За два месяца после запуска корпоративного ИИ-ассистента сотрудники биотех-компании создали 750 собственных ассистентов: анализ клинических данных для подбора дозы, резюме контрактов.
За два месяца после запуска корпоративного ИИ-ассистента сотрудники биотех-компании создали 750 собственных ассистентов: анализ клинических данных для подбора дозы, резюме контрактов, поиск по внутренним политикам, слайды для отчетности; в среднем 120 диалогов на пользователя в неделю, 40% активных за неделю пользователей создали ассистентов сами. Ассистент для подбора дозы работает как пилот.
750 ассистентов за 2 месяца от самих сотрудников: ИИ-отдел, который строит команда, а не подрядчик.
Университет создал пилотную гибридную модель прогнозирования спроса на лекарственные препараты для российского рынка с его резкими изменениями цен и короткой историей продаж новых дженериков. Ансамбли градиентного бустинга дали ошибку 16–17% по метрике WMAPE на горизонте месяца.
При рекурсивной стратегии на квартальном планировании ошибка росла до 23–26% к третьему месяцу; архитектуры глубокого обучения с прямым многошаговым прогнозом деградировали стабильнее. Публикация 7 июля 2026 года.
Горизонт прогноза важнее архитектуры: на месяц вперед работает простой ансамбль. Для аптеки или склада клиники этого достаточно.
Одна из первых фармкомпаний страны, применивших машинное обучение в разработке молекул: платформа объединяет скрининг, синтез генов и математическое моделирование структур. Лабораторный этап анализа молекул сократился с 7–14 месяцев до нескольких недель, на отдельных этапах до дней.
Из миллиардов антигенсвязывающих фрагментов к антигену PD-1 ИИ выбрал десятки перспективных молекул, что подтверждено лабораторно. Число клинических исследований выросло с 41 в 2023 году до 54 в 2024 году, на 32%. Платформа самообучается на новых данных.
Машинное обучение стало для фармкомпании рабочим конвейером, а не разовым проектом. В медицине ИИ окупается там, где процесс повторяется тысячи раз.
Компания применяет машинное обучение на ключевых этапах: поиск мишеней, виртуальный скрининг библиотек молекул, прогноз фармакокинетики и токсичности, оптимизация синтеза и систем доставки. По оценке вице-президента компании, сроки разработки сократились в 2 раза, доля успешных кандидатов выросла минимум в 2,5 раза.
Виртуальный скрининг заменяет часть дорогих лабораторных экспериментов, свойства молекул прогнозируются на доклинической стадии. Опыт компании описан в первой российской монографии по ИИ в фармразработке.
Оценка «в 2 раза» принадлежит компании, и мы так ее и подписываем. Чужие цифры без источника в наши тексты не попадают.
ИИ в разработке лекарств уже дает измеримое ускорение на одном участке: поиске и отборе молекулы-кандидата. Ниже кейсы российских фармкомпаний и институтов, первое клиническое подтверждение из мира, правила чтения таких цифр и вопросы, которые стоит решить до проекта. Главная оговорка: ИИ ускоряет поиск, а клинические испытания и регистрация остаются как были.
Фармкомпания вместе с лабораторией ИИ банка сократила этап разработки структуры антител с примерно 3 лет до 2 месяцев, лаборатория подтвердила гипотезы, цикл от идеи до валидированной структуры сократился в 3 раза (2024). Другая компания построила конвейер: лабораторный этап анализа молекул за недели вместо 7–14 месяцев, у компании 78 зарегистрированных препаратов по итогам 2024 года, клинических исследований на 32% больше. Третья по собственной оценке сократила сроки разработки в 2 раза и подняла долю успешных кандидатов минимум в 2,5 раза. Курчатовский институт нашел более 100 геномных локусов, связанных с инсультом.
21 сентября 2026 года сервис Аптека.ру (АО НПК «Катрен») открыл для всех посетителей сайта ИИ-ассистента, который помогает найти безрецептурные лекарства по названию или по описанию симптомов. На тесте с 20% аудитории конверсия в заказ у тех, кто читал ответы ассистента, выросла на 77%. Источники: CNews и «Новости IT-канала».
Покупатель пишет название, бренд или своими словами описывает, что его беспокоит. Ассистент находит подходящие товары в каталоге, объясняет, чем они отличаются, показывает цены и дает ссылки на заказ. Ответы строятся на описаниях товаров и статьях сервиса, со ссылками на них, а наличие и цены ассистент получает в момент ответа.
Ассистент собран на платформе Yandex AI Studio: модели YandexGPT и открытые модели, база знаний примерно из 100 тыс. товаров и более 6 тыс. статей.
Ассистента проверили на 20% аудитории. Пользователи, которые изучали его ответы, покупали на 25% больше товаров, чем те, кто подсказками не пользовался, а конверсия в заказ у них выросла на 77%. Теперь ассистент доступен всей аудитории сайта, это около 12 млн пользователей, в октябре его добавят в мобильное приложение.