Novartis：組織のアナリティクスとAIを合理化

変化が激しく、意思決定が人々の生活や生命に影響する可能性のある医薬品業界において、Novartisはある重要なビジネス課題に直面し、革新的なソリューションを必要としていました。

Dataiku LLMメッシュによるヘルスケア市場調査の変革

Novartisはヘルスケア市場を深く理解し、市場調査を行うことに力を注いでおり、医療従事者への大規模なインタビューを実施して膨大な量の貴重なデータを生成していました。しかし、1件あたり20ページに及ぶ数百件ものトランスクリプトを分析する作業は煩雑で時間がかかり、生産性とイノベーションの妨げとなっていました。この非効率性により、重要なインサイトを抽出する速度が落ちるだけでなく、急速に変化する市場動向への対応力も制限されていました。

この課題の解決策となったのが生成AIチャットボットです。通常、この種のチャットボットの開発には長い製品開発ライフサイクルが必要で、プロジェクトの期間が数か月単位で延びることもあります。DataikuはLLMメッシュと生成AIビルダー機能を含む包括的なソリューションを提供し、開発期間を大幅に短縮して市場投入までの時間を早めました。

LLMメッシュによるプロバイダーに依存しないアーキテクチャーにより、LLMの導入と管理が容易に：Novartisにとって、LLMメッシュはモデルパラメーターやプロンプト形式といった複雑なモデル設定を、使いやすい統合UIオプションへと抽象化し、複数のサービスプロバイダーにまたがるさまざまなモデルでの実験プロセスを効率化しました。
Prompt Studiosにより、Novartisはプロンプトを繰り返し改善するための最適化されたワークスペースを手に入れ、高効率なプロンプトを開発できるようになりました。
Dataikuは直感的な選択インターフェースを通じて、さまざまなモデルの挙動の評価を簡素化しました。モデル固有のパラメーターの多くはあらかじめ設定されており、UIから簡単にアクセスできます。
Dataiku Answersにより、Novartisは高度に適応性のあるエンタープライズグレードのソリューションを活用して、エンドユーザー向けにインタラクティブなチャットボットUIを提供できるようになりました。検索拡張生成（RAG）を用いることで、このチャットボットはNovartisのAIパイプラインが生成したエンベディングを活用し、LLMと統合して、取得したデータや会話のコンテキストに基づいてユーザーの質問に回答します。さらに、このチャットボットは公開URLを通じてチーム間で共有できるため、経営層も最終的な成果物を簡単に操作できました。
LLMを活用したレシピにより、Novartisは分類や要約タスクに欠かせない堅牢なAIパイプラインを構築するためのすぐに使えるソリューションを手に入れました。これらのパイプラインは、包括的なメタデータ抽出、コンテンツ抽出、エンベディングの作成を可能にし、RAGフレームワークにシームレスに統合されて最終的なアプリケーションを支えています。
Dataikuのシナリオおよびバンドル機能によるLLMモニタリングにより、追加の運用負荷をかけることなく、Novartis全体のさまざまなアプリケーションにおけるLLM利用状況の管理を効率化しました。プラットフォームの透明性はリスク管理とガバナンスの向上につながり、自動化機能によって開発者はより戦略的な取り組みにリソースを振り向けられるようになりました。

AIアプリケーション開発の複雑さを大幅に軽減したことで、Dataikuはデータ専門家と市民データサイエンティストの双方を後押ししました。その結果、この生成AIユースケースにおけるインサイト創出までの時間を90％短縮（21日から2日へ）できたほか、インサイト抽出の向上、データの民主化、そして市場の変化に迅速に対応できる俊敏性の獲得にもつながりました。

チームはExcelで毎週データを更新して重要な指標を生成しなければならず、手作業の計算と広範囲に影響を及ぼす意思決定という重い負担を背負っていました。パラメーターを変更する必要がある上、リアルタイムのデータ更新や有効な追跡ができなかったため、予算の予測や現場の人員配置において、ずれが生じたり、リスクの特定に支障が出たりしていました。

そこで、Novartisのデータエンジニアチームとデータサイエンスチームというダイナミックなコンビが解決に取り組みました。彼らはこのような課題に対し、組織全体でアナリティクスと機械学習を合理化するというミッションに着手しました。

煩雑な作業から解放

まず、PythonでSARIMAXを使用して、時系列モデリングと過去データに基づく将来値予測を行う自動化ソリューションの開発から始めました。その結果、手作業で行っていた反復的な計算作業から、正確でリアルタイムのデータに基づく意思決定へと大きく転換することができました。

Novartisは目標達成のためにDataikuの力を活用しました。この堅牢なプラットフォームは、プロジェクト設計、バッチプロセスの自動化、リアルタイムAPIスコアリング、AIガバナンスのためのモジュール化されたコンポーネントを提供しています。チームはカスタマイズされたシミュレーションダッシュボードを作成して、予算配分と現場の人員配置の自動分析で意思決定者を支援することにより、より良い意思決定の可能性を引き出し、需要拡大の機会を獲得できるようにしました。

Dataikuは、カスタマイズされた機械学習ベースの予測モデルの開発を支援するだけでなく、これらのモデルの結果をユーザーフレンドリーな環境で提示します。このプラットフォームで提供されるデータソースとプロセスに関する有益なwikiと、グローバル変数とパラメーター化のサポートは、効率を高めるだけでなく、体系的な問題解決アプローチも可能にしています。

着想から効果創出まで

Novartisでは、日々の効果がはっきりと表れました。データチームにとってDataikuの導入は自然な流れであり、新機能の活用は他のチームのワークフローにもすぐに広がりました。ワークフローがわかりやすく、シナリオを並列実行できるため、導入にかかる時間は短くなり、以前は果てしない迷路と化していたユーザーからの問い合わせを、一か所で合理的に解決できるようになりました。

とくにNovartisのマーケティング、セールス、顧客関係管理の分野では、Dataikuの価値創出の実質的な効果が実証されました。このプラットフォームのプッシュダウン設計により、大量のワークロードを処理する場合でも、最適なパフォーマンスと効率を実現できました。Dataikuが提供する指標、チェック、テスト機能は、モデルの品質保証を新しいレベルに引き上げ、チームの意思決定の信頼性を高めました。

Dataikuの真価は、効率性の向上に表れました。リアルタイムのデータ更新と分析、自動定期レポート、事前構築済みの視覚化など、このプラットフォームの自動化機能がNovartisの成功の鍵となりました。直感的なダッシュボードとスライダーを使用して実績と予測の差異を追跡できるため、明確で正確な意思決定が可能になりました。

ブランド認知度向上のための自動商業分析

さらに具体的な例として、Novartisが米国で発売した新製品に関する商業分析で生じた課題の事例を紹介します。チームは、大量のデータ（約70億件のレコード）を要約し、そのデータをExcelにコピーし、数百万のデータポイントを使用する50種類以上のチャートからなる視覚化を作成する必要がありました。

Dataikuは、このビジネス課題のゲームチェンジャーとなり、さまざまな側面に極めて大きな価値をもたらしました。

スピードとアジリティー：Dataikuは、プロセスの自動化と視覚化によって分析チームの効率を大幅に向上させました。開発者は、手作業によるデータ処理と視覚化の作業の負担から解放され、より戦略的な取り組みにスキルと専門知識を投じることができるようになりました。この新しい効率化の結果、プロジェクトのタイムラインの短縮、イノベーションの促進、従業員の潜在能力の最大限の活用も可能になりました。
汎用性：さまざまなオープンソースパッケージを統合できるため、技術スタックの効率が向上しました。PythonとBokehのシームレスな統合により、動的でインタラクティブな視覚化を作成でき、より詳細なデータの探索と分析が可能になりました。意思決定者は、既存市場ブランドにおける患者の母集団と人口統計学的特性の傾向をさらに深く掘り下げることができ、それまでは認識できなかったペイシェントジャーニーの隠れたパターンと傾向を発見できます。

Dataikuがこのユースケースを主導した結果、Novartisはデータの取り込みにかかる時間を大幅に削減して1週間から約5時間へと600％短縮し、最新の視覚化を維持するために必要な労力も簡素化して、35枚以上のスライドを手作業で作成する代わりにボタンをクリックするだけでできるようにしました。

Novartis Pharmaceuticalsにとって、Dataikuは単なるソリューション導入ツールではなく、「医薬の未来を描く」という同社のビジョンに調和するゲームチェンジャーとなりました。このプラットフォームの機能により、チームは機械学習モデルソリューションの自動化、カスタマイズされた予測の作成、そして最終的なビジネス目標の達成を実現できるようになりました。Novartis Pharmaceuticalsは、AIとデータを活用する未来に向けて、コストの削減と時間の節約を実現しただけでなく、データに基づく意思決定に対するチームの信頼を高めて、革新と卓越性の文化を育むことができました。