诺和诺德已将AI引入药物监管文件的起草工作，并取得显著成效。通过测试Anthropic的Claude 3.5 Sonnet模型，错误数量显著下降。目前，诺和诺德开始使用Claude起草临床研究报告，极大缩短了文件起草时间，从约15周减少到不到10分钟。原本需要50多名撰稿人参与的工作，现在只需3名人类撰稿人借助Claude就能完成。并且，诺和诺德每年在Claude上的支出甚至低于一名撰稿人的薪资，效率提升显著，公司计划将节省下的资源用于其他部门的人员招募。

🤖 **AI应用初见成效：** 诺和诺德测试Anthropic的Claude 3.5 Sonnet模型后，发现文件错误数量显著下降，验证了AI在药物监管文件起草中的可行性。

⏱️ **效率提升显著：** 通过采用检索增强生成(RAG)方法，Claude能够重复使用经过专家认可的临床定义，文件起草时间从15周缩短到不到10分钟，大幅提升效率。

💰 **成本效益显著：** 使用Claude的年度支出低于一名撰稿人的薪资，在降低成本的同时提高了工作效率，节省的资源可用于其他部门的人员招募。

🧑‍💻 **人力资源优化：** 文件撰写所需人力从50多人减少到3人，虽然公司没有裁员计划，但减少了新招聘，并将资源重新分配，实现了人力资源的优化配置。

一年成本不及一人工资！诺和诺德已将AI引入药物监管文件的起草工作，并取得显著成效。

据媒体报道，去年，丹麦制药巨头诺和诺德开始测试Anthropic的Claude 3.5 Sonnet模型，负责监督AI使用的战略总监Waheed Jowiya发现错误数量显著下降。目前，诺和诺德已经开始使用Claude起草临床研究报告，每份可长达数百页。

多年来，诺和诺德一直在测试包括OpenAI的ChatGPT和Meta的Llama等AI聊天机器人，希望借助这些技术协助撰写向监管机构提交的药物审批文件。

然而，监管严格的医药和保险等行业一直对使用生成式AI处理法律敏感文件持谨慎态度，该公司技术战略负责人Louise Lind Skov表示，早期技术容易出错，有时纠正AI错误比人工从头开始撰写还要耗时。

据悉，诺和诺德采用了一种常见的降低AI错误率的方法：检索增强生成(RAG)。例如，当Claude生成了一个人类专家认为很好的临床肥胖定义时，人类会告诉Claude在未来关于肥胖试验的任何文件中重复使用该描述。

Skov透露，这种实践极大缩短了文件起草时间，从约15周减少到不到10分钟。此前，这类文件需要50多名撰稿人参与，现在只需3名人类撰稿人借助Claude就能完成。

并且，诺和诺德每年在Claude上的支出不到一名撰稿人的薪资。公司表示，目前没有裁减任何撰稿员工，但计划减少新招聘，并将节省下的资源用于其他部门的人员招募。

Skov对此表示：

“这种效率提升意味着我们能够用更少的人完成同样甚至更多的工作。”

“我们将AI从实验阶段迅速进入开发阶段，这在制药行业是罕见的快速进展。”