Von Maksym Misichenko · Yahoo Finance ·
Was KI-Agenten über diese Nachricht denken
Johnson & Johnson's KI-Fortschritte in der Medikamentenentdeckung, insbesondere die Halbierung der Lead-Optimierungszeit und die signifikante Reduzierung der Zeit für die Erstellung regulatorischer Dokumente, werden allgemein als positiv angesehen. Die Diskussionsteilnehmer sind sich jedoch einig, dass der eigentliche Wert darin liegt, ob diese Verbesserungen zu mehr FDA-Zulassungen oder höheren Erfolgsraten in späteren Studien führen.
Risiko: Übermäßige Abhängigkeit von KI-Tools, die zu einer Fehlpriorisierung von Leads oder falsch negativen Ergebnissen führt und potenziell die Rendite des investierten Kapitals (ROIC) untergräbt.
Chance: Erfolgreiche Implementierung von KI, um "in silico schneller zu scheitern", die Ausgaben für "Sunk Cost Fallacy" bei aussichtslosen Phase-II-Kandidaten zu reduzieren und F&E-Kapital für Anlagen mit hoher Wahrscheinlichkeit zu erhalten.
Diese Analyse wird vom StockScreener-Pipeline generiert — vier führende LLM (Claude, GPT, Gemini, Grok) erhalten identische Prompts mit integrierten Anti-Halluzinations-Schutzvorrichtungen. Methodik lesen →
Von Michael Erman
NEW YORK, 27. April (Reuters) - Johnson & Johnson (JNJ) setzt künstliche Intelligenz ein, um die Zeit für die Generierung neuer Kandidaten für die Medikamentenentwicklung zu halbieren, sagte der Chief Information Officer des Unternehmens am Montag.
Die Entdeckung neuer Produkte und deren Markteinführung mithilfe von KI ist noch nicht möglich, aber J&J nutzt die neue Technologie, um das "potenzielle Universum" auf vielversprechende chemische Verbindungen oder Biologika zu screenen, sagte CIO Jim Swanson auf der Reuters Momentum AI-Veranstaltung in New York.
"Das ist noch in weiter Ferne, aber wir können optimieren", sagte Swanson. "Wir haben unsere Zeit für die Optimierung von Kandidaten halbiert."
Das in New Jersey ansässige Pharma- und Medizintechnikunternehmen hat sich auf einen stärker fokussierten Ansatz für KI konzentriert und sich auf Kernprozesse wie KI-gestützte Produkte, Medikamentenentwicklung und Optimierung der Lieferkette konzentriert.
"Wir versuchen, Krebs zu heilen", sagte Swanson. "Wir brauchen jedes Werkzeug, das wir nutzen können, um das zu erreichen."
KI sei auch in der Fertigung nützlich, sagte er. Die Technologie habe geholfen zu bestimmen, wann Lösungsmittel zum richtigen Zeitpunkt und bei der richtigen Temperatur zugegeben werden müssen.
J&J nutzt KI auch zur Optimierung der Vorbereitung von Dokumenten für Regulierungsbehörden, sagte Swanson. Der traditionelle Prozess für einen klinischen Studienbericht kann 700 bis 900 Stunden dauern, sagte er.
Diese Zeit sei von "700 Stunden auf etwa 15 Minuten" gesunken, sagte Swanson.
Swanson sagte, anstatt dass Menschen durch die Technologie ersetzt werden, sieht er die Nutzung von KI als zusätzliche Fähigkeit für die Mitarbeiter des Unternehmens. J&J beschäftigt derzeit rund 4.000 Mitarbeiter im Bereich Informationstechnologie.
"Ein Softwareingenieur wird nicht ersetzt, seine Rolle erweitert sich jetzt", sagte er. "Unser Fokus liegt weiterhin auf Fähigkeiten. Das sind 'und'-Fähigkeiten, keine 'oder'-Fähigkeiten."
(Berichterstattung von Michael Erman, geschrieben von Chris Prentice, bearbeitet von Caroine Humer und Bill Berkrot)
Vier führende AI-Modelle diskutieren diesen Artikel
"Der operative Hebel durch KI-gesteuerte regulatorische Automatisierung wird wahrscheinlich zu einem höheren F&E-ROI und einer schnelleren Markteinführung für die späten Pipeline-Produkte von JNJ führen."
JNJ's Behauptung, die Lead-Optimierungszeit um 50 % reduziert zu haben, ist ein bedeutender Gewinn an operativer Effizienz, aber Investoren sollten zwischen "Geschwindigkeit bis zum Lead" und "Erfolgswahrscheinlichkeit" unterscheiden. Die Medikamentenentdeckung ist ein Trichter mit hoher Ausfallrate; die Beschleunigung der Identifizierung von Verbindungen ist nur dann wertvoll, wenn sie die Qualität der Kandidaten verbessert, die in klinische Studien eintreten. Das eigentliche Alpha liegt hier in der Reduzierung der regulatorischen Dokumentation – die Reduzierung von 900 Stunden auf 15 Minuten ist eine massive Senkung der SG&A-Overheads und der Markteinführungszeit. Wenn JNJ den regulatorischen Einreichungszyklus für seine gesamte Pipeline komprimieren kann, könnten wir eine deutliche Ausweitung der Nettogewinnmargen und eine schnellere Realisierung des Kapitalwerts (NPV) der F&E-Ausgaben sehen.
Die Behauptung "700 Stunden auf 15 Minuten" für die regulatorische Berichterstattung bezieht sich wahrscheinlich auf die anfängliche Erstellung und ignoriert die massive menschliche Überprüfung, die für die FDA-Konformität erforderlich ist und zu "KI-halluzinierten" Fehlern führen kann, die zu regulatorischen Verzögerungen oder Geldstrafen führen könnten.
"JNJ's validierte KI-Effizienzen in F&E und Produktion könnten die Realisierung des Pipeline-Werts über 3 Jahre um 20-30 % beschleunigen."
JNJ's KI-Erfolge sind konkret und glaubwürdig: Die Halbierung der Lead-Optimierungszeit ermöglicht ein schnelleres Screening großer chemischer/biologischer Räume, während die Reduzierung von klinischen Studienberichten von 700-900 Stunden auf 15 Minuten Wissenschaftler für Innovation freisetzt. Produktionspräzision (z. B. Lösungsmitteltiming) und Anpassungen der Lieferkette könnten die EBITDA-Margen über 2 Jahre um 1-2 Prozentpunkte erhöhen. Der Fokus auf Onkologie passt zur Pipeline von JNJ im Wert von über 15 Milliarden US-Dollar; die Weiterbildung von 4.000 IT-Mitarbeitern vermeidet Störungen. Im Gegensatz zu Vaporware anderswo handelt es sich hier um von CIOs geprüfte Pilotprojekte, die jetzt skaliert werden – ein bullisches Signal für eine Erhöhung des F&E-Kapitalwerts (NPV) inmitten von Patentabläufen. Konkurrenten wie PFE liegen in Bezug auf die offengelegte KI-Tiefe zurück.
Dies sind enge Optimierungen, keine de novo Entdeckungen, die laut Swanson noch "ein weiter Weg" sind, und die Erfolgsbilanz der Pharmaindustrie mit KI ist schlecht, mit hohen Ausfallraten aufgrund verrauschter Daten und Skepsis der FDA gegenüber KI-validierten Einreichungen.
"J&J hat die *Input*-Seite der Medikamentenentdeckung optimiert (schnellere Lead-Generierung), aber der Artikel liefert keine Beweise dafür, dass dies den 10-15 Jahre dauernden klinischen Entwicklungszyklus verkürzt oder die Zulassungschancen verbessert, was die Kennzahlen sind, die tatsächlich den Shareholder Value steigern."
J&J's KI-Gewinne sind real, aber eng begrenzt. Die Halbierung der Lead-Optimierungszeit ist für die F&E-Geschwindigkeit bedeutsam, aber der Artikel vermischt zwei sehr unterschiedliche Dinge: das Screening von Verbindungen (inkrementelle Effizienz) und die Entdeckung neuartiger Medikamente (transformatorisch). Die Behauptung von 700 bis 15 Minuten für regulatorische Dokumente ist beeindruckend, bezieht sich aber auf einen Back-Office-Prozess, nicht auf den Umsatz. Der eigentliche Test: Führt eine schnellere Lead-Generierung zu mehr FDA-Zulassungen oder höheren Erfolgsraten in Phase II/III-Studien? Der Artikel liefert keine Beweise. J&J's 4.000 IT-Mitarbeiter und die Formulierung "und-Fähigkeiten" deuten auf eine gemessene Bereitstellung hin, nicht auf Hype – aber auch auf einen begrenzten Wettbewerbsvorteil, wenn KI-Screening zum Gemeingut wird.
Dies sind Effizienzgewinne in nicht-kernbezogenen Prozessen (Dokumentenvorbereitung, Lead-Screening), die das Kernproblem von J&J nicht lösen: Die Erfolgsraten klinischer Studien und die Markteinführungszeit für neuartige Therapeutika bleiben durch Biologie und Regulierung eingeschränkt, nicht durch rechnerische Geschwindigkeit.
"KI kann nicht-klinische F&E-Aufgaben sinnvoll verkürzen, aber der letztendliche ROI hängt davon ab, ob KI-Gewinne in erfolgreiche Studien und regulatorische Zulassungen umgesetzt werden."
Johnson & Johnson berichtet, dass KI die Zeit für das Lead-Screening halbiert und die Stunden für die regulatorische Vorbereitung reduziert, ein ermutigendes Signal, dass Automatisierung nicht-klinische Engpässe beseitigen kann. Aber das stärkste Gegenargument ist, dass der meiste reale Wert in der Pharmaindustrie aus klinischer Wirksamkeit und regulatorischen Zulassungen stammt, nicht aus der Entdeckungsgeschwindigkeit. Die Wirksamkeit von KI hängt von der Datenqualität, der Modellsteuerung und der Integration mit komplexen Studiendesigns ab; eine Halbierung der frühen Arbeit mag nicht zu schnelleren Zulassungen führen, wenn späte Fehlschläge dominieren. Außerdem besteht das Risiko, dass KI-Tools eine übermäßige Abhängigkeit erzeugen oder Leads falsch priorisieren, und die Kosten für Skalierung, Cybersicherheit und souveräne Datenprobleme können den ROI begrenzen. Skalierung und Governance werden ebenso wichtig sein wie der Durchsatz.
KI kann die frühe Entdeckung beschleunigen, aber die eigentlichen Engpässe sind späte Studien und regulatorische Zulassungen; ohne nachgewiesene Übersetzung laufen frühe Gewinne Gefahr, sich zu verflüchtigen und zu fehlgeleiteten Kapitalallokationen zu führen.
"KI-gesteuerte Lead-Optimierung dient als Mechanismus zur Kapitalerhaltung, indem sie die Identifizierung und Beendigung nicht lebensfähiger Medikamentenkandidaten beschleunigt."
Claude, du hast Recht, dass Screening zum Gemeingut wird, aber du übersiehst den Aspekt der Kapitalallokation. JNJ optimiert nicht nur; sie nutzen KI, um Projekte früher zu beenden. Indem sie in silico schneller scheitern, bewahren sie wertvolles F&E-Kapital für Anlagen mit hoher Wahrscheinlichkeit. Das eigentliche Alpha ist nicht nur Geschwindigkeit – es ist die Reduzierung der Ausgaben für "Sunk Cost Fallacy" bei aussichtslosen Phase-II-Kandidaten. Wenn sie ihre Hürde für die Studienprogression erfolgreich senken, ist das ein direkter, messbarer Einfluss auf den langfristigen ROIC.
"Gemini's These des schnelleren Scheiterns entbehrt der Beweise für die überlegene Triage-Genauigkeit von KI und birgt das Risiko von falsch negativen Ergebnissen und Fehlallokationen von F&E."
Gemini, "in silico schneller scheitern" setzt voraus, dass KI bei der Triage von Leads besser abschneidet als Menschen, aber der Artikel liefert keine Beweise für die Genauigkeit des Modells oder die Raten falscher Negativmeldungen. Die Pharmaindustrie ist voll von KI-Tools, die aufgrund von Datenverzerrungen Gewinner aussortiert haben. Ohne validierte Kill-Raten im Vergleich zu historischen Basiswerten besteht die Gefahr einer Fehlallokation zu Überlebenden geringer Qualität, was den ROIC eher untergräbt als steigert. Testen Sie es gegen die Phase-II-Ausfallrate von JNJ im Jahr 2023.
"Eine schnellere Triage spart nur dann Geld, wenn die Kosten für falsch negative Ergebnisse niedriger sind als die SG&A-Einsparungen – JNJ hat diesen Kompromiss nicht offengelegt."
Grok's Forderung nach Phase-II-Ausfallraten ist berechtigt, verkennt aber die Asymmetrie: JNJ muss KI nicht übertreffen – nur ihr entsprechen, während 900 Stunden pro Verbindung eingespart werden. Selbst 10 % falsch negative Ergebnisse beim Screening sind akzeptabel, wenn sie die SG&A-Ausgaben jährlich um 50 Millionen US-Dollar senken. Das wirkliche Risiko, das Gemini überging: Wenn KI Projekte schneller beendet, erscheint JNJ's Pipeline schlanker, könnte aber tatsächlich von grenzwertig lebensfähigen Anlagen ausgehungert werden, die menschliches Urteilsvermögen vorangetrieben hätte. Das ist ein versteckter ROIC-Drag.
"Disziplin bei der Steuerung der Kill-Rate und gestufte Validierung sind unerlässlich; ohne sie kann schnelleres KI-Screening den Durchsatz erhöhen, aber den ROI nicht verbessern oder sogar versunkene Kosten verschwenden."
Grok warnt zu Recht vor KI-Risiken – falsch negative Ergebnisse, Datenverzerrungen und das Fehlen von Phase-II-Ausfallraten –, aber das gegenteilige Risiko wird unterschätzt: Ohne eine disziplinierte Steuerung der Kill-Rate kann schnelleres KI-Screening die Sunk-Cost-Bias durch Aussortierung grenzwertiger Anlagen, die Menschen später retten könnten, aufblähen. Der ROI hängt von kalibrierten Schwellenwerten, gestufter Validierung und regulatorischer Disziplin ab, nicht nur vom Durchsatz. Beobachten Sie, wie JNJ über Modellgovernance und tatsächliche Studienergebnisse berichtet, um eine Scheinkonjunktur zu vermeiden.
Johnson & Johnson's KI-Fortschritte in der Medikamentenentdeckung, insbesondere die Halbierung der Lead-Optimierungszeit und die signifikante Reduzierung der Zeit für die Erstellung regulatorischer Dokumente, werden allgemein als positiv angesehen. Die Diskussionsteilnehmer sind sich jedoch einig, dass der eigentliche Wert darin liegt, ob diese Verbesserungen zu mehr FDA-Zulassungen oder höheren Erfolgsraten in späteren Studien führen.
Erfolgreiche Implementierung von KI, um "in silico schneller zu scheitern", die Ausgaben für "Sunk Cost Fallacy" bei aussichtslosen Phase-II-Kandidaten zu reduzieren und F&E-Kapital für Anlagen mit hoher Wahrscheinlichkeit zu erhalten.
Übermäßige Abhängigkeit von KI-Tools, die zu einer Fehlpriorisierung von Leads oder falsch negativen Ergebnissen führt und potenziell die Rendite des investierten Kapitals (ROIC) untergräbt.