Rocheが公開したのはAI利用率ではなく『意思決定への寄与』だった
Rocheは9月28日のPharma Dayで、2025年Q4から2026年Q2までのpipeline decisionの40%に追跡可能なAIまたはcomputational contributionがあったと説明した。
同時にTarget Nexusが2026年末までにresearch portfolio decisionの80%に寄与する目標を示した。40%と80%は同じ母集団を直接比較した数字ではない。
それでもAIが文献要約や分析補助から、どの研究を続けどこに資源を配分するかというR&D infrastructureへ入っている方向は明確だ。
次の段階はAIに質問する研究室ではなくLab in the Loop
Roche Pharma Dayの公式agendaには‘Revolutionizing drug R&D with Lab in a Loop’が含まれた。GenentechのLab in the Loopではlabとclinical dataがAI modelへ入り、modelがtarget・molecule・experimentを提案し、scientistが実験して結果を再びmodelへ戻す。
流れはData→AI prediction→Experiment→New data→Model updateという反復に近い。
Genentechはこれをscientistを置き換えるのではなくaugmentする構造として説明している。
Rocheはautonomous AI-driven labの構築を始めた
Reutersが伝えたPharma Day発言でAviv Regevは、Rocheが最近autonomous AI-driven labsの構築を始めたと述べた。
Lab automationが深く入れば、AIが提案したexperimentを自動化systemが実行し、そのresultが再びmodelへ戻るcycleをより速く回せる。
これを『無人研究所』と断定する根拠はない。より正確には、repeatable executionの一部が自動化され、人間の役割がproblem framing、experimental design、failure interpretation、validation、portfolio judgmentへ移る可能性がある。
3,500超のGPUも研究インフラの一部になった
Rocheは2026年3月にNVIDIA Blackwell GPU 2,176基を追加し、合計3,500基超のhybrid-cloud AI factoryを運用すると発表した。
このinfrastructureはdrug designだけでなくLab in the Loop、clinical trials、manufacturing digital twins、diagnostics、digital pathologyにもつながる。
製薬R&D infrastructureをlab equipmentだけでなくautomation・data・GPU・AI modelまで含むsystemとして見る必要が高まっている。
人材変化はWet Lab ScientistからAI Scientistへの単純置換ではない
AIがphysical experimentへ接続されるほど、Biology、Chemistry、Experimental Design、Lab Automation、Data Engineering、AI/Computational Science、Validation、Scientific Judgmentが同じworkflowで交差する。
一人がすべてを持つという意味ではない。AI researcherはbiology constraintを理解し、wet-lab scientistはmodel outputを検証し、automation engineerはprotocolをmachine-executable workflowへ変換する必要がある。
専門性そのものより、専門性の間をつなぐinterfaceが新しいbottleneckになる可能性がある。
Phase III 80%+をAIの成果と断定してはいけない
Rocheは同じPharma DayでPhase III success rateが2025年65%から2026年YTDで80%超になったとし、2030年までに最大20のNME上市を目標にした。
また約20億スイスフランのR&D savingsをprogramとproductivity initiativesへ再配分すると説明した。
しかし公開資料だけからAIがPhase III success rate上昇やCHF 2B savingsを直接生んだと結論づけることはできない。
BANSEOG VIEW | 研究者を消すAIより『研究のloop』を変えるAIを見る
重要なのはAI toolの導入数ではなく、pipeline decisionにAI contributionが実際に追跡され、AI predictionとphysical experimentのloopそのものが自動化へ向かっていることだ。
experiment executionが自動化されても、人間の価値が消えるとは限らない。何を試すか、failureをどう解釈するか、recommendationをどう検証し、どのprogramへ資源を配分するかというresponsibilityはむしろ重要になり得る。
BIO talent marketを見るときもAI Scientistの人数だけでなく、biology・automation・data・AI・validationをつなぐcapabilityがどこで作られているかを見る価値がある。
BANSEOG VIEW
Banseog View — 人を置き換えるAIより研究のloopを変えるAI
pipeline decisionの40%でAI・computational contributionが追跡され、Target Nexusは年末までにresearch portfolio decisionの80%寄与を目標にする。
Rocheはautonomous AI-driven labsの構築も始め、AI predictionとphysical experimentのloopをより自動化しようとしている。
BIO人材の変化はWet Lab ScientistとAI Scientistの単純な置換ではなく、biology・automation・data・AI・validation・scientific judgmentをつなぐ役割の再設計かもしれない。
SOURCES
参照した主な資料
- Roche — Pharma Day 2026
2026-09-28。公式agendaで‘Revolutionizing drug R&D with Lab in a Loop’を確認。
- Reuters via MarketScreener — Roche autonomous AI labs
2026-09-28。autonomous AI-driven labs、40% AI/computational contribution、Target Nexus 80%目標、CHF 2B、Phase III 80%+、最大20 NME目標を確認。
- Genentech — AI Fuels Genentech’s R&D Ecosystem
2026-01-09。Lab in the Loop、scientist augmentation、Medra lab automationとinterdisciplinary R&Dを確認。
- Roche — NVIDIA AI factory
2026-03-16。Blackwell GPU 2,176基追加、合計3,500基超、R&D・clinical・manufacturing等への適用を確認。
- Roche — AI and machine learning in drug discovery
Lab/clinic data→AI prediction→experiment→new data→model retrainingの反復構造を確認。
40%と80%は同じ指標の前後比較ではない。40%は2025 Q4〜2026 Q2 pipeline decisionで追跡されたAI/computational contribution、80%は2026年末Target Nexusのresearch portfolio decision寄与目標。Phase III 65%→80%+とCHF 2B savingsをAIの直接因果効果とは扱わない。