Фармацевтический гигант Merck внедряет автономных ИИ-агентов, что позволило сократить циклы поиска новых лекарств на 33% и ускорить подготовку маркетинговых материалов на 80%. По словам вице-президента по цифровым платформам Шона Финнерти, успех инициативы обусловлен предварительным созданием мощной технологической инфраструктуры, которую в компании называют «цифровым водопроводом».
Фундамент для масштабного внедрения
Стратегия Merck основана на уроках прошлого десятилетия, полученных при переходе в облачные хранилища. Чтобы избежать накопления технического долга, компания сначала выстроила базу, которая сегодня поддерживает 2500 аккаунтов AWS, а также подписки Microsoft Azure и Google Cloud Platform. В обзоре отмечается, что без такой подготовки внедрение тысяч ИИ-агентов привело бы к хаосу в управлении данными и безопасности.
Особое внимание уделяется контексту данных. Merck оперирует многими петабайтами информации, распределенной по 47 периферийным узлам и сотням баз данных, включая Oracle, SQL и даже обычные таблицы Excel. Для эффективной работы ИИ команда Финнерти создает структуры, которые позволяют беспрепятственно интегрировать данные в различные платформы анализа.
Практическое применение в медицине и маркетинге
Использование ИИ-агентов уже приносит ощутимые результаты в ключевых направлениях деятельности компании:
- Разработка лекарств: ИИ помогает ученым анализировать молекулярные структуры и состояния заболеваний. В одном из случаев это позволило сократить цикл исследований на целый год, что теоретически ускоряет доступ пациентов к необходимой терапии.
- Маркетинговое соответствие: Рекламные материалы в фармацевтике жестко регулируются. Если раньше проверка на соответствие законодательству занимала месяцы, то теперь ИИ создает черновики с точностью 99%, сокращая время выхода материалов на рынок на 70–80%.
- Модернизация приложений: Агенты автоматизируют документирование API, проверку аутентификации и переписывают код с JavaScript на Python, экономя сотни тысяч долларов на обновлении систем.
В компании подчеркивают смену парадигмы: если раньше человек был непосредственно вовлечен в каждый этап процесса (human-in-the-loop), то теперь он выполняет роль контролирующего администратора (human-as-governor).
Борьба с «галлюцинациями» и ошибки ИИ
Несмотря на успехи, эксперты указывают на наличие проблем. В процессе автоматизированного тестирования кода ИИ иногда выдумывает сценарии или функции, которых не существует. Для минимизации таких рисков Merck применяет метод перекрестной проверки: один ИИ контролирует работу другого. Например, если результат выдает модель Claude, то Microsoft Copilot оценивает его достоверность. Это позволяет повысить уровень уверенности системы и отсеять некорректные данные на ранних этапах.
Опыт финансового сектора и оценка рисков
Схожие технологии тестирует и Mastercard. Директор по данным Эндрю Райскинд отмечает, что ИИ-агенты эффективны в обработке споров по транзакциям и выявлении мошенничества. Процесс возврата платежей (чарджбэк) крайне трудозатратен, так как включает работу с неструктурированными жалобами клиентов и жесткими правилами платежных сетей.
При внедрении таких систем финансовые организации сталкиваются с дилеммой: как повысить эффективность, не потеряв доверие клиента. В Mastercard предлагают оценивать риски по шкале критичности. Ошибка в выборе состава сэндвича для клиента — это минимальный риск, в то время как ошибка в медицинских данных или неверное обвинение клиента в мошенничестве могут иметь серьезные последствия. По мнению экспертов, компаниям необходимо проводить детальный анализ затрат и выгод для каждого отдельного этапа работы ИИ-агентов.