Novo Nordisk telah menandatangani kemitraan dengan Amazon Web Services untuk menanamkan agen "AI agentik" otonom ke dalam alur penemuan obatnya, yang bertujuan untuk memangkas waktu dari hipotesis ke molekul kandidat. Langkah ini menandai peralihan dari model prediktif yang sekadar menunjukkan pola ke sistem AI yang dapat mengeksekusi eksperimen multi-langkah tanpa perintah manusia.

Dari prediksi ke eksekusi

Penelitian farmasi telah lama mengandalkan alat pembelajaran mesin untuk menyaring data genomik, menandai target potensial, dan memodelkan bagaimana senyawa dapat berikatan dengan protein. Alat-alat tersebut berhenti pada tahap wawasan; ilmuwan masih harus merancang eksperimen berikutnya, menjalankan simulasi, dan menafsirkan hasil. Sebaliknya, AI agentik dibangun untuk bertindak. Seorang agen AI dapat menerima tujuan tingkat tinggi—misalnya, "identifikasi inhibitor molekul kecil untuk protein X"—dan kemudian merangkai pengambilan data, algoritma desain molekul, menjalankan simulasi, dan bahkan menyarankan protokol laboratorium, semuanya dalam satu alur kerja tunggal.

Dalam praktiknya, Novo Nordisk akan menggunakan agen-agen ini untuk tiga tugas utama:

  • Identifikasi target – memindai dataset omik untuk menentukan gen atau protein yang relevan dengan penyakit dan mengurutkannya berdasarkan druggability.
  • Desain terapi – menghasilkan struktur molekul kandidat, menjalankan simulasi docking dan dinamika, serta menyempurnakan kimia secara iteratif berdasarkan profil efikasi dan keamanan yang diprediksi.
  • Otomatisasi protokol – menyusun rencana eksperimental, memesan reagen, dan memasukkan kembali hasil ke dalam loop AI untuk pembelajaran berkelanjutan.

Dengan menghilangkan penyerahan manual di antara setiap langkah, perusahaan berharap dapat memadatkan proses yang secara tradisional memakan waktu bertahun-tahun menjadi hanya beberapa bulan.

AWS sebagai mesin AI dan tulang punggung cloud

Perjanjian tersebut menunjuk AWS sebagai penyedia cloud pilihan dan mitra AI strategis Novo Nordisk. AWS akan menyediakan klaster komputasi berperforma tinggi, petabyte penyimpanan untuk data pengurutan dan uji coba, serta rangkaian layanan AI yang disesuaikan untuk beban kerja ilmiah. Kemitraan ini juga menciptakan pusat inovasi bersama di lokasi Novo Nordisk di London, di mana para ilmuwan data, ahli biologi, dan insinyur AWS akan membuat prototipe dan menguji agen AI khusus.

Pusat tersebut adalah sebuah sandbox, bukan lini produksi. Tim dapat bereksperimen dengan berbagai arsitektur agen, mengintegrasikan basis data biologis milik perusahaan, dan mengevaluasi bagaimana agen tersebut menangani kasus-kasus ekstrem seperti jalur penyakit langka atau efek di luar target (off-target effects). Kedekatan lokasi mempercepat loop umpan balik yang sangat penting saat menggabungkan biologi yang kompleks dengan AI mutakhir.

Mengapa sektor bioteknologi memperhatikannya

Pengembangan obat terkenal mahal dan lambat. Industri ini rata-rata membutuhkan lebih dari satu dekade dan miliaran dolar untuk membawa sebuah molekul dari konsep ke pasar. Teknologi apa pun yang secara andal memangkas waktu berminggu-minggu atau berbulan-bulan secara langsung menurunkan biaya, mempercepat akses pasien, dan meningkatkan posisi kompetitif sebuah perusahaan.

AI agentik juga mendorong sektor ini menuju model operasi berbasis cloud (cloud-first). Perusahaan yang dapat menjalankan klaster komputasi besar sesuai permintaan, menjalankan simulasi paralel, dan menyimpan setiap iterasi desain molekul dalam repositori bersama akan memperoleh keunggulan strategis. Penyelarasan Novo Nordisk dengan AWS menandakan bahwa gelombang inovasi farmasi berikutnya tidak akan terpisahkan dari infrastruktur cloud yang skalabel.

Risiko dan kekhawatiran

Janji agen otonom tidak menghilangkan kebutuhan akan keahlian manusia. Validasi tetap menjadi hambatan; senyawa yang disarankan AI tetap harus disintesis, diuji secara in vitro, dan dievaluasi toksisitasnya. Kritikus mencatat bahwa sistem AI dapat mewarisi bias dari data pelatihan, yang berpotensi mengabaikan mekanisme baru yang berada di luar pola historis. Regulator belum menetapkan pedoman yang jelas untuk kandidat obat yang dihasilkan AI, sehingga menimbulkan pertanyaan tentang akuntabilitas jika uji coba yang didorong oleh AI mengalami masalah keamanan.

Integrasi menimbulkan hambatan lain. Sistem manajemen informasi laboratorium (LIMS) yang ada dan buku catatan laboratorium elektronik dibangun di sekitar alur kerja yang berpusat pada manusia. Menghubungkan agen otonom ke dalam ekosistem tersebut mungkin memerlukan rekayasa ulang yang substansial, dan biaya integrasi tersebut tidak diungkapkan secara publik.

Apa yang perlu diperhatikan selanjutnya

  • Tolok ukur kinerja – Studi awal dari pusat London akan mengungkap seberapa cepat agen dapat bergerak dari pemilihan target ke kandidat senyawa (lead) yang layak secara kimia, dan bagaimana hal tersebut dibandingkan dengan alur kerja tradisional.
  • Respons regulasi – Saat kandidat yang dihasilkan AI memasuki uji klinis, regulator perlu memutuskan cara mengevaluasi proses AI yang mendasarinya. Panduan apa pun dapat menetapkan preseden bagi seluruh industri.
  • Efek riak kompetitif – Perusahaan farmasi besar lainnya telah mengisyaratkan eksplorasi strategi serupa yang mengutamakan AI. Jika Novo Nordisk menunjukkan peningkatan kecepatan atau penghematan biaya yang terukur, kita dapat mengharapkan rangkaian kemitraan antara perusahaan bioteknologi dan penyedia cloud utama.
  • Aliran talenta – Kolaborasi ini dapat menarik peneliti AI dengan fokus biologi, mengubah pola perekrutan dan berpotensi mendorong program akademik untuk menekankan “agentic AI untuk ilmu hayati.”

Intisari

Aliansi Novo Nordisk dengan AWS mengubah arah percakapan dalam penemuan obat dari “apa yang bisa AI beritahukan kepada kita?” menjadi “apa yang bisa AI lakukan untuk kita?” Dengan menyerahkan eksekusi kepada agen otonom, kemitraan ini bertujuan untuk memadatkan proses yang secara historis panjang dan mahal menjadi siklus yang lebih ramping dan iteratif. Keberhasilan dapat mendefinisikan ulang seberapa cepat terapi baru mencapai pasien, namun hal ini bergantung pada validasi yang kuat, kejelasan regulasi, dan kemampuan untuk mengintegrasikan agen AI ke dalam alur kerja laboratorium yang ada. Industri akan mengamati hasil pertama dari pusat London dengan cermat; hasil tersebut mungkin akan menjadi tolok ukur bagi generasi berikutnya dari pengobatan berbasis AI.