• Kết quả: Tiêu chuẩn của một công việc thành công là gì? Với Atomwise,
đó là kết quả của việc thử nghiệm. Cuối cùng, liệu việc thử nghiệm có dẫn
đến việc ra đời của một loại thuốc mới?
• Thông tin đầu vào: Bạn cần dữ liệu nào để chạy thử thuật toán dự đoán?
Atomwise sử dụng dữ liệu về những đặc tính của protein bệnh để dự đoán.
• Đào tạo: Bạn cần loại dữ liệu nào để đào tạo thuật toán dự đoán?
Atomwise sử dụng dữ liệu về khả năng kết dính cùng những đặc tính của
phân tử và protein.
• Phản hồi: Làm thế nào để bạn có thể sử dụng những kết quả để cải thiện
thuật toán? Atomwise sử dụng các kết quả thử nghiệm, cho dù là sự thành
công, để cải thiện những dự đoán trong tương lai.
Đề xuất giá trị của Atomwise nằm ở việc cung cấp một công cụ AI hỗ trợ
công việc dự đoán trong luồng công việc khám phá thuốc cho khách hàng
của họ. Nó loại bỏ công việc dự đoán khỏi tầm tay của con người. Để cung
cấp giá trị như vậy, nó đã tích luỹ một lượng dữ liệu đặc biệt để dự đoán
khả năng kết dính. Giá trị của sự dự đoán nằm ở việc giảm thiểu chi phí và
tăng khả năng thành công cho sự phát triển thuốc. Những khách hàng của
Atomwise sử dụng sự dự đoán kết hợp với đánh giá chuyên sâu của họ về
những sự trả giá cho các phân tử với khả năng kết dính khác nhau với nhiều
loại protein khác nhau.
Canvas AI cho việc tuyển sinh MBA
Canvas cũng hữu ích trong những tổ chức lớn. Để áp dụng nó, chúng tôi
chia nhỏ luồng công việc thành những mục tiêu. Ở đây, chúng tôi xem xét
canvas AI tập trung vào việc nên lựa chọn những ứng viên MBA phù cho
chương trình. Hình 13-3 cung cấp một canvas khả thi.
