Pfizer: генеративный ИИ на AWS — 16 000 часов поиска в год экономии и оценка эффекта до $1 млрд ежегодно

Контекст и масштаб бизнеса

Pfizer — один из крупнейших фармпроизводителей мира: в 2022 году препараты и вакцины компании получили более 1,3 миллиарда человек. За этой цифрой стоит многолетняя цифровая трансформация, о которой Chief Digital and Technology Officer Лидия Фонсека рассказала в keynote на AWS re:Invent 2023: компания прошла путь от 10% до 80% инфраструктуры в облаке, а по данным блога AWS Industries перенесла 12 000 приложений и баз данных и 8 000 серверов за 42 недели, что экономит более $47 млн ежегодно (страница кейса AWS формулирует осторожнее — «десятки миллионов долларов в год»).

Ещё в 2019 году Pfizer построила Scientific Data Cloud — платформу, агрегирующую мультимодальные данные с сотен лабораторных приборов. Этот дата-фундамент прошёл боевое испытание пандемией: от анонса совместной с BioNTech разработки вакцины от COVID-19 до экстренного разрешения FDA прошло всего 269 дней, а производственные мощности выросли с 220 миллионов доз по всему портфелю до 4 миллиардов доз Comirnaty в 2022 году. Цифровой операционный центр производства (Digital Operations Center) дал командам заводов общую картину процессов и прибавил 20% к пропускной способности.

На этом фундаменте в 2021 году появилась PACT (Pfizer Amazon Collaboration Team) — совместная с AWS программа быстрых прототипов на данных и ИИ для подразделения PSSM (Pharmaceutical Sciences Small Molecule — фармацевтические науки, малые молекулы). Логика программы: вместо многомесячных внутренних разработок — короткие циклы прототипирования силами смешанных команд Pfizer и AWS. В рамках PACT реализовано 14 проектов, включая генеративный ИИ; 5 из них доведены до продакшена. Флагманом генеративной волны стала внутренняя платформа Vox с доступом к Anthropic Claude 2.1 через Amazon Bedrock — а всего, по словам Фонсеки, компания развивает ИИ в 17 приоритетных сценариях: от генерации научного и медицинского контента до производства.

Бизнес-проблема и узкие места

Полторы тысячи учёных подразделения PSSM тонули в документах. На один препарат в разработке создаётся порядка 20 000 документов: протоколы экспериментов, отчёты по стабильности, регуляторные досье, производственная документация. Найти нужную информацию в этом массиве — часы, а иногда дни; в масштабе подразделения поиск съедал тысячи человеко-часов в год. Программа поставила измеримую цель — сократить время обнаружения данных до 80%.

Вторая проблема — скорость инноваций. Внутренняя разработка прототипа занимала от трёх месяцев, и это при оптимистичном допущении, что найдутся свободные специалисты с нужными навыками, — а их чаще всего не было. В фарме, где цикл вывода препарата исчисляется годами, а конкуренция за data-инженеров и ML-специалистов идёт со всеми индустриями сразу, кадровое узкое место превращалось в стратегическое.

Третий пласт — регуляторный контекст индустрии. Фармацевтические данные — одна из самых чувствительных категорий: интеллектуальная собственность на молекулы, данные клинических исследований, производственные секреты. Любое решение с генеративным ИИ обязано было работать в защищённом корпоративном контуре — публичные чат-боты для такого сценария исключены. Отсюда требование к архитектуре: модели должны приходить к данным компании, а не данные — к моделям. При этом ждать «идеальной» платформы годами компания тоже не могла: волна генеративного ИИ 2023 года требовала быстрых, но безопасных экспериментов.

Архитектура и внедрение ИИ-решения

Центральный элемент решения — Vox, внутренняя платформа Pfizer, где учёные ищут информацию по документам голосом и через чат-бот, задавая вопросы обычным языком. Под капотом два сервиса AWS: Anthropic Claude 2.1 через Amazon Bedrock отвечает за понимание вопросов и синтез ответов, а Amazon Kendra — за интеллектуальный корпоративный поиск по документам. Блог AWS Industries называет Vox «сертифицированной Pfizer генеративной ИИ-платформой» (Pfizer-certified generative AI platform) — то есть решением, прошедшим внутренние проверки безопасности и комплаенса, а не экспериментом в песочнице.

Не менее важна операционная модель, в которой это построено. PACT работает как конвейер быстрых прототипов силами смешанных команд Pfizer и AWS: типовой прототип готов не более чем за 6 недель — против минимум 3 месяцев силами внутренней разработки. Руководитель Data & Digital Innovation в PSSM Виджай Булусу прямо связывает этот разрыв с дефицитом кадров: даже найти людей с нужными навыками на внутренний проект было проблемой. Формат совместной команды с облачным провайдером снял её без найма.

За генеративным флагманом стоит более широкий портфель: из 14 проектов PACT пять доведены до продакшена. Предиктивные задачи производства закрывают Amazon SageMaker (ML-платформа), Amazon Lookout for Equipment (детекция аномалий оборудования) и Lookout for Metrics (аномалии в метриках). На уровне всей компании, по словам Лидии Фонсеки на re:Invent 2023, генеративный ИИ развивается в 17 приоритетных сценариях — от генерации научного и медицинского контента до производственных задач.

Характерна и логика масштабирования: программа не пыталась охватить всю компанию сразу. Стартовали в одном подразделении — PSSM, малые молекулы, — отработали процесс, накопили паттерны, а затем перенесли опыт на подразделение больших молекул, не повторяя цикл проб и ошибок. Булусу резюмирует культурный эффект так: «Получив доступ к талантам и технологиям AWS, мы изменили культуру инноваций и сделали очень много за очень короткое время».

“Если бы мы делали это сами — при условии, что нашли бы людей с нужными навыками, — это заняло бы минимум 3 месяца. Прототип PACT обычно готов не более чем за 6 недель. — Виджай Булусу, руководитель Data & Digital Innovation, Pharmaceutical Sciences Small Molecule, Pfizer

Измеримый результат и экономика

Измеренные результаты программы: до 16 000 часов поиска в год экономии для 1500 учёных PSSM и снижение инфраструктурных затрат на 55% (данные кейс-стади AWS). Прототипы делаются за 6 недель вместо 3+ месяцев, из 14 проектов PACT пять работают в продакшене, а опыт подразделения малых молекул перенесён на большие молекулы. Vox сделала корпоративный массив документов — порядка 20 000 на каждый препарат в разработке — доступным через вопрос на естественном языке.

Масштаб амбиций компания озвучила публично на AWS re:Invent 2023: по оценке Pfizer, приоритетные ИИ-сценарии дадут экономию от $750 млн до $1 млрд ежегодно. Важно различать жанры этих цифр: 16 000 часов и 55% — ретроспективные замеры по конкретной программе, а $750 млн–1 млрд — прогнозная оценка самой компании по портфелю из 17 сценариев, методика которой не публиковалась. Мы приводим обе категории раздельно и рекомендуем читать их по-разному: первая — факт, вторая — заявленная цель.

На наш взгляд, этот кейс интересен прежде всего как антипример «большой ставки»: вместо одного мегапроекта — портфель из 14 прототипов с быстрой проверкой, из которых до продакшена дошло чуть больше трети. Такая воронка (14 → 5) — это не низкий КПД, а нормальная экономика инноваций: стоимость проверки гипотезы за 6 недель несопоставимо ниже стоимости годового проекта, который «нельзя отменить, потому что уже много вложили». Отдельно отметим последовательность слоёв: Scientific Data Cloud (2019) и облачная миграция предшествовали генеративной волне — Vox строилась на готовом дата-фундаменте, чем, вероятно, и объясняется скорость.

Второе наблюдение редакции: публичная оценка эффекта на уровне CDTO — сама по себе управленческий инструмент. Назвав диапазон $750 млн–1 млрд в keynote, Фонсека перевела генеративный ИИ из категории ИТ-экспериментов в категорию корпоративных обязательств перед рынком — с соответствующим приоритетом ресурсов. Для компаний, «застрявших в пилотах», это, возможно, самый воспроизводимый элемент кейса.

Уроки для индустрии

Верифицированные первоисточники

1. Driving Patient-Centric Innovation in Life Sciences Using Generative AI with Pfizer ↗ — AWS (кейс-стади)
2. Three Takeaways from Pfizer at AWS re:Invent Keynote ↗ — AWS Industries Blog · 2023-11-28
3. Pfizer at AWS re:Invent 2023 — Lidia Fonseca Keynote (1.3 млрд пациентов, 10%→80% облака, цель 19 препаратов за 18 месяцев) ↗ — AWS (страница keynote)