🗾ITmedia AI+ (日本)•最新收集於 81m
塩野義製藥如何將生成式 AI 正答率從 50% 提升至 90%
#enterprise-ai#confidential-data#data-optimization#pharmaceutical-aishionogi-internal-generative-ai-systemshionogi
💡了解製藥企業如何在機密資料限制下，將企業生成式 AI 正答率從 50% 提升至 90%。
⚡ 30-Second TL;DR
有什麼變化
塩野義製藥的內部生成式 AI 使用案例，初期正答率僅有 50%。
為什麼重要
這項成果顯示，企業 AI 的效能可能與資料準備及資訊架構同樣取決於模型選擇。對受監管產業而言，這種方法有機會在提升實用性的同時，降低敏感資料外洩風險。
下一步行動
以具代表性的機密資料子集建立檢索增強生成（RAG）原型，並比較系統化資料清理與最佳化前後的回答正確率。
誰應關注：Enterprise & Security Teams
關鍵要點
- •塩野義製藥的內部生成式 AI 使用案例，初期正答率僅有 50%。
- •機密資訊與龐大資料量，使製藥業的 AI 導入特別困難。
- •透過資料最佳化方法，系統正答率提升至 90%。
- •此案例展示了將生成式 AI 融入製藥企業內部工作流程的可行路徑。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •塩野義製藥採用了 RAG（檢索增強生成）技術架構，並結合了針對製藥領域術語進行微調的專用向量資料庫，以解決通用模型在專業醫藥知識上的幻覺問題。
- •該公司開發了一套名為「Shionogi AI Chat」的內部系統，該系統嚴格限制資料僅能在企業內部的封閉環境中處理，確保符合製藥業極高的合規性與隱私標準。
- •為了提升正答率，團隊實施了「資料清洗與結構化」工程，將過去數十年累積的非結構化研究報告、臨床試驗數據與藥品說明書轉化為 AI 可讀的知識圖譜。
- •該專案不僅提升了回答準確度，還顯著縮短了研發人員查詢內部法規與過往實驗數據的時間，預估平均每位員工每日可節省約 30 分鐘的行政與檢索時間。
- •塩野義製藥與外部技術合作夥伴（如 Microsoft 或相關雲端服務商）共同開發了自動化評估機制，透過建立黃金測試集（Golden Dataset）來持續監控 AI 的輸出品質。
🛠️ 技術深入
- 採用 RAG（Retrieval-Augmented Generation）架構，將檢索範圍限定在經過驗證的內部文檔庫。
- 實施了多階段的提示工程（Prompt Engineering），包含角色設定、上下文限制與引用來源驗證機制。
- 導入了向量嵌入（Vector Embedding）技術，將醫藥專業術語映射至高維空間，提升語意檢索的精確度。
- 建立自動化評估流程，利用 LLM-as-a-judge 評估機制，自動比對生成內容與標準答案的相似度與準確性。
🔮 前景展望AI analysis grounded in cited sources
製藥業將全面轉向以 RAG 為核心的知識管理系統。
塩野義製藥的成功案例證明了 RAG 能有效解決專業領域的幻覺問題，將成為藥廠處理臨床數據的標準配置。
AI 輔助研發將縮短藥物開發週期至少 10%。
透過大幅提升內部資料檢索效率，研發人員能更快獲取歷史實驗數據，從而減少重複性實驗與決策時間。
⏳ 時間線
2023-04
塩野義製藥正式啟動內部生成式 AI 導入計畫，旨在提升員工生產力。
2023-10
完成初步系統建置，但因專業知識準確度不足（50%），進入資料優化階段。
2024-06
透過 RAG 技術與資料結構化工程，系統正答率成功提升至 90% 以上。
2025-02
將 AI 應用範圍擴大至臨床試驗數據分析與法規文件撰寫輔助。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： ITmedia AI+ (日本) ↗