AIエージェントを活用したTarget Product Profile（TPP）の可能性

TPPは「作る」から「育てる」時代へ

Target Product Profile（以下、TPP）は、医薬品開発における戦略仮説を凝縮した文書です。標的患者像、有効性・安全性の目標値、差別化要因、開発戦略の前提――これらを一つの構造化された文書にまとめたもので、探索後期から上市後のライフサイクルマネジメント（LCM）に至るまで、組織横断の意思決定のよりどころとなります。TPPは事業計画の出発点であり、開発投資判断の前提でもあります。

しかし、現場に目を向けると、TPPは多くの企業で「作って終わりの文書」になりがちではないでしょうか。初版作成には数カ月を要し、関係部門の総力戦で仕上げる。しかし一度棚に収まると、競合品の上市、新しい科学的発見、規制環境の変化が起きても、更新は「次の定期改訂でまとめて行う」と先送りされる。気づけば、TPPの記述は現実から数カ月遅れ、日々の意思決定の場で参照されない――いわば「形骸化」した文書になっています。

これは担当者の怠慢でも組織の無関心でもなく、業務プロセスの構造的帰結であり、属人的運用の限界に由来する問題です。本稿では、AIエージェントを起点にこの構造をどう転換し得るかを論じます。ただし論点はテクノロジー導入ではなく、TPPを「賢く生まれ、賢く育つ」戦略資産へと位置付ける運用思想そのものの転換にあります。

TPP業務に潜む2つの異なる困難

TPPのライフサイクルには、性質の異なる2つの困難が存在します。

①初版作成の「難易度」の困難

初版作成の現場でしばしば聞かれるのは、「項目は埋めたいのに、自信を持って書ける根拠がそろわない」という声です。背景には、3つの構造的原因が存在します。

第一に、競合品プロファイル、市場データ、文献、社内データ等が組織横断で点在し、網羅性や信頼性の担保が困難であることです。「○○という科学的根拠はない」ことを、人手で調べ切るのは極めて難しいのが実情です。第二に、ヒト臨床データがない段階で、類薬・クラスエフェクト・PK（薬物動態）／PD（薬力学）・標的生物学から仮説を構築するという、不確実な環境下での予測の難しさがあります。第三に、ターゲット／ミニマム設定に表れる戦略思想が、経験豊富な担当者の暗黙知に依存する、いわゆる属人化です。

②更新運用の「面倒さ」と「形骸化」の困難

更新しなければ、と分かっていても手が動かない――実験結果、競合動向、規制更新が出ても、TPPへの反映は後回しになりがちです。その背景には、更新に伴う手作業負荷、多層におよぶ合意プロセス、反映担当者への負荷集中、モニタリングの属人性、品目に不利な情報が意図的に放置されるリスクなどといった、重い更新プロセスと属人運用の限界が横たわっています。

結果として、構造的な負のスパイラルが生まれます。更新が手間であるために反映が後回しになり、古い記述が残ることで参照する価値が下がります。参照されなくなれば更新する動機がさらに失われ、やがてTPPは意思決定の前提から外れていきます。こうした形骸化の弊害は、ドラッグリポジショニング、適応拡大、想定外の競合参入など、戦略転換が必要になった瞬間に顕在化します。

重要なのは、初版作成の困難と更新運用の困難は別々の問題ではない点です（図表1）。初版の質が低ければ、運用での修正コストが膨らみ、運用が形骸化・属人化すれば初版で構築した戦略仮説も陳腐化または偏向していきます。

両者共通して、根底に「属人的運用の限界」が存在し、一体として解く必要があります。

図表1：TPP業務における2つの困難の構造比較

AIエージェントとは何か：従来型AI活用との本質的な違い

AIエージェントとは、LLM（大規模言語モデル）を「頭脳」として、自律的にタスクを分解し、外部ツールを使い、結果を検証しながら目標達成に向けて動くシステムを指します。単発の質問応答にとどまる従来のチャットボットとは一線を画します。機能面では、情報収集、文書生成、振り分け、実行、監視・整合管理、判断支援、評価・比較、調整・連携の8類型に整理でき、複数の類型の組み合わせで業務全体をカバーする設計思想となります。

従来型AI活用との決定的な違いは、「人間が一つ一つ指示する」のか、「目的を与えれば自律的にタスクを実行し続けるのか」という点にあります（図表2）。これは単なる機能差ではなく、業務プロセスにおける人間とAIの役割分担そのものを変える違いです。

図表2：従来型AI活用・AIエージェント活用の比較

AIエージェントのTPP業務への適用は容易ではありません。社内データの整備、複数部門の合意形成、判断責任の所在整理など、相応の困難を伴います。それでもTPP業務がAIエージェントの重要な適用領域と言えるのは、TPPは項目構造が定型化された文書だからです。各項目について参照すべき情報源（社内実験データベース、ClinicalTrials.gov、PubMed、競合プロファイルなど）と、更新が必要となるトリガー（新規データ取得、競合上市、ガイドライン改訂等）については、あらかじめ定義しやすいです。この構造化されたタスク定義のしやすさが、AIエージェントが能力を発揮するための前提条件と一致します。特に「○○という科学的根拠は存在しない」ことを体系的に確認するような、人手では極めて困難な網羅的探索は、エージェントが価値を発揮しやすい領域です。

すなわち、AIエージェントは、初版作成と更新運用という別々の課題に別々の打ち手を要求するものではありません。「属人性からの脱却」という共通軸に沿って、両方の困難に一貫してアプローチできる点にこそ、AIエージェントを活用する意義があります。

ただし、AIエージェントは魔法ではありません。ハルシネーション（誤情報の生成）、判断責任の所在、データプライバシー、想定外の例外対応など、依然として残る課題は少なくありません。これらの課題に向き合うために重要な概念が、Human In The Loop（HITL）です。

HITLとは、AIエージェントが自律的に動くプロセスの中に、人間が必ず介在するチェックポイントを意図的に組み込む設計思想を指します。AIエージェントがどれだけ高度化しても、TPP業務のような戦略文書を扱う領域では、人間の戦略判断を残し続ける設計が現実的です（図表3）。

図表3：AIエージェント活用におけるHuman In The Loop

「賢く生まれ、賢く育つTPP」とその先に生まれる2つのインパクト

AIエージェントを活用したTPP業務が目指すべき姿は、シンプルに表現すれば「賢く生まれ、賢く育つTPP」です。

「賢く生まれる」とは、初版作成時から、網羅的データと類薬知見に基づき、論拠と出典が明示された仮説として構築される状態を指します。属人的な情報の取りこぼしが構造的に補完されることで、議論の出発点が高度化します。一方の「賢く育つ」とは、運用フェーズにおいてイベント駆動的に更新を行い、ポジティブ情報・ネガティブ情報の双方が透明な状態で反映され、常に戦略仮説を最新化し続ける状態を指します。

この姿が実現されると、TPP業務の高度化を超えて、2つの本質的なインパクトが生まれます。

第一は、人の時間の再配分による好循環です。情報収集・検証時間が短くなることで人に時間的余剰が生まれ、その余剰が一次情報接触（KOLとの対話、現場観察）やエビデンス創出（自社主導の検証実験、リアルワールドデータ解析）に振り向けられます。結果として人材育成とナレッジの高度化が進み、長期的なイノベーションの量産につながります。

第二は、AIエージェントによる知識の新たな結合です。領域横断の情報を統合する過程で、AIエージェント自身が人間の認知範囲を超えた知識の紐付けを発見し、新たな仮説や差別化ポイントを生み出す可能性があります。これは単なる効率化を超えた、創発的な価値です。

TPPの戦略資産化に向けて、推進責任者ができること

ただし、TPP業務の変革は、経営判断の号令だけでは進みません。実装と推進を担う管理職層こそが、変革の起点となります。こうした推進責任者に求められる視点として、以下の三点が挙げられます。

第一に、小さく始めて、効果を見せることです。最も課題の大きい工程――情報収集の手作業、競合動向の反映遅延など――から着手し、AIエージェントの効果を組織内に可視化することが、その後の推進力を生みます。PoC（概念実証）を、自部門の最大のペインポイントに照準を合わせて設計できるかが、管理職における構想力の試金石となります。

第二に、「人間の役割の再定義」を自分自身の言葉で語ることです。「自分の仕事が奪われるのではないか」「これまでの経験が無価値になるのではないか」――こうした不安に対して、「資料作成から戦略議論へ」「情報収集から一次情報接触へ」という役割変化を、自部門の文脈で具体的に説明することが求められます。これは、経営層からの抽象的なメッセージを現場の言葉に翻訳する、管理職にしか担えない役割です。

第三に、テクノロジー・プロセス・人材の三輪で動かすことです。AIエージェントを既存プロセスに乗せるだけでは効果は限定的なものにとどまります。業務目的から再構想したToBeプロセスにエージェントを組み込み、HITL設計と一体で進めることが、管理職の価値発揮ポイントです。

AIエージェントは、単なる効率化ツールではありません。TPPという戦略資産の価値そのものを引き上げる仕掛けです。これにより、人の時間が一次情報接触、エビデンス創出、戦略判断といった本質的業務へと振り向けられ、ナレッジ高度化と人材成長の好循環を生み出します。同時に、AIエージェント自身が知識の新たな結合を起こし、イノベーションの量産にもつながっていきます。

その価値を引き出せるかどうかは、テクノロジーの性能ではなく、現場と経営の結節点にいる管理職層の構想力と実行力にかかっています。TPPを「作る」から「育てる」へ――運用思想の転換を、自部門から始めること。その一歩が、組織の未来を変えていきます。