Bayer Crop Science が新薬・新品種開発に生成AI──研究データ統合とハイポセシス生成を加速

課題：研究データの "知らない自分"

大手アグロケミカル企業の研究データは数十年分が蓄積されており、複数の研究所、複数のシステム、複数のフォーマットに分散している。研究者が「過去にこの仮説で実験した人はいたか？」と問おうとしても、検索する仕組みがバラバラで時間がかかった。

ソリューション：Vertex AI ベースの研究者ハブ

Bayer Crop Science は Google Cloud と組み、以下を構築：

• **データ統合検索**：過去の実験データ、論文、社内ナレッジを横断検索
• **ハイポセシス生成**：研究者の質問に対し、Gemini が関連知見を統合して仮説候補を提示
• **論文要約**：最新論文を研究者の専門領域に絞って要約
• **実験計画支援**：仮説に対する適切な実験設計をAIが提案、研究者が選定

成果

• **研究者の "探索フェーズ" 時間の短縮**
• **重複実験の削減** — 過去の類似実験が即座に検出される
• **複数領域の知見統合** — 化学・生物・データサイエンスを横断した仮説生成
• **若手研究者のオンボーディング加速**

本番化を成立させた設計判断

① 研究者の "信頼の境界線" を尊重

研究者は AI の生成内容を鵜呑みにしない。Bayer はソース（どの論文・どの実験データから来た情報か）を必ず表示し、研究者が判断材料として使えるようにした。

② 機微データのアクセス制御

研究データには規制上の機微情報が含まれる。Bayer は Vertex AI の権限管理機能を活用し、研究者の所属とプロジェクトに応じたデータアクセス制御を組み込んだ。

③ コンプライアンスチームを設計初期から巻き込む

ライフサイエンス領域は規制が厳しい。Bayer はコンプライアンス・薬事・法務を PoC 段階から設計テーブルに乗せ、本番化時の差し戻しを抑えた。