Novo Nordisk nawiązał współpracę z Anthropic, aby wykorzystać AI w odkrywaniu i rozwoju leków oraz tworzeniu oprogramowania. Porozumienie pokazuje, gdzie farmacja szuka oszczędności czasu, ale nie jest jeszcze dowodem, że sztuczna inteligencja przyspieszy wprowadzenie konkretnej terapii na rynek.
- Współpraca ogłoszona 16 września 2026 r. obejmuje wykorzystanie Claude Science w wybranych procesach badawczo-rozwojowych
- Novo chce także stosować modele Anthropic do rozwoju oprogramowania wspierającego wdrażanie AI w organizacji
- Sprawniejsze analizy i dokumentacja nie zastępują eksperymentów ani oceny bezpieczeństwa oraz skuteczności leku
- Firmy nie podały w komunikacie wartości kontraktu ani harmonogramu wprowadzenia terapii powstałej dzięki współpracy
Novo Nordisk i Anthropic ogłosiły porozumienie 16 września. Według komunikatu spółki będą wspólnie wybierać wyzwania wskazane przez naukowców i zespoły obliczeniowe producenta leków. Pierwszym celem jest testowanie Claude Science w procesach badawczo-rozwojowych, zwłaszcza tam, gdzie połączenie wiedzy biologicznej i możliwości modeli ma dać największą wartość.
Zapisz się na newsletter BGR. Otrzymuj najlepsze informacje i porady, a także zaproszenia na eventy.
Klikając „Zapisz mnie”, potwierdzasz, że przeczytałeś i zgadzasz się z naszą Polityką prywatności.
Drugi obszar obejmuje oprogramowanie. Novo zamierza korzystać z modeli Anthropic do wspierania pracy programistycznej, która umożliwia szersze wdrażanie AI w firmie. To mniej widowiskowe niż projektowanie cząsteczki, ale istotne: badacz potrzebuje działających narzędzi, dostępu do właściwych danych i powtarzalnego sposobu analizy.
Mike Doustdar, szef Novo, wskazuje w komunikacie zwiększanie produktywności oraz lepsze rozumienie biologii i działania leków. To różne cele. Szybsze przygotowanie raportu można zmierzyć w krótkim czasie, ale wykazanie korzyści przy odkrywaniu terapii wymaga dłuższej obserwacji.
Nie podano wartości umowy ani konkretnego programu lekowego, który miałby jako pierwszy skorzystać ze współpracy. Nie ma podstaw, aby zapowiadać termin premiery preparatu czy konkretną obniżkę kosztów. Na tym etapie potwierdzony jest zakres współpracy i kierunek testów, a wyniki dopiero mają powstać.
Czytaj też: Jak oceniać oszczędności po wdrożeniu agentów AI
Oszczędność czasu badaczy i sprawdzian AI w laboratorium
W farmacji wiele czasu zajmuje wyszukiwanie publikacji, porównywanie wyników i porządkowanie dokumentacji. Model językowy może przygotować wstępne zestawienie albo pomóc zidentyfikować informacje wymagające dalszego sprawdzenia. Człowiek może ocenić rezultat na podstawie znanych źródeł i procedur.
Anthropic już wcześniej opisywał zastosowania Claude w naukach biologicznych: przegląd literatury, tworzenie sprawdzalnych hipotez i wsparcie analiz. Firma wskazywała integracje m.in. z PubMed i narzędziami badawczymi. Nie należy jednak zakładać, że każdy element automatycznie wchodzi do umowy z Novo lub że wszystkie działają w jednakowym zakresie.
Korzyść może polegać na szybszym odrzuceniu słabego pomysłu albo przygotowaniu lepiej uzasadnionego eksperymentu. Błędna odpowiedź modelu może natomiast skierować zespół na niewłaściwy trop. Dlatego ważne są pochodzenie danych, możliwość sprawdzenia cytowanych prac i dokumentowanie założeń, na których powstała propozycja.
Trzeba też uważać na określenie „lek odkryty przez AI”. Algorytm może uczestniczyć w wyborze celu biologicznego, projektowaniu cząsteczki albo analizie wyników, a każda z tych ról oznacza coś innego. Zamiast szerokiej etykiety przydatniejsza jest informacja, jaki etap przyspieszono i jak wykazano, że poprawa nie odbyła się kosztem jakości.
Przewagę da kontrola danych i mierzalny wynik badań
Firmy podkreślają, że współpraca uwzględnia zarządzanie danymi i nadzór człowieka. W praktyce ocena takiego wdrożenia powinna obejmować zakres dostępu do informacji, weryfikację rezultatów i odpowiedzialność za ich wykorzystanie. Pomijanie nieudanych eksperymentów może zniekształcić analizę.
Dobry pilotaż powinien zaczynać się od zadania, którego wynik da się porównać z dotychczasową metodą. Zespół może mierzyć czas przygotowania analizy, liczbę błędów i nakład pracy na poprawki. Jeżeli model tworzy dokument szybciej, lecz naukowiec poświęca więcej czasu na sprawdzanie, oszczędność może okazać się pozorna.
W Polsce podobne narzędzia mogą zainteresować firmy biotechnologiczne, ośrodki akademickie i zespoły obsługujące badania kliniczne. Rozsądnym początkiem byłby pilotaż przeglądu literatury lub pracy nad dokumentacją, z kontrolą naukowca. O powodzeniu zdecydują jakość danych i integracja z pracą zespołu, a nie samo wykupienie dostępu do modelu.
Jest tu szansa dla dostawców oprogramowania. Laboratorium potrzebuje połączenia narzędzi analitycznych, rejestrów eksperymentów i wewnętrznej wiedzy. Każda integracja powinna zachować uprawnienia oraz umożliwiać odtworzenie, z których informacji skorzystano. Użyteczność modelu zależy od całego rozwiązania.
Wagę współpracy Novo z Anthropic pokażą konkretne rezultaty, czyli trafniejsze decyzje i projekty przechodzące kolejne sprawdziany. Dopóki takich danych nie ma, przyspieszenie rozwoju leków pozostaje celem, a nie udowodnionym osiągnięciem.
Czytaj też: Jak RAG łączy modele AI z wiedzą organizacji
