AI कंपनियों की घोषणाएँ अक्सर नए मॉडलों के प्रदर्शन आँकड़ों की ओर ध्यान खींचती हैं। लेकिन Anthropic की इस घोषणा में कोई नया मॉडल नहीं है। जो सामने आया वह दो चीज़ें थीं: वैज्ञानिकों के लिए एक वर्कबेंच और दवा के उम्मीदवार खोजने का एक आंतरिक कार्यक्रम। कंपनी कच्ची बुद्धिमत्ता पर नहीं, बल्कि इस बात पर प्रतिस्पर्धा कर रही है कि उस बुद्धिमत्ता का उपयोग कैसे किया जाए। यही संगठनात्मक निर्णय पढ़ने लायक बिंदु है।
01क्या हुआ — वर्कबेंच और ड्रग डिस्कवरी कार्यक्रम का एक साथ शुभारंभ
1 जुलाई 2026 को Anthropic ने शोधकर्ताओं और दवा उद्योग के लिए औपचारिक रूप से "Claude Science" लॉन्च किया। TechCrunch ने इसे नए मॉडल के बजाय वर्कफ़्लो (= काम के प्रवाह) के स्तर पर अलग पहचान बनाने की रणनीति बताया। इसी के साथ, CNBC, Reuters और Endpoints News ने बायोफार्मा क्षेत्र में इन-हाउस ड्रग डिस्कवरी कार्यक्रम की शुरुआत की सूचना दी। फिर 4 जुलाई को खबर आई कि Anthropic दवा विकास व्यवसाय में प्रवेश करने पर विचार कर रही है (The Verge)। कुछ ही दिनों में दो कदम साथ-साथ दिखे: उपकरण उपलब्ध कराना, और प्रत्यक्ष भागीदार के रूप में उतरने की संभावना। उसकी प्रतिस्पर्धी OpenAI ने इसी अवधि में बायो और विज्ञान क्षेत्र के लिए मूल्यांकन बेंचमार्क "GeneBench-Pro" (= AI की जैविक क्षमताओं को मापने का पैमाना) की घोषणा की, और विज्ञान अगला मुख्य रणक्षेत्र बनता जा रहा है।
02पृष्ठभूमि — Insilico और Moderna द्वारा बिछाया गया रास्ता
यह कदम अचानक नहीं आया। AI से दवा खोज का पहले से ही एक बढ़ता हुआ रिकॉर्ड है। Insilico Medicine (कंपनी का नाम "in silico" (कंप्यूटर पर) से लिया गया है) की Rentosertib इडियोपैथिक पल्मोनरी फ़ाइब्रोसिस (IPF = एक असाध्य रोग जिसमें फेफड़े धीरे-धीरे कठोर होते जाते हैं) का उपचार है, जिसमें लक्ष्य (= शरीर में वह अणु जिस पर दवा काम करती है) की खोज से लेकर उम्मीदवार अणुओं के डिज़ाइन तक सब कुछ AI ने संभाला। यह 2026 की शुरुआत में Phase IIa (= मध्य-चरण का क्लिनिकल परीक्षण, जो पहली बार मरीज़ों में प्रभावकारिता की पुष्टि करता है) से गुज़रा। इसे उन शुरुआती उदाहरणों में गिना जाता है जिनमें AI खोज से डिज़ाइन तक शामिल रहा और अणु इस चरण तक पहुँचा। अब यह Phase III (= अनुमोदन से पहले का बड़े पैमाने का परीक्षण) की तैयारी में प्रवेश कर रहा है। वहीं Moderna 2024 से पूरी कंपनी के स्तर पर OpenAI की साझेदार है और आंतरिक कामकाज में AI को पूरी तरह लागू करने के शुरुआती मामले के रूप में जानी जाती है। लक्ष्य खोज संभालने वाला AI, और AI को पूरे कॉर्पोरेट संचालन में घोल देने वाला उपयोग — ये दोनों धाराएँ मौजूदा चरण की आधारभूमि बनाती हैं।
03आँकड़े हमारी स्थिति के बारे में क्या दिखाते हैं, और उन्हें कैसे पढ़ें
AI ड्रग डिस्कवरी अब कोई अपवादस्वरूप प्रयास नहीं रह गई है। कहा जाता है कि 173 से अधिक AI-व्युत्पन्न उम्मीदवार क्लिनिकल ट्रायल में हैं (हालांकि ध्यान रहे कि "AI-व्युत्पन्न" की परिभाषा — प्रक्रिया के किस चरण में AI शामिल थी — एकसमान नहीं है)। शुरुआती Phase I (= वह पहला ट्रायल जिसमें किसी दवा को पहली बार मनुष्यों को दिया जाता है) की सफलता दर 80–90% तक पहुंचने की रिपोर्ट है, जो पारंपरिक लगभग 52% से अधिक है। फिर भी, इन आंकड़ों को सावधानी से पढ़ना ज़रूरी है। गणना में इस्तेमाल किया गया नमूना छोटा है, और किन चरणों की तुलना की जाती है, इसके आधार पर तस्वीर बदल जाती है। इसके अलावा, ड्रग डिस्कवरी का असली द्वार सुरक्षा की जांच करने वाले Phase I में नहीं, बल्कि प्रभावकारिता का परीक्षण करने वाले Phase II में है। यह मानना उचित है कि Phase II में AI द्वारा डिज़ाइन किए गए अणुओं का पारंपरिक अणुओं से स्पष्ट रूप से बेहतर प्रदर्शन करने का रिकॉर्ड अभी सीमित है। ऊंची सफलता दर केवल AI की डिज़ाइन क्षमता से ही नहीं, बल्कि लक्ष्यों के रूढ़िवादी चयन से भी प्रभावित है, जिससे पहले से सत्यापित लक्ष्य चुनना आसान हो जाता है। इससे AI का विशिष्ट योगदान अलग करके देखना होगा। तकनीकी आधार निश्चित रूप से बढ़ा है। AlphaFold3 (Google DeepMind और Isomorphic Labs द्वारा विकसित प्रोटीन संरचना पूर्वानुमान AI) ने दवा और उसके लक्ष्य के बीच बंधन के पूर्वानुमान को काफ़ी तेज़ कर दिया। कंपनियों के जुड़ने के तरीके भी अलग-अलग हैं। Bayer × Cradle (एक AI कंपनी) और Eli Lilly × NVIDIA जैसी कंपनियों के बीच साझेदारियां हैं, और साझेदारी से अलग प्रकृति की चालें भी हैं, जैसे Pfizer का ओपन सोर्स बताए गए संरचना पूर्वानुमान मॉडल Boltz को अपने में शामिल करना। 2025 में Recursion ने Exscientia का अधिग्रहण किया। लेकिन इस एकीकरण को गति के प्रमाण के बजाय क्लिनिकल विफलताओं और फंडिंग की कठिनाई के तहत उद्योग के पुनर्गठन और बचाव के रूप में अधिक पढ़ा जाता है। इसे AI ड्रग डिस्कवरी को एक स्वतंत्र व्यवसाय के रूप में टिकाऊ बनाने की कठिनाई के संकेत के रूप में भी पढ़ा जा सकता है।
04अभी क्यों — संरचनात्मक दबाव और बोर्ड का कदम
फ़ार्मा उद्योग पर भारी दबाव है। एक नई दवा विकसित करने की लागत 20 वर्षों में $1 billion से बढ़कर $2–3 billion हो गई है। इसके ऊपर, 2025–2030 का दौर पेटेंट क्लिफ़ (= वह अवधि जब प्रमुख दवाओं के पेटेंट बड़ी संख्या में समाप्त होते हैं और बिक्री तेज़ी से गिरती है) के साथ मेल खाता है। लागत बढ़ रही है, और कमाई कराने वाली प्रमुख दवाएँ हाथ से जा रही हैं। फिर भी, AI मुख्य रूप से खोज और प्रीक्लिनिकल चरणों को छोटा कर सकता है। विकास लागत का बड़ा हिस्सा बड़े पैमाने के क्लिनिकल ट्रायल में लगता है, और AI उन पर सीधे असर नहीं डालता। कुल विकास लागत पर इसका तात्कालिक प्रभाव सीमित ही माना जाना चाहिए। समय-अक्ष पर भी बेमेल है। आज AI से मिला कोई उम्मीदवार अधिक से अधिक अगले दशक के उत्तरार्ध या उसके बाद ही मंज़ूरी तक पहुँचेगा, और वह सामने खड़े 2025–2030 के क्लिफ़ को सीधे नहीं बचाता। अपेक्षा का सार अगली पीढ़ी की पाइपलाइन (= विकासाधीन दवाओं का समूह) को मज़बूत करने में है। यहाँ Anthropic का अपना कदम भी जुड़ता है। अप्रैल 2026 में Novartis के CEO Vas Narasimhan (पृष्ठभूमि से चिकित्सक, 35 से अधिक नई दवाओं के विकास में शामिल) Anthropic के बोर्ड सदस्य बने। नियुक्त करने वाली संस्था Long-Term Benefit Trust (LTBT = Anthropic की अपनी निगरानी संस्था, जो शेयरधारकों के हितों से ऊपर मानवता के दीर्घकालिक हित को प्राथमिकता देती है) थी। इस ट्रस्ट के पास बोर्ड सदस्यों को नामित करने का अधिकार है, और इस नियुक्ति के साथ ट्रस्ट द्वारा नामित पक्ष बोर्ड में बहुमत से अधिक हो गया। विस्तृत कवरेज पिछली रिपोर्ट के लिए छोड़ा गया है (/journal/novartis-anthropic-board.html), लेकिन ड्रग डिस्कवरी से जुड़े भागीदार को गवर्नेंस ढाँचे के केंद्र में लाने का महत्व छोटा नहीं है।
05Anthropic की रणनीति को कैसे पढ़ें
यहाँ से आगे व्याख्या है। पहला, Anthropic नए मॉडल के प्रदर्शन पर नहीं, बल्कि वर्कफ़्लो पर अपनी अलग पहचान बनाने की तैयारी में दिखता है। Claude Science का बिना किसी नए मॉडल के आना संभवतः इस बात का निर्णय है कि बुद्धिमत्ता के निरपेक्ष मूल्य पर नहीं, बल्कि शोध स्थल में इसके कितने अच्छे से फिट होने पर जीत हासिल की जाए। सामान्य-उद्देश्य वाले मॉडल अंततः प्रतिस्पर्धियों के बराबर आ जाते हैं, लेकिन शोध कार्य से गहराई से जुड़ा वर्कबेंच स्विचिंग लागत पैदा करता है और जुड़ाव बनाता है। दूसरा, इन-हाउस ड्रग डिस्कवरी कार्यक्रम की शुरुआत को टूल प्रदाता से दवा खोज में भागीदार बनने की ओर एक कदम के रूप में पढ़ा जा सकता है। यदि वह केवल टूल बेचता है, तो परिणाम ग्राहक के होते हैं, और AI का योगदान कितना है यह देखना कठिन होता है। स्वयं उम्मीदवार तैयार करके, वह अपने ही ट्रैक रिकॉर्ड के रूप में दिखा सकता है कि AI कितनी दूर तक जा सकता है। हालाँकि, दवा विकास का व्यवसाय स्वयं केवल "विचाराधीन" बताया गया है। इसे भी इस संकेत के रूप में पढ़ा जा सकता है कि Anthropic स्वयं यह आँक रहा है कि वह अपने फ़ार्मास्युटिकल ग्राहकों से किस दूरी पर प्रतिस्पर्धा कर सकता है। तीसरा, LTBT द्वारा Narasimhan का नामांकन इस दिशा को शासन की ओर से सहारा देने वाली ज़मीनी तैयारी के रूप में देखा जा सकता है। शेयरधारकों के हितों से ऊपर दीर्घकालिक लाभ को रखने वाले ट्रस्ट के लिए बोर्ड में दवा खोज का अनुभव रखने वाले व्यक्ति को रखना एक ऐसी संरचना है जो नई दवा विकास को अल्पकालिक बिक्री के बजाय मानवता के लाभ के रूप में प्रस्तुत करना आसान बनाती है। संपूर्ण उत्पाद श्रृंखला के डिज़ाइन दर्शन के लिए, पिछली रिपोर्ट भी देखें (/journal/claude-science-pharma-future.html)।
06दवा उद्योग और फ़्रंट लाइन के लिए निहितार्थ
आगे देखें तो AI रखने वालों और दवाएँ रखने वालों के बीच की सीमा और धुंधली होती जाएगी। यदि साझेदारी से प्रत्यक्ष भागीदारी की ओर प्रवाह आगे बढ़ता है, तो दवा कंपनियों के लिए AI कंपनी टूल बेचने वाली भी होगी और संभावित प्रतिस्पर्धी भी। इस चरण में दवा पक्ष को सबसे पहले जिन व्यावहारिक मुद्दों के लिए तैयार रहना होगा, मेरे विचार से वे कई हैं। पहला है IP (= बौद्धिक संपदा) का स्वामित्व। AI द्वारा उत्पन्न अणुओं के अधिकार किसके पास होंगे, और प्रशिक्षण में प्रयुक्त डेटा की संप्रभुता का क्या होगा, ये ऐसे क्षेत्र हैं जहाँ अनुबंध और संस्थाएँ अभी अविकसित हैं। दूसरा है नियामकों का रुख। FDA (अमेरिकी खाद्य एवं औषधि प्रशासन) और PMDA (जापान की फार्मास्यूटिकल्स एवं मेडिकल डिवाइसेज़ एजेंसी) AI-आधारित विकास का मूल्यांकन कैसे करेंगे, यह अभी तय नहीं है। तीसरा है AI कंपनियों के प्रतिस्पर्धी बनने से उत्पन्न डेटा साझाकरण में ठंडापन। विस्तृत आँकड़े पिछली रिपोर्ट में संकलित हैं (/journal/ai-drug-discovery-2026.html). ऐसे बदलाव अग्रिम मोर्चे के काम तक भी पहुँचते हैं। मटेरियल रिव्यू (= प्रचार सामग्री नियमों के अनुरूप है या नहीं, इसकी पुष्टि करने का कार्य) में अब यह नए सिरे से तय करना पड़ता है कि जिन साक्ष्य डेटा और डिज़ाइन प्रक्रिया में AI शामिल रहा, उनका सत्यापन कैसे किया जाए और कितना दस्तावेज़ीकरण किया जा सकता है। मेडिकल (= चिकित्सा जानकारी उपलब्ध कराने वाला विभाग) में, AI से प्राप्त उम्मीदवार दवाओं की क्रियाविधि और ट्रायल परिणामों को स्वास्थ्यकर्मियों तक सटीक रूप से पहुँचाने की ज़िम्मेदारी और भारी हो जाती है। सुरक्षा (= दुष्प्रभावों की निगरानी) के क्षेत्र में, यह देखने वाली नज़र की और अधिक आवश्यकता होगी कि AI द्वारा डिज़ाइन की गई दवा अप्रत्याशित ढंग से व्यवहार तो नहीं कर रही। उपकरण जितना स्मार्ट होता जाता है, उसे संभालने वाले इंसानों की सत्यापन की ज़िम्मेदारी उतनी हल्की नहीं होती। बल्कि वह और भारी हो जाती है। मेरा मानना है कि नए युग में अग्रिम मोर्चे को AI ड्रग डिस्कवरी को किस तरह अपनाना चाहिए, इसका मूल यही है।