본 논문은 빠른 의약품 자산 실사를 위한 에이전트 기반 AI 시스템 내에서 사용되는 경쟁사 발견 구성 요소에 대해 설명하고 벤치마킹한 결과를 제시합니다. 특정 적응증이 주어지면, 경쟁사 발견 AI 에이전트는 해당 적응증의 경쟁 환경을 구성하는 모든 약물을 검색하고 이 약물들의 표준 속성을 추출합니다. 경쟁사 정의는 투자자별로 다르며, 데이터는 유료/라이선스가 필요하고, 여러 레지스트리에 분산되어 있으며, 적응증에 따라 온톨로지가 일치하지 않고, 약물 이름에 별칭이 많으며, 다중 모드이고, 빠르게 변화합니다. 기존의 LLM 기반 AI 시스템은 모든 경쟁 약물 이름을 안정적으로 검색할 수 없으며, 이 작업에 대한 공개 벤치마크가 없다는 문제점을 해결하기 위해, 민간 바이오테크 VC 펀드의 5년간의 다중 모드 비정형 실사 메모를 구조화된 평가 코퍼스로 변환하여 적응증과 표준화된 속성을 가진 경쟁 약물을 매핑했습니다. 또한, 오탐을 제거하고 정확도를 높이며 환각을 억제하기 위해 경쟁사 검증 LLM-as-a-judge 에이전트를 도입했습니다. 본 논문에서 제시된 경쟁사 발견 에이전트는 83%의 재현율을 달성하여 OpenAI Deep Research(65%) 및 Perplexity Labs(60%)를 능가했습니다. 이 시스템은 기업 사용자를 대상으로 운영되고 있으며, 바이오테크 VC 투자 펀드의 사례 연구에서 경쟁 분석에 대한 분석가 처리 시간이 2.5일에서 약 3시간으로 단축되었습니다(약 20배).
