Amazon ускорил разработку лекарств до трёх недель: как ИИ-агент снизил барьеры в R&D

Разработка новых лекарств, это один из самых длительных и капиталоёмких процессов в мире. От первых исследований до выхода на рынок могут пройти десятилетия, но Amazon показал, что этот путь можно значительно ускорить. Внутренние команды компании смогли сократить процесс от спецификации до производства в области открытия лекарств до трёх недель, внедрив ИИ-агента.

В фармацевтической индустрии время, это не просто деньги, это жизни. Каждый день задержки в разработке нового препарата, это не только упущенная прибыль, но и отсроченный доступ пациентов к жизненно важным лекарствам. Ручной анализ терабайтов научных данных, клинических исследований и генетических последовательностей, это бутылочное горлышко, которое годами тормозит прогресс. Но это не приговор, сегодня эту проблему можно решить.

Сложности поиска мишеней для лекарств

Поиск мишеней для лекарств, это критически важный этап в разработке новых препаратов. Он требует синтеза огромного объёма информации из самых разных источников: результатов клинических исследований, данных секвенирования генома, баз данных белковых путей, а также миллионов научных публикаций, например, только PubMed ежегодно добавляет около 1,5 миллиона статей. Каждый из этих источников имеет свой формат, терминологию и особенности доступа.

Учёные-исследователи физически не могут прочитать даже малую часть этого опубликованного знания. Это создаёт серьёзное препятствие в процессе открытия лекарств, которое замедляет появление новых методов лечения для пациентов, остро в них нуждающихся. Поиск по всем этим данным становится настоящим бутылочным горлышком, которое растягивает процесс на месяцы, если не годы.

Почему традиционные методы не справлялись

Традиционные методы поиска и анализа данных, даже с использованием продвинутых баз данных и поисковых систем, не могли обеспечить необходимую скорость и глубину анализа. Человек не способен удерживать в голове всю картину и сопоставлять данные из десятков тысяч источников одновременно. Нужен был инструмент, который не просто ищет по ключевым словам, а понимает контекст, может рассуждать на основе данных, выявлять скрытые закономерности и предоставлять научно обоснованные рекомендации. Именно поэтому Amazon обратился к ИИ-агентам.

Как проектировали ИИ-агента для поиска мишеней

ИИ-агента спроектировали как систему, способную не только извлекать релевантную информацию, но и рассуждать на основе данных из различных источников, выявлять закономерности и предоставлять рекомендации, подкреплённые доказательствами. Это позволяло учёным проверять и использовать результаты в своей работе.

Ключевые цели, которые ставили перед агентом:

• Объединение разрозненных знаний. Агент должен был собирать и анализировать информацию из множества источников, включая научную литературу (PubMed), базы клинических исследований (ClinicalTrials.gov) и другие общедоступные репозитории.
• Сохранение научной строгости. Агент был обязан предоставлять цитируемые сводки и отслеживаемые источники, чтобы обеспечить целостность исследования.
• Демократизация вычислительных инструментов. ИИ-агент должен был позволить учёным, не имеющим специализированных навыков в области обработки данных, использовать мощные вычислительные инструменты.

Для разработки надёжного решения с самого начала применяли подход «разработка для продакшена»: внедрили наблюдаемость для агентов и логирование, а также корпоративную безопасность для аутентификации и авторизации.

Внедрение через спецификацию

Ключом к быстрому внедрению стала методология разработки, управляемая спецификациями (spec-driven development). Вместо того чтобы сразу писать код, команда сначала создавала детальные спецификации для каждой функции. Этот подход отделяет планирование от выполнения.

Процесс работы с ИИ-агентом выглядел так:

• Требования (requirements.md). Агент создавал документ, определяющий, что именно строится, включая требования к функциям, критерии приёмки и метрики успеха. Этот документ описывал «почему» и «что» в бизнес-терминах.
• Дизайн (design.md). Затем агент генерировал описание технической архитектуры, подхода к реализации и точек интеграции. Это связывало бизнес-требования с техническим исполнением.
• Задачи (tasks.md). Наконец, агент разбивал дизайн на конкретные, выполнимые шаги реализации. Каждая задача была достаточно детализирована для автономного выполнения.

Такой подход позволил ИИ-агенту автономно реализовывать функции, пока разработчики сосредоточились на проверке и валидации. Человеческий контроль сохранялся на этапе планирования, что предотвращало дорогостоящие переделки. Этот метод также упростил адаптацию новых членов команды и ускорил разработку последующих функций.

Результаты

Благодаря внедрению ИИ-агента, Amazon значительно ускорил процесс открытия лекарств. Сокращение времени с месяцев до трёх недель означает не только экономию ресурсов, но и более быстрый доступ пациентов к новым, жизненно важным препаратам. Этот кейс демонстрирует, как ИИ-агенты могут трансформировать даже самые сложные и ресурсоёмкие области, делая их более эффективными и инновационными.

Как перенести этот опыт на ваш бизнес

Подход, использованный Amazon, можно адаптировать для любой отрасли, где есть сложные, многоэтапные процессы, требующие анализа больших объёмов разнородных данных и принятия решений. Вот с чего можно начать:

• Идентифицируйте «бутылочные горлышки». Найдите процессы, которые замедляют вашу работу, где требуется ручной анализ больших данных или где есть зависимость от узких специалистов, которые не успевают обрабатывать информацию.
• Примените spec-driven подход. Разбейте сложные задачи на чёткие спецификации. Это позволит ИИ-агенту автономно выполнять рутинные шаги, а вашим специалистам — сосредоточиться на проверке и принятии стратегических решений.
• Начните с малого. Внедряйте ИИ-агентов поэтапно, начиная с наименее рискованных и наиболее предсказуемых задач. Постепенно расширяйте функционал, передавая агенту всё более сложные процессы.

Если этот кейс похож на то, что происходит у вас, наш менеджер поможет разобраться: бесплатно проанализирует ваш бизнес и нишу и подскажет, где ИИ-агент даст реальный результат именно в вашем случае. Написать менеджеру