Novo Nordisk חתמה על שותפות עם Amazon Web Services כדי להטמיע סוכני "AI סוכנותית" (agentic AI) אוטונומיים בתוך תהליכי גילוי התרופות שלה, במטרה לקצר את הזמן שבין השערה למולקולה מועמדת. המהלך מסמן מעבר ממודלים חזויים שרק מצביעים על דפוסים, למערכות AI המסוגלות לבצע ניסויים רב-שלביים ללא הנחיה אנושית.

מחיזוי לביצוע

מחקר פרמצבטי נשען מזה זמן רב על כלי למידת מכונה כדי לסנן נתונים גנומיים, לסמן מטרות פוטנציאליות ולדמות כיצד תרכובות עשויות להיקשר לחלבונים. כלים אלו עוצרים בשלב התובנה; המדענים עדיין חייבים לתכנן את הניסוי הבא, להריץ סימולציות ולפרש תוצאות. AI סוכנותית, לעומת זאת, נבנתה כדי לפעול. סוכן AI יכול לקבל מטרה ברמה גבוהה – למשל, "זהה מעכב מולקולה קטנה עבור חלבון X" – ולאחר מכן לחבר יחד שליפת נתונים, אלגוריתמים לתכנון מולקולרי, הרצות סימולציה ואפילו להציע פרוטוקולים מעבדתיים, והכל בתוך תזרים עבודה (workflow) יחיד.

בפועל, Novo Nordisk תשתמש בסוכנים אלו לשלוש משימות ליבה:

  • זיהוי מטרות – סריקת מאגרי נתונים אומקיים (omics) כדי לאתר גנים או חלבונים הרלוונטיים למחלה ודירוגם לפי יכולת תרופתית (druggability).
  • תכנון טיפול – יצירת מבנים מולקולריים מועמדים, הרצת סימולציות דוקינג (docking) ודינמיקה, ושיפור איטרטיבי של הכימיה על בסיס פרופילי יעילות ובטיחות חזויים.
  • אוטומציה של פרוטוקולים – ניסוח תוכניות ניסוי, הזמנת חומרים מגיבים (reagents), והזנת תוצאות חזרה ללולאת ה-AI לצורך למידה מתמשכת.

על ידי הסרת העברת המשימה הידנית בין כל שלב, החברה מקווה לכווץ תהליך שמשך באופן מסורתי שנים למספר חודשים.

AWS כמנוע ה-AI ותשתית הענן

ההסכם מגדיר את AWS כספק הענן המועדף של Novo Nordisk וכשותף AI אסטרטגי. AWS תספק צבירי מחשוב בעלי ביצועים גבוהים, פטה-בייטים של אחסון לנתוני ריצוף וניסויים, ומערך של שירותי AI המותאמים לעומסי עבודה מדעיים. השותפות יוצרת גם מרכז חדשנות משותפת (co-innovation hub) באתר של Novo Nordisk בלונדון, שם מדעני נתונים, ביולוגים ומהנדסי AWS יבנו אבות-טיפוס ויבחנו סוכני AI מותאמים אישית.

המרכז הוא סביבת בדיקה (sandbox), לא קו ייצור. צוותים יכולים להתנסות בארכיטקטורות סוכנים שונות, לשלב מאגרי נתונים ביולוגיים קנייניים, ולהעריך כיצד הסוכנים מטפלים במקרי קצה, כגון מסלולים של מחלות נדירות או השפעות מחוץ למטרה (off-target effects). הקרבה הפיזית מאיצה את לולאת המשוב, שהיא חיונית כאשר מחברים ביולוגיה מורכבת עם AI מתקדם.

למה מגזר הביוטק עוקב אחרי זה

פיתוח תרופות הוא יקר ואיטי באופן ידוע. התעשייה ממוצעת יותר מעשור ומיליארדי דולרים כדי להביא מולקולה ממושג לשוק. כל טכנולוגיה שמצליחה לצמצם באופן אמין שבועות או חודשים מלוחות הזמנים הללו מפחיתה ישירות את העלות, מאיצה את הגישה של המטופלים ומשפרת את המיצוב התחרותי של החברה.

AI סוכנותית דוחפת גם את המגזר לעבר מודל תפעולי מבוסס ענן תחילה (cloud-first). חברות שיכולות להקים צבירי מחשוב מאסיביים לפי דרישה, להריץ סימולציות במקביל ולאחסן כל גרסה של תכנון מולקולרי במאגר משותף, זוכות ליתרון אסטרטגי. ההתיישרות של Novo Nordisk עם AWS מאותתת על כך שגל החדשנות הפרמצבטי הבא יהיה בלתי נפרד מתשתית ענן ניתנת להרחבה.

סיכונים והסתייגויות

ההבטחה של סוכנים אוטונומיים אינה מבטלת את הצורך במומחיות אנושית. תיקוף (validation) נותר צוואר בקבוק; תרכובת שהוצעה על ידי AI עדיין חייבת להיות מסונתזת, להיבדק in vitro ולהיות מוערכת מבחינת רעילות. מבקרים מציינים כי מערכות AI עלולות לרשת הטיות מנתוני האימון, מה שעלול להוביל להזנחת מנגנונים חדשניים שנמצאים מחוץ לדפוסים היסטוריים. הרגולטורים טרם הגדירו הנחיות ברורות עבור מועמדים לתרופות שנוצרו על ידי AI, מה שמעלה שאלות לגבי אחריות במקרה שבו ניסוי מונע AI נתקל בבעיות בטיחות.

אינטגרציה מהווה מכשול נוסף. מערכות ניהול מידע מעבדתי (LIMS) קיימות ומחברות מעבדה אלקטרוניות בנויות סביב תהליכי עבודה ממוקדי אדם. חיבור סוכן אוטונומי למערכת אקולוגית זו עשוי לדרוש הנדסה מחדש משמעותית, ועלות אינטגרציה כזו אינה נחשפת לציבור.

מה לעקוב אחריו בהמשך

  • Performance benchmarks – Early studies from the London hub will reveal how quickly agents can move from target selection to a chemically viable lead, and how that compares with traditional pipelines.
  • Regulatory response – As AI-generated candidates enter clinical trials, regulators will need to decide how to evaluate the underlying AI processes. Any guidance could set precedents for the whole industry.
  • Competitive ripple effects – Other large pharma firms have hinted at exploring similar AI-first strategies. If Novo Nordisk demonstrates measurable speed or cost gains, we can expect a cascade of partnerships between biotech and major cloud providers.
  • Talent flows – The collaboration may attract AI researchers with a biology focus, reshaping hiring patterns and potentially prompting academic programs to emphasize “agentic AI for life sciences.”

Bottom line

Novo Nordisk’s alliance with AWS moves the conversation in drug discovery from “what can AI tell us?” to “what can AI do for us?” By handing execution over to autonomous agents, the partnership aims to compress a historically lengthy, costly process into a leaner, more iterative cycle. Success could redefine how quickly new therapies reach patients, but it hinges on robust validation, regulatory clarity, and the ability to stitch AI agents into existing lab workflows. The industry will watch the London hub’s first results closely; they may become the benchmark for the next generation of AI-driven medicine.