Polski startup przyspiesza odkrywanie leków dzięki AI. W 2026 r. chce znów potroić sprzedaż

Pozyskiwanie informacji, automatyzacja procesów czy generowanie treści – przyziemnych zastosowań sztucznej inteligencji jest mnóstwo. Nie brakuje jednak projektów o przełomowym potencjale. Nad jednym z nich, związanym z chemią kwantową, pracuje autonomiczny system El Agente Q, stworzony m.in. przez Nvidię.

Na spektakularne efekty wykorzystania AI w rozwoju nauki nie trzeba jednak czekać latami. Już dziś „chemik AI” potrafi w trzy miesiące wykonać tyle eksperymentów, ile człowiek przeprowadzający trzy reakcje dziennie, bez ani jednego dnia wolnego, zrealizowałby w ciągu dekady – ponad 10 tys. Dowiódł tego we współpracy z OpenAI polski startup Molecule.one, który pracuje nad przyspieszeniem odkrywania i produkcji leków.

– To dla nas absolutnie kamień milowy. W czerwcu 2024 r. stworzyliśmy tzw. mapę drogową rozwoju produktu. Założyliśmy m.in., że nasza AI dokona pierwszego naukowego odkrycia w pierwszym kwartale 2026 r. Pomyliliśmy się tylko o miesiąc. To dobrze obrazuje, że najskuteczniejszym sposobem na przewidywanie rozwoju technologii jest kreowanie go. Takie podejście przyświeca nam od zawsze – komentuje Piotr Byrski, prezes i współzałożyciel Molecule.one.

Rozwiązanie naukowego problemu w nietuzinkowy sposób

Do pierwszego odkrycia Maria – autorski agent AI Molecule.one – wykorzystała model GPT-5.4. Dotyczyło ono poprawy efektywności reakcji Chana-Lama. To bardzo popularna w przemyśle farmaceutycznym reakcja polegająca na łączeniu atomu węgla najczęściej z atomem azotu. Ma opinię „kapryśnej” i często nie udaje się przy pierwszej próbie.

– Nasz agent zaproponował sposoby rozwiązania problemu – w tym rozwiązania nieintuicyjne, uznawane przez chemików za mało prawdopodobne – przeprowadził eksperymenty i znalazł utleniacz o wdzięcznej nazwie skrótowej TEMPO, który znacząco zwiększa prawdopodobieństwo powodzenia. W przypadku aż 80 proc. testowanych substratów – substancji wyjściowych – średnia wydajność była wyższa, a dla ponad połowy z nich wzrosła przeszło dwukrotnie – mówi Piotr Byrski.

W publicznie dostępnej publikacji jego zespół szczegółowo opisał swój „przepis”, który każdy chemik może teraz wykorzystać. Celem było udostępnienie naukowcom narzędzia umożliwiającego syntezę trudnych związków, istotnych m.in. w badaniach nad chorobami onkologicznymi i cukrzycą.

– Traktujemy to jako demonstrację naszych możliwości. Z perspektywy biznesowej zaprezentowaliśmy „silnik do rozwiązywania problemów naukowych”, który możemy komercjalizować we współpracy z konkretnymi firmami – wyjaśnia Piotr Byrski.

Zdaniem eksperta

Odkrycie na miarę AlphaGo

System przetestowany przez Molecule.one świetnie pokazuje postęp, jaki dokonuje się w chemii leków dzięki zastosowaniu AI. To doskonały przykład tego, jak podejście agentowe, połączone z weryfikowaniem przewidywań sztucznej inteligencji w rzeczywistych eksperymentach, czyli tzw. lab-in-the-loop, może prowadzić do przełomowych i innowacyjnych rozwiązań.

Propozycja zastosowania TEMPO jako utleniacza w reakcji sprzęgania Chana-Lama jest równie zaskakująca jak słynny ruch 37 wykonany przez system AlphaGo. To kolejny dowód na to, że modele AI nie są jedynie odtwórcze, ale mogą być również twórcze.

Imponująca jest też skala eksperymentów: 10 080 reakcji. Potwierdzenie hipotezy badawczej w tak wielu eksperymentach dowodzi, że nie jest to wynik przypadkowy, lecz solidnie zweryfikowane odkrycie. To dobry przykład wartości płynącej z połączenia chemii syntetycznej z rzetelnym, wielkoskalowym podejściem eksperymentalnym. Pokazuje też realne doświadczenie zespołu Molecule.one nie tylko w tworzeniu modeli, lecz także w praktycznym odkrywaniu leków.

Paweł Przewięźlikowski

współzałożyciel i prezes Ryvu Therapeutics

Zbieżne cele OpenAI i Molecule.one

Nawiązanie współpracy z OpenAI wynikało przede wszystkim z podobnego postrzegania przyszłości sztucznej inteligencji w nauce. Zespoły obu firm mają ten sam cel: radykalnie przyspieszyć odkrycia naukowe, w tym odkrywanie i wytwarzanie leków.

– Polskie pochodzenie pomogło nam na początku wspólnego projektu. Mieliśmy okazję poznać się z Jakubem Pachockim, głównym naukowcem OpenAI, dzięki wspólnym znajomym ze studiów na Uniwersytecie Warszawskim. Okazało się, że podobnie myślimy o tym, jak można wykorzystać AI w nauce – mówi Piotr Byrski.

Przyznaje, że choć jest optymistą – w przeciwnym razie nie założyłby startupu – zaskoczyło go, jak szybko doszło do pierwszego odkrycia. Od wprowadzenia pierwszego promptu do modelu minęło 2,5 miesiąca.

– W tym czasie Maria-GPT zweryfikował cztery hipotezy dotyczące różnych problemów naukowych. Jedną wstępnie obalił, drugą potwierdził i już ją opisaliśmy. Kolejnej jeszcze nie ujawniliśmy. W przypadku czwartej brakuje nam jeszcze kilku danych, by z całkowitą pewnością potwierdzić ten sukces. Każda z tych hipotez może przyczynić się do usprawnienia odkrywania i wytwarzania leków – mówi przedsiębiorca.

Przeczytaj: Allegro o współpracy z OpenAI: To przełom, jesteśmy w awangardzie

AI operatorem laboratorium, nie człowiek

Startup założyli w 2018 r. Piotr Byrski, Paweł Włodarczyk-Pruszyński i dr Stanisław Jastrzębski. Pierwotny cel się nie zmienił – zmieniła się jedynie skala wykorzystania generatywnej sztucznej inteligencji (GenAI).

– Potencjał agentów AI, które ostatnio stały się globalnym trendem, my dostrzegliśmy już dawno. W 2022 r. uruchomiliśmy laboratorium chemiczne AI do generowania danych dostosowanych do potrzeb agentów. To sztuczna inteligencja jest jego głównym operatorem, a człowiek pełni funkcję pomocniczą. To podejście jest odwrotne od większości sposobów wdrażania AI – tłumaczy Piotr Byrski.

Otwarcie placówki w Dziekanowie Leśnym pod Warszawą było wcześniejszym kamieniem milowym. Spółka miała już wcześniej oprogramowanie dla chemików do planowania eksperymentów związanych z syntezą chemiczną. Barierą była jednak jakość dostępnych danych, niewystarczająca w porównaniu z możliwościami modeli. Dlatego powstała platforma Maria – nazwana na cześć Marii Skłodowskiej-Curie, do dziś jedynej kobiety uhonorowanej dwiema Nagrodami Nobla.

– System składa się z laboratorium, zbioru danych oraz modelu AI. Służy nie tylko do odzwierciedlania znanych procesów, lecz także do odkrywania nowych. Uzyskiwane przez nas dane są wykorzystywane do dalszego trenowania modeli w kolejnych iteracjach. Liczba przeprowadzanych eksperymentów jest przy tym o rząd wielkości większa niż w tradycyjnym laboratorium obsługiwanym przez człowieka. Z czasem zbudowaliśmy największy publicznie znany zbiór danych – ponad 400 tys. eksperymentów, czyli reakcji chemicznych prowadzonych w skali mikrolitrowej [bardzo małych objętości – red.] – mówi Piotr Byrski.

Zdaniem eksperta

Lepiej nie oddzielać człowieka od AI

Jestem entuzjastką nowoczesnych rozwiązań z obszaru sztucznej inteligencji, w tym agentów AI wyspecjalizowanych w chemii medycznej i farmacji, tworzonych m.in. przez Molecule.one. Przyznaję, że postęp w tej dziedzinie jest pożądany i nieunikniony. Opór wobec niego oznacza świadome skazywanie się na pozostanie w tyle w dziedzinach nauki i obszarach biznesu, w których liczą się innowacje, a potrzeby pozostają ogromne.

Niemniej obecność człowieka i jego rola w podejmowaniu decyzji wydają się kluczowe. Istotne są nie tylko końcowe rezultaty, lecz także zachowanie eksperckiej wiedzy ludzi. Uzależnienie od algorytmów i utrata umiejętności prowadzenia procesów bez ich użycia mogą być równie niebezpieczne jak zależność ekonomiczna i surowcowa obserwowana dziś w niektórych sektorach gospodarki, w tym w farmacji. Wycofanie się dostawcy lub wstrzymanie dostaw może doprowadzić do załamania całej produkcji, jeżeli wcześniej zlikwidowano alternatywne ścieżki działania.

Równie niebezpieczna jest pobieżność ludzkiej analizy wyników. Należy mocno akcentować: korzystajmy z nowoczesnych narzędzi, ale pamiętajmy, że procesy analizy i podejmowania decyzji przez człowieka nie przyspieszyły i nie powinny być sztucznie przyspieszane. Nazywanie algorytmów „syntetycznymi chemikami” wydaje mi się z tego powodu nie na miejscu, ponieważ sugeruje rywalizację z chemikami „białkowymi”. Ludzie nie powinni odczuwać presji, że skoro AI przyspiesza pracę, to oni również muszą pracować szybciej. Proces przyswajania wiedzy i analizy wymaga czasu.

Kolejnym aspektem jest bezpieczeństwo rozwiązań oraz regulacje prawne na poziomie międzynarodowym, a nie wyłącznie wewnętrzne zasady podmiotów wdrażających takie narzędzia. Agenci AI, jak każde narzędzie, mogą zostać wykorzystani w szkodliwy sposób, i to przez znacznie szersze niż dotychczas grono osób, nieograniczone do specjalistów.

Istotna z perspektywy naukowców i biznesu korzystającego z rezultatów ich pracy jest też kwestia własności intelektualnej. Różnego rodzaju narzędzia elektroniczne od lat wspomagają naukowców, np. w obszarze analizy statystycznej. Jednak ocena „nowości naukowej” czy unikatowości rozwiązania – także w przypadku udzielania ochrony patentowej – dotąd należała do człowieka. Dziś należałoby się zastanowić, jak umiejscowić w tym układzie „autorską” rolę algorytmu. Prawo własności intelektualnej prawdopodobnie będzie musiało zostać szybko dostosowane do obecnego poziomu rozwoju technologii.

dr inż. Ewelina Pawlus-Czerniejewska

prezeska Green Zebras

Znani inwestorzy i runda w USA w przygotowaniu

Molecule.one notuje w ostatnim czasie wzmożone zainteresowanie ze strony potencjalnych klientów. Nawet ogromna, jak na rynkowe realia, przepustowość laboratorium – 12 tys. eksperymentów tygodniowo – zaczyna go ograniczać. W planach – może jeszcze na ten rok – jest więc równoległe zwiększenie możliwości obiektu w Polsce i uruchomienie podobnego w USA.

Każda z tych inwestycji będzie wyrażona w milionach złotych. Do tej pory startup otrzymał ok. 40 mln zł z grantów i od inwestorów. Zaufało mu już międzynarodowe grono renomowanych funduszy venture capital: Sunfish Partners, Expeditions Fund, Atmos Ventures, Possible Ventures, AME Cloud Ventures, Cherubic Ventures, Hanover oraz Outsized Ventures. Wśród kluczowych aniołów biznesu znaleźli się natomiast Mati Staniszewski (ElevenLabs), Marcin Żukowski (Snowflake), Piotr Romanowski (Selvita) oraz Sebastian Guth (Bayer).

– Po sukcesie współpracy z OpenAI pracujemy nad kolejną rundą finansowania, tym razem w USA. W tym kraju powstaje wiele świetnych projektów transformujących naukę z wykorzystaniem AI, które mogą liczyć na znacznie większe wsparcie finansowe. Sądzę, że nasz sukces wynika z innego podejścia. Ciągle przeważa intuicyjna narracja zakładająca budowanie systemów wokół człowieka, któremu sztuczna inteligencja ma wyłącznie pomóc. Od początku postawiliśmy AI w centrum. Tylko w ten sposób możemy poprawić efektywność o rząd wielkości, a nie o kilka czy kilkadziesiąt procent – mówi szef Molecule.one.

Specjaliści od AI, chemii i biologii poszukiwani

Znacznie większa niż w Europie dostępność kapitału, który łatwiej pozyskać „na miejscu”, była jednym z czynników przesądzających o tegorocznej przeprowadzce Piotra Byrskiego do USA. Równie istotna była chęć przyspieszenia rozwoju na kluczowym dla firmy rynku amerykańskim. Sprzyjają temu częste bezpośrednie spotkania.

– Kluczowe jest też tempo rozwoju AI. W Stanach Zjednoczonych, a konkretnie w Kalifornii, jest ono najszybsze na świecie. Skoro chcemy przesuwać granicę wykorzystania sztucznej inteligencji, nie ma na to lepszego miejsca niż rejon San Francisco – wyjaśnia przedsiębiorca.

Zdecydowana większość z 30 zatrudnionych osób nadal jednak pracuje w Polsce. Ta liczba ma znacznie wzrosnąć. Trwa rekrutacja do zespołu uczenia maszynowego, a w ciągu roku do firmy dołączy kilkunastu ekspertów od AI, chemii, biologii, sprzedaży i działalności operacyjnej.

– Równolegle zaczęliśmy tworzyć kilkunastoosobowy zespół w USA. Będzie odpowiedzialny za budowanie relacji z lokalnymi partnerami oraz za uruchomienie i rozwój przyszłego laboratorium – informuje Piotr Byrski.

Pierwszy zysk i wielomilionowe przychody

Startup nie ogranicza się do prac badawczo-rozwojowych. Już od kilku lat generuje przychody. W 2025 r. potroił je do ponad 10 mln zł, a na ten rok planuje kolejne potrojenie. Najwięcej projektów realizuje dla amerykańskich klientów, ale obserwuje rosnące zainteresowanie także w Europie. Sprzyja mu posiadanie głównego centrum operacyjnego w Polsce.

– Od ubiegłego roku notujemy już dodatni wynik na poziomie EBITDA oraz zysk netto. Moglibyśmy się skoncentrować na komercjalizacji obecnej technologii, co znacznie poprawiłoby jej rentowność. Tylko że na tym etapie kompletnie nie jest to dla nas priorytetem. Przed nami jeszcze masa osiągnięć, więc bardziej opłaca się nam inwestować. O poziomie marży będziemy dyskutować za kilka lat – mówi Piotr Byrski.

Firma równolegle zdobywa nowych klientów i rozszerza współpracę z dotychczasowymi. Tak było w przypadku projektu realizowanego dla globalnej firmy W.R. Grace, który Molecule.one pozyskał dzięki zwycięstwu w konkursie z nagrodą w wysokości 1 mln dolarów. Obie firmy koncentrują się obecnie na odkrywaniu nowych sposobów syntezy związków wykorzystywanych do wytwarzania leków takich jak Ozempic.

– Weszliśmy w kluczową fazę rozwoju. Mamy za sobą udaną współpracę z renomowanymi klientami i głośny sukces naukowy. Kluczową barierą pozostaje gotowość rynku – pod względem standardów i procesów – na przyjęcie tego, co oferujemy. Zainteresowanie jest duże. Teraz musimy przekuć je w nowe projekty na szeroką skalę – mówi Piotr Byrski.

Główne wnioski

1. Cel i technologia. Startup Molecule.one założyli w 2018 r. Piotr Byrski, Paweł Włodarczyk-Pruszyński i dr Stanisław Jastrzębski. Ich celem jest radykalne przyspieszenie odkryć naukowych, w tym odkrywania i produkcji leków, z wykorzystaniem sztucznej inteligencji. W 2022 r. stworzyli platformę Maria. Składa się ona z laboratorium AI, zbioru danych oraz modelu AI. Głównym operatorem laboratorium jest agent AI, a człowiek pełni funkcję pomocniczą. Placówka ma przepustowość 12 tys. eksperymentów tygodniowo.
2. Kluczowy projekt. Wspólnie z OpenAI polski startup dokonał w tym roku głośnego odkrycia. Jego platforma Maria wykorzystała model GPT-5.4 do poprawy efektywności reakcji Chana-Lama. To bardzo popularna w przemyśle farmaceutycznym reakcja polegająca na łączeniu atomu węgla najczęściej z atomem azotu, która często nie udaje się przy pierwszej próbie. Model zaproponował sposoby rozwiązania problemu – w tym rozwiązania uznawane przez chemików za mało prawdopodobne – przeprowadził eksperymenty i znalazł utleniacz zwiększający prawdopodobieństwo powodzenia. W ciągu niespełna trzech miesięcy wykonał ponad 10 tys. reakcji, których przeprowadzenie mogłoby zająć chemikowi nawet dekadę.
3. Inwestorzy i wyniki. Dotychczas Molecule.one otrzymał ok. 40 mln zł z grantów i od inwestorów. Zaufało mu już międzynarodowe grono renomowanych funduszy venture capital, m.in. Sunfish Partners, Expeditions Fund, AME Cloud Ventures oraz Outsized Ventures. Wśród kluczowych aniołów biznesu znajdują się natomiast Mati Staniszewski (ElevenLabs) i Marcin Żukowski (Snowflake). Startup osiągnął już zysk, ale nadal koncentruje się na inwestycjach i zwiększaniu sprzedaży. W 2025 r. potroił przychody do ponad 10 mln zł, a na ten rok planuje kolejne potrojenie.