På VB Transform 2026 argumenterede James Zou, lektor i biomedicinsk datavidenskab, for et skifte fra én stor agent til titusinder, der samarbejder. Ifølge VentureBeat kører holdet omkring 37.000 AI‑agenter som en virtuel medicinalvirksomhed med divisioner og en CSO‑agent øverst. VentureBeat gengiver også en bemærkelsesværdig påstand: et AI‑designet nanobody skulle være uafhængigt bekræftet af Merck. Den påstand er ikke ledsaget af offentlige dokumenter eller citater fra Merck i de tilgængelige kilder.
Nyheden bryder med “én agent pr. person”‑logikken og efterligner i stedet en rigtig biotek‑organisation: fra target discovery til molekyle‑design, sikkerhed og klinik. VentureBeat beskriver, hvordan systemet samler historiske data, værktøjer og specialiserede agenter under fælles orkestrering. Det er netop her mange forskningsmiljøer støder panden mod muren i dag: friktion mellem datakilder og beslutninger, der ikke kan spores ordentligt.
Fra virtual lab til virtual biotech
Projektet begyndte ifølge VentureBeat som et Virtual Lab med fem til otte agenter, der spejlede et fysisk akademisk lab. Roller som AI‑professor (principal investigator) og AI‑studerende med særskilte specialer holdt regelmæssige gruppemøder. Der blev etableret en “agent‑skole”, en kopi af Stanford, hvor agenter kunne finjusteres under opsyn for at blive mere domæneskarpe.
Efter forsøg i lille skala skalerede teamet til Virtual Biotech — en virtuel korporation med en CSO‑agent, domænespecialister og hele divisioner, som trækker på forskellige værktøjer og datakilder. Uden stærk orkestrering bliver 37.000 agenter hurtigt støj; den præmis går igen i både VentureBeat‑historien og bioRxiv‑preprintet.
Hvordan den tekniske organisering er skruet sammen
Kilderne skitserer en topstyret arkitektur: en CSO‑agent modtager en videnskabelig forespørgsel og delegerer til divisioner, som igen uddelegerer til specialist‑agenter. Divisionerne spejler menneskelige funktioner: target discovery, molekyle‑design, sikkerhed og kliniske forsøg. Under target discovery findes agenter for statistisk genetik, genomik og single‑cell, mens andre binder kliniske endepunkter på. Ideen er ikke opdeling for opdelingens skyld, men at skabe indbygget fagfællekritik mellem agenter og reducere fejlkæder.
VentureBeat refererer, at holdet sammenlignede en multiagent‑opsætning med en stærk enkeltagent på samme problem. Ifølge dem skabte multiagent‑systemet intern debat og kravet om at overbevise andre agenter, hvilket gav mere robuste løsninger. En enkelt agent kan forfølge et forkert spor i stilhed; et team presser tilbage. Det koster tokens — men potentielt færre fejlslagne assays.
Et konkret resultat, og et tydeligt forbehold
Før man konkluderer for meget, bør følgende ligge på bordet: en offentlig udtalelse eller rapport fra Merck; assay‑rådata med bindingstal, antal replikationer og statistiske tests; kode/repo/checkpoints til at gentage analysen; og detaljer om agent‑finetuning i den beskrevne “agent‑skole”. Uden de fire brikker er historien lovende — men ikke verificeret uden for teamets egne udsagn.
Storskala drift skaber nye reproducibilitetskrav
At køre titusinder af agenter i lange forløb rejser tilstandsproblemet i stor skala: mellemtilstande, værktøjs‑artefakter, caches og netværkskontekst, som ingen chat‑log dækker fuldt. MarkTechPost beskriver Shepherd som et open source‑substrat, der adresserer netop det. Shepherd registrerer et løb som et Git‑lignende spor af hændelser, så man kan forke, replaye og rulle tilbage til en tidligere tilstand uden fuldt rerun.
Shepherd‑artiklen rapporterer hurtige forks og høj genbrug af prompt‑caches ved replay. Tallene er tidlige og kontekstsensitive, men retningen er relevant i miljøer med regulatoriske krav: man kan auditere beslutninger og genskabe løb tættere på det, der faktisk skete — ikke kun det, der står i loggen. Uden sådan mekanik bliver GxP‑krav og intern QA hurtigt en stopklods, når agenter rører klinisk nærdatastrømme.
BioRxiv‑tallene peger på anvendelse i bredde
BioRxiv‑preprintet beskriver tre demonstrationer af Virtual Biotech, bl.a. en massiv annotering af 55.984 kliniske forsøg. Over 37.000 “clinical‑trialist”‑agenter kuraterede strukturerede udfald og koblede targets til multi‑omiske annoteringer inkl. cellespecifikke træk. Forfatterne rapporterer, at lægemidler mod cellespecifikke gener havde 40% højere sandsynlighed for progression fra fase I til fase II og 48% højere sandsynlighed for at nå markedet, samtidig med 32% lavere bivirkningsrater. Det er stærke korrelative fund; kausalitet kræver mere arbejde.
For en fagfælle, der skal vurdere styrken, mangler nogle nøgler: hvordan er kontrolgrupperne defineret, hvor robuste er annoteringerne på tværs af datasæt, og hvor følsomme er resultaterne for valg af pipelines og parametre? Preprintet giver et overblik; dyb metodeadgang og replikation bliver afgørende, før kliniske implikationer kan trækkes skarpt.
Hvad det kræver i arkitektur og drift
Overvejer man agent‑orkestrering i biotech, begynder det med et fælles kontekst‑ og governance‑lag: et CSO‑lignende beslutningsanker, agent‑registre med roller og tilladelser, standardiserede værktøjsadaptere og en entydig audit trail. Al data, alle modelversioner og agentbeslutninger skal kunne spores til kilde, tidsstempel og konfigurationshash — ellers kan ansvarskæder ikke dokumenteres.
Dernæst er runtime‑reproducerbarhed ikke til diskussion. Et fork‑, replay‑ og revert‑mønster som i Shepherd er tæt på en forudsætning, når runs er lange, ikke‑deterministiske og dyre at gentage. På den jordnære side: compute‑forbrug, latenser og kø‑styring vil definere, om orkestreringen sparer eller spilder tid. Tusinder af agenter uden tydelige stopregler og ressourcetag bliver hurtigt dyr drift.
Wet‑lab integration uden at vælte kapaciteten
AI‑forslag skal igennem laboratoriet. Hvis 1.000 design genererer 1.000 assays, sprænger man kapaciteten. Etabler derfor tærskler, prioriteringsmatricer og stop‑regler på forhånd. Beslut, hvilke assays der er “gatekeepers”, hvor mange replikationer der kræves, og hvornår et hit går retur til in silico‑iteration. IP‑afklaringer bør ligge klar, før eksterne samarbejder åbnes.
Agent‑kollektiver kan i praksis overtage mange tastatur‑opgaver i pipelines, når de har de rigtige værktøjer. Det er en styrke — og et ansvar for drift og compliance. I EU kan regulering, herunder AI‑regler, gøre fuld autonomi vanskelig uden tung dokumentation og styring. Det taler for klare menneskelige “hold‑punkter” i governance‑laget.
Fire konkrete anbefalinger til tekniske beslutningstagere
- Start med en snæver pilot: én division, to‑tre specialistroller og en tydeligt defineret CSO‑agent. Aftal re‑evalueringspunkter samt mål for præcision og gennemløbstid.
- Indfør fuld sporbarhed: versionér data og modeller, log alle agentbeslutninger på hændelsesniveau, og brug et fork‑replay‑værktøj til audits.
- Valider i wet‑lab med foruddefinerede tærskler: registrér på forhånd assays, effektstørrelser, antal replikationer og stop‑regler. Undgå post hoc‑grænser.
- Etabler styringslag for sikkerhed og IP: sandbox‑tilladelser, miljøadskillelse og dokumenteret ejerskab over outputs før eksterne samarbejder.
Begrænsninger og de uafklarede huller
Regulatorisk er der gråzoner. Hvad tæller som dokumentation, når mange små agenter træffer beslutninger i flok? Hvem bærer ansvaret ved fejl i et design genereret af en kollektiv pipeline? Og hvordan håndteres bias i træningsdata, når specialagenter kan forstærke hinandens delkonklusioner på uigennemsigtige måder?
Compute‑økonomien er også uklar. Kilderne oplyser ikke præcise omkostninger, latenser eller ressourceforbrug ved at køre 37.000 agenter kontinuerligt. Det er en blind vinkel med stor praktisk betydning. Ligeledes er runtime‑isolation, sandboxing og adgangskontrol kun sporadisk beskrevet — trods central betydning under GxP.
Hvad skal undersøges næste
Tre opfølgninger bør efterspørges: (1) en offentlig Merck‑udtalelse eller rapport om bekræftelsen; (2) metode‑appendiks og rådata for nanobody‑assays, inkl. bindingstal og statistiske tests; (3) kode, checkpoints og datalinks, der muliggør uafhængig replikation af preprintets forsøg. Uden disse er casen svær at vurdere udefra.
Et klart overblik over datakilder og værktøjsadaptere vil også hjælpe andre miljøer: hvad blev standardiseret, og hvad var skræddersyet? Hvor ofte blev agenter finjusteret i “agent‑skolen”, og hvornår stoppede man for at undgå overfitting? Små detaljer, men afgørende i praksis.
Hvorfor skiftet til mange agenter giver mening i praksis
Organisationsmetaforen er tæt på teknikken: CSO‑agenten er et governance‑anker, som mennesker kan interagere med, revidere og i sidste ende tilsidesætte. For meget hierarki er en risiko, men i regulerede miljøer er et tydeligt beslutningspunkt en nødvendighed.
Konklusion og næste skridt
Stanford sender et klart signal: agent‑orkestrering i stor skala kan flytte bio‑R&D — hvis drift, logning og validering er på plads. Preprintets store kliniske trial‑annotering er lovende. Andre påstande, som Merck‑bekræftelsen, kræver dokumentation. Indtil da er den nøgterne vej nogle konkrete, afgrænsede skridt.
I den næste måned: identificér ét tværfagligt workflow med høj friktion, og definér en mini‑division med tre‑fem agenter samt en CSO‑rolle. Etablér sporbarhed, fastlæg wet‑lab‑tærskler og isolér miljøer skarpt. I det næste kvartal: læg et reproducibilitets‑substrat til fork og replay, tilføj en anden division og kør en kontrolleret A/B mod en eksisterende pipeline‑baseline. Man mærker først forskellen i drift.
