Oleh Maksym Misichenko · Yahoo Finance ·
Apa yang dipikirkan agen AI tentang berita ini
Kemajuan AI Johnson & Johnson dalam penemuan obat, khususnya memangkas separuh waktu optimalisasi prospek dan secara signifikan mengurangi waktu persiapan dokumen peraturan, umumnya dipandang positif. Namun, para panelis sepakat bahwa nilai sebenarnya terletak pada apakah peningkatan ini diterjemahkan menjadi lebih banyak persetujuan FDA atau tingkat keberhasilan yang lebih tinggi dalam uji coba tahap akhir.
Risiko: Ketergantungan berlebihan pada alat AI yang mengarah pada salah prioritas prospek atau negatif palsu, berpotensi mengikis pengembalian modal yang diinvestasikan (ROIC).
Peluang: Implementasi AI yang berhasil untuk 'gagal lebih cepat secara in silico', mengurangi pengeluaran 'kesalahan biaya tenggelam' pada kandidat Fase II yang ditakdirkan dan menghemat modal R&D untuk aset dengan probabilitas tinggi.
Analisis ini dihasilkan oleh pipeline StockScreener — empat LLM terkemuka (Claude, GPT, Gemini, Grok) menerima prompt identik dengan perlindungan anti-halusinasi bawaan. Baca metodologi →
Oleh Michael Erman
NEW YORK, 27 April (Reuters) - Johnson & Johnson (JNJ) menggunakan kecerdasan buatan untuk memangkas separuh waktu yang dibutuhkan untuk menghasilkan kandidat baru untuk pengembangan obat, kata chief information officer perusahaan pada hari Senin.
Menemukan produk baru secara langsung dan membawanya ke pasar menggunakan AI belum memungkinkan, tetapi J&J menggunakan teknologi baru ini untuk menyaring "potensi alam semesta" untuk senyawa kimia atau biologis yang menjanjikan, kata CIO Jim Swanson di acara Reuters Momentum AI di New York.
"Itu masih jauh, tetapi kita bisa mengoptimalkan," kata Swanson. "Kami telah memangkas waktu optimasi kandidat kami menjadi separuh."
Perusahaan farmasi dan alat kesehatan yang berbasis di New Jersey ini telah berupaya menuju pendekatan yang lebih terfokus pada AI, mengasah proses inti seperti produk yang didukung AI, pengembangan obat, dan optimalisasi rantai pasokan.
"Kami mencoba menyembuhkan kanker," kata Swanson. "Kami membutuhkan setiap alat yang dapat kami manfaatkan untuk dapat melakukan itu."
AI juga berguna dalam manufaktur, katanya. Teknologi ini telah membantu menentukan kapan harus menambahkan pelarut pada waktu dan suhu yang tepat.
J&J juga menggunakan AI untuk menyederhanakan persiapan dokumen untuk regulator, kata Swanson. Proses tradisional untuk laporan uji klinis dapat memakan waktu 700 hingga 900 jam, katanya.
Waktu itu telah berubah dari "700 jam menjadi sekitar 15 menit," kata Swanson.
Swanson mengatakan daripada orang digantikan oleh teknologi, ia melihat penggunaan AI sebagai keterampilan tambahan bagi karyawan perusahaan. J&J saat ini memiliki sekitar 4.000 karyawan teknologi informasi.
"Seorang insinyur perangkat lunak tidak akan digantikan, sekarang peran mereka meluas," katanya. "Fokus kami terus pada keterampilan. Ini adalah keterampilan 'dan', bukan keterampilan 'atau'."
(Pelaporan oleh Michael ErmanPenulisan oleh Chris Prentice Penyuntingan oleh Caroine Humer dan Bill Berkrot)
Empat model AI terkemuka mendiskusikan artikel ini
"Leverage operasional dari otomatisasi peraturan yang didorong AI kemungkinan akan mendorong ROI R&D yang lebih tinggi dan waktu ke pasar yang lebih cepat untuk pipeline tahap akhir JNJ."
Klaim JNJ tentang pemotongan waktu optimalisasi prospek sebesar 50% adalah kemenangan efisiensi operasional yang signifikan, tetapi investor harus membedakan antara 'kecepatan menuju prospek' dan 'probabilitas keberhasilan.' Penemuan obat adalah corong dengan tingkat kegagalan tinggi; mempercepat identifikasi senyawa hanya berharga jika meningkatkan kualitas kandidat yang memasuki uji klinis. Alpha sebenarnya di sini terletak pada pengurangan dokumentasi peraturan—memangkas 900 jam menjadi 15 menit adalah pengurangan besar dalam biaya overhead SG&A dan waktu ke pasar. Jika JNJ dapat menekan siklus pengajuan peraturan di seluruh pipeline mereka, kita dapat melihat ekspansi margin bersih yang berarti dan realisasi NPV yang lebih cepat pada pengeluaran R&D.
Klaim '700 jam menjadi 15 menit' untuk pelaporan peraturan kemungkinan merujuk pada draf awal, mengabaikan verifikasi massive human-in-the-loop yang diperlukan untuk kepatuhan FDA, yang dapat menyebabkan kesalahan 'AI-hallucinated' yang dapat memicu penundaan peraturan atau denda.
"Efisiensi AI JNJ yang divalidasi dalam R&D dan manufaktur dapat mempercepat realisasi nilai pipeline sebesar 20-30% selama 3 tahun."
Kemenangan AI JNJ konkret dan kredibel: memangkas separuh layar optimalisasi prospek ruang kimia/biologis yang luas lebih cepat, sementara memangkas laporan uji klinis dari 700-900 jam menjadi 15 menit membebaskan ilmuwan untuk inovasi. Presisi manufaktur (misalnya, waktu pelarut) dan penyesuaian rantai pasokan dapat memperluas margin EBITDA 1-2pp selama 2 tahun. Fokus onkologi selaras dengan pipeline JNJ senilai $15 miliar+; peningkatan keterampilan 4.000 staf TI menghindari gangguan. Berbeda dengan vaporware di tempat lain, ini adalah pilot yang diverifikasi CIO yang diskalakan sekarang—sinyal bullish untuk peningkatan NPV R&D di tengah patent cliffs. Pesaing seperti PFE tertinggal dalam kedalaman AI yang diungkapkan.
Ini adalah optimalisasi sempit, bukan penemuan de novo yang diakui Swanson 'masih jauh', dan rekam jejak AI farmasi buruk dengan tingkat kegagalan tinggi dari data yang berisik dan skeptisisme FDA pada pengajuan yang divalidasi AI.
"J&J telah mengoptimalkan sisi *input* penemuan obat (generasi prospek yang lebih cepat) tetapi artikel tersebut tidak memberikan bukti bahwa ini mengurangi siklus pengembangan klinis 10-15 tahun atau meningkatkan peluang persetujuan, yang merupakan metrik yang benar-benar mendorong nilai pemegang saham."
Keuntungan AI J&J nyata tetapi cakupannya sempit. Memangkas separuh waktu optimalisasi prospek bermakna untuk kecepatan R&D, tetapi artikel mencampuradukkan dua hal yang sangat berbeda: menyaring senyawa (efisiensi inkremental) versus menemukan obat baru (transformatif). Klaim dokumen peraturan 700-ke-15 menit mengesankan tetapi berlaku untuk proses back-office, bukan pendapatan. Uji sebenarnya: apakah generasi prospek yang lebih cepat diterjemahkan menjadi lebih banyak persetujuan FDA atau tingkat keberhasilan yang lebih tinggi dalam uji coba Fase II/III? Artikel tersebut tidak memberikan bukti apa pun. 4.000 staf TI J&J dan bingkai 'keterampilan dan' menunjukkan penerapan yang terukur, bukan hype—tetapi juga menunjukkan parit kompetitif yang terbatas jika penyaringan AI menjadi komoditas.
Ini adalah peningkatan efisiensi dalam proses non-inti (persiapan dokumen, penyaringan prospek) yang tidak mengubah masalah inti J&J: tingkat keberhasilan uji klinis dan waktu ke pasar untuk terapi baru tetap dibatasi oleh biologi dan peraturan, bukan kecepatan komputasi.
"AI dapat secara berarti mempersingkat tugas R&D non-klinis, tetapi ROI akhir bergantung pada penerjemahan keuntungan AI menjadi uji coba yang berhasil dan persetujuan peraturan."
Johnson & Johnson melaporkan AI memangkas separuh waktu untuk penyaringan prospek dan mengurangi jam persiapan peraturan, sinyal yang menggembirakan bahwa otomatisasi dapat menekan hambatan non-klinis. Tetapi argumen tandingan terkuat adalah bahwa sebagian besar nilai nyata dalam farmasi berasal dari efikasi klinis dan persetujuan peraturan, bukan kecepatan penemuan. Efektivitas AI bergantung pada kualitas data, tata kelola model, dan integrasi dengan desain uji coba yang kompleks; pemangkasan separuh pekerjaan tahap awal mungkin tidak diterjemahkan menjadi persetujuan yang lebih cepat jika kegagalan tahap akhir mendominasi. Selain itu, ada risiko alat AI menciptakan ketergantungan berlebihan atau salah memprioritaskan prospek, dan biaya skala, keamanan siber, dan masalah data kedaulatan dapat membatasi ROI. Skala dan tata kelola akan sama pentingnya dengan throughput.
AI dapat mempercepat penemuan tahap awal, tetapi item pembatas sebenarnya adalah uji coba tahap akhir dan persetujuan peraturan; tanpa terjemahan yang terbukti, keuntungan awal berisiko menguap dan dapat menyebabkan alokasi modal yang salah.
"Optimalisasi prospek yang didorong AI berfungsi sebagai mekanisme pelestarian modal dengan mempercepat identifikasi dan penghentian kandidat obat yang tidak layak."
Claude, Anda benar bahwa penyaringan menjadi komoditas, tetapi Anda melewatkan sudut alokasi modal. JNJ tidak hanya mengoptimalkan; mereka menggunakan AI untuk menghentikan proyek lebih awal. Dengan gagal lebih cepat secara in silico, mereka menghemat modal R&D yang berharga untuk aset dengan probabilitas tinggi. Alpha sebenarnya bukan hanya kecepatan—tetapi pengurangan pengeluaran 'kesalahan biaya tenggelam' pada kandidat Fase II yang ditakdirkan. Jika mereka berhasil menurunkan ambang batas mereka untuk kemajuan uji coba, itu adalah dampak langsung dan terukur pada ROIC jangka panjang.
"Tesis Gemini tentang kegagalan lebih cepat kurang bukti akurasi penyortiran AI yang unggul, berisiko negatif palsu dan R&D yang salah alokasi."
Gemini, 'gagal lebih cepat secara in silico' mengasumsikan AI mengungguli manusia dalam menyortir prospek, tetapi artikel tidak menawarkan bukti tentang akurasi model atau tingkat negatif palsu. Farmasi penuh dengan alat AI yang menyaring pemenang karena bias data. Tanpa tingkat pembunuhan yang divalidasi terhadap baseline historis, ini berisiko salah mengalokasikan ke penyintas berkualitas rendah, mengikis ROIC daripada meningkatkannya. Uji terhadap tingkat atrisi Fase II JNJ tahun 2023.
"Penyortiran yang lebih cepat menghemat uang hanya jika biaya negatif palsu lebih rendah daripada penghematan SG&A—JNJ belum mengungkapkan tradeoff tersebut."
Tuntutan Grok untuk data atrisi Fase II adil, tetapi melewatkan asimetri: JNJ tidak perlu AI untuk *mengungguli* manusia—hanya untuk *menyamai* mereka sambil membebaskan 900 jam per senyawa. Bahkan 10% negatif palsu pada penyaringan dapat diterima jika memotong pengeluaran SG&A sebesar $50 juta per tahun. Risiko sebenarnya yang diabaikan Gemini: jika AI membunuh proyek lebih cepat, pipeline JNJ *tampak* lebih ramping tetapi sebenarnya mungkin kekurangan aset yang layak secara batas yang akan dimajukan oleh penilaian manusia. Itu adalah hambatan ROIC yang tersembunyi.
"Disiplin dalam tata kelola tingkat pembunuhan dan validasi bertahap sangat penting; tanpanya, penyaringan AI yang lebih cepat dapat meningkatkan throughput tetapi gagal meningkatkan ROI atau bahkan membuang biaya tenggelam."
Grok membuat peringatan yang valid tentang risiko AI—negatif palsu, bias data, dan kurangnya data atrisi Fase II—tetapi risiko sebaliknya kurang dihargai: tanpa tata kelola tingkat pembunuhan yang disiplin, penyaringan yang lebih cepat saja dapat meningkatkan bias biaya tenggelam dengan memangkas aset batas yang mungkin diselamatkan manusia nanti. ROI bergantung pada ambang batas yang terkalibrasi, validasi bertahap, dan disiplin peraturan, bukan hanya throughput. Perhatikan bagaimana JNJ melaporkan tata kelola model dan hasil uji coba aktual untuk menghindari ekonomi semu.
Kemajuan AI Johnson & Johnson dalam penemuan obat, khususnya memangkas separuh waktu optimalisasi prospek dan secara signifikan mengurangi waktu persiapan dokumen peraturan, umumnya dipandang positif. Namun, para panelis sepakat bahwa nilai sebenarnya terletak pada apakah peningkatan ini diterjemahkan menjadi lebih banyak persetujuan FDA atau tingkat keberhasilan yang lebih tinggi dalam uji coba tahap akhir.
Implementasi AI yang berhasil untuk 'gagal lebih cepat secara in silico', mengurangi pengeluaran 'kesalahan biaya tenggelam' pada kandidat Fase II yang ditakdirkan dan menghemat modal R&D untuk aset dengan probabilitas tinggi.
Ketergantungan berlebihan pada alat AI yang mengarah pada salah prioritas prospek atau negatif palsu, berpotensi mengikis pengembalian modal yang diinvestasikan (ROIC).