Bayer China: AI-система Dr
pharmaceuticals · Китай
Bayer China, українське підрозділ німецької фармацевтичної компанії, створив систему навчання Dr. Bei на базі генеративного ІІ. Система симулює лікарів для ролєвих ігор з медичними представниками. За 6 місяців охопила 1 000 співробітників, економить 6 000-7 000 годин навчання на рік та підвищила ефективність індивідуального коучингу на 50%+. Від ініціативи до запуску пройшло 72 дні.
Результат
- ~1 000 medical reps за 6 місяців; економія 6 000-7 000 training hours на рік; ефективність 1-to-1 role-play coaching +50 %; від ініціативи до запуску 72 дні.
Скільки зайняло: Від ініціативи до запуску — 72 дні. Розширення до понад 1 000 користувачів — за 6 місяців.
Контекст
Компанія працює в фармацевтичній галузі Китаю, де навчання медичних представників традиційно займає багато часу, є дорогим і не має достатньої персоналізації. У Bayer China пріоритетом є безпека та відповідність вимогам, тому всі ІІ-інновації повинні знаходитися в безпечному та керуєльному рамках. Цифрова трансформація і ІТ-компанія оцінювали варіанти та обрали AWS за широту сервісів, продуктивність та підтримку складних ІІ-застосунків.
Обмеження
Вимоги до безпеки даних, слідкуваності та відповідності галузевим регуляторним нормам. Потрібна безпечна та керуєльна рамка для застосунків генеративного ІІ. Інтеграція з хмарною інфраструктурою для підтримки 450-1 000 одночасних користувачів у пикові навантаження.
Що зробили
Система побудована на Claude LLM з Amazon Bedrock, симулює лікарів для голосового спілкування з медичними представниками. Забезпечує 14 сценаріїв відвідування. Масштабування через Amazon Lambda (serverless) та керування трафіком через Amazon API Gateway. Безпека даних через Amazon Landing Zone. Цикл навчання «Навчання-Практика-Оцінка». Від PoC до офіційного запуску — 72 дні. Початково охопила 450 користувачів, потім розширилася до понад 1 000 за 6 місяців. У джерелі не вказано, де лишили людину у контурі рішень, чи як навчали команду та контрольували якість.
Що з цього переноситься
Генеративний ІІ для навчання працює там, де є повторювані сценаріїв ролєвих ігор, велика кількість користувачів і жорсткі вимоги до безпеки даних; не підходить, коли процес залежить від унікальних неструктурованих ситуацій без чітких шаблонів.