По данным VentureBeat, Merck использует AI-агентов, чтобы сократить циклы разработки лекарств на треть и на 80% быстрее выпускать соответствующие нормативным требованиям маркетинговые материалы. Но вице-президент по цифровым платформам Шон Финнерти говорит, что это работает только потому, что они сначала построили инфраструктуру. Фармацевтический производитель видит многообещающие первые результаты: ИИ генерирует черновики маркетинговых материалов, которые на "99% правильны", когда дело доходит до соответствия требованиям, сокращая циклы проверки с месяцев до дней и ускоряя доставку на 70–80%. Между тем, в медицинских исследованиях компании один цикл открытий с помощью ИИ был сокращен на 33%.
Тем не менее, агентный ИИ работает только в том случае, если компании сначала построят базовую "сантехнику", — сказал Финнерти о цифровых платформах и сервисах на недавнем мероприятии AI Impact Series. "Если мы будем делать разовые проекты, то в конечном итоге получим тысячи и тысячи вещей, которые в конечном итоге превратятся в долг, с которым нам придется иметь дело позже", — сказал он. "И это будет тормозить любые дальнейшие инновации".
Начиная с сантехники
Стратегия Merck, основанная на принципе "сначала сантехника", основана на уроках, извлеченных в первые дни развития облачных технологий в 2010-х годах, "когда никто не знал, что, черт возьми, происходит", — сказал Финнерти. Правильное использование облака означало создание с нуля; в Merck эта инфраструктура теперь поддерживает 2500 учетных записей AWS, многочисленные подписки Microsoft Azure и новые интеграции Google Cloud Platform (GCP). "С ИИ будет происходить то же самое", — сказал Финнерти. "У нас будут тысячи и тысячи агентов". Затем накапливаются вопросы: как их регистрировать? Как их защитить? Как убедиться, что они подключены к нужным инструментам и имеют доступ к нужным данным и нужному контексту?
Предоставление контекста также имеет решающее значение; Merck работает с тремя гиперскейлерами и имеет сорок семь периферийных местоположений и сотни баз данных. "Многие, многие петабайты" структурированных и неструктурированных данных хранятся в базах данных Oracle, базах данных SQL, электронных таблицах Excel, расшифровках телефонных разговоров и других хранилищах, — сказал Финнерти. Его команда строит леса для предоставления значимого контекста в различных ситуациях, пояснил он. Данные должны быть организованы и загружены на различные платформы, потому что "нет единого решения для решения каждой проблемы". Иногда это Databricks, в других случаях — Amazon Redshift, "плюс еще четыре вещи". Цель состоит в том, чтобы: "Сделать это легким и беспроблемным для людей, защитить его и убедиться, что оно хорошо интегрировано с MCP [протокол контекста модели] и A2A [Agent2Agent] и восходящими вычислениями", — сказал Финнерти. "Если вы хотите запускать что-то в GCP или AWS, у нас есть сантехника, позволяющая запускать ваши смежные рабочие нагрузки где угодно".
Как Merck использует агентов
По мере того, как Merck строит свою техническую сантехнику, она экспериментирует с агентами в регулируемых корпоративных операциях, рабочих процессах научных открытий и модернизации приложений. Примечательно, что ИИ ускоряет открытие лекарств. Финнерти объяснил, что ученые изучают молекулярные структуры и состояния болезней, чтобы определить, поддается ли данное состояние лечению. Но даже если состояние болезни известно, разработка лекарства, направленного на его лечение, может занять годы. Теперь, с помощью ИИ, команды начинают видеть "очень многообещающие вещи", такие как сокращение одного конкретного исследовательского цикла на треть. "Это на год сокращает жизненный цикл открытия", — сказал Финнерти. "Что теоретически означает, что мы можем доставить его пациенту, нуждающемуся в этой терапии, на год быстрее".
После разработки и утверждения эти продукты регулируются, и маркетинговые материалы, касающиеся их, должны быть четко и недвусмысленно сформулированы. "То, как вы передаете эту информацию на каждом рынке, в каждой стране, в каждом штате, в каждом регионе, очень тщательно регулируется и контролируется", — сказал Финнерти. Это также изменчиво: рекламная кампания вакцины в штате Джорджия сильно отличается от кампании, запущенной в Канаде. Исторически сложилось так, что люди проявляли должную осмотрительность, чтобы убедиться, что компания соблюдает различные законы. Черновики материалов проходят итерации проверок; когда обнаруживается ошибка, ее "возвращают в начало, и она проходит ее снова, а затем требуется еще сколько-то недель и месяцев", — сказал Финнерти. Но теперь ИИ может делать это "гораздо, гораздо эффективнее", и процесс все больше превращается из человека в контуре в, по сути, "человека в качестве управляющего". Под наблюдением человека ИИ может предоставить первый черновик через день или неделю, который будет готов на 99%, что позволит командам отправлять материалы до 80% быстрее.
Между тем, когда дело доходит до модернизации приложений, ИИ может обнаруживать архитектуру, документировать взаимодействие данных, API, сетевые пути, а также выполнять проверки подлинности и авторизации; он также может писать код для Terraform для развертывания и рефакторинга JavaScript в Python. Там, где компания ранее тратила недели и месяцы и сотни тысяч долларов на обновление одного приложения, сказал Финнерти, агенты теперь выполняют эту работу с помощью подсказок.
Столкновение с "чудачествами"
Это не означает, что не существует серьезных проблем; Финнерти отметил, что его команда столкнулась с некоторыми "чудачествами"; например, в автоматизированном коде и тестировании сценариев. ИИ откровенно выдумывал сценарии, будь то из-за неправильного контекста, инфраструктуры "или из-за того, что он просто проявлял творческий подход к тому, что "вам следует протестировать эти три функции, которых даже не существует в коде, который вы пытаетесь протестировать"".
"Меня это немного удивило, потому что я думал, что мы продвинулись дальше некоторых проблем с галлюцинациями в этих более поздних моделях", — сказал он. Чтобы решить эту проблему, его команда разработала ограждения, чтобы свести галлюцинации к минимуму, по сути, используя ИИ для контроля над ИИ и применяя оценки уверенности. Поэтому, если Клод создал первый вывод, они поручат Microsoft Copilot оценить его. "Поэтому, если вы спросите что-то один раз, попросите ИИ проверить это, а затем спросите в третий раз, уверенность увеличивается с каждым разом, и это сводит к минимуму часть мусора, который создается на ранних этапах", — сказал Финнерти.
Варианты использования агентского ИИ в финансовых услугах
Между тем, в Mastercard главный специалист по данным Эндрю Рейскинд и его команда сосредоточили агентские эксперименты на тщательно организованных рабочих процессах транзакций и споров. Как он отметил, возвратный платеж или спор о мошенничестве — это не единичное событие.
Когда потребитель оспаривает платеж (обычно онлайн), это "запускает целый другой процесс на стороне сервера, который, как правило, очень трудоемкий", — сказал Рейскинд. Mastercard должна собрать конкретную информацию о фактическом споре; затем у продавца есть свои собственные расследования (была ли карта объявлена как украденная?)