Архив Здравоохранение и фармацевтика · Фарма и биотех
Shionogi: ИИ-агент для поиска по R&D-документам, точность ответов 90%
По данным ITmedia, Shionogi с партнёром Classmethod перестроила внутренний поиск по документам НИОКР на модульном RAG с ИИ-агентом и подняла долю верных ответов с около 50% до 90%.
/01 · ключевые результаты
-
возможность системы
было 50% 90%
доля верных ответов внутренней поисковой системы
ITmedia (キーマンズネット), статья, 04.08.2026
универсальный RAG до оптимизации
по данным на август 2026 года · внутренний поиск по документам НИОКР Shionogi
данные СМИ
- около 50% доля ожидаемых ответов при универсальном RAG · исходный уровень ITmedia (キーマンズネット), статья, 04.08.2026
оценка strategai
Оценку не приводим: источник сообщает только точность поиска, без экономии времени, объёма запросов или числа пользователей
По данным ITmedia, Shionogi с партнёром Classmethod перестроила внутренний поиск по документам НИОКР на модульном RAG с ИИ-агентом и подняла долю верных ответов с около 50% до 90%.
/02 · паспорт кейса
Бизнес
- Компания
- 塩野義製薬
- Отрасль
- Здравоохранение и фармацевтика · Фарма и биотех
- Функция
- Корпоративная продуктивность и знания
- Задача
- Корпоративный ассистент / RAG по базе знаний
Технология
- Класс AI
- Генеративный ИИ: LLM, ассистенты, RAG
- Тип решения
- Решение вендора: Classmethod, Amazon Web Services
- Данные
- Внутренние документы НИОКР: данные прошлых экспериментов, результаты исследований, спецификации по регуляторным требованиям; реестр в Microsoft Excel, который годами вели сотрудники; словарь внутренних терминов и сокращений, описание бизнес-процессов.
Внедрение
- Стадия
- Промышленная эксплуатация, на 04.08.2026
- География
- Япония
/03 · описание кейса
Зачем
Бизнес-задача
В разработке лекарств у Shionogi накоплен большой массив сложных и конфиденциальных документов: данные прошлых экспериментов, результаты исследований, спецификации, подготовленные по регуляторным требованиям. При планировании новых исследований компании нужно быстро извлекать прежние знания. Первая попытка — универсальный RAG поверх этого массива — не дала нужного качества: по словам Рёхэя Нисимуры из Shionogi, система плохо понимала намерение пользователя, и ожидаемый ответ получался примерно в 50% случаев. Запросы вроде «полностью собрать методы испытаний конкретного препарата» или «отфильтровать по условиям после определённой даты» простой поиск по сходству обрабатывал с шумом и галлюцинациями.
Что
Решение
Вместе с технологическим партнёром Classmethod компания перешла на модульный RAG: функции поиска разбиты на модули, которые ИИ использует как инструменты, сам планирует поиск и выполняет его. Обработка идёт в четыре шага: анализ вопроса, план поиска, параллельное выполнение и генерация ответа со ссылками. На шаге выполнения ИИ-агент выбирает между тремя инструментами — сквозным поиском OpenSearch, глубоким чтением отдельного файла и работой с Excel-реестром, который сотрудники вели годами. Агент сам оценивает, достаточно ли собранной информации, и при нехватке меняет запрос или инструмент. Все шаги опираются на базу знаний с внутренними терминами, сокращениями и порядком бизнес-процессов.
Как
Внедрение
Classmethod проанализировала структуру данных и намерения пользователей, разделила документы по типам и назначению, провела интервью с сотрудниками и собрала словарь внутренних терминов. По данным ITmedia, после оптимизации доля верных ответов выросла с 50% до 90%. Платформа работает на Amazon Web Services; параллельно компания выработала правила межрегионального использования новых моделей и за месяц построила систему мониторинга использования генеративного ИИ. Сотрудничество Shionogi и Classmethod длится около полутора лет. Проект представлен на AWS Summit Japan 25–26 июня 2026 года, статья опубликована 4 августа 2026 года.
/04 · источники и проверка
Что подтверждено
- По данным ITmedia, после перехода на модульный RAG с ИИ-агентом доля верных ответов внутреннего поиска Shionogi выросла с 50% до 90%.
- По словам представителя Shionogi, универсальный RAG давал ожидаемый ответ примерно в 50% случаев.
- Систему построила Classmethod; агент работает с поиском OpenSearch, отдельными файлами и Excel-реестром.
Ограничения
- 90% — точность ответов поисковой системы; методика оценки, число и состав тестовых вопросов не раскрыты.
- Источник не сообщает, сколько сотрудников пользуются системой, сколько времени она экономит и как влияет на сроки исследований.
-
[1] ITmedia (キーマンズネット)
塩野義製薬、生成AIの正答率を50→90％に 膨大な機密データをどう最適化した？ - キーマンズネット
СМИ · 04.08.2026
Открыть источник
АрхИИВ /strategai · CB-001260 · Версия 1 · 18.10.2026 · /c/CB-001260/