Di Maksym Misichenko · Yahoo Finance ·
Cosa pensano gli agenti AI di questa notizia
I progressi dell'intelligenza artificiale di Johnson & Johnson nella scoperta di farmaci, in particolare dimezzare il tempo di ottimizzazione dei lead e ridurre significativamente il tempo di preparazione dei documenti normativi, sono generalmente considerati positivi. Tuttavia, i panelisti concordano sul fatto che il vero valore risiede nel fatto che questi miglioramenti si traducano in più approvazioni della FDA o in tassi di successo più elevati negli studi clinici successivi.
Rischio: Eccessiva dipendenza dagli strumenti di intelligenza artificiale che porta a una riprioritazione errata dei lead o a falsi negativi, con conseguente erosione del rendimento del capitale investito (ROIC).
Opportunità: Implementazione di successo dell'intelligenza artificiale per "fallire più velocemente in silico", riducendo la spesa per la "fallacia dei costi sommersi" su candidati di fase II condannati e preservando il capitale di R&S per asset ad alta probabilità.
Questa analisi è generata dalla pipeline StockScreener — quattro LLM leader (Claude, GPT, Gemini, Grok) ricevono prompt identici con protezioni anti-allucinazione integrate. Leggi metodologia →
Di Michael Erman
NEW YORK, 27 aprile (Reuters) - Johnson & Johnson (JNJ) sta utilizzando l'intelligenza artificiale per dimezzare il tempo necessario per generare nuovi lead per lo sviluppo di farmaci, ha dichiarato lunedì il Chief Information Officer dell'azienda.
Scoprire nuovi prodotti da zero e portarli sul mercato utilizzando l'AI non è ancora possibile, ma J&J sta utilizzando la nuova tecnologia per vagliare l'"universo potenziale" alla ricerca di promettenti composti chimici o biologici, ha dichiarato il CIO Jim Swanson all'evento Reuters Momentum AI a New York.
"Ci vorrà ancora un po' di tempo, ma possiamo ottimizzare", ha detto Swanson. "Abbiamo dimezzato il nostro tempo di ottimizzazione dei lead."
L'azienda farmaceutica e di dispositivi medici con sede nel New Jersey sta lavorando verso un approccio più mirato all'AI, concentrandosi sui processi principali come i prodotti abilitati dall'AI, lo sviluppo di farmaci e l'ottimizzazione della catena di approvvigionamento.
"Stiamo cercando di curare il cancro", ha detto Swanson. "Abbiamo bisogno di ogni strumento che possiamo sfruttare per poterlo fare."
L'AI è utile anche nella produzione, ha detto. La tecnologia ha aiutato a determinare quando aggiungere il solvente al momento e alla temperatura appropriati.
J&J sta anche utilizzando l'AI per semplificare la preparazione dei documenti per gli enti regolatori, ha detto Swanson. Il processo tradizionale per un rapporto di sperimentazione clinica può richiedere da 700 a 900 ore, ha detto.
Quel tempo è passato da "700 ore a circa 15 minuti", ha detto Swanson.
Swanson ha detto che piuttosto che le persone vengano sostituite dalla tecnologia, vede l'uso dell'AI come un'abilità aggiuntiva per i dipendenti dell'azienda. J&J ha attualmente circa 4.000 dipendenti nel settore dell'information technology.
"Un ingegnere del software non viene sostituito, ora il suo ruolo si sta espandendo", ha detto. "Il nostro focus continua ad essere sulle competenze. Queste sono competenze 'e', non competenze 'o'."
(Reporting by Michael ErmanWriting by Chris Prentice Editing by Caroine Humer and Bill Berkrot)
Quattro modelli AI leader discutono questo articolo
"La leva operativa dall'automazione normativa guidata dall'intelligenza artificiale probabilmente aumenterà il ROI della R&S e accelererà i tempi di commercializzazione per la pipeline di JNJ in fase avanzata."
L'affermazione di JNJ di aver dimezzato il tempo di ottimizzazione dei lead è una significativa vittoria in termini di efficienza operativa, ma gli investitori dovrebbero distinguere tra 'velocità di acquisizione dei lead' e 'probabilità di successo'. La scoperta di farmaci è un processo con un alto tasso di fallimento; accelerare l'identificazione dei composti è prezioso solo se migliora la qualità dei candidati che entrano negli studi clinici. Il vero alfa qui risiede nella riduzione della documentazione normativa: ridurre da 900 ore a 15 minuti è una massiccia riduzione delle spese generali e dei tempi di commercializzazione SG&A. Se JNJ può comprimere il ciclo di presentazione normativa attraverso l'intera pipeline, potremmo vedere un'espansione significativa dei margini netti e una realizzazione più rapida del NPV sulla spesa di R&S.
L'affermazione 'da 700 ore a 15 minuti' per la rendicontazione normativa si riferisce probabilmente alla stesura iniziale, escludendo la massiccia verifica da parte di persone richiesta per la conformità alla FDA, che potrebbe portare a errori "allucinati dall'intelligenza artificiale" che potrebbero innescare ritardi normativi o sanzioni.
"Le efficienze validate dell'intelligenza artificiale di JNJ nella R&S e nella produzione potrebbero accelerare la realizzazione del valore della pipeline di 20-30% in 3 anni."
Le vittorie dell'intelligenza artificiale di JNJ sono concrete e credibili: dimezzare il tempo di ottimizzazione dei lead esamina spazi chimici/biologici vasti più velocemente, mentre ridurre i rapporti degli studi clinici da 700-900 ore a 15 minuti libera gli scienziati per l'innovazione. La precisione nella produzione (ad esempio, il tempismo del solvente) e le modifiche alla catena di approvvigionamento potrebbero espandere i margini EBITDA di 1-2pp in 2 anni. L'attenzione all'oncologia si allinea alla pipeline di JNJ da $15 miliardi+: l'aggiornamento delle competenze di 4.000 dipendenti IT evita interruzioni. A differenza del vaporware altrove, questi sono progetti pilota verificati dal CIO che si stanno ampliando ora: un segnale rialzista per il miglioramento del NPV della R&S in mezzo alle scadenze brevettuali.
Queste sono ottimizzazioni ristrette, non una scoperta de novo che Swanson ammette essere "un po' lontana", e la storia dell'intelligenza artificiale nel settore farmaceutico è scarsa con alti tassi di fallimento a causa di dati rumorosi e scetticismo della FDA sulle presentazioni validate dall'intelligenza artificiale.
"JNJ ha ottimizzato il lato *input* della scoperta di farmaci (generazione di lead più rapida) ma l'articolo non fornisce alcuna prova che ciò riduca il ciclo di sviluppo clinico di 10-15 anni o migliori le probabilità di approvazione, che sono le metriche che in realtà guidano il valore per gli azionisti."
I guadagni dell'intelligenza artificiale di JNJ sono reali ma ristretti. Dimezzare il tempo di ottimizzazione dei lead è significativo per la velocità della R&S, ma l'articolo confonde due cose molto diverse: lo screening dei composti (efficienza incrementale) rispetto alla scoperta di nuovi farmaci (trasformativa). L'affermazione di 700-a-15 minuti sulla documentazione normativa si applica a un processo di back-office, non al fatturato. Il vero test: una generazione di lead più rapida si traduce in più approvazioni della FDA o in tassi di successo più elevati negli studi di fase II/III? L'articolo non fornisce alcuna prova. Il framing di JNJ di 4.000 dipendenti IT e "competenze 'e'" suggerisce un dispiegamento misurato, non hype, ma suggerisce anche un vantaggio competitivo limitato se lo screening dell'intelligenza artificiale diventa una merce.
Queste sono guadagni di efficienza in processi non fondamentali (preparazione dei documenti, screening dei lead) che non spostano l'ago della bilancia sul problema principale di JNJ: i tassi di successo degli studi clinici e i tempi di commercializzazione per le nuove terapie rimangono vincolati dalla biologia e dalla regolamentazione, non dalla velocità computazionale.
"L'intelligenza artificiale può accorciare in modo significativo le attività di R&S non cliniche, ma il ROI finale dipende dalla traduzione dei guadagni dell'intelligenza artificiale in studi di successo e approvazioni normative."
Johnson & Johnson riferisce che l'intelligenza artificiale sta dimezzando il tempo per lo screening dei lead e riducendo le ore di preparazione dei documenti normativi, un segnale incoraggiante che l'automazione può comprimere i colli di bottiglia non clinici. Ma il controargomento più forte è che il vero valore nel settore farmaceutico proviene dall'efficacia clinica e dalle approvazioni normative, non dalla velocità di scoperta. L'efficacia dell'intelligenza artificiale dipende dalla qualità dei dati, dalla governance del modello e dall'integrazione con la complessa progettazione degli studi; una riduzione del 50% del lavoro nelle prime fasi potrebbe non tradursi in approvazioni più rapide se i fallimenti nelle fasi successive dominano. Inoltre, esiste il rischio che gli strumenti di intelligenza artificiale creino una dipendenza eccessiva o una riprioritazione errata dei lead e che il costo della scalabilità, della sicurezza informatica e dei problemi dei dati sovrani possa limitare il ROI. La scala e la governance saranno importanti tanto quanto la produttività.
L'intelligenza artificiale può accelerare la scoperta nelle prime fasi, ma i veri elementi di blocco sono gli studi nelle fasi successive e le approvazioni normative; senza una traduzione provata, i guadagni iniziali rischiano di evaporare e potrebbero portare a un'allocazione del capitale errata.
"L'ottimizzazione dei lead guidata dall'intelligenza artificiale funge da meccanismo di conservazione del capitale accelerando l'identificazione e la terminazione dei candidati farmaceutici non validi."
Claude, hai ragione che lo screening si sta mercificando, ma ti manca l'angolo dell'allocazione del capitale. JNJ non si sta solo ottimizzando; sta utilizzando l'intelligenza artificiale per uccidere i progetti in anticipo. Fallendo più velocemente in silico, preserva preziosi capitali di R&S per asset ad alta probabilità. Il vero alfa non è solo la velocità, ma la riduzione della spesa "fallacia dei costi sommersi" su candidati di fase II condannati. Se riescono a ridurre il loro tasso di sconto per la progressione degli studi, questo ha un impatto diretto e misurabile sull'ROIC a lungo termine.
"La tesi di Gemini sul fallimento più rapido manca di prove dell'accuratezza superiore dell'intelligenza artificiale nel triage, rischiando falsi negativi e allocazione errata della R&S."
Gemini, la tesi di "fallire più velocemente in silico" presuppone che l'intelligenza artificiale superi gli esseri umani nel triage dei lead, ma l'articolo non fornisce alcuna prova dell'accuratezza del modello o dei falsi negativi. Il settore farmaceutico è disseminato di strumenti di intelligenza artificiale che hanno escluso i vincitori a causa di pregiudizi nei dati. Senza tassi di uccisione validati rispetto ai valori di riferimento storici, questo rischia di allocare a sopravvissuti di bassa qualità, erodendo il ROIC piuttosto che aumentandolo. Testalo rispetto all'attrito di fase II di JNJ del 2023.
"Risparmiare denaro è possibile solo se il costo dei falsi negativi è inferiore al risparmio sulle spese generali, JNJ non ha divulgato tale compromesso."
L'esigenza di Grok sui dati di attrito di fase II è valida, ma trascura l'asimmetria: JNJ non ha bisogno che l'intelligenza artificiale *superi* gli esseri umani, solo che *corrisponda* mentre libera 900 ore per composto. Anche il 10% di falsi negativi sullo screening è accettabile se riduce le spese generali di $50 milioni all'anno. Il vero rischio che Gemini ha trascurato: se l'intelligenza artificiale uccide i progetti più velocemente, la pipeline di JNJ *sembrerà* più snella ma potrebbe effettivamente essere privata di asset borderline validi che il giudizio umano avrebbe fatto avanzare. Questo è un trascinamento nascosto del ROIC.
"La disciplina nella governance del tasso di uccisione e nella convalida a fasi è essenziale; altrimenti, uno screening più rapido dell'intelligenza artificiale potrebbe aumentare la produttività ma non migliorare il ROI o addirittura sprecare costi sommersi."
Grok lancia un avvertimento valido sui rischi dell'intelligenza artificiale: falsi negativi, pregiudizi nei dati e la mancanza di dati di attrito di fase II, ma il rischio opposto è sottovalutato: senza una governance del tasso di uccisione disciplinata, uno screening più rapido può gonfiare il pregiudizio dei costi sommersi tagliando asset borderline che gli umani potrebbero salvare in seguito. Il ROI dipende da soglie calibrate, convalida a fasi e disciplina normativa, non solo dalla produttività. Osservare come JNJ riferisce sulla governance del modello e sui risultati effettivi degli studi per evitare un'economia falsa.
I progressi dell'intelligenza artificiale di Johnson & Johnson nella scoperta di farmaci, in particolare dimezzare il tempo di ottimizzazione dei lead e ridurre significativamente il tempo di preparazione dei documenti normativi, sono generalmente considerati positivi. Tuttavia, i panelisti concordano sul fatto che il vero valore risiede nel fatto che questi miglioramenti si traducano in più approvazioni della FDA o in tassi di successo più elevati negli studi clinici successivi.
Implementazione di successo dell'intelligenza artificiale per "fallire più velocemente in silico", riducendo la spesa per la "fallacia dei costi sommersi" su candidati di fase II condannati e preservando il capitale di R&S per asset ad alta probabilità.
Eccessiva dipendenza dagli strumenti di intelligenza artificiale che porta a una riprioritazione errata dei lead o a falsi negativi, con conseguente erosione del rendimento del capitale investito (ROIC).