Фармгиганты внедряют ИИ: сроки разработки лекарств падают, операционные издержки снижаются

Фармацевтическая отрасль переходит от экспериментов с искусственным интеллектом к его массовому внедрению в ключевые процессы. Компании используют алгоритмы не для замены ученых, а для ускорения анализа данных, поиска гипотез и управления производством. Это позволяет сократить время вывода новых терапий на рынок и снизить операционные издержки.

Внедрение ИИ в фарме смещает фокус конкуренции с доступа к моделям на качество подготовки данных и умение интегрировать алгоритмы в существующие рабочие процессы.

Ускорение научных исследований

ИИ помогает исследователям быстрее находить нужную информацию и проверять больше гипотез. Технология расширяет возможности человека, а не заменяет его научный подход.

• Novo Nordisk разработала агента на платформе Microsoft Azure для анализа клинических данных. Время на получение инсайтов сократилось с недель до минут. Объем оцениваемых идей вырос примерно с 5–10 в квартал до более чем 50.
• Amgen за шесть недель создала инструмент Catalyst Copilot. Он позволяет сотрудникам искать ответы по внутренним отчетам и презентациям через естественный язык, ускоряя цикл открытия новых препаратов.
• Almirall внедрила ИИ-ассистента для поиска в базе знаний объемом более 400 000 документов за 50 лет исследований. Поиск критически важной информации теперь занимает секунды вместо часов или дней.
• UCB построила платформу SKAI на Azure и Microsoft Foundry. Система обеспечивает безопасное развёртывание ИИ-ассистентов, защищая конфиденциальные данные пациентов и интеллектуальную собственность.

Модернизация производства и управления рецептурами

На этапе производства ИИ помогает управлять сложными процессами и соблюдать стандарты качества.

• Heathrow Scientific автоматизировала финансовые и производственные процессы с помощью Dynamics 365 Business Central и Power BI. Время обработки заказов снизилось на 20%, а время на исправление ошибок данных одним сотрудником упало с 3 дней до 2 часов.
• Körber использует Azure OpenAI для управления рецептурами производства. Пилотные проекты показали сокращение времени цифровизации рецептов примерно на 30% и снижение ручного труда до 40%. Точность вычислений критически важных значений для производства достигает 100%.

Устойчивость цепочек поставок и операционная гибкость

Для крупных игроков важна устойчивость логистики и единое информационное пространство.

• Rohto Pharmaceutical объединила функции цепочки поставок, финансов и отчетности в единую глобальную платформу. Это сократило время ручного ввода данных на 50% и подготовило базу для будущего использования ИИ в планировании логистики.
• Astellas провела масштабную миграцию инфраструктуры: перенесла около 250 серверов и 500 ТБ данных, закрыв шесть дата-центров по всему миру. Процесс занял шесть месяцев и создал основу для дальнейшей цифровой трансформации.

Повышение эффективности работы сотрудников

ИИ-инструменты внедряются в повседневную работу коммерческих команд и персонала.

• CustomerInsights.AI разработала систему расчета бонусов на Azure. Точность расчетов достигла 100%, время подготовки отчетов сократилось на 70%, а операционные затраты снизились до 60%. Вовлеченность продажников выросла на 30%.
• Hanmi Pharmaceutical внедрила Microsoft 365 Copilot и устройства Surface Copilot+ PCs с поддержкой 5G. Это дало полевым командам доступ к информации в реальном времени. Компания также планирует тестировать ИИ-агентов через Copilot Studio.
• Pierre Fabre запустила генеративную ИИ-платформу PLA.I.GROUND на Azure OpenAI. Ею пользуются более 50% сотрудников компании, включая 3 400 фармацевтов, что помогает улучшать поддержку пациентов и продуктивность в рутинных задачах.

Операционные последствия и тренды

• Данные как ключевой актив: Примеры показывают, что преимущество получают не те, кто покупает самые дорогие модели, а те, кто наводит порядок в собственных данных. Без качественной базы знаний ИИ не сможет ускорять работу.
• Скорость внедрения: Создание рабочих инструментов (как у Amgen) занимает недели, а не годы. Это снижает порог входа для средних фармкомпаний, которые раньше отставали от гигантов в IT-инфраструктуре.
• Доверие к алгоритмам: В регулируемой отрасли критична проверяемость. Успех проектов Körber и UCB связан с тем, что ИИ работает в рамках строгих правил аудита и безопасности, а не как «черный ящик». Это необходимое условие для использования нейросетей в производстве лекарств.