未来のラボ:変革を成功させるための手順
人間中心アプローチからコンピュータ中心アプローチへの移行
Eric Jones, PhD, Enthought CEO
未来型の科学研究ラボが登場し、科学におけるイノベーションや発見の加速化、効率化がこれまで以上に進んでいます。 しかし、世界のラボリーダー200人を対象に実施された2021年の調査では、64%が高度な情報処理を伴うコネクテッド技術への投資が不十分であると認め、69%がラボを接続し自動化する方法を導入しなければ競争優位性を失うと回答しました。 すでにデジタル化の取り組みを始めている科学主導型企業でも、その大半が、レガシーシステムにおけるデータのサイロ化、リソース不足、変革推進者の不在、スキルギャップの拡大、ビジネス価値の予測不足などが障害となり、コネクテッドラボへの変革という野望を達成できていないのが実情です。
ただ、このような障害を抱える企業でも、ラボのレベルアップに優先的に取り組むことは可能ですし、取り組むべきです。既存市場と新興市場の両方で競争がかつてないほど激化している現状ではなおさらです。 デジタルトランスフォーメーションの可能性を十分に引き出そうとするなら、企業は一歩下がって大局的視点で研究開発を考え直さなければなりません。 人間中心アプローチからコンピュータ中心アプローチへの移行が必要です。
記事全文はLab Managerのこちらのページでお読みいただけます。
未来型ラボの構築に関する各種資料はこちらをご覧ください。
Related Content
Enthoughtが定義する、製薬会社の研究開発ラボにおける真のDX
Enthought GKチームは、東京で開催されたライフサイエンスカンファレンス「ファーマIT&デジタルヘルスエキスポ2022」に出展し、技術的な見識と市場成長の活性化を求めて集まる製薬業界のリーダーたちと会談しました。三日間の会期中に200社が出展し、6700人以上の参加者が集まりました。 デジタルトランスフォーメーションが主要テーマである本展示会は、当社のターゲットとする企業に、製薬業界の新薬開発を加速させる当社のサービスを
Life Sciences Labs Optimize with New Digital Technologies and Upskilling
Labs are resetting the tr…
科学における大規模言語モデルの重要性
OpenAIのChatGPTやGoogleのBardなど、大規模言語モデル(LLM)は自然言語で人と対話する能力において著しい進歩を遂げました。 ユーザーが言葉で要望を入力すれば、LLMは「理解」し、適切な回答を返してくれます。