Do AI-Native Biotechs Need Departments? Benchmarking Company World Models for AI-Driven Drug Development

कल्पना कीजिए कि एक ऐसी दुनिया जहाँ एक नई दवा बनाना केवल लैब में रसायनों को मिलाने के बारे में नहीं है, बल्कि दबाव में हजारों उच्च-दांव वाले निर्णय लेने के बारे में है। यह एक विशाल, जटिल वीडियो गेम चलाने जैसा है जहाँ आपको यह चुनना होता है कि किन पात्रों को अपग्रेड करना है, कौन से स्तरों को छोड़ना है, और कब अपना इन्वेंटरी बेचना है, और वह भी तब जब नियम बदलते रहते हैं। दशकों से, मानव कंपनियों ने इस काम को "विभागों" में विभाजित करके इसे हल किया है—एक टीम जीव विज्ञान के लिए, एक नियमों के लिए, एक बिक्री के लिए, और इसी तरह। वे आपस में नोट्स भेजते रहते हैं, इस उम्मीद में कि अंतिम बॉस (FDA या बाजार) खुश होगा। लेकिन क्या होगा अगर हम एक AI द्वारा संचालित कंपनी बना सकें? क्या हमें बस उन मानव विभागों को रोबोटिक भूमिकाओं में कॉपी-पेस्ट कर देना चाहिए, या एक डिजिटल मस्तिष्क को व्यवस्थित करने का कोई स्मार्ट तरीका है?

यह एक बड़ा सवाल है जिसे "डू एआई-नेटिव बायोटिक्स नीड डिपार्टमेंट्स?" (क्या एआई-नेटिव बायोटेक को विभागों की आवश्यकता है?) नामक एक नए अध्ययन में उठाया गया है। शोधकर्ता एक "वर्ल्ड मॉडल" (World Model) नामक अवधारणा की खोज कर रहे हैं। वर्ल्ड मॉडल को एक सुपर-पावर्ड क्रिस्टल बॉल की तरह समझें जो न केवल भविष्य का अनुमान लगाती है, बल्कि "अभी क्या हो रहा है" और "यदि मैं X करता हूँ तो क्या होगा" का एक लाइव मैप लगातार अपडेट करती रहती है। पहेली के एक एकल टुकड़े को देखने के बजाय, एक वर्ल्ड मॉडल इस बात का रनिंग स्कोर रखता है कि हर क्रिया कंपनी की सफलता, पैसा और अनुमोदन की संभावनाओं को कैसे बदलती है। अध्ययन पूछता है: यदि हम एक AI कंपनी बनाते हैं, तो क्या हमें उसे एक मानव निगम की तरह अलग-अलग विभागों के साथ काम करने के लिए मजबूर करना चाहिए, या हमें इसे एक एकल, साझा "लाइव मैप" पर चलने देना चाहिए जिसे हर कोई वास्तविक समय में अपडेट करता है?

प्रयोग: एक समय-यात्रा करने वाला निर्णय खेल

उत्तर खोजने के लिए, शोधकर्ताओं ने वास्तविक दवा कंपनी नहीं बनाई और न ही लैब में नई दवाओं का परीक्षण किया। इसके बजाय, उन्होंने एक "ड्राई-लैब" बेंचमार्क बनाया, जो एक विशाल, 45-स्तरीय वीडियो गेम लेवल की तरह है जिसे निर्णय लेने के परीक्षण के लिए डिज़ाइन किया गया है। उन्होंने दवा उद्योग के 45 वास्तविक ऐतिहासिक क्षणों को लिया—वे समय जब एक कंपनी को यह तय करना था कि किसी दवा को वित्तपोषित करना जारी रखना है, इसे रोकना है, या इसे बेचना है। उन्होंने ये परिदृश्य विभिन्न AI टीमों को दिए, लेकिन एक शर्त के साथ: AI टीमें केवल उस विशिष्ट तिथि तक उपलब्ध जानकारी देख सकती थीं जो अतीत में मौजूद थी। वे भविष्य में झाँककर यह नहीं देख सकती थीं कि दवा वास्तव में काम करेगी या पैसा बनाएगी या नहीं।

शोधकर्ताओं ने यह देखने के लिए चार अलग-अलग "टीम संरचनाओं" का परीक्षण किया कि कौन बेहतर निर्णय लेता है:

1. द ह्यूमन कॉपी (मानव प्रतिलिपि): AI एजेंट बिल्कुल मानव विभागों (जीव विज्ञान, क्लिनिकल, सेल्स आदि) की तरह कार्य करते हैं, जो एक समिति को मेमो भेजते हैं।
2. द ह्यूमन कॉपी प्लस (मानव प्रतिलिपि प्लस): उपरोक्त का एक स्मार्ट संस्करण, जहाँ विभाग एक बेहतर मेमोरी साझा करते हैं और अधिक प्रभावी ढंग से बहस करते हैं।
3. द एसेट-सेंट्रिक एआई (संपत्ति-केंद्रित AI): एक टीम जो विभागों के बजाय एक एकल, लाइव "एसेट रिकॉर्ड" (एक डिजिटल फ़ाइल जो दवा की प्रगति को ट्रैक करती है) के इर्द-गिर्द व्यवस्थित है।
4. द "कंपनी वर्ल्ड मॉडल" (वैल्यू-कन्वर्जन): मुख्य आकर्षण। इस टीम में कोई विभाग नहीं थे। इसके बजाय, इसमें एक साझा "लाइव एसेट वैल्यू रिकॉर्ड" और चार विशेष "कमरे" थे जो ऑपरेटर के रूप में कार्य करते थे: एक डील रूम (यह जांचने के लिए कि क्या पार्टनर खरीदना चाहते हैं), एक अप्रूवल रूम (यह जांचने के लिए कि क्या नियामक हाँ कहेंगे), एक रेवेन्यू रूम (यह जांचने के लिए कि क्या लोग इसे खरीदेंगे), और एक इन्वेस्टमेंट आर्बिटर (बॉस जो लाइव मैप के आधार पर अगला कदम तय करता है)।

परिणाम: यह इस पर निर्भर करता है कि आप क्या जीतना चाहते हैं

परिणाम आश्चर्यजनक और सूक्ष्म थे। जब शोधकर्ताओं ने AI टीमों को इस आधार पर परखा कि वे एक दवा को व्यावसायिक सफलता (डील पाना, अनुमोदन, या बिक्री) में कितनी अच्छी तरह बदल सकते हैं, तो कंपनी वर्ल्ड मॉडल आर्किटेक्चर स्पष्ट विजेता था। इसने "ह्यूमन कॉपी" (4.33) और "एसेट-सेंट्रिक" संस्करण (4.26) को पीछे छोड़ते हुए 4.68 का स्कोर प्राप्त किया। जब ब्लाइंड जजों (जिन्हें नहीं पता था कि कौन सी टीम कौन सी है) ने निर्णयों को देखा, तो उन्होंने वर्ल्ड मॉडल टीम को दृढ़ता से पसंद किया, जिसमें एक जज ने 45 में से 42 बार इसे मूल मानव प्रतिलिपि के विरुद्ध चुना।

हालाँकि, कहानी तब और दिलचस्प हो जाती है जब आप नियम बदलते हैं। शोधकर्ताओं को एहसास हुआ कि वे शायद धोखाधड़ी कर रहे थे क्योंकि वे AI से एक ऐसा खेल खेलने के लिए कह रहे थे जो विशेष रूप से "वैल्यू-कन्वर्जन" टीम के लिए डिज़ाइन किया गया था। इसलिए, उन्होंने एक "तटस्थ जज" जोड़ा जिसे पैसे या सौदों की परवाह नहीं थी, बल्कि केवल सामान्य निर्णय गुणवत्ता, जोखिम जागरूकता और तर्क के बारे में था। इस तटस्थ परीक्षण के तहत, वर्ल्ड मॉडल टीम हावी नहीं हुई। "ह्यूमन कॉपी प्लस" टीम वास्तव में थोड़ा बेहतर प्रदर्शन कर गई (25 जीत बनाम 20), और अंतर सांख्यिकीय रूप से बहुत बड़ा नहीं था।

यह हमें कुछ महत्वपूर्ण बताता है: "कंपनी वर्ल्ड मॉडल" कोई जादुई समाधान नहीं है जो हर चीज़ में जीतता है। यह एक विशेष उपकरण है। यदि आपका लक्ष्य व्यावसायिक मूल्य (सौदे, अनुमोदन, राजस्व) को अधिकतम करना है, तो एक साझा, भविष्य बताने वाली स्थिति (एसेट-टू-वैल्यू) के इर्द-गिर्द संगठित होना बेहतर है। लेकिन यदि आपका लक्ष्य केवल एक अच्छा, तटस्थ वैज्ञानिक होना है, तो एक पारंपरिक विभाग संरचना (भले ही वह स्मार्ट हो) भी उतना ही अच्छा काम करती है।

"कमरे" बनाम "विभाग"

एक सबसे दिलचस्प खोज तब आई जब शोधकर्ताओं ने जीतने वाली टीम को अलग-अलग हिस्सों में विभाजित किया। उन्होंने यह देखने के लिए एक बार में एक "कमरा" हटाया कि क्या होता है।

• जब उन्होंने रेवेन्यू रूम को हटाया, तो टीम की पैसे और बिक्री के बारे में सोचने की क्षमता काफी कम हो गई।
• जब उन्होंने डील रूम को हटाया, तो उनकी पार्टनर खोजने की क्षमता गिर गई।
• जब उन्होंने अप्रूवल रूम को हटाया, तो उनकी नियामक सोच खराब हो गई।

इससे साबित हुआ कि "कमरे" केवल विभागों के फैंसी नाम नहीं थे। वे सक्रिय "ऑपरेटर" थे जो लगातार साझा मैप को अपडेट करते थे। अध्ययन बताता है कि एक AI-नेटिव कंपनी में, आपको केवल मानव विभागों की नकल नहीं करनी चाहिए। इसके बजाय, आपको एक साझा, जीवित स्थिति (लाइव एसेट वैल्यू रिकॉर्ड) होनी चाहिए जिसे हर कोई अपडेट करता है, और विशिष्ट "ऑपरेटर" होने चाहिए जो विभिन्न भविष्यों का अनुकरण करते हैं (क्या इसे मंजूरी मिलेगी? क्या यह बिकेगा?)।

निष्कर्ष

तो, क्या AI-नेटिव बायोटिक्स को विभागों की आवश्यकता है? पेपर सुझाव देता है कि उत्तर है "कोर ब्रेन के रूप में नहीं।"

मानव शासन और मानव बैठकों को व्यवस्थित करने के लिए विभाग ठीक हैं, लेकिन वे AI के आंतरिक तर्क के लिए एक बुरा ब्लूप्रिंट हैं। सबसे अच्छा डिज़ाइन एक कंपनी वर्ल्ड मॉडल प्रतीत होता है: एक ऐसी प्रणाली जहाँ एक एकल, ऑडिट योग्य "लाइव मैप" (जो दवा के मूल्य का है) को विभिन्न ऑपरेटरों (डील, अप्रूवल, रेवेन्यू, आदि) द्वारा लगातार अपडेट किया जाता है, और एक प्लानर उस मैप के आधार पर अगला कदम तय करता है।

अध्ययन सावधानीपूर्वक नोट करता है कि यह एक सिमुलेशन है। यह सिद्ध करता है कि यह संरचना अतीत के बारे में एक कंप्यूटर गेम में बेहतर निर्णय लेती है। यह यह सिद्ध नहीं करता है कि इस पद्धति का उपयोग करने वाला AI वास्तव में एक नई दवा की खोज करेगा या वास्तविक दुनिया में अरबों डॉलर कमाएगा। लेकिन यह यह सुझाव देता है कि यदि हम चाहते हैं कि AI एक ड्रग कंपनी चलाए, तो हमें केवल 1990 के दशक के कॉर्पोरेट ऑर्ग चार्ट का रोबोटिक संस्करण नहीं बनाना चाहिए। हमें एक ऐसी प्रणाली बनानी चाहिए जो मूल्य के भविष्य का निरंतर अनुकरण करती है, न कि केवल विभागों के बीच मेमो पास करती है।