عقار يفشل في تجارب المرحلة الثالثة يكون قد استهلك ما بين 500 مليون ومليار دولار. يحدد الذكاء الاصطناعي الفشل نفسه في مرحلة الفرضية، حين يقل إجمالي الإنفاق عن 100 ألف دولار. نحو 40% من المسؤولين التنفيذيين يصنّفون الآن البحث والتطوير كأهم وظيفة مستفيدة من الاستثمار في الذكاء الاصطناعي.
This article was translated from the English original. Translations are machine-assisted and reviewed on a rolling basis.
تتمحور اقتصاديات البحث والتطوير التقليدي حول تفاوت مؤلم: كلما وقع الفشل في مرحلة متأخرة من العملية، ارتفعت تكلفته. الفرضية التي تفشل على طاولة المختبر تكلّف أياماً وآلاف الدولارات. أما الفشل نفسه المكتشَف في تجارب المرحلة الثالثة السريرية فيكون قد استهلك سنوات ومئات الملايين. لقد صُمم علم البحث والتطوير القائم على البوابات المرحلية بأكمله لإدارة هذا التفاوت — لإلغاء الأفكار السيئة في أبكر وقت ممكن.
لا يغيّر الذكاء الاصطناعي الهدف. بل يغيّر السرعة والدقة اللتين تُلغى بهما الأفكار السيئة، ونطاق اكتشاف الأفكار الجيدة.
01 — من البحث الضيق إلى مساحة خيارات موسّعة
أول ما يغيّره الذكاء الاصطناعي في البحث والتطوير هو نطاق البحث. فالباحثون البشر، مهما بلغت خبرتهم، مقيّدون بما يمكنهم قراءته وتحليله واختباره خلال حياة مهنية. أما أنظمة الذكاء الاصطناعي فليست كذلك.
تستخدم Merck KGaA الذكاء الاصطناعي في الفرز الافتراضي للأهداف الكيميائية عبر مكتبتها من المركّبات. يمكن للنظام فرز أكثر من 60 مليار هدف كيميائي في دقائق، محدداً قوائم مختصرة يقيّمها الكيميائيون بعد ذلك. ما كان يتطلب سنوات من العمل التجريبي يُختصر إلى خطوة فرز مسبق. والنتيجة ليست مجرد سرعة — بل مساحة بحث أكبر جوهرياً. تفيد Merck KGaA بتحقيق وفورات بنسبة 70% في الوقت والتكلفة من هذا النهج.
تمضي منصة البحث الوكيلية (agentic) الخاصة بـ Insilico Medicine إلى أبعد من ذلك: تصميم أدوية مدفوع بالذكاء الاصطناعي من طرف إلى طرف، من تحديد الهدف إلى المرشح ما قبل السريري. متوسط وقت الشركة للوصول إلى مرشح ما قبل سريري بات الآن 13 شهراً — وهو جدول زمني كان سيُعدّ غير معقول في البحث والتطوير الدوائي التقليدي قبل خمس سنوات.
02 — أن تفشل مبكراً أو أن تفشل بتكلفة باهظة
يشكّل هيكل تكلفة البحث والتطوير التقليدي سلسلة متتابعة. تستهلك كل مرحلة رأس مال أكبر من سابقتها. المرشح الدوائي الذي يبلغ المرحلة الثالثة ثم يفشل يكون قد استوعب معظم الاستثمار دون أي عائد. يحوّل الذكاء الاصطناعي نموذج التكلفة بنقل اكتشاف الفشل إلى أبكر مرحلة ممكنة.
يوضّح نشر Lundbeck للذكاء الاصطناعي عبر برنامجها للبحث والتطوير في علم الأعصاب مبدأ الفشل المبكر عملياً. بنت الشركة رسماً بيانياً معرفياً يدمج 54 مليون سجل طبي، ما مكّن الذكاء الاصطناعي من تحديد الأهداف الدوائية وموانع الاستخدام بسرعة أعلى بنسبة 80% في تحديد الأهداف مقارنةً بالمراجعة التقليدية للأدبيات. فالأهداف التي كانت ستتقدم إلى عمل مختبري مكلف تُصفّى في مرحلة تركيب المعرفة.
تُظهر Ignota Labs المبدأ في الطرف الآخر من الجدول الزمني: مرشّحات دوائية مهجورة كانت قد فشلت في التجارب، أُعيد تصميمها باستخدام الذكاء الاصطناعي، ما أعادها إلى البرامج السريرية في أقل من عامين وبتكلفة تقل عن مليون دولار. كانت إعادة التصميم التقليدية ستتطلب من سبع إلى ثماني سنوات و10 ملايين دولار أو أكثر. لم يجعل الذكاء الاصطناعي العلم أسهل، بل جعل دورة التكرار أقصر.
03 — من النماذج الأولية المادية إلى التحقق الافتراضي
عبر الصناعات المنتِجة — وليس الأدوية فحسب — يجد تقرير WEF/Accenture 2026 أن الذكاء الاصطناعي ينقل الاختبارات المبكرة من المادية إلى الافتراضية. والمنطق ثابت: يمكن للتوائم الرقمية والمحاكاة أن تتحقق من معظم ما تُستخدم النماذج الأولية المادية لأجله، بجزء بسيط من التكلفة وفي جزء بسيط من الوقت. عندئذ يُحتفظ بالاختبار المادي للعدد الصغير من المرشّحين عالي الثقة الذين اجتازوا بالفعل التدقيق الحاسوبي.
تستخدم Landing Med أنظمة مناولة سوائل مدعومة بالذكاء الاصطناعي لأتمتة معالجة زراعة الخلايا، ما يرفع إنتاجية الفرز من 12 إلى 60 عينة في الساعة — تحسّن في الإنتاجية بمقدار 5 أضعاف — مع إجراء أكثر من 13 مليون عملية فرز. إن حجم أعمال التحقق المتاح حاسوبياً الآن لم يكن قابلاً للتحقيق ببساطة عند الإنتاجية اليدوية البشرية.
يتبع نشر Google للذكاء الاصطناعي في البحث والتطوير البرمجي المنطق الهيكلي نفسه: تولّد نماذج اللغة الكبيرة تفاعلات اختبار اصطناعية، وتؤتمت اختبارات السلامة، وقد تبيّن أنها تعالج نحو 12% من المشكلات المكررة في سير عمل الاختبار. والمبدأ — استخدام الذكاء الاصطناعي لتوسيع سطح الاختبار قبل الالتزام بمراجعة بشرية مكلفة — متطابق عبر المجالات.
04 — دورات التعلّم القصيرة كنموذج تشغيلي
أعمق تغيير يُدخله الذكاء الاصطناعي على البحث والتطوير ليس السرعة أو النطاق منفردين. بل انهيار الفاصل الزمني بين الفرضية والاختبار والتعلّم. تُقاس دورات التعلّم في البحث والتطوير التقليدي بالأشهر أو السنوات. أما دورات التعلّم في البحث والتطوير المدعوم بالذكاء الاصطناعي فتُقاس بالأيام أو الأسابيع. وهذا يغيّر النموذج التشغيلي لمنظمة بحثية.
بنت SandboxAQ باحثاً مساعداً وكيلياً هرمياً يعمل كمساعد بحثي مستمر بدلاً من أداة لحظية. يشغّل النظام تحقيقات متوازية، ويركّب النتائج عبر الأدبيات والبيانات الداخلية، ويصعّد النتائج إلى الباحثين البشر للتقييم. تفيد SandboxAQ بتحقيق إنتاجية مشاريع أعلى بـ4 أضعاف وتقليص بنسبة 50% في وقت المنافسة كنتيجة مباشرة.
يُظهر تمكين JLL الشامل للذكاء الاصطناعي لفرق الهندسة والتقنية لديها الأثر المُركّب نفسه في سياق غير علمي. تفيد فرق تطوير الواجهات الأمامية بوفورات في الوقت تتراوح بين 75–85% في المهام الروتينية، مع تقليص للموارد بنسبة 30% عبر البرنامج. والآلية متطابقة: يقلّص الذكاء الاصطناعي دورة الاختبار-البناء-التحقق، وتنتقل الطاقة البشرية إلى القرارات التي تتطلبها.
منظمات البحث والتطوير التي تتقدّم لا تكتفي بتشغيل أدوات الذكاء الاصطناعي. بل تعيد تصميم حوكمة المحفظة، وتعيد تعريف ما يشكّل فشلاً مقبولاً في المرحلة المبكرة، وتعيد هيكلة بوابات القرار حول مخرجات الذكاء الاصطناعي بدلاً من دورات المراجعة البشرية. تقلّص التقنية الجدول الزمني. أما البنية التنظيمية فهي التي تحدد ما إذا كان هذا التقليص يترجم 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).