Anthropic ประกาศแผนพัฒนายาเอง: ทำไมบริษัท AI ถึงอยากลงเล่นสนามเภสัชกรรม

Anthropic ประกาศแผนลงมือพัฒนายาเอง พร้อมเปิดตัว Claude Science เป็น workbench ของสายวิจัยวิทยาศาสตร์ จากเดิมที่วางตัวเป็นพาร์ทเนอร์ ตอนนี้ขยับมาโฟกัสโรคที่ถูกวงการยาข้ามไปเพราะไม่ทำกำไร คำถามคือ นี่คือก้าวที่ฉลาดเพราะรู้ข้อมูลตัวเองดีที่สุด หรือเสี่ยงเกินตัวเพราะพัฒนายาไม่เหมือนเขียนโค้ด — บทความนี้จะพาไปดูเหตุผลเบื้องหลังและความเสี่ยงที่ตามมา

จาก Chatbot สู่ห้องทดลองยา

ปกติเราคุ้นกับ Claude ในฐานะตัวช่วยเขียนโค้ด สรุปเอกสาร หรือตอบคำถามทั่วไป.

แต่ข่าวที่ Anthropic สนใจพัฒนายาเองถือเป็นก้าวที่ต่างออกไปมาก เพราะการค้นคว้ายาไม่ใช่แค่ generate text ให้ถูกหลักไวยากรณ์ แต่ต้องเข้าใจ biology, chemistry และผ่านการทดลองจริงที่ใช้เวลาเป็นปี.

พูดตรงๆ คือถ้า AI lab อย่าง Anthropic กระโดดเข้าวงการนี้ มันสะท้อนความเชื่อว่าโมเดลภาษาใหญ่ๆ เริ่มมีศักยภาพช่วยเร่งงานวิจัยที่ซับซ้อนระดับโมเลกุลได้จริง ไม่ใช่แค่เป็นเครื่องมือ productivity ทั่วไปอีกต่อไป.

ประเด็นสำคัญคือก้าวนี้จะเปลี่ยนบทบาทของ AI company ไปสู่อะไร และมันมาพร้อมความเสี่ยงแบบไหนบ้าง เดี๋ยวไปดูกัน.

สิบปีกับความหวังที่มาไม่ทัน

ยาหนึ่งตัวกว่าจะผ่าน lab ไปถึงมือคนไข้ ใช้เวลาเฉลี่ยกว่า 10 ปี ผ่านขั้นตอนทดลองซ้ำแล้วซ้ำเล่า.

ระหว่างทางนั้น มีครอบครัวจำนวนไม่น้อยที่รอการรักษาโรคหายากอยู่ บางเคสยาไปไม่ถึงตลาดทันเวลาที่คนไข้ยังมีชีวิตอยู่ นี่คือความจริงที่วงการยายอมรับกันมานาน และเป็นเหตุผลที่ Anthropic ประกาศจะโฟกัสโรคที่ถูกมองข้ามเป็นเป้าหมายแรก.

คำถามคือ AI จะเข้ามาร่นระยะเวลานี้ได้จริงไหม หรือเป็นแค่คำโฆษณาอีกชั้นหนึ่ง.

โมเดลภาษาใหญ่เก่งเรื่องประมวลผลข้อมูลมหาศาลและหาแพทเทิร์นที่มนุษย์มองไม่เห็น แต่การพัฒนายายังต้องผ่านการทดลองในสิ่งมีชีวิตจริง ซึ่งเป็นคอขวดที่ AI เร่งแทนไม่ได้ทั้งหมด.

นี่คือช่องว่างที่ Anthropic ต้องตอบให้ได้ ก่อนจะบอกว่าก้าวนี้เปลี่ยนอะไรจริงๆ.

จุดยืนใหม่ในแผนที่ธุรกิจของ Anthropic

ก่อนหน้านี้ Anthropic ขายสิทธิ์การใช้ Claude ผ่าน Claude for Enterprise ให้บริษัทยานำไปใช้ในงานวิจัยของตัวเอง — Anthropic อยู่ข้างสนาม ไม่ได้ลงเล่นเอง. แต่ครั้งนี้ต่างออกไป เพราะควบคู่กับการเปิดตัว Claude Science ที่เป็น workbench สำหรับสายวิทยาศาสตร์ Anthropic ยังตั้งทีมพัฒนายาในเฟส preclinical เองด้วย กลายเป็นผู้เล่นในสนามที่ตัวเองเคยแค่ขายอุปกรณ์ให้.

การขยับแบบนี้บอกอะไรบางอย่าง: ถ้าจะพิสูจน์ว่า AI ช่วยเร่งการค้นพบยาได้จริง วิธีที่ชัดที่สุดคือทำให้ดูเอง ไม่ใช่รอลูกค้าพิสูจน์แทน.

ส่วนเรื่อง AI safety ที่เป็นหัวใจของ Anthropic มาตั้งแต่ต้น การพัฒนายาเป็นสนามทดสอบที่ดี — งานที่ต้องแม่นยำสูง ผิดพลาดไม่ได้ และต้องมีมนุษย์ตรวจสอบทุกขั้นตอน ถ้า Claude ทำงานแบบนี้ได้อย่างปลอดภัย ก็เป็นหลักฐานย้อนกลับไปสนับสนุนภาพลักษณ์ “AI ที่ควบคุมได้” ที่บริษัทพยายามสร้างมาตลอด.

จากพาร์ทเนอร์สู่เจ้าของยาเอง อะไรเปลี่ยนไป

แบบเดิมคือให้บริษัทยาซื้อไลเซนส์โมเดลไปใช้ค้นคว้ายา Anthropic แทบไม่แตะความเสี่ยงเรื่อง trial ล้มเหลว แต่ได้ผลตอบแทนแค่ค่าธรรมเนียม.

พอเปลี่ยนมาลงทุนพัฒนายาเอง ทีมงานต้องแบกรับความเสี่ยงตั้งแต่ต้นน้ำ — ทดลองไม่ผ่านก็เจ็บเต็มๆ แต่ถ้าสำเร็จ รายได้ทั้งก้อนตกเป็นของบริษัท ไม่ต้องแบ่งใคร.

ที่ต่างชัดกว่านั้นคือทิศทางงานวิจัย แบบพาร์ทเนอร์ Anthropic ไม่มีสิทธิ์เลือกโฟกัสโรคไหนก่อน ต้องตามโจทย์ลูกค้า แต่พอทำเองก็เลือกได้เต็มที่ว่าจะเอา Claude ไปช่วยขั้นตอนไหนของกระบวนการค้นคว้ายา.

เมื่อโมเดลภาษาต้องเจองานจริงในห้องแล็บ

งานพัฒนายามีคอขวดหลักอยู่ 3 จุด: หา target โรคที่ใช่, ออกแบบโมเลกุลที่ตรงกับ target นั้น, แล้วอ่านงานวิจัยเก่าเพื่อไม่ให้เดินซ้ำทางที่ล้มเหลวมาก่อน

AI แบบโมเดลภาษาช่วยได้ตรงจุดสุดท้ายก่อนเลย — อ่านและสรุป paper งานวิจัยเป็นแสนฉบับในเวลาสั้นกว่าทีมมนุษย์มาก ซึ่งปกติคือขั้นตอนที่กินเวลานักวิจัยเป็นเดือนๆ

ส่วนการวิเคราะห์ target โรคกับออกแบบโมเลกุล เป็นงานที่ต้องผสาน pattern จากข้อมูล biology มหาศาลเข้าด้วยกัน จุดที่โมเดลภาษาถนัดคือการเชื่อมจุดข้ามสาขา (cross-domain) ที่มนุษย์อาจมองข้าม

ถ้าไปไกลถึงขั้นช่วยออกแบบ clinical trial ได้ด้วย — เลือกกลุ่มคนไข้ วางโครงสร้างการทดสอบ — นั่นคือจุดที่ประหยัดทั้งเวลาและงบประมาณของทั้ง pipeline การพัฒนายาได้จริง

สนามแข่งที่ไม่ได้มีแค่ Anthropic

จริงๆ แล้ว Anthropic ไม่ใช่เจ้าแรกที่มองเห็นโอกาสนี้ Isomorphic Labs ของ DeepMind ลงสนามมาก่อนหลายปี ต่อยอดจาก AlphaFold ตรงๆ เลย ส่วนฝั่ง Nvidia ก็วาง BioNeMo เป็น platform ให้บริษัทยาอื่นเอาไปสร้างโมเดลต่อ ไม่ได้ลงมาทำยาเองแบบ end-to-end

ความต่างอยู่ที่จุดเริ่มต้น: Isomorphic เริ่มจากโครงสร้างโปรตีน ไล่ขึ้นไปหา drug candidate ส่วน Anthropic เริ่มจาก LLM ที่เก่งเรื่องภาษาและการให้เหตุผล แล้วค่อยดึงเข้าสู่โดเมน biology ทีหลัง คนละทางแต่ปลายทางเดียวกัน

สิ่งที่ได้กับสิ่งที่เสี่ยง

ถ้า Anthropic ลงมือทำยาเองจริง โจทย์ไม่ใช่แค่ “มี AI เก่ง” แต่คือต้องแบกทั้ง pipeline ตั้งแต่ discovery ยัน clinical trial ซึ่งเป็นโลกที่ต่างจาก SaaS โดยสิ้นเชิง

ข้อดีคือเข้าถึงทุนวิจัยตรง ไม่ต้องรอขายไลเซนส์ให้บริษัทยาแล้วรอส่วนแบ่ง แถมคุมคุณภาพ pipeline เองได้ตั้งแต่ต้นจนจบ เป็นการสร้างมูลค่าที่ไม่ผูกกับค่า subscription AI อย่างเดียว

แต่ความเสี่ยงก็หนักไม่แพ้กัน — Anthropic ไม่มีประสบการณ์ด้าน regulatory ของอุตสาหกรรมยาที่ขึ้นชื่อเรื่องซับซ้อนและใช้เวลานานเป็นสิบปี ยังไม่นับความเสี่ยงเบี่ยงโฟกัสจากธุรกิจหลักที่กำลังไปได้ดี และถ้าโปรเจกต์นี้ล้มเหลวกลางทาง ชื่อเสียงบริษัทก็เจ็บไปด้วย

งบ R&D ยาไม่เหมือนงบเทรน LLM — ยา 1 ตัวกว่าจะผ่าน FDA ใช้เวลาเป็นสิบปี และล้มเหลวได้ทุกเฟส ตั้งแต่ preclinical ยัน phase 3 ต้นทุนจมได้มหาศาลโดยไม่มี output ขาย

อีกก้อนคือคน — นักเคมี/เภสัชระดับท็อปเป็นตลาดที่ Pfizer, Novartis แย่งกันอยู่แล้ว Anthropic ต้องเสนอ package ที่แข่งได้ทั้งเงินและทุน lab ซึ่งต่างจากการจ้าง ML engineer โดยสิ้นเชิง

ที่หนักสุดคือ opportunity cost: ทุก dollar และทุกชั่วโมงผู้บริหารที่ทุ่มให้โปรเจกต์ยา คือทรัพยากรที่หายไปจากสนาม AI ที่กำลังแข่งกับ OpenAI, Google แบบวันต่อวัน

ยังไม่นับความย้อนแย้งเชิงจริยธรรม — บริษัทที่ก่อตั้งบนหลัก AI safety จะอธิบายยังไงถ้าโมเดลไปช่วยออกแบบยาที่ผลข้างเคียงคาดเดายาก

คำถามที่แท้จริงไม่ใช่ว่าทำได้ไหม แต่คือทำไปเพื่อใคร

เวลาบริษัท AI ตัดสินใจไม่ใช่แค่ “ขายเครื่องมือให้วงการยา” แต่ก้าวไปเป็น “เจ้าของกระบวนการยาเอง” นั่นคือการเปลี่ยนสถานะจากผู้ให้บริการ (vendor) เป็นผู้เล่นในอุตสาหกรรมนั้นตรงๆ

สองบทบาทนี้มีผลประโยชน์ทับซ้อนกันได้ง่ายมาก — ถ้า Anthropic ทั้งเป็นคนสร้างโมเดลและเป็นคนใช้โมเดลออกแบบยาขาย ใครจะตรวจสอบว่าโมเดลตัวเองปลอดภัยพอจริง

มองไกลกว่าเคสนี้ แนวโน้มที่บริษัท AI รายใหญ่เริ่มควบรวมอุตสาหกรรมดั้งเดิมเข้ามาเป็นเจ้าของเอง (ไม่ใช่แค่ licensing) อาจกลายเป็นแพทเทิร์นที่เห็นซ้ำในอีก 5-10 ปี ไม่ใช่แค่วงการยา แต่รวมถึงการเงิน พลังงาน หรือการศึกษา

เมื่อบริษัทเดียวถือทั้งเทคโนโลยีต้นทางและอุตสาหกรรมปลายทาง อำนาจต่อรองของผู้เล่นดั้งเดิมในแต่ละวงการจะเหลือแค่ไหน และใครจะเป็นคนคานอำนาจนั้นแทนตลาด