Firma farmaceutyczna Novo Nordisk ogłosiła w 2025 roku, że dzięki narzędziom AWS praca, która wymagała niegdyś zespołu 40–50 osób i trwała nawet 15 tygodni, zajmuje teraz trzyosobowemu zespołowi dosłownie kilka minut. To nie jest optymalizacja — to redefinicja tego, czym w ogóle jest „praca naukowa” w przemyśle farmaceutycznym. Kiedy agentyczna AI zaczyna samodzielnie dobierać modele biologiczne i koordynować etapy badań, granica między laboratorium a centrum obliczeniowym przestaje istnieć.
Co to jest agentyczna AI i dlaczego trafia do laboratoriów?
Agentyczna AI (ang. agentic AI) to systemy sztucznej inteligencji zdolne do samodzielnego planowania i wykonywania sekwencji zadań bez ciągłego nadzoru człowieka — w odróżnieniu od klasycznych modeli, które odpowiadają wyłącznie na pojedyncze zapytania. W kontekście badań nad lekami oznacza to, że agent AI może samodzielnie wybrać odpowiedni model biologiczny, uruchomić analizę, zinterpretować wynik i przekazać zadanie do kolejnego etapu procesu.
Amazon Web Services udostępnia tę funkcjonalność m.in. przez platformę Amazon Bio Discovery, która — według danych AWS z 2025 roku — oferuje dostęp do ponad 40 biologicznych modeli AI. Agenty mogą dobierać i koordynować te modele stosownie do konkretnego zadania badawczego, a organizacje mogą łączyć modele hostowane przez AWS z własnymi, zastrzeżonymi rozwiązaniami.
Dla branży farmaceutycznej agentyczna AI ma szczególne znaczenie dlatego, że odkrywanie leków to proces wieloetapowy: identyfikacja celu terapeutycznego, projektowanie cząsteczki, testowanie aktywności biologicznej, dokumentacja kliniczna. Każde przejście między etapami generowało dotychczas „tarcie” — opóźnienia wynikające z ręcznych przekazań między zespołami obliczeniowymi a laboratoryjnymi. AWS deklaruje, że nowe rozwiązania mają właśnie to tarcie eliminować.
Jak działa współpraca Novo Nordisk z AWS?
Partnerstwo ogłoszone w 2025 roku sprawia, że AWS staje się preferowanym dostawcą chmury i strategicznym partnerem AI dla Novo Nordisk. Centralnym elementem umowy jest centrum co-innovacji (ang. co-innovation hub) otwarte w londyńskim oddziale Novo Nordisk, gdzie inżynierowie AWS pracują bezpośrednio obok naukowców farmaceutycznych.
Hub skupia pracowników działu R&D Novo Nordisk, inżynierów AWS, specjalistów ds. AI, stosowanych naukowców oraz zespoły professional services. Fizyczna bliskość tych grup ma skrócić czas od identyfikacji celu terapeutycznego do pierwszej dawki podanej człowiekowi — tzw. first-in-human dose. Według obu firm chodzi o połączenie badań Novo Nordisk nad chorobami przewlekłymi z infrastrukturą chmurową, usługami AI i technologiami life sciences oferowanymi przez AWS.
Thilde Hummel Bøgebjerg, wiceprezes wykonawcza ds. Enterprise IT i Jakości w Novo Nordisk, stwierdziła w 2025 roku: „AI ma potencjał, by zmienić sposób, w jaki odkrywamy, rozwijamy i dostarczamy leki, ale prawdziwy wpływ pochodzi z połączenia zaawansowanej technologii z głęboką wiedzą naukową i wyraźnym skupieniem na pacjentach.”
Jakie efekty daje AI już teraz w Novo Nordisk?
Przed ogłoszeniem nowej umowy Novo Nordisk zdążył już zbudować rozbudowaną infrastrukturę AI opartą na AWS. Według studium przypadku opublikowanego przez AWS, ponad 25 000 pracowników Novo Nordisk korzysta z platformy generatywnej AI zbudowanej na Amazon Bedrock — środowisku umożliwiającym dostęp do dużych modeli językowych poprzez interfejs API.
Platforma obsługuje ponad 2 500 przypadków użycia, od wyszukiwania informacji po tworzenie dokumentów w procesach nieregulowanych. Największe wdrożenie obejmuje kolekcję około 140 000 dokumentów i przetwarza ponad 26 000 zapytań miesięcznie — dane AWS z 2025 roku.
Najbardziej spektakularny wynik osiągnięto w dokumentacji badań klinicznych. System oparty na modelu Claude 3.5 firmy Anthropic, dostępnym przez Amazon Bedrock, skrócił czas generowania części dokumentacji klinicznej o ponad 90%. Praca, która angażowała 40–50 osób przez nawet 15 tygodni, zajmuje teraz trzyosobowemu zespołowi minuty. Weryfikacja merytoryczna przez specjalistów medycznych pozostaje jednak obowiązkowa.
Redakcja IWD Partner: Skrócenie 15-tygodniowego procesu do minut to liczba, która brzmi jak błąd w obliczeniach — a jednak pochodzi z oficjalnego studium przypadku AWS. Warto zadać pytanie, które rzadko pojawia się w komunikatach prasowych: co dzieje się z dziesiątkami ekspertów, których czas był dotychczas pochłaniany przez takie zadania? Farmacja prawdopodobnie nie zwolni tych ludzi — ale z pewnością zmieni to, czego od nich oczekuje. Przed branżą stoi nie tyle technologiczna, co organizacyjna rewolucja, i to ją będziemy obserwować z największym zainteresowaniem.
Co to oznacza dla nauki o odkrywaniu leków?
Odkrywanie leków jest jednym z najtrudniejszych i najkosztowniejszych procesów w całej nauce stosowanej. Średni czas od zidentyfikowania celu terapeutycznego do zatwierdzenia leku przez regulatora wynosi, według danych branżowych, ponad 12 lat, a koszty sięgają miliardów dolarów. Technologie AI, które skracają poszczególne etapy o 90% lub więcej, mogą strukturalnie zmienić tę ekonomię.
Amazon Bio Discovery — platforma skierowana bezpośrednio pod potrzeby biologii obliczeniowej — wpisuje się w szerszy trend, w którym wielkie firmy technologiczne budują dedykowane stosy narzędzi dla nauk przyrodniczych. Wcześniej podobne inicjatywy ogłosiły Google DeepMind (AlphaFold, AlphaFold 3) oraz Microsoft (Azure dla genomiki). Wejście AWS z agentyką AI do procesu identyfikacji celów terapeutycznych i projektowania terapii oznacza, że rywalizacja o rynek life sciences AI dopiero nabiera tempa.
Novo Nordisk jest szczególnie interesującym przypadkiem testowym, ponieważ firma specjalizuje się w chorobach przewlekłych — cukrzycy i otyłości — które wymagają wieloletnich badań nad populacjami pacjentów i generują ogromne ilości danych. Umiejętność przetwarzania i interpretowania tych danych w czasie rzeczywistym przez agentyczne systemy AI może dać Novo Nordisk przewagę w dziedzinie, gdzie dotychczas liczyła się głównie liczba naukowców i długość badań klinicznych.
Dlaczego agentyczna AI w farmacji ma znaczenie?
Przyspieszenie procesu odkrywania leków oznacza konkretne korzyści dla pacjentów: terapie na trudne do leczenia choroby przewlekłe mogą trafiać do klinik szybciej i przy niższych kosztach rozwoju. Według danych przemysłowych (Pharmaceutical Research and Manufacturers of America, 2023) tylko około 12% kandydatów na leki, które wchodzą do badań klinicznych fazy I, ostatecznie uzyskuje zatwierdzenie regulatora — AI może poprawić ten wskaźnik przez lepszą selekcję celów terapeutycznych na etapach przedklinicznych.
Skala wdrożenia u Novo Nordisk — 25 000 użytkowników, 2 500 przypadków użycia, 26 000 zapytań miesięcznie — pokazuje, że generatywna AI przestała być projektem pilotażowym w tej firmie i stała się infrastrukturą operacyjną. Przeniesienie tych narzędzi do rdzenia procesu badawczego, czyli identyfikacji celów i projektowania terapii, jest kolejnym krokiem, który może zdefiniować standard dla całej branży farmaceutycznej.
Powiązane pojęcia z AI i uczenia maszynowego
- Agentyczna AI (Agentic AI) — systemy sztucznej inteligencji zdolne do autonomicznego planowania i wykonywania złożonych, wieloetapowych zadań bez ciągłego nadzoru człowieka.
- Amazon Bedrock — usługa AWS umożliwiająca dostęp do dużych modeli językowych i fundacyjnych modeli AI różnych dostawców przez zunifikowany interfejs API.
- Biologia obliczeniowa (Computational Biology) — dziedzina łącząca metody informatyczne, matematyczne i statystyczne z analizą danych biologicznych w celu modelowania procesów życiowych.
- Duży model językowy (LLM, Large Language Model) — model uczenia maszynowego trenowany na ogromnych zbiorach tekstu, zdolny do generowania, tłumaczenia i analizy języka naturalnego.
- First-in-human dose — moment pierwszego podania badanej substancji człowiekowi w ramach badań klinicznych fazy I, stanowiący kluczowy kamień milowy w rozwoju leku.
Na podstawie materiałów źródłowych.
