Перейти до вмісту
life sciences

Bayer: Launched “myGenAssist” weeks after ChatGPT as a secure, internal…

Виміряний результат: Platform processes 1.5 million messages per month and KPI surveys show a roughly 20% efficiency gain among users, with the team explicitly avoiding over‑attribution.

Bayer, глобальна компанія з галузі life sciences, розгорнула внутрішню генеративну платформу myGenAssist для 116 тисяч співробітників. Платформа обробляє понад 1,5 млн повідомлень на місяць, індексує понад 450 тисяч завантажених документів і надає доступ до понад 83 тисяч повторно використовуваних компонентів через AI Hub. Згідно з оптуваннями кожні шість місяців, використання платформи дає наближені до 20% прирост ефективності серед користувачів, при цьому команда умисно уникає надмірної атрибуції результату.

Результат

  • Виміряний результат: Platform processes 1.5 million messages per month and KPI surveys show a roughly 20% efficiency gain among users, with the team explicitly avoiding over‑attribution.

    Джерело 1 ↗

Контекст

Компанія
Bayer
Галузь
life sciences
Розмір
000

Дата публікації: 13 Aug 2026 Цитата з атрибуцією: не вказано Дані для калькулятора: 1.5 million messages per month; roughly 20% efficiency gain among users.

Розвилка

Самостійне розміщення (self-hosted) для повного контролю над даними та відповідності вимогам безпеки чи гібридне управління кластером для зменшення операційного навантаження на невелику команду.

Обмеження

Дані не повинні виходити за межі сертифікованого хмари Bayer; суворі вимоги відповідності для компанії з галузі life sciences; невеликий розмір команди, що керує платформою; потреба у підтримці безлічі форматів даних (PDF, рентген, КТ, молекулярні бази, аудіо, відео); обмеження контекстного вікна LLM при передачі визначень інструментів; контроль вартості безлічі запитів агентів.

Що зробили

Команда розгорнула myGenAssist за три місяці після появи ChatGPT, починаючи з тисячі користувачів. Обрали Qdrant після бенчмарку за співвідношенням ціна-якість, затримкою та відкритістю коду (Rust). Почали з самостійного розміщення, потім перейшли на гібридну хмару Qdrant через Kubernetes-оператор, щоб дані залишалися всередині середовища Bayer, а управління кластером відвантажувалось. Зараз використовують чотиривузловий кластер з близько 135 млн точок у семи колекціях. Для міграції на нову модель внедрення використовували стратегію двійних колекцій: нові завантаження йшли в нову колекцію, а при запиті система зверталася до обох, зливала і дедуплікувала результати. Для агентів API Qdrant відкрито безпосередньо для моделі, що дозволяє агентові обирати стратегію пошуку (ключовеве, семантичне або гібридне). Документи обробляються ліниво: прості формати — локально, складні PDF — через Docling OCR лише при потребі. Керування якістю здійснюється через трасування в Langfuse, моніторинг у Prometheus і інлайн-цитування джерел у інтерфейсі.

Що могло провалитись

Сам по собі Qdrant не був основним джерем навантаження; операційне навантаження створювало навколишнє конвеєрне забезпечення. Користувачі повторно завантажували і редагували однакові документи, що вимагало постійної синхронізації векторів. Обробка документів перед векторизацією була важкою і регулярним джерем навантаження. Підтримка актуальності кешованих даних при зміні джерела залишається відкритою проблемою. При переході на гібридний пошук семантичного пошуку саме по собі виявилося недостатньо. При масштабуванні до 116 тисяч співробітників проста конфігурації з однією колекцією перестала вистачати.

Що з цього переноситься

Композиційний підхід, коли пошуковий движок надає примітиви безпосередньо для моделі та агента, працює там, де потрібна гнучкість у виборі стратегії пошуку залежно від завдання, але не підходить, якщо команда не може забезпечити постійну синхронізацію даних і підтримку навколишнього конвеєра обробки документів.

Кому це релевантно

Релевантно для українських компаній на 10-100 людей, які вже використовують або планують впроваджувати внутрішні інструменти на основі LLM і стикаються з проблемою пошуку інформації в власних документах. Різниця в масштабі полягає в тому, що велике підприємство може дозволити собі власну команду бекенд-інженерів і гібридну хмару, тоді як менша компанія повинна починати з готового сервісу та мінімального набору даних, без власного кластера.

Скільки зайняло: Платформа myGenAssist була розгорнута протягом трьох місяців після появи ChatGPT. Гибридну модель управління використовують більше двох років.

Джерела

  1. 1
    qdrant.tech ↗

    qdrant.tech

Щотижневі кейси на пошту

Нові кейси з цифрами й посиланнями на джерела.