Bayer AG는 Thoughtworks와 협력하여 신약 연구의 데이터 검색 및 분석 과정을 현대화하기 위한 PRINCE(Preclinical Information Center)를 개발했다. 해당 플랫폼은 구조화된 메타데이터 중심의 기존 키워드 검색 도구에서 수십 년간 축적된 비정형 PDF 연구 보고서를 처리할 수 있는 에이전틱 AI 시스템으로 발전했다. 이 시스템은 파편화된 데이터 사일로를 통합하는 'Search', RAG(검색 증강 생성)를 통해 자연어 질문을 지원하는 'Ask', 멀티 에이전트 워크플로우로 연구 과제 수행 및 규제 문서 초안을 작성하는 'Do'의 3단계 과정을 거쳐 구축되었다.

PRINCE의 백엔드는 LangGraph로 운영되며, 리액트(React) 기반 사용자 인터페이스를 갖추고 있다. 시스템은 연구원, 작성자, 성찰 에이전트 등 전문화된 에이전트를 배치해 요청 처리의 단계를 관리한다. 데이터는 비정형 벡터 데이터를 위해 OpenSearch에서, 구조화된 데이터셋은 Athena에서 가져온다. 시스템 신뢰성을 위해 LangGraph 체크포인터를 활용하여 PostgreSQL과 DynamoDB에 상태를 기록한다. 또한 OpenAI, Anthropic, 구글 및 오픈소스 모델을 통합 엔드포인트로 연결하며, 각 에이전트가 필요한 정보만 처리하도록 컨텍스트를 제한한다.

성능 유지를 위해 LLM 호출이나 논리 노드에서 오류 발생 시 자동으로 재시도하는 폴백(fallback) 기능을 적용했다. 성능 모니터링과 디버깅에는 Langfuse와 Cloudwatch를 사용하며, RAGAS 평가 프레임워크를 도입했다. 사용자의 의도를 사전에 확인하고 인간이 최종 검증하는 루프(human-in-the-loop) 방식을 통해 수동 분석 시간을 줄이고 연구 효율을 개선했다. 또한 연구원이 AI가 제시한 데이터 소스를 수용하거나 재설정할 수 있는 구조를 통해 전임상 개발 과정에서의 투명성과 거버넌스를 강화했다.

Bayer AG는 Thoughtworks와 협력하여 신약 연구의 데이터 검색 및 분석 과정을 현대화하기 위한 PRINCE(Preclinical Information Center)를 개발했다. 해당 플랫폼은 구조화된 메타데이터 중심의 기존 키워드 검색 도구에서 수십 년간 축적된 비정형 PDF 연구 보고서를 처리할 수 있는 에이전틱 AI 시스템으로 발전했다. 이 시스템은 파편화된 데이터 사일로를 통합하는 'Search', RAG(검색 증강 생성)를 통해 자연어 질문을 지원하는 'Ask', 멀티 에이전트 워크플로우로 연구 과제 수행 및 규제 문서 초안을 작성하는 'Do'의 3단계 과정을 거쳐 구축되었다.

PRINCE의 백엔드는 LangGraph로 운영되며, 리액트(React) 기반 사용자 인터페이스를 갖추고 있다. 시스템은 연구원, 작성자, 성찰 에이전트 등 전문화된 에이전트를 배치해 요청 처리의 단계를 관리한다. 데이터는 비정형 벡터 데이터를 위해 OpenSearch에서, 구조화된 데이터셋은 Athena에서 가져온다. 시스템 신뢰성을 위해 LangGraph 체크포인터를 활용하여 PostgreSQL과 DynamoDB에 상태를 기록한다. 또한 OpenAI, Anthropic, 구글 및 오픈소스 모델을 통합 엔드포인트로 연결하며, 각 에이전트가 필요한 정보만 처리하도록 컨텍스트를 제한한다.

성능 유지를 위해 LLM 호출이나 논리 노드에서 오류 발생 시 자동으로 재시도하는 폴백(fallback) 기능을 적용했다. 성능 모니터링과 디버깅에는 Langfuse와 Cloudwatch를 사용하며, RAGAS 평가 프레임워크를 도입했다. 사용자의 의도를 사전에 확인하고 인간이 최종 검증하는 루프(human-in-the-loop) 방식을 통해 수동 분석 시간을 줄이고 연구 효율을 개선했다. 또한 연구원이 AI가 제시한 데이터 소스를 수용하거나 재설정할 수 있는 구조를 통해 전임상 개발 과정에서의 투명성과 거버넌스를 강화했다.