バイエルは創薬の非臨床研究データアクセスの効率化を目指し、エージェント型AIシステム「PRINCE（Preclinical Information Center）」を開発し、2024年後半より生産環境へ導入を進めている。同システムは、構造化メタデータと数十年にわたる非構造化PDF研究報告書を統合し、自然言語による質問応答と複雑な調査タスクの自動化を可能にする。 PRINCEの技術基盤はLangGraphによるオーケストレーションとマルチエージェントアーキテクチャを採用する。ユーザー入力は意図明確化を経て思考・計画ステップへ渡され、ツール選択とプロフェスの軌道修正を行う。情報収集は研究エージェントが担い、非構造化データに対しAmazon OpenSearchとクロスエンコーダーによるRAGパイプライン、構造化データに対しアテナ環境でのText-to-SQLを併用する。得られた証拠は反省エージェントで充足性を検証し、不足分があれば追加調査をループする。最終的にライタエージェントが出典付きの回答を生成し、規制環境における検証性を確保する。 設計の核心はコンテキストエンジニアリングとハーネスエンジニアリングにある。各ステップに適切な情報のみを供給しプロンプトの汚染を防ぐコンテキスト設計と、ワークフローの制約・状態永続化・エラーリトライ・LLMフォールバックを規定する制御層の構築により、信頼性と再現性を両立させた。システムは中間処理の可視化と詳細な引用リンクをUIに組み込み、ユーザーの透明性と信頼を確保している。評価は専門家が作成した基準データセットを用いた定量検証と、本番環境の生データを用いたリアルタイム評価の二軸で実施され、Langfuseによる継続的モニタリングと連携する。 PRINCEは構造メタデータの検索基盤から始まり、AI回答機能を経て、現在では規制文書の草案作成など自律的な調査支援フェーズへ進化している。この展開により、科学的意思決定の高速化や不要な実験の削減、創薬パイプラインの効率化に寄与すると期待される。バイエルの実装例は、エンタープライズ環境における生産準備済みのアジェンティックAI構築において、単なるモデル改良ではなく、コンテキスト制御と堅牢なワークフローハーネスの設計が信頼性を決定づけることを実証した。同社はユーザーフィードバックと継続的モニタリングを基にした反復開発を推進し、創薬研究支援AIの実用化を深化させている。