. La farmacéutica y AWS también inauguraron un hub de coinnovación en las instalaciones que Novo Nordisk ya tiene en Londres. Científicos e ingenieros de ambas compañías trabajarán allí en el descubrimiento de fármacos asistido por IA y en operaciones empresariales.
El acuerdo va más allá de un contrato convencional de servicios en la nube. Según el acuerdo de coinnovación reportado, los socios planean combinar los datos de Novo Nordisk con la infraestructura de AWS, modelos de IA biológica y agentes de IA. Su objetivo declarado es acortar el camino desde la identificación de una diana farmacológica hasta la administración de un candidato en humanos.
Esa promesa crea la tensión central. Novo Nordisk ya mantiene relaciones relevantes en IA, incluida una alianza estratégica con OpenAI anunciada en abril de 2026. Por tanto, AWS debe demostrar que un flujo de trabajo científico y de nube integrado aporta algo más que acceso a otro modelo competente.
Google Cloud no figura como participante en el acuerdo. Sin embargo, sigue siendo una referencia competitiva porque las empresas de ciencias de la vida rara vez evalúan la infraestructura en la nube de forma aislada. Comparan la gobernanza de datos, la elección de modelos, las herramientas de investigación, los controles de seguridad y la capacidad de llevar experimentos a operaciones reguladas.
Por eso el anuncio merece atención más allá del sector farmacéutico. Pone a prueba si situar ingenieros de nube junto a científicos del ámbito puede transformar el acceso a la IA en resultados de investigación repetibles. También evalúa si un proveedor preferido puede coordinar datos sensibles sin limitar las opciones más amplias de IA de la compañía.
Qué construyeron realmente Novo Nordisk y AWS
El cambio significativo es un entorno operativo compartido, no simplemente una nueva colección de cuentas en la nube.
El hub de Londres sitúa a ingenieros de AWS y científicos de Novo Nordisk dentro de una estructura de colaboración dedicada. El objetivo de esta configuración es acortar la distancia entre una pregunta científica, un experimento computacional y una decisión sobre pruebas adicionales.
AWS denomina a esto coinnovación porque ambas partes aportan conocimientos esenciales. Novo Nordisk aporta datos biológicos, experiencia terapéutica, conocimiento clínico y comprensión del desarrollo farmacéutico regulado. AWS proporciona infraestructura informática, apoyo de ingeniería, servicios de IA y herramientas diseñadas para las ciencias de la vida.
Las empresas afirman que el hub se centrará en el descubrimiento y la modernización operativa. El trabajo de descubrimiento incluye identificar posibles dianas farmacológicas, diseñar candidatos terapéuticos y conectar información genómica, de imágenes y clínica. El trabajo operativo implica agentes de IA, sistemas de software capaces de planificar y ejecutar tareas acotadas de varios pasos.
Estas dos líneas no deben considerarse equivalentes. Un agente de productividad que reúne información interna tiene consecuencias distintas de un sistema que ayuda a priorizar una hipótesis biológica. Uno puede ahorrar tiempo a los empleados, mientras que el otro puede influir en costosas decisiones de laboratorio y clínicas.
La alianza menciona Amazon Bio Discovery como una parte de la pila científica. El servicio ofrece a los investigadores acceso a modelos y flujos de trabajo de IA biológica para generar y evaluar candidatos. También permite la retroalimentación de laboratorio, en la que los resultados de pruebas físicas pueden informar el siguiente ciclo computacional.
AWS afirma que su plataforma de IA biológica puede combinar los modelos propietarios de un cliente con un catálogo de modelos biológicos. Este enfoque importa porque las empresas farmacéuticas no quieren que todos sus métodos valiosos queden atrapados dentro de un único asistente de propósito general.
Amazon Bedrock proporcionará acceso a modelos fundacionales mediante un servicio gestionado. Un modelo fundacional es un sistema entrenado de forma amplia que puede adaptarse a muchas tareas. Se espera que Bedrock AgentCore respalde el despliegue y la gestión de agentes de IA en las operaciones de la empresa.
El acuerdo también formaliza a AWS como el proveedor de nube preferido de Novo Nordisk. “Preferido” no significa necesariamente exclusivo. El trabajo existente de Novo Nordisk con OpenAI demuestra que su estrategia de IA ya abarca más de una relación tecnológica.
Novo Nordisk y AWS también cuentan con una base técnica bajo el nuevo hub. Anteriormente construyeron un entorno de datos y analítica diseñado para operar a escala de petabytes. Esa anterior arquitectura de datos empresariales abordó el descubrimiento, la gobernanza, el acceso y la reutilización en grandes conjuntos de datos.
Ese historial hace que el hub sea más creíble que una alianza que parte de cero. Los equipos pueden apoyarse en los controles de nube y las canalizaciones de datos existentes. Sin embargo, una infraestructura consolidada no garantiza que una nueva predicción biológica supere las pruebas de laboratorio o clínicas.
Los socios no han revelado públicamente los términos financieros del acuerdo. Tampoco han proporcionado una cifra objetivo de programas de fármacos, candidatos validados o hitos clínicos para el hub. Estas omisiones mantienen amplia su ambición científica.
Por tanto, el cambio es concreto pero incompleto. Novo Nordisk ha designado un proveedor de nube preferido y creado un equipo compartido en Londres. La cuestión más difícil es si esa estructura produce evidencia que ninguna de las dos compañías podría generar mediante una relación ordinaria con un proveedor.
Por qué la competencia entre Amazon y Google Cloud ahora pasa por la industria farmacéutica
La rivalidad entre Amazon y Google está pasando de la contratación de infraestructura a la propiedad del flujo de trabajo científico.
Los proveedores de nube competían antes principalmente por capacidad informática, almacenamiento, bases de datos, disponibilidad geográfica y contratos empresariales. Esos fundamentos siguen siendo importantes, pero la IA ha añadido otra capa. Ahora los proveedores quieren moldear cómo los clientes descubren información, entrenan modelos, coordinan agentes y validan resultados.
Las ciencias de la vida son un campo de prueba atractivo porque sus flujos de trabajo requieren un uso intensivo de datos y tienen consecuencias económicas relevantes. El descubrimiento de fármacos implica secuencias biológicas, imágenes, estructuras químicas, artículos de investigación, observaciones de laboratorio y registros clínicos. Estas fuentes tienen formatos, niveles de calidad y restricciones de acceso distintos.
Un proveedor que conecte esas fuentes puede volverse difícil de reemplazar. La ventaja no proviene solo de almacenar datos. Surge de integrar controles de identidad, puntos de acceso a modelos, historiales de experimentos y procesos de aprobación en el trabajo científico diario.
AWS está convirtiendo esa integración en el eje central de su propuesta para Novo Nordisk. Su oferta combina infraestructura en la nube con modelos gestionados, herramientas biológicas, agentes y apoyo directo de ingeniería. El hub de Londres da a esos componentes un hogar organizativo.
Google cuenta con sus propias fortalezas relevantes, incluida la investigación en IA, la analítica de datos y la tecnología sanitaria. Sin embargo, el anuncio de Novo Nordisk ofrece a AWS una importante referencia empresarial en investigación farmacéutica. Muestra que AWS puede competir por trabajos en los que la validación científica importa tanto como la capacidad informática bruta.
Microsoft también forma parte del panorama competitivo más amplio, porque Azure y los servicios de OpenAI están profundamente integrados en grandes empresas. Aun así, añadir a todos los proveedores de nube como rivales equivalentes ocultaría la señal más clara de este acuerdo. Novo Nordisk ha elegido AWS como la capa preferida de infraestructura e integración de IA.
La competencia no consiste simplemente en Amazon frente a Google por la calidad de los modelos. Los compradores farmacéuticos necesitan que varias capas funcionen juntas.
Datos científicos
El proveedor debe gestionar información biológica, de imágenes, clínica y operativa sin borrar su procedencia.
Acceso a modelos
Los investigadores necesitan modelos biológicos especializados junto con sistemas generales de lenguaje y razonamiento.
Retroalimentación de laboratorio
Los candidatos computacionales deben pasar a pruebas físicas, cuyos resultados deben volver al flujo de trabajo de investigación.
Gobernanza
Los equipos necesitan controles de acceso, registros de auditoría, usos aprobados y una responsabilidad clara sobre decisiones trascendentes.
Despliegue
Un prototipo útil debe funcionar de forma fiable entre grupos de investigación, ubicaciones y procesos regulados.
AWS solo puede afirmar una ventaja si estas capas funcionan juntas en la práctica. Google puede responder mediante sus propias capacidades científicas y de nube. Microsoft puede competir mediante distribución empresarial y sus relaciones más amplias en IA.
La decisión de Novo Nordisk también presiona a los equipos internos de tecnología. Una estrategia de proveedor preferido puede simplificar los estándares y las compras, pero puede concentrar las dependencias técnicas. Los líderes internos deben decidir qué cargas de trabajo pertenecen a la plataforma común y cuáles requieren otro proveedor o modelo.
Para los compradores empresariales, esta es la verdadera cuestión entre Amazon y Google. El asunto no es qué empresa tiene la demostración más impresionante. Es qué plataforma puede conectar conocimiento sensible, modelos especializados, revisión humana y resultados medibles sin crear una dependencia inmanejable.
Esta lección se extiende más allá de la investigación de fármacos. Los equipos jurídicos, de ingeniería, finanzas y producto enfrentan un problema de integración similar. Sus estándares de evidencia difieren, pero también necesitan fuentes rastreables y flujos de trabajo controlados.
Una base de conocimiento técnico con capacidad de búsqueda puede ayudar a las personas a recuperar material de apoyo. No puede sustituir la validación científica ni la toma de decisiones responsable. El mismo límite se aplica a cualquier sistema empresarial de IA.
AWS tiene ahora la oportunidad de demostrar que su plataforma puede cruzar ese límite de forma responsable. Google y Microsoft tienen motivos para destacar la portabilidad, la elección de modelos y las herramientas sanitarias especializadas como respuesta.
El verdadero rival es la brecha de validación
El hub solo tendrá éxito si un trabajo computacional más rápido genera decisiones mejor validadas, no simplemente más posibilidades generadas por IA.
El descubrimiento de fármacos ya produce más hipótesis de las que las organizaciones pueden probar. Los sistemas generativos pueden aumentar esa oferta al proponer dianas, moléculas, proteínas, diseños de ensayos o explicaciones. El paso limitante se desplaza entonces hacia la selección de evidencia y la validación experimental.
Amazon Bio Discovery ilustra tanto la oportunidad como el límite. AWS describe un proceso de laboratorio en el ciclo, lo que significa que los diseños computacionales pasan a pruebas físicas y los resultados regresan a los modelos. Ese ciclo de retroalimentación es más valioso que una lista puntual de candidatos generados.
En una colaboración independiente con Memorial Sloan Kettering Cancer Center, AWS afirma que su sistema diseñó casi 300.000 candidatos de anticuerpos. Los filtró hasta llegar a 100.000 candidatos para pruebas de laboratorio en cuestión de semanas. La empresa compara ese periodo con hasta un año en los procesos tradicionales de diseño.
Estas cifras demuestran rendimiento computacional, no un medicamento aprobado. La generación de candidatos se sitúa cerca del inicio de una larga cadena de desarrollo. El rendimiento en laboratorio, la toxicidad, la fabricación, la dosificación, el beneficio clínico y la revisión regulatoria siguen siendo barreras independientes.
La ambición declarada de Novo Nordisk es acortar el camino desde una diana farmacológica hasta la primera dosis en humanos. Es una referencia significativa porque abarca más que el diseño molecular inicial. Alcanzarla exige decisiones coordinadas en descubrimiento, trabajo preclínico, fabricación, documentación y planificación clínica.
La IA puede contribuir en varios puntos. Los modelos pueden ayudar a los investigadores a priorizar dianas, conectar hallazgos entre conjuntos de datos o sugerir candidatos para su evaluación. Los agentes pueden recopilar evidencia y preparar materiales preliminares. La visión por computadora puede automatizar inspecciones en fabricación.
Novo Nordisk ya ha utilizado aprendizaje automático para tareas como el conteo de cartuchos y la detección de anomalías en placas de agar. Su anterior despliegue en fabricación entrenó, desplegó y supervisó modelos de visión por computadora en dispositivos edge.
Ese ejemplo es importante porque implica una tarea acotada con resultados observables. Una persona puede contar cartuchos, inspeccionar imágenes y comparar el resultado del sistema con una respuesta conocida. La selección de dianas farmacológicas tiene un ciclo de retroalimentación mucho más largo y una mayor incertidumbre biológica.
Por lo tanto, los proyectos más útiles del hub definirán el éxito antes de construir un sistema. Un proyecto de descubrimiento podría medir si la IA mejora la tasa de candidatos validados que pasan a experimentos posteriores. Un proyecto operativo podría seguir el tiempo de revisión, las tasas de error y las correcciones humanas necesarias.
Las estadísticas brutas de adopción no pueden responder a esas preguntas. Novo Nordisk afirma que más de 25.000 empleados han utilizado su entorno seguro de IA generativa en más de 2.500 casos de uso. La plataforma de IA para empleados subyacente muestra una demanda amplia, pero el número de casos de uso no revela la calidad de cada resultado.
Una alta participación aún puede generar valor. Identifica tareas recurrentes y ofrece a los equipos experiencia con las limitaciones de los modelos. También amplía la superficie para prompts inconsistentes, herramientas duplicadas, datos sensibles y resultados sin revisar.
El hub de coinnovación debería ayudar a reducir esa superficie. Ingenieros compartidos pueden convertir experimentos prometedores en componentes aprobados, en lugar de dejar que cada equipo construya su propio chatbot. Los científicos también pueden descartar ideas técnicamente impresionantes que no encajan con la realidad del laboratorio.
Este es el principal conflicto dentro de la alianza: la promesa de acortar plazos frente a la realidad de la validación. AWS quiere demostrar que los servicios de IA integrados aceleran la ciencia. Novo Nordisk necesita evidencia de que esa aceleración no debilita el criterio científico.
Un resultado exitoso no sería un modelo que proponga el mayor número de candidatos. Sería un flujo de trabajo que ayude a los expertos a eliminar antes las opciones deficientes, preserve el razonamiento detrás de las decisiones y mejore el flujo hacia las pruebas físicas.
Ese estándar también protege a la alianza de expectativas infladas. El desarrollo de fármacos contiene retrasos que ningún modelo de lenguaje puede eliminar. La incertidumbre biológica, los estudios de seguridad, los desafíos de reclutamiento, los cambios de fabricación y las cuestiones regulatorias siguen siendo reales.
El hub aún puede producir mejoras sustanciales sin resolver todos esos problemas. Puede reducir transferencias evitables, facilitar la recuperación de evidencia o identificar antes supuestos fallidos. Estas mejoras se vuelven creíbles cuando los socios publican líneas de base definidas y resultados medidos.
La estrategia de IA con múltiples socios de Novo Nordisk crea una prueba de gobernanza
Elegir a AWS como socio preferente no resuelve cómo Novo Nordisk gobernará modelos superpuestos, rutas de datos y responsabilidades.
Novo Nordisk anunció una alianza estratégica con OpenAI en abril de 2026, apenas unos meses antes del acuerdo con AWS. La empresa afirmó que esa relación respaldaría el descubrimiento de fármacos, la fabricación, las operaciones comerciales y el desarrollo de la plantilla.
Su alianza oficial con OpenAI describió la IA como una transformación para toda la empresa. Ese alcance se superpone con la nueva alianza con AWS, aunque cada proveedor aporta infraestructura y servicios diferentes.
La superposición no es automáticamente una debilidad. Una estrategia con múltiples socios puede evitar que un único proveedor de modelos controle cada carga de trabajo importante. También puede permitir a los investigadores elegir herramientas especializadas para distintas preguntas.
El riesgo aparece cuando las responsabilidades se vuelven poco claras. Un flujo de trabajo podría almacenar datos en AWS, llamar a un modelo externo, utilizar un sistema interno de recuperación y transferir resultados a otro agente. Cada conexión plantea preguntas sobre acceso, registro, retención, evaluación y gestión de fallos.
Los datos farmacéuticos hacen que esas preguntas sean especialmente importantes. Los registros de investigación pueden contener compuestos propietarios, hipótesis no publicadas, información genómica, datos relacionados con pacientes y detalles sobre programas clínicos. Su sensibilidad varía, por lo que una única política no puede regir todos los usos.
Novo Nordisk y AWS destacan fundamentos seguros, pero el anuncio ofrece pocos detalles de implementación. No explica qué conjuntos de datos entrarán en el hub, cómo se validarán los resultados ni cuándo se volverá obligatoria la aprobación humana.
Tampoco identifica los primeros programas terapéuticos implicados. Sin esa información, los observadores externos no pueden juzgar si el trabajo comienza con apoyo a la investigación de bajo riesgo o influye en decisiones más cercanas al desarrollo clínico.
La IA agéntica añade otra capa de incertidumbre. Un agente puede realizar varios pasos y seleccionar herramientas según sus instrucciones. Esta autonomía hace que los agentes sean útiles, pero también puede hacer que los errores sean más difíciles de rastrear que una única respuesta de un modelo.
Un despliegue responsable necesita permisos acotados. Un agente de revisión de evidencia no debería obtener autoridad para modificar un registro clínico o aprobar un experimento. Un asistente de fabricación no debería cambiar un proceso validado sin controles formales.
Los equipos también necesitan saber qué componente produjo cada resultado. Si un resultado combina un modelo interno, un servicio de Amazon y un modelo fundacional externo, los revisores necesitan procedencia. La procedencia implica un registro rastreable de los datos, las herramientas y las transformaciones detrás de una conclusión.
Las actualizaciones de modelos crean otro problema de gobernanza. Los proveedores cambian regularmente el rendimiento, las salvaguardas y las funciones compatibles. Un flujo de trabajo validado con una versión de modelo puede comportarse de forma diferente tras una actualización.
Aquí es donde la relación de nube preferente puede ayudar. AWS puede proporcionar controles comunes de identidad, supervisión y despliegue en todos los servicios. Novo Nordisk puede establecer rutas de aprobación compartidas en lugar de dejar que cada grupo de investigación improvise.
La misma relación puede crear riesgo de concentración. Los equipos pueden construir profundamente alrededor de agentes, formatos de datos o flujos de trabajo biológicos específicos del proveedor. Migrar más adelante podría exigir rediseñar tanto el software como los procesos organizativos.
La respuesta adecuada no es evitar la integración. Es separar los activos científicos portables de los componentes de servicio reemplazables. Novo Nordisk debería conservar una propiedad clara de sus datos, conjuntos de evaluación, prompts, registros de decisiones y resultados experimentales.
La seguridad también va más allá del acceso no autorizado. Un modelo puede producir afirmaciones biológicas plausibles pero sin respaldo. Un agente puede recuperar el documento equivocado o pasar por alto evidencia contradictoria. Estos fallos requieren controles científicos, no solo cifrado y políticas de red.
Por tanto, la visión escéptica del hub es directa. Las empresas han anunciado una arquitectura amplia y un resultado ambicioso, pero todavía no han publicado una validación científica independiente. Tampoco han divulgado tasas de error operativas ni puntos de referencia comparativos.
Eso no hace que la alianza sea vacía. Significa que la carga de la prueba comienza ahora. Novo Nordisk debe demostrar que el hub mejora las decisiones en condiciones controladas, mientras que AWS debe demostrar que la integración sigue siendo gobernable entre modelos y equipos.
El concurso entre amazon y google cloud amplificará cada hito positivo. Los compradores deberían prestar la misma atención a medidas menos visibles, incluidas las tasas de corrección, la reproducibilidad de los experimentos y el número de flujos de trabajo que superan una revisión formal.
Tres señales mostrarán si el hub importa
La próxima fase debería juzgarse mediante programas validados, evidencia operativa y respuestas competitivas, en ese orden.
La primera señal es un programa de descubrimiento de fármacos identificado con un hito definido. Novo Nordisk no necesita revelar detalles moleculares propietarios. Sí necesita identificar el flujo de trabajo, su línea de base y el resultado atribuido al hub.
Una divulgación útil podría comparar el tiempo necesario para priorizar dianas antes y después del nuevo proceso. Podría informar cuántos candidatos computacionales pasaron a pruebas de laboratorio y cuántos cumplieron criterios predeterminados. También debería identificar los puntos de revisión humana.
Si los socios publican esa evidencia, el argumento central se vuelve más sólido. Demostraría que expertos ubicados conjuntamente y herramientas integradas pueden mejorar una decisión real de desarrollo. Otro estudio de caso amplio sobre adopción por empleados aportaría un respaldo mucho más débil.
La segunda señal es la gobernanza de producción en AWS, OpenAI y sistemas internos. Novo Nordisk debería explicar cómo asigna modelos a las cargas de trabajo y registra la fuente de resultados importantes. También debería mostrar cómo gestionan los equipos los cambios de modelo, los errores y las recomendaciones contradictorias.
La evidencia de estándares de evaluación compartidos reforzaría la alianza. Esos estándares deberían incluir precisión científica, protección de datos, trazabilidad y supervisión humana. Deberían aplicarse independientemente de qué proveedor suministre el modelo subyacente.
Un modelo de gobernanza fragmentado debilitaría el caso. Las alianzas separadas pueden producir plataformas duplicadas, controles inconsistentes y programas internos en competencia. El hub de Londres debe convertirse en un mecanismo de coordinación, no en otra iniciativa de IA aislada.
La tercera señal es cómo respondan los competidores. Google Cloud y Microsoft pueden responder con nuevas colaboraciones farmacéuticas, plataformas de investigación portátiles o un mayor apoyo a modelos especializados. Las farmacéuticas rivales también pueden publicar resultados medibles de sus propios programas de IA.
Eli Lilly es la referencia farmacéutica más relevante porque Novo Nordisk afronta competencia directa en tratamientos para la obesidad. La alianza de nube no determinará por sí sola ese mercado. Sin embargo, la presión de Lilly da a Novo Nordisk una razón clara para acortar los ciclos de investigación y operación.
El acuerdo de Novo Nordisk con OpenAI se anunció mientras la empresa trabajaba para recuperar impulso frente a Lilly. El hub de AWS amplía esa respuesta desde el acceso a modelos hacia la infraestructura y la ejecución. Sugiere que la dirección quiere integrar la IA en todo el sistema de desarrollo.
Una respuesta fuerte de Google o Microsoft confirmaría que los proveedores de nube consideran los flujos de trabajo integrados de ciencias de la vida como un mercado estratégico. También daría a las farmacéuticas alternativas más creíbles, reduciendo el riesgo de que un proveedor defina la arquitectura.
Una respuesta débil no demostraría que AWS ha ganado. Podría significar que los competidores persiguen proyectos menos visibles o modelos de alianza diferentes. Aun así, victorias farmacéuticas repetidas mejorarían la posición de AWS en la IA empresarial.
Los lectores también deberían distinguir el progreso operativo inicial del impacto clínico. Una revisión bibliográfica más rápida puede aparecer en cuestión de meses. Un tratamiento influido por el hub requerirá una cadena de validación mucho más larga.
Esa diferencia temporal hace esenciales las medidas intermedias transparentes. Sin ellas, las empresas pueden celebrar actividad mientras los observadores externos no pueden evaluar el valor. Con ellas, los compradores pueden comparar el hub con la consultoría de nube convencional y los equipos internos de investigación.
Para los desarrolladores, la lección es diseñar la evaluación antes que la orquestación. Conectar agentes y modelos es más fácil que demostrar que su resultado combinado mejora una decisión. Los registros, los conjuntos de pruebas, los límites de acceso y los estados de revisión deben formar parte del sistema.
Para los compradores empresariales, la lección es evaluar los modelos operativos junto con los productos técnicos. Un centro de coinnovación puede acelerar la retroalimentación porque los ingenieros del proveedor y los expertos del sector trabajan juntos. También puede hacer que una empresa dependa de especialistas integrados escasos.
Para los trabajadores del conocimiento, la lección es preservar el camino desde la fuente hasta la conclusión. La IA puede recuperar, combinar y redactar información con rapidez. El usuario aún necesita ver qué pruebas respaldan el resultado y dónde persiste la incertidumbre.
Novo Nordisk y AWS han creado una prueba seria de esos principios. La alianza reúne a una organización farmacéutica con experiencia, un importante proveedor de nube, herramientas biológicas especializadas y un centro físico de colaboración.
Aún no ha demostrado que la IA pueda acortar el camino hasta una primera dosis en humanos. Esa afirmación requiere programas validados, no descripciones de plataformas. También exige pruebas de que un trabajo más rápido sigue siendo seguro, reproducible y científicamente responsable.
Durante los próximos tres meses, preste atención a un flujo de trabajo de investigación identificado, un modelo de gobernanza concreto y una respuesta competitiva de Google o Microsoft. Esas señales revelarán si se trata de un modelo operativo científico duradero o de una relación con la nube ampliada.
La competencia más amplia entre amazon y google continuará en modelos, infraestructura y contratos empresariales. Novo Nordisk ha dado ahora a AWS un escenario destacado en las ciencias de la vida. El resultado dependerá de lo que llegue al laboratorio, de lo que supere la validación y de lo que los científicos decidan confiar.
