Недавнее исследование от Bioptic.ai, основанной известным русскоязычным предпринимателем @dobry, рассказывает, как агентные ИИ могут менять правила игры в фарме и биотехе.

Главная задача - конкурентный анализ лекарств. Нужно быстро и точно найти все препараты, которые могут быть конкурентами для конкретного лекарства, понять их механизмы действия, стадии разработки, производителей, а также правильно соотнести данные из множества разрозненных источников: от научных статей и патентов до клинических регистров и пресс-релизов.

Это критически важно для инвестиций, лицензирования, патентов и планирования клинических исследований.

Ребята создали многоагентную систему, которая:

▪️ Парсит текст, таблицы, изображения и скриншоты из инвестиционных документов

▪️ Нормализует данные, объединяет дубли, переводит термины с разных языков

▪️ Собирает параметры для каждого препарата: стадии испытаний, молекулярные механизмы, компанию-разработчика, пути введения и терапевтическую область

▪️ Использует отдельного "агента-судью" для проверки кандидатов и отсеивания ложных конкурентов, что снижает уровень ошибок и "галлюцинаций".

Технически задействованы агенты на Google Gemini-2.5 Pro для извлечения, структурирования и перевода информации, плюс специальный валидационный LLM для финальной проверки.

Система ребят выявила 83% конкурентов, определённых экспертами, что значительно выше, чем у OpenAI Deep Research (65%) и Perplexity Labs (60%).

В кейсе с биотех венчурным фондом время анализа конкурентной среды сократилось с 2,5 дней до 3 часов - ускорение в 20 раз.

Как вы видите, эксперты теперь не теряются в хаосе разрозненных и закрытых данных, а ИИ-агенты помогают быстро и надёжно собрать законченную картину. Это пример того, как связка LLM и агентной архитектуры эффективно решает реальную бизнес-проблему.

Сергей Булаев AI 🤖 - об AI и не только
sbulaev | insta | ✖️twitter