TL;DRAgenci, którym można zaufać
Bayer PRINCE (Preclinical Information Center) to platforma danych z wieloagentowym asystentem badawczym do badań przedklinicznych: toksykologii, farmakologii bezpieczeństwa i DMPK. System ewoluował w 3 fazach: Search (wyszukiwanie po metadanych), Ask (pytania i odpowiedzi przez RAG) i Do (agenci wykonują złożone zadania, np. redagują dokumenty regulacyjne IND). Zbudowany wspólnie przez Bayer AG (R&D Pharmaceuticals, Berlin) i Thoughtworks (Pune, Indie). Dla branż regulowanych to wzorzec: system, w którym każda odpowiedź ma źródło, a każdy krok można prześledzić.
O firmieNajbliższy publiczny przypadek organizacji wiedzy w regulowanej branży
Bayer to jeden z największych koncernów farmaceutycznych na świecie. PRINCE powstaje od 2020 roku: MVP w 2021, chatbot LLM w marcu 2024, a system wieloagentowy w listopadzie 2024. Dostępny dla użytkowników od początku 2024. Zintegrowano ponad 18 000 wewnętrznych badań (ponad 17 000 raportów), w tym dane ustrukturyzowane i nieustrukturyzowane (PDF, także skany). Ważne: to nie jest organizacja zastępująca ludzi, tylko system wspierający naukowców (human-in-the-loop). Skala jest porównywalna do dużej firmy produkcyjnej: tysiące dokumentów, różne formaty, lata historii - wszystko musi być dostępne dla naukowca w jednym zapytaniu.
Co dokładnie robiąTrzy fazy: Search, Ask, Do
- Search: wyszukiwanie po metadanych - naukowiec znajduje badania po autorze, dacie, obszarze.
- Ask: pytania i odpowiedzi przez RAG - system odpowiada na pytania merytoryczne, sięgając do treści badań.
- Do: agenci wykonują złożone zadania, np. redagują dokumenty regulacyjne IND (Investigational New Drug) sekcja po sekcji.
- 18 000+ zintegrowanych badań: dane ustrukturyzowane i nieustrukturyzowane (PDF, w tym skany) w jednym miejscu.
Jak to działaPięć ról agentowych w orkiestracji LangGraph
System oparty jest o orkiestrację LangGraph z pięcioma rolami agentowymi. Supervisor Agent analizuje intencję pytania i rozdziela zadania. Researcher Agent pozyskuje dane: RAG dla nieustrukturyzowanych, text-to-SQL dla ustrukturyzowanych (Athena). Reflection Agent ocenia, czy danych jest wystarczająco i czy są trafne, i iteruje. Writer Agent pisze syntezę z cytowaniami do konkretnych fragmentów i stron. Document Planner Agent redaguje dokumenty regulacyjne z biblioteką promptów i recenzją promptu przez człowieka. Dzięki temu naukowiec może zapytać o wyniki badań sprzed lat, porównać je z nowymi danymi i dostać odpowiedź z konkretnymi cytowaniami - bez przeszukiwania tysięcy plików.
Kluczowa cecha: każda odpowiedź ma cytowania (zasada show your work), a kroki pośrednie są widoczne w logach. System ma trzy pętle refleksji: procesową (Think and Plan), danych (Reflection Agent) i redakcyjną (Writer Agent). Jest odporny dzięki persystencji stanu, retry i fallbackom między dostawcami LLM. Stos to m.in. FastAPI, React, AWS (S3 data lake, OpenSearch, Athena), PostgreSQL/DynamoDB, Langfuse i CloudWatch, z modelami GPT-4o, GPT-4o mini i Claude 3.5 Sonnet. Cały stos opiera się na wewnętrznych platformach GenAI Bayera (myGenAssist, Linguist), a jakość odpowiedzi jest na bieżąco oceniana narzędziami do ewaluacji.
WynikiCo osiągnęli
- 75% użytkowników: znaczące skrócenie czasu poszukiwania informacji.
- 30% średnia poprawa czasu odpowiedzi na złożone zapytania po wdrożeniu systemu wieloagentowego.
- Redukcja ręcznego wysiłku nawet o 90% (dane Pistoia Alliance, CiberSpring).
- Redagowanie dokumentów regulacyjnych: z tygodni do godzin.
- Oceny użytkowników: łatwość użycia 4/5, pełne zaspokojenie potrzeb 3,1/5 - są jeszcze rezerwy.
Warto wiedziećKontekst i niuanse
- Brak oficjalnego press release Bayera - informacje pochodzą z recenzowanej publikacji Frontiers, case study Thoughtworks i artykułu Martina Fowlera z 16.06.2026.
- Thomas Steger-Hartmann (Head of Investigational Toxicology): a safety-search engine is at the gates; Verena Ziegler (Head of Genetic and Computational Toxicology) nazwała chatbota fantastic.
- Nadzór człowieka: PRINCE to system wspierający naukowców (human-in-the-loop), nie organizacja zastępująca ludzi - dokumenty regulacyjne przygotowują agenci, ale zatwierdza je człowiek.
- Ewolucja trwa: Researcher Agent ma się rozwijać w hierarchię agentów domenowych (toksykologia, farmakologia).
- Regulowana branża wymaga audytowalności - dlatego cytowania i logi są tu standardem, a nie dodatkiem.
Co to znaczy dla Ciebie
- To najlepszy wzorzec techniczny dla branż z compliance: modułowość, cytowania, pętle refleksji, fallbacki.
- Zasada show your work - każdy wynik źródłowany i audytowalny - buduje zaufanie, bez którego agenci nie wejdą do regulowanych procesów.
- Wdrażaj etapami: najpierw wyszukiwanie, potem pytania i odpowiedzi, na końcu agenci wykonujący zadania.
- W BuildOS używamy tego wzorca (supervisor/researcher/reflection/writer) jako szablonu QA w projektach klienckich.
- Nawet w najbardziej regulowanej branży agenci pracują obok ludzi - kluczem jest nadzór i widoczność pracy.