الدواء الذي يسقط في تجارب المرحلة الثالثة يكون قد استهلك 500 مليون إلى مليار دولار. الذكاء الاصطناعي يكشف الإخفاق نفسه عند مرحلة الفرضية، حين يظل الإنفاق الكلي دون 100 ألف دولار. نحو 40% من التنفيذيين يضعون اليوم البحث والتطوير على رأس الوظائف المستفيدة من الاستثمار في الذكاء الاصطناعي.
This article was translated from the English original. Translations are machine-assisted and reviewed on a rolling basis.
اقتصاديات البحث والتطوير التقليدي مبنية على تفاوت مؤلم: كلما تأخر الإخفاق في المسار، ارتفعت كلفته. الفرضية التي تسقط على طاولة المختبر تكلف أياماً وآلاف الدولارات. الإخفاق نفسه حين يُكتشف في التجارب السريرية من المرحلة الثالثة يكون قد استهلك سنوات ومئات الملايين. صُمم انضباط البحث والتطوير القائم على البوابات المرحلية بأكمله لإدارة هذا التفاوت: قتل الأفكار السيئة في أبكر وقت ممكن.
الذكاء الاصطناعي لا يغيّر الهدف. يغيّر سرعة ودقة قتل الأفكار السيئة، ويغيّر اتساع الرقعة التي تُكتشف فيها الأفكار الجيدة.
من بحث ضيق إلى فضاء خيارات موسّع
أول ما يغيّره الذكاء الاصطناعي في البحث والتطوير هو حجم البحث نفسه. الباحثون البشر، مهما بلغت خبرتهم، محدودون بما يستطيعون قراءته وتركيبه واختباره خلال حياة مهنية واحدة. أنظمة الذكاء الاصطناعي ليست كذلك.
تنشر Merck KGaA الذكاء الاصطناعي لفحص الأهداف الكيميائية افتراضياً عبر مكتبة مركّباتها. يستطيع النظام فحص أكثر من 60 مليار هدف كيميائي في دقائق، ويخرج بقوائم مختصرة يقيّمها الكيميائيون بعد ذلك. ما كان يستغرق سنوات من العمل التجريبي انضغط إلى خطوة فحص أولي. السرعة هي المكسب الأصغر؛ المكسب الأكبر هو فضاء بحث أوسع جذرياً. تفيد Merck KGaA بتوفير 70% في الوقت والكلفة من هذا النهج.
منصة البحث الوكيلة لدى Insilico Medicine تمضي أبعد: تصميم دوائي مدفوع بالذكاء الاصطناعي من طرف إلى طرف، من تحديد الهدف حتى المرشح ما قبل السريري. متوسط زمن الشركة للوصول إلى مرشح ما قبل سريري صار 13 شهراً، وهو جدول زمني كان سيُعدّ غير معقول في البحث الدوائي التقليدي قبل خمس سنوات.
أن تخفق مبكراً أو أن تخفق بثمن باهظ
بنية كلفة البحث والتطوير التقليدي شلال متدرج. كل مرحلة تستهلك رأس مال أكبر من سابقتها. المرشح الدوائي الذي يبلغ المرحلة الثالثة ثم يسقط يكون قد امتص معظم الاستثمار دون أي عائد. الذكاء الاصطناعي يزيح نموذج الكلفة بنقل كشف الإخفاق إلى أبكر مرحلة ممكنة.
نشر Lundbeck للذكاء الاصطناعي عبر برنامجها للبحث والتطوير في علوم الأعصاب يوضّح مبدأ الإخفاق المبكر عملياً. بنت الشركة رسماً بيانياً للمعرفة يدمج 54 مليون سجل طبي، مما مكّن الذكاء الاصطناعي من تحديد الأهداف الدوائية وموانع الاستعمال بسرعة أعلى بنسبة 80% في تحديد الأهداف مقارنة بمراجعة الأدبيات التقليدية. الأهداف التي كانت ستنتقل إلى عمل مخبري مكلف تُرشَّح عند مرحلة تركيب المعرفة.
تُظهر Ignota Labs المبدأ نفسه عند الطرف الآخر من الجدول الزمني: مرشحات دوائية مهجورة كانت قد سقطت في التجارب أُعيد تصميمها بالذكاء الاصطناعي، فعادت إلى برامج سريرية في أقل من سنتين وبكلفة دون مليون دولار. إعادة التصميم التقليدية كانت ستستغرق سبع إلى ثماني سنوات و10 ملايين دولار أو أكثر. الذكاء الاصطناعي لم يجعل العلم أسهل. جعل دورة التكرار أقصر.
من النماذج المادية إلى التحقق الافتراضي
عبر صناعات المنتجات كلها، لا الأدوية وحدها، يجد تقرير WEF/Accenture 2026 أن الذكاء الاصطناعي ينقل الاختبار في المراحل المبكرة من المادي إلى الافتراضي. المنطق ثابت: التوائم الرقمية والمحاكاة قادرة على التحقق من معظم ما تُستخدم له النماذج المادية، بجزء يسير من الكلفة وفي جزء يسير من الوقت. يبقى الاختبار المادي عندئذ محجوزاً للعدد القليل من المرشحين عالي الثقة الذين اجتازوا التدقيق الحاسوبي.
تستخدم Landing Med أنظمة مناولة سوائل مدعومة بالذكاء الاصطناعي لأتمتة معالجة مزارع الخلايا، فترفع إنتاجية الفحص من 12 إلى 60 عينة في الساعة (تحسّن إنتاجية بمقدار 5×) بينما تجري أكثر من 13 مليون عملية فحص. حجم عمل التحقق المتاح حاسوبياً اليوم لم يكن ببساطة بالإمكان بلوغه بإنتاجية يديرها البشر.
نشر Google للذكاء الاصطناعي في البحث والتطوير البرمجي يتبع المنطق البنيوي ذاته: نماذج اللغة الكبيرة تولّد تفاعلات اختبار اصطناعية، وتؤتمت اختبارات السلامة، وثبت أنها تعالج نحو 12% من البلاغات المكررة في مسارات الاختبار. المبدأ واحد عبر المجالات: استخدام الذكاء الاصطناعي لتوسيع سطح الاختبار قبل الالتزام بمراجعة بشرية مكلفة.
دورات التعلم القصيرة كنموذج تشغيلي
أعمق تغيير يُدخله الذكاء الاصطناعي على البحث والتطوير هو انهيار الفاصل بين الفرضية والاختبار والتعلم. دورات التعلم في البحث والتطوير التقليدي تُقاس بالأشهر أو السنوات. دورات التعلم في البحث والتطوير المدعوم بالذكاء الاصطناعي تُقاس بالأيام أو الأسابيع. هذا يغيّر النموذج التشغيلي لمنظمة بحثية بأكملها.
بنت SandboxAQ باحثاً مشاركاً وكيلاً هرمي البنية يعمل كمساعد بحث مستمر لا كأداة تُستدعى عند نقطة بعينها. يشغّل النظام تحقيقات متوازية، ويركّب النتائج عبر الأدبيات والبيانات الداخلية، ويرفع ما يجده إلى الباحثين البشر للتقييم. تفيد SandboxAQ بمضاعفة إنتاجية المشاريع 4× وانخفاض 50% في زمن المنافسة كنتيجة مباشرة.
تمكين JLL الكامل للذكاء الاصطناعي عبر فرق الهندسة والتقنية لديها يُظهر الأثر التراكمي نفسه في سياق غير علمي. تفيد فرق تطوير الواجهات الأمامية بتوفير 75–85% من الوقت في المهام الروتينية، مع خفض 30% في الموارد على مستوى البرنامج. الآلية واحدة: الذكاء الاصطناعي يضغط دورة الاختبار والبناء والتحقق، وتنتقل الطاقة البشرية إلى القرارات التي تتطلبها.
منظمات البحث والتطوير التي تتقدّم على غيرها تفعل أكثر من تشغيل أدوات ذكاء اصطناعي: هي تعيد تصميم حوكمة المحفظة، وتعيد تعريف ما يُعدّ إخفاقاً مبكراً مقبولاً، وتعيد هيكلة بوابات القرار حول مخرجات الذكاء الاصطناعي بدل دورات المراجعة البشرية. التقنية تضغط الجدول الزمني. والبنية التنظيمية هي ما يحدد إن كان هذا الضغط سيتحول إلى ميزة تنافسية.
Frequently asked questions
How is AI accelerating drug discovery?+
AI enables organizations to screen billions of molecular candidates computationally before committing to lab work. Merck KGaA can virtually screen over 60 billion chemical targets in minutes, narrowing to a shortlist for human review — compressing what previously took years into weeks.
What is virtual-first validation in R&D?+
It means shifting most early testing from physical prototypes to simulations and digital twins, reserving physical testing only for high-confidence candidates. This lowers the cost and cycle time of early R&D, allowing more programmes to run simultaneously.
How much can AI reduce R&D cycle times?+
The WEF/Accenture 2026 report cites 20–80% acceleration in R&D cycle times across product industries, up to 50% reduction in time-to-market, and 70% increase in R&D success rates.
Free download
2026 AI Transformation Executive Brief
The WEF data, distilled. Key findings, adoption stages, and the five structural decisions — in one PDF. Or read it now: The 15% Gap (PDF).