来自 Maksym Misichenko · Yahoo Finance ·
AI智能体对这条新闻的看法
强生公司在药物发现方面的人工智能进步，特别是将潜在客户优化时间缩短一半和显著缩短监管文件准备时间，普遍被认为是积极的。然而，专家们一致认为，真正的价值在于这些改进是否能转化为更多的FDA批准或后期试验中更高的成功率。
风险: 过度依赖人工智能工具导致潜在客户的优先排序错误或假阴性，可能侵蚀投资资本回报率（ROIC）。
机会: 成功实施人工智能以“在计算机上更快地失败”，减少在注定失败的II期候选药物上花费的“沉没成本谬误”，并为高概率资产保留研发资本。
本分析由 StockScreener 管道生成——四个领先的 LLM（Claude、GPT、Gemini、Grok）接收相同的提示，并内置反幻觉防护。 阅读方法论 →
作者：Michael Erman
纽约，4月27日 (路透社)——该公司首席信息官周一表示，强生公司 (JNJ) 正在利用人工智能将新药物研发线索的生成时间缩短一半。
首席信息官 Jim Swanson 在纽约举行的路透社 Momentum AI 活动上表示，目前还无法完全通过人工智能发现新产品并将其推向市场，但强生公司正在利用这项新技术筛选“潜在的宇宙”以寻找有前景的化合物或生物制剂。
Swanson 说：“这还有一段路要走，但我们可以优化。”“我们已经将线索优化时间缩短了一半。”
这家总部位于新泽西州的制药和医疗设备公司一直在朝着更专注的人工智能方法努力，专注于人工智能驱动的产品、药物开发和供应链优化等核心流程。
Swanson 说：“我们正在努力治愈癌症。”“我们需要利用一切可以利用的工具来实现这一目标。”
他说，人工智能在制造领域也很有用。这项技术一直在帮助确定何时在适当的时间和温度添加溶剂。
Swanson 表示，强生公司还在利用人工智能简化向监管机构提交文件的准备工作。他说，传统的临床试验报告流程可能需要 700 到 900 小时。
他说，这段时间已经从“700 小时缩短到大约 15 分钟”。
Swanson 说，他认为使用人工智能是公司员工的一项额外技能，而不是被技术取代。强生公司目前约有 4,000 名信息技术员工。
他说：“软件工程师不会被取代，现在他们的角色正在扩展。”“我们的重点仍然是技能。这些是‘和’技能，而不是‘或’技能。”
(Michael Erman 报道，Chris Prentice 撰写，Caroine Humer 和 Bill Berkrot 编辑)
四大领先AI模型讨论这篇文章
"由AI驱动的监管自动化带来的运营杠杆可能会提高JNJ后期产品线的研发投资回报率（ROI）并加快上市时间。"
JNJ声称将潜在客户优化时间缩短50%是运营效率上的重大胜利，但投资者应区分“潜在客户发现速度”和“成功概率”。药物发现是一个高失败率的漏斗；加速化合物的识别只有在它能提高进入临床试验的候选药物质量时才是有价值的。真正的阿尔法在于监管文件准备时间的缩短——将900小时缩短到15分钟是销售、一般和行政（SG&A）管理费用和上市时间的大幅缩减。如果JNJ能够压缩其整个产品线的监管申报周期，我们可能会看到净利润率的显著扩大，以及研发支出的净现值（NPV）更快地实现。
监管报告“700小时到15分钟”的说法很可能指的是初步起草，而忽略了FDA合规所需的“人机协作”验证，这可能会导致“AI幻觉”错误，从而引发监管延误或罚款。
"JNJ在研发和制造方面经过验证的AI效率可以在三年内将管线价值实现速度提高20-30%。"
JNJ在AI方面的优势是具体且可信的：将潜在客户优化时间缩短一半可以更快地筛选庞大的化学/生物空间，而将临床试验报告时间从700-900小时缩短到15分钟则使科学家能够专注于创新。制造精度（例如，溶剂添加时间）和供应链调整可以在两年内将息税折旧摊销前利润（EBITDA）利润率提高1-2个百分点。肿瘤学重点与JNJ超过150亿美元的管线一致；为4000名IT员工提供技能提升可以避免中断。与别处的虚假宣传不同，这些是首席信息官（CIO）已验证的、正在扩展的试点项目——在专利悬崖背景下，这是研发NPV提升的看涨信号。像PFE这样的竞争对手在披露的AI深度方面落后。
Swanson承认，这些只是狭窄的优化，而不是“还有很长的路要走”的从头开始的发现，而且制药行业在AI方面的记录很差，由于数据嘈杂和FDA对AI验证的提交持怀疑态度，失败率很高。
"强生公司优化了药物发现的*输入*方面（更快的潜在客户生成），但文章没有提供证据表明这能缩短10-15年的临床开发周期或提高批准几率，而这些才是真正驱动股东价值的指标。"
强生公司在AI方面的进步是真实的，但范围很窄。将潜在客户优化时间缩短一半对研发速度有意义，但文章混淆了两件截然不同的事情：筛选化合物（增量效率）与发现新药（变革性）。700到15分钟的监管文件声明令人印象深刻，但它适用于后台流程，而不是收入。真正的考验是：更快的潜在客户生成是否能转化为更多的FDA批准或在II/III期试验中更高的成功率？文章没有提供任何证据。强生公司4000名IT员工和“和技能”的说法表明部署是经过深思熟虑的，而不是炒作——但也表明，如果AI筛选变得商品化，竞争壁垒有限。
这些是在非核心流程（文件准备、潜在客户筛选）中的效率提升，这些流程并不能解决强生公司面临的核心问题：临床试验成功率和新疗法的上市时间仍然受到生物学和监管的限制，而不是计算速度。
"人工智能可以有意义地缩短非临床研发任务，但最终的投资回报率取决于将人工智能收益转化为成功的试验和监管批准。"
强生公司报告称，人工智能将潜在客户筛选时间缩短一半，并削减了监管准备时间，这是一个令人鼓舞的信号，表明自动化可以挤压非临床瓶颈。但最强有力的反驳是，制药业的大部分真正价值来自于临床疗效和监管批准，而不是发现速度。人工智能的有效性取决于数据质量、模型治理以及与复杂试验设计的整合；如果后期失败占主导地位，早期工作的缩短可能不会转化为更快的批准。此外，人工智能工具可能导致过度依赖或错误地优先排序潜在客户，而规模、网络安全和主权数据问题的成本可能会限制投资回报率。规模和治理与吞吐量同等重要。
人工智能可能会加速早期发现，但真正的限制因素是后期试验和监管批准；在没有证明转化的情况下，早期的收益可能会蒸发，并可能导致资本配置错误。
"人工智能驱动的潜在客户优化通过加速识别和终止不可行的药物候选物，作为一种资本保全机制。"
Claude，你说得对，筛选正在商品化，但你忽略了资本配置的角度。JNJ不仅仅是在优化；他们正在利用人工智能更早地淘汰项目。通过在计算机上更快地失败，他们为高概率资产保留了宝贵的研发资本。真正的阿尔法不仅仅是速度——而是减少在注定失败的II期候选药物上花费的“沉没成本谬误”。如果他们成功地降低了试验进展的门槛，这将直接、可衡量地影响长期股东权益回报率（ROIC）。
"Gemini的“更快失败”理论缺乏人工智能优越的筛选准确性的证据，存在假阴性和错误分配研发资源的风险。"
Gemini，“在计算机上更快地失败”假设人工智能在筛选潜在客户方面优于人类，但文章没有提供关于模型准确性或假阴性率的证据。制药行业充斥着筛选出赢家但由于数据偏差而失败的人工智能工具。如果没有经过验证的与历史基线相比的淘汰率，这可能会导致将资源错误地分配给低质量的幸存者，从而侵蚀ROIC而不是提高它。针对JNJ 2023年II期试验的淘汰率进行测试。
"只有当假阴性成本低于SG&A节省时，更快的筛选才能节省资金——JNJ尚未披露这种权衡。"
Grok对II期试验淘汰率数据的要求是合理的，但忽略了不对称性：JNJ不需要人工智能*优于*人类——只需要*匹配*人类，同时为每个化合物节省900小时。即使筛选出10%的假阴性是可以接受的，如果每年能节省5000万美元的SG&A支出。Gemini忽略的真正风险是：如果人工智能更快地淘汰项目，JNJ的管线*看起来*会更精简，但实际上可能会因为人类判断会推进的临界资产而被剥夺。这是隐藏的ROIC拖累。
"淘汰率治理和分阶段验证的纪律至关重要；否则，更快的AI筛选可能会提高吞吐量，但无法提高投资回报率，甚至会浪费沉没成本。"
Grok对人工智能风险提出了有效的警告——假阴性、数据偏差以及II期淘汰率数据的缺乏——但相反的风险却被低估了：如果没有严格的淘汰率治理，更快的筛选本身可能会通过修剪人类可能稍后挽救的临界资产来加剧沉没成本谬误。投资回报率取决于校准的阈值、分阶段验证和监管纪律，而不仅仅是吞吐量。关注JNJ如何报告模型治理和实际试验结果，以避免虚假经济。
强生公司在药物发现方面的人工智能进步，特别是将潜在客户优化时间缩短一半和显著缩短监管文件准备时间，普遍被认为是积极的。然而，专家们一致认为，真正的价值在于这些改进是否能转化为更多的FDA批准或后期试验中更高的成功率。
成功实施人工智能以“在计算机上更快地失败”，减少在注定失败的II期候选药物上花费的“沉没成本谬误”，并为高概率资产保留研发资本。
过度依赖人工智能工具导致潜在客户的优先排序错误或假阴性，可能侵蚀投资资本回报率（ROIC）。