فايزر: الذكاء الاصطناعي التوليدي على AWS — توفير 16,000 ساعة بحث سنويًا وتقدر التأثيرات بما يصل إلى 1 مليار دولار سنويًا

• Driving Patient-Centric Innovation in Life Sciences Using Generative AI with Pfizer — AWS (кейс-стади)
• Three Takeaways from Pfizer at AWS re:Invent Keynote — AWS Industries Blog, 2023-11-28
• Pfizer at AWS re:Invent 2023 — Lidia Fonseca Keynote (1.3 млрд пациентов, 10%→80% облака, цель 19 препаратов за 18 месяцев) — AWS (страница keynote)

السياق

فايزر هي واحدة من أكبر الشركات المصنعة للأدوية في العالم: في عام 2022 وصلت أدويتها واللقاحات إلى أكثر من 1.3 مليار شخص. وراء هذا الرقم تحول رقمي دام لسنوات، وصفته Lidia Fonseca رئيسة قسم التحول الرقمي والتكنولوجيا في محاضرتها في AWS re:Invent 2023: انتقلت الشركة من 10% إلى 80% من البنية التحتية القائمة على السحابة، وبحسب مدونة AWS Industries قامت بهجرة 12,000 تطبيق وقاعدة بيانات بالإضافة إلى 8,000 خادم في 42 أسبوعًا، محققة توفيرات تزيد عن 47 مليون دولار سنويًا (وتعبر صفحة الحالة على AWS عن ذلك بحذر أكثر — «عشرات الملايين من الدولارات سنويًا»).

في عام 2019 بنت فايزر Scientific Data Cloud — منصة تجميع البيانات متعددة الأنماط من مئات أدوات المختبر. تم اختبار أساس البيانات هذا في ساحة المعركة من قبل الجائحة: مرت 269 يومًا فقط من الإعلان عن التطوير المشترك لقاح COVID-19 مع BioNTech إلى الموافقة الطارئة من FDA، وزادت القدرة الإنتاجية من 220 مليون جرعة عبر محفظة المنتجات بأكملها إلى 4 مليارات جرعة من Comirnaty في عام 2022. أعطى مركز العمليات الرقمية للتصنيع فريق المصنع منظورًا مشتركًا للعمليات وأضاف 20% من الإنتاجية.

على أساس ذلك، شهد عام 2021 إطلاق PACT (فريق فايزر أمازون للتعاون) — برنامج مشترك مع AWS لنماذج أولية سريعة للبيانات والذكاء الاصطناعي في قسم PSSM (العلوم الصيدلانية للجزيئات الصغيرة). منطق البرنامج: دورات نمذجة سريعة من خلال فرق فايزر-AWS المدمجة بدلاً من البناء الداخلي الذي يستغرق أشهرًا. لقد سعت PACT إلى 14 مشروعًا، بما في ذلك الذكاء الاصطناعي التوليدي؛ 5 منها انتقلت إلى الإنتاج. السفينة الرائدة للموجة التوليدية هي Vox، منصة داخلية تصل إلى Claude 2.1 من Anthropic عبر Amazon Bedrock — وفي المجموع، وفقًا لـ Fonseca، الشركة تطور الذكاء الاصطناعي عبر 17 حالة استخدام ذات أولوية، من توليد المحتوى العلمي والطبي إلى التصنيع.

المشكلة

كان 1,500 عالم في قسم PSSM غارقين في المستندات. ينتج الدواء قيد التطوير حوالي 20,000 مستند: بروتوكولات التجارب، تقارير الاستقرار، الملفات التنظيمية، الوثائق الإنتاجية. إن العثور على المعلومات الصحيحة في تلك المجموعة يستغرق ساعات، أحيانًا أيامًا؛ على مستوى القسم، استهلك البحث آلاف ساعات العمل البشري سنويًا. حدد البرنامج هدفًا قابلاً للقياس — تقليل وقت اكتشاف البيانات بما يصل إلى 80%.

المشكلة الثانية كانت سرعة الابتكار. بناء نموذج أولي داخليًا يستغرق ثلاثة أشهر أو أكثر — وهذا يفترض أنه يمكن العثور على متخصصين متاحين بالمهارات المناسبة، وهو ما كان نادر الحدوث. في صناعة الأدوية، حيث يستغرق إحضار دواء إلى السوق سنوات والمنافسة على مهندسي البيانات ومتخصصي ML تسير عبر كل صناعة في نفس الوقت، كان عنق الزجاجة للمواهب يصبح استراتيجيًا.

الطبقة الثالثة هي السياق التنظيمي للصناعة. البيانات الصيدلانية من بين أكثر الفئات حساسية: الملكية الفكرية للجزيئات، بيانات التجارب السريرية، أسرار التصنيع. كان يجب أن يعمل أي حل ذكاء اصطناعي توليدي داخل بيئة حماية الشركات — يتم استبعاد روبوتات الدردشة العامة لمثل هذا السيناريو. وبالتالي المتطلب المعماري: يجب أن تأتي النماذج إلى بيانات الشركة، وليس البيانات إلى النماذج. في نفس الوقت، لم تستطع الشركة الانتظار لسنوات من أجل منصة «مثالية»: موجة الذكاء الاصطناعي التوليدي لعام 2023 تطلبت تجارب سريعة لكن آمنة.

الحل

العنصر المركزي للحل هو Vox، منصة فايزر الداخلية حيث يبحث العلماء عن المستندات بالصوت والدردشة، ويطرحون الأسئلة باللغة الطبيعية. تحت الغطاء توجد خدمتان من AWS: Claude 2.1 من Anthropic عبر Amazon Bedrock يتعامل مع فهم الأسئلة وتوليف الإجابات، بينما Amazon Kendra يوفر بحثًا مؤسسيًا ذكيًا عبر المستندات. تسمي مدونة AWS Industries Vox «منصة ذكاء اصطناعي توليدي معتمدة من فايزر» — حل اجتاز مراجعات الأمان والامتثال الداخلية، وليس تجربة رمل.

ومن المهم بنفس القدر نموذج العمل الذي تم بناؤها فيه. تعمل PACT كخط أنابيب سريع النمذجة مزود بفرق فايزر-AWS المدمجة: يشحن نموذج أولي نموذجي في غضون 6 أسابيع على الأكثر — مقابل 3 أشهر على الأقل للتطوير الداخلي. يربط Vijay Bulusu، رئيس البيانات والابتكار الرقمي لـ PSSM، هذه الفجوة مباشرة بنقص المواهب: حتى العثور على أشخاص بالمهارات المناسبة لمشروع داخلي كان مشكلة. أزالت صيغة الفريق المشترك مع مزود خدمة سحابة ذلك دون توظيف.

خلف السفينة الرائدة التوليدية تقف محفظة أوسع: من 14 مشروعًا في PACT، وصل خمسة إلى الإنتاج. تغطي مهام التصنيع التنبؤي Amazon SageMaker (منصة ML)، Amazon Lookout for Equipment (كشف شذوذ المعدات)، و Lookout for Metrics (شذوذ المقاييس). على مستوى الشركة، وفقًا لـ Lidia Fonseca في re:Invent 2023، يتم تطوير الذكاء الاصطناعي التوليدي عبر 17 حالة استخدام ذات أولوية — من توليد المحتوى العلمي والطبي إلى التصنيع.

منطق التوسع مميز أيضًا: البرنامج لم يحاول تغطية الشركة بأكملها في وقت واحد. بدأ في قسم واحد — PSSM، الجزيئات الصغيرة — وصقل العملية، وتراكم الأنماط، ثم نقل التجربة إلى قسم الجزيئات الكبيرة دون تكرار دورة التجربة والخطأ. يلخص Bulusu التأثير الثقافي: «بالوصول إلى مواهب وتقنيات AWS، غيرنا ثقافة الابتكار لدينا وأنجزنا الكثير في وقت قصير جدًا».

النتيجة

النتائج المقاسة للبرنامج: توفير ما يصل إلى 16,000 ساعة بحث سنويًا لـ 1,500 عالم في PSSM وتقليل 55% في تكاليف البنية التحتية (وفقًا لدراسة الحالة على AWS). يتم شحن النماذج الأولية في 6 أسابيع بدلاً من 3 أشهر أو أكثر، خمسة من 14 مشروعًا في PACT تعمل في الإنتاج، وتم نقل تجربة قسم الجزيئات الصغيرة إلى الجزيئات الكبيرة. جعلت Vox مجموعة المستندات الشركاتية — حوالي 20,000 مستند لكل دواء قيد التطوير — يمكن الوصول إليها من خلال السؤال باللغة الطبيعية.

أعلنت الشركة عن مستوى طموحها علنًا في AWS re:Invent 2023: تقدر فايزر أن حالات استخدام الذكاء الاصطناعي ذات الأولوية لديها ستحقق توفيرات من 750 مليون إلى 1 مليار دولار سنويًا. من المهم التمييز بين أنواع هذه الأرقام: 16,000 ساعة و 55% هي قياسات بأثر رجعي لبرنامج محدد، بينما 750 مليون إلى 1 مليار دولار هي التقديرات الموجهة للمستقبل من الشركة عبر محفظة من 17 حالة استخدام، مع عدم نشر أي منهجية. نقدم الفئتين بشكل منفصل ونقترح قراءتهما بشكل مختلف: الأولى حقيقة، والثانية هدف معلن.

في رأينا، هذه الحالة مثيرة للاهتمام قبل كل شيء كمثال معاكس للـ «الرهان الكبير»: بدلاً من مشروع واحد ضخم — محفظة من 14 نموذجًا أوليًا تم اختباره بسرعة، وصل أكثر بقليل من ثلثها إلى الإنتاج. تلك القناة (14 → 5) ليست كفاءة منخفضة بل الاقتصاديات العادية للابتكار: اختبار الفرضية في 6 أسابيع يكلف أقل بكثير من مشروع يستغرق سنة «لا يمكن إلغاؤه لأنه تم استثمار الكثير فيه». لاحظ أيضًا تسلسل الطبقات: Scientific Data Cloud (2019) والهجرة السحابية سبقت الموجة التوليدية — تم بناء Vox على أساس بيانات جاهز، الأمر الذي يشرح السرعة على الأرجح.

ملاحظتنا التحريرية الثانية: التقدير العام للتأثير على مستوى CDTO هو أداة إدارة في حد ذاتها. بتسمية نطاق 750 مليون إلى 1 مليار دولار في محاضرة رئيسية، نقلت Fonseca الذكاء الاصطناعي التوليدي من فئة تجارب تكنولوجيا المعلومات إلى فئة التزامات الشركات للسوق — مع أولوية الموارد المقابلة. بالنسبة للشركات العالقة في الاختبارات، قد يكون هذا هو العنصر الأكثر قابلية للتكرار في الحالة.

الدروس المستفادة

1. في صناعة الأدوية، أسرع عائد على الاستثمار للذكاء الاصطناعي التوليدي ليس اكتشاف الجزيئات بل البحث عن المستندات: 20,000 مستند لكل دواء يحول البحث المؤسسي إلى منجم ذهب.
2. تحل صيغة «الفريق المشترك مع مزود خدمة سحابة» نقص مواهب الذكاء الاصطناعي: نموذج أولي لمدة 6 أسابيع دون تحويل مهندسيك الخاصين.
3. محفظة من النماذج الأولية تتفوق على المشروع الضخم: قناة 14 مشروعًا إلى 5 في الإنتاج هي الاقتصاديات العادية للابتكار، وليس كفاءة منخفضة.
4. الذكاء الاصطناعي التوليدي هو الطبقة العليا، وليس الأولى: Scientific Data Cloud (2019) والهجرة السحابية سبقت Vox — بدون أساس البيانات كانت سرعة 2023 ستكون مستحيلة.
5. ميز بين القياسات والتنبؤات: 16,000 ساعة و 55% هي نتائج مقاسة؛ 750 مليون إلى 1 مليار دولار هي تقديرات الشركة بدون منهجية منشورة.
6. تقدير التأثير العام على مستوى CDTO يرفع الذكاء الاصطناعي من مبادرة تكنولوجيا المعلومات إلى استراتيجية الشركات — والتزام بالسوق.
7. ابدأ بقسم واحد وكرر: اعتمدت مجموعة الجزيئات الكبيرة كتاب PSSM (الجزيئات الصغيرة) دون تكرار دورة التجربة والخطأ.

الأسئلة الشائعة