AstraZeneka opisała Research Assistant - swój wewnętrzny system agentyczny oparty na LLM-ach, stworzony aby wspierać naukowców i klinicystów w badaniu biomedycznych pytań z dostępu do szerokiej gamy źródeł danych. System integruje w jednym interfejsie czatowym dowody z literatury naukowej, grafy wiedzy, dane chemiczne, informacje z badań klinicznych, zasoby bezpieczeństwa, dane ekspresji genów i wewnętrzne systemy eksperymentalne.
Architektura oferuje dwa główne tryby pracy. Tryb szybki zapewnia bezpośrednie odpowiadanie na pytania, podczas gdy tryb wieloetapowy obsługuje bardziej złożone zadania badawcze wymagające wielu kroków reasoning. Kluczową cechą jest to, że wszystkie odpowiedzi są ugruntowane w pobranej i zweryfikowanej evidencji, a każdy wynik zawiera odsyłacze do oryginalnych źródeł - pozwala to naukowcom przeglądać dane źródłowe i głębiej je eksplorować.
Wdrożenie Research Assistant na skalę całej organizacji dostarczyło AstraZenece cennych lekcji dotyczących integracji systemów AI z rzeczywistymi przepływami pracy R&D. System jest już aktywnie wykorzystywany w codziennych operacjach badawczych, wspierając naukowców w szybszym dostępie do rozsianej po wielu bazach wiedzy i przyspieszając proces eksploracji biomedycznych pytań poprzez automatyzację wyszukiwania i syntezy informacji z múltiplych źródeł.