«Санофи» (Sanofi) переносит генеративный искусственный интеллект из роли универсального офисного инструмента в специализированную разработку лекарств. Фармацевтическая группа, «Оупен-Эй-Ай» (OpenAI) и «Формейшн Био» (Formation Bio) 21 мая 2024 года объявили о сотрудничестве ради специализированных программ, настроенных моделей и агентов ИИ для исследований и разработок. Через восемь дней Fortune изучил этот план в интервью с генеральным директором Sanofi Полом Хадсоном (Paul Hudson).

Соглашение важно тем, что каждый участник предоставляет собственный дефицитный ресурс. Sanofi приносит закрытые фармацевтические данные и крупный портфель разработок. OpenAI даёт модели, знания по их настройке и технические ресурсы. Formation Bio добавляет инженеров и платформу клинической разработки. Задача состоит не в установке общедоступного чат-бота рядом с учёными, а в создании инструментов для конкретных решений и документов.

Партнёрство объединяет разные активы

Sanofi со штаб-квартирой во Франции намерена стать биофармацевтической компанией, использующей ИИ в масштабе всей организации. В сообщении компаний сказано, что заказные системы охватят жизненный цикл разработки лекарств. Там не назван препарат, созданный партнёрством, и не приведён подтверждённый клинический результат.

Formation Bio умеет строить программы вокруг испытаний и развивать лицензированные лекарственные активы. OpenAI из Соединённых Штатов предоставляет общую модельную основу. Sanofi добавляет предметный контекст, который делает основу полезной. Такое разделение ролей показывает: ценность промышленного ИИ часто зависит не только от доступа к модели, но и от прав на данные, устройства процесса и экспертной проверки.

Что намерены объединить партнёры

  • закрытые научные и операционные данные глобального фармацевтического портфеля;
  • модели, настраиваемые для узких исследовательских задач;
  • инженерные системы для включения моделей в регулируемые процессы;
  • опыт разработки лекарств и клинических испытаний для проверки полезности результата.

Возможность определяется стоимостью неудачи

Хадсон сообщил Fortune, что разработка одного лекарства обходится Sanofi в $3–4 млрд, а 80% проектов терпят неудачу в первой фазе клинических испытаний. Это оценки руководителя, а не проверенные результаты нового партнёрства. Коммерческая цель состоит в более раннем обнаружении слабых кандидатов, чтобы направлять капитал и научный труд в более перспективные проекты.

Такое стремление экономически важно, даже если ИИ улучшит лишь отдельные этапы. В портфеле много дорогих ворот: выбор биологической мишени, проектирование вещества, лабораторные исследования, набор участников, контроль безопасности и подготовка доказательств для регулятора. Раннее отклонение неподходящего кандидата приносит пользу, однако уверенный прогноз алгоритма всё равно должен пройти экспериментальную и клиническую проверку.

Физическая инфографика без текста проводит карточки документов, молекулярные кандидаты и фигурки пациентов по трём линиям через повторные контрольные ворота, а отклонённые варианты направляет в отдельный лоток
Специализированные модели могут сократить поиск и подготовку черновиков, но не отменяют доказательные барьеры, защищающие пациентов и определяющие одобрение.

Документы дают первый практический тест

Хадсон ожидал первые результаты к концу 2024 года — вероятнее всего, начальные варианты документов для Управления по санитарному надзору за качеством пищевых продуктов и медикаментов США. Это более ограниченная задача, чем изобретение лекарства. Система может упорядочить имеющиеся доказательства, собрать черновик и отметить пробелы, тогда как квалифицированные специалисты отвечают за точность, толкование и подачу.

Ближний сценарий создаёт дисциплинированный путь оценки. Руководители могут измерять сэкономленное время, частоту исправлений, пропущенные доказательства, прослеживаемость и доверие проверяющих. Если модель не справляется с контролируемой документацией, заявления о проектировании молекул или подборе пациентов требуют ещё большей осторожности.

Доступ к данным создаёт преимущество и обязанность

Закрытые данные способны повысить полезность модели, потому что отражают вещества, эксперименты и операционные решения, которых нет в открытых материалах. Те же сведения могут включать коммерчески чувствительные исследования и информацию под строгим контролем. Поэтому доступ требует определённой цели, технического разделения, правил хранения, наблюдения и ясной ответственности за каждое применение.

Не менее важно качество. Исторические решения могут содержать разную терминологию, неполные записи или перекос в составе участников испытаний. Обучение на большом архиве автоматически не исправляет эти недостатки. Партнёрам нужны контрольные наборы, соответствующие задаче, и специалисты, способные распознать правдоподобный, но необоснованный вывод.

Главный эксперимент — рабочее внедрение ИИ

План Sanofi отличается от покупки лицензии на универсального помощника. Хадсон сказал Fortune, что сотрудничество нацелено на включение больших языковых моделей в операции. Это означает размещение модели внутри контролируемой последовательности с явными входными данными, правами, проверкой и эскалацией. Сложность носит не только технический, но и организационный характер: учёным, врачам, регуляторным специалистам, командам данных и разработчикам нужно согласовать допустимые действия системы.

Партнёрство стало вложением в способность, а не доказательством ускоренного одобрения лекарства. Прогресс следует оценивать конкретно: воспроизводимостью прогнозов, сокращением лишних итераций, ускорением точной подготовки документов и управляемым использованием чувствительных данных. Улучшение этих показателей без ослабления стандартов доказательности может превратить генеративный ИИ из очередного опыта в полезную инфраструктуру фармацевтической разработки.