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

Imagine um mundo onde construir um novo medicamento não é apenas sobre misturar produtos químicos em um laboratório, mas sobre tomar milhares de decisões de alto risco sob pressão. É como jogar um videogame massivo e complexo onde você tem que escolher quais personagens melhorar, quais níveis pular e quando vender seu inventário, tudo isso enquanto as regras continuam mudando. Por décadas, empresas humanas resolveram isso dividindo o trabalho em "departamentos" — uma equipe para biologia, uma equipe para regras, uma equipe para vendas e assim por diante. Elas passam notas umas para as outras, esperando que o chefe final (o FDA ou o mercado) fique satisfeito. Mas e se pudéssemos construir uma empresa gerida por IA? Deveríamos apenas copiar e colar esses departamentos humanos em funções robóticas, ou existe uma maneira mais inteligente de organizar um cérebro digital?

Esta é a grande questão abordada em um novo estudo chamado "Do AI-Native Biotechs Need Departments?" (As Biotechs Nativas de IA Precisam de Departamentos?). Os pesquisadores estão explorando um conceito chamado "Modelo de Mundo" (World Model). Pense em um Modelo de Mundo como um cristal mágico superpoderoso que não apenas adivinha o futuro, mas atualiza constantemente um mapa ao vivo de "o que está acontecendo agora" e "o que acontecerá se eu fizer X". Em vez de olhar apenas para uma peça do quebra-cabeça, um Modelo de Mundo mantém uma pontuação contínua de como cada ação altera as chances de sucesso, dinheiro e aprovação da empresa. O estudo pergunta: Se construirmos uma empresa de IA, devemos forçá-la a agir como uma corporação humana com diferentes departamentos, ou devemos deixá-la rodar em um único "mapa ao vivo" compartilhado que todos atualizam em tempo real?

O Experimento: Um Jogo de Decisão que Viaja no Tempo

Para encontrar a resposta, os pesquisadores não construíram uma empresa farmacêutica real ou testaram novos medicamentos em um laboratório. Em vez disso, criaram um benchmark de "laboratório seco" (dry-lab), que é como um nível de videogame massivo de 45 níveis projetado para testar a tomada de decisão. Eles pegaram 4-5 momentos históricos reais da indústria farmacêutica — momentos em que uma empresa teve que decidir se continuava financiando um medicamento, parava ou o vendia. Eles deram esses cenários para diferentes equipes de IA, mas com um detalhe: as equipes de IA só podiam ver as informações disponíveis até aquela data específica no passado. Elas não podiam espiar o futuro para ver se o medicamento realmente funcionava ou dava lucro.

Os pesquisadores testaram quatro diferentes "estruturas de equipe" para ver qual delas tomava as melhores decisões:

1. A Cópia Humana: Agentes de IA agindo exatamente como departamentos humanos (Biologia, Clínica, Vendas, etc.), passando memorandos para um comitê.
2. A Cópia Humana Plus: Uma versão mais inteligente da anterior, onde os departamentos compartilham uma memória melhor e argumentam de forma mais eficaz.
3. A IA Centrada no Ativo: Uma equipe organizada em torno de um único "registro de ativo" ao vivo (um arquivo digital que rastreia o progresso do medicamento) em vez de departamentos.
4. O "Modelo de Mundo da Empresa" (Conversão de Valor): O grande destaque. Esta equipe não tinha departamentos. Em vez disso, tinha um "Registro de Valor de Ativo ao Vivo" compartilhado e quatro "salas" especiais que atuavam como operadores: uma Sala de Negócios (verificando se parceiros querem comprar), uma Sala de Aprovação (verificando se os reguladores dirão sim), uma Sala de Receita (verificando se as pessoas vão comprar) e um Árbitro de Investimento (o chefe que decide o próximo passo com base no mapa ao vivo).

Os Resultados: Depende do Que Você Está Tentando Ganhar

Os resultados foram surpreendentes e sutis. Quando os pesquisadores julgaram as equipes de IA com base em quão bem elas conseguiam converter um medicamento em um sucesso comercial (conseguir um acordo, aprovação ou vendas), a arquitetura do Modelo de Mundo da Empresa foi a clara vencedora. Ela obteve uma pontuação de 4,68 de 5, superando a "Cópia Humana" (4,33) e a versão "Centrada no Ativo" (4,26). Quando juízes cegos (que não sabiam qual equipe era qual) analisaram as decisões, eles preferiram fortemente a equipe do Modelo de Mundo, com um juiz escolhendo-a 42 vezes de 45 contra a cópia humana original.

No entanto, a história fica mais interessante quando você muda as regras. Os pesquisadores perceberam que poderiam estar trapaceando ao pedir à IA para jogar um jogo especificamente desenhado para a equipe de "Conversão de Valor". Por isso, adicionaram um "juiz neutro" que não se importava com dinheiro ou negócios, mas apenas com a qualidade geral da decisão, consciência de risco e lógica. Sob este teste neutro, a equipe do Modelo de Mundo não dominou. A equipe "Cópia Humana Plus" na verdade fez um pouco melhor (25 vitórias contra 20), e a diferença não foi estatisticamente grande.

Isso nos diz algo crucial: o "Modelo de Mundo da Empresa" não é uma solução mágica que vence em tudo. É uma ferramenta especializada. Se o seu objetivo é maximizar o valor comercial (acordos, aprovações, receita), organizar-se em torno de um estado preditivo compartilhado de "ativo-para-valor" é superior. Mas se o seu objetivo é ser apenas um cientista neutro e bom, uma estrutura de departamento tradicional (mesmo uma inteligente) funciona tão bem quanto.

As "Salas" vs. Os Departamentos

Uma das descobertas mais legais veio ao decompor a equipe vencedora. Os pesquisadores removeram uma "sala" de cada vez para ver o que acontecia.

• Quando removeram a Sala de Receita, a capacidade da equipe de pensar sobre dinheiro e vendas caiu significamente.
• Quando removeram a Sala de Negócios, a capacidade de encontrar parceiros desmoronou.
• Quando removeram a Sala de Aprovação, o pensamento regulatório piorou.

Isso provou que as "salas" não eram apenas nomes pomposos para departamentos. Elas eram "operadores" ativos que constantemente atualizavam o mapa compartilhado. O estudo sugere que, em uma empresa nativa de IA, você não deve apenas copiar os departamentos humanos. Em vez disso, deve ter um estado vivo e compartilhado (o Registro de Valor de Ativo ao Vivo) que todos atualizam, e "operadores" específicos que simulam diferentes futuros (Isso será aprovado? Isso vai vender?).

O Ponto Principal

Então, as biotechs nativas de IA precisam de departamentos? O artigo sugere que a resposta é "não como o cérebro central."

Departamentos são bons para a governança humana e para organizar reuniões humanas, mas são um mau modelo para a lógica interna de uma IA. O melhor design parece ser um Modelo de Mundo da Empresa: um sistema onde um "mapa ao vivo" único e auditável do valor do medicamento é constantemente atualizado por diferentes operadores (Negócios, Aprovação, Receita, etc.), e um planejador decide o próximo passo com base nesse mapa.

O estudo ressalta cuidadosamente que isso é uma simulação. Ele prova que essa estrutura toma melhores decisões em um jogo de computador sobre o passado. Não prova que uma IA usando este método descobrirá um novo remédio ou ganhará bilhões de dólares no mundo real. Mas sugere que, se quisermos que a IA gerencie uma empresa farmacêutica, não devemos construir uma versão robótica de um organograma corporativo dos anos 1990. Devemos construir um sistema que simule constantemente o futuro do valor, em vez de apenas passar memorandos entre departamentos.