Het Deense biotechbedrijf Genmab gaat samenwerken met Anthropic om generatieve AI in te zetten in onderzoek en bedrijfsvoering. De aankondiging kwam deze week uit Kopenhagen en zorgde voor een hogere beurskoers. Het doel is sneller werken en beter zoeken in grote hoeveelheden wetenschappelijke en interne data. De stap valt ook onder de komende regels van de Europese AI-verordening, met gevolgen voor toezicht en transparantie.
Genmab kiest voor Anthropic
Genmab wil de AI-systemen van Anthropic gebruiken voor tekstgestuurde taken, zoals kennismanagement, samenvattingen en zoekopdrachten over interne documenten. Anthropic is bekend van grote taalmodellen, algoritmen die tekst begrijpen en genereren op basis van patronen in data. De inzet is ondersteunend: het systeem helpt medewerkers, maar neemt geen medische beslissingen.
De keuze past bij de bredere digitaliseringsstrategie van de onderneming, die ook een grote R&D-vestiging in Utrecht heeft. Daar werken teams aan antilichaam-onderzoek en klinische trajecten, waar documentatie en literatuurstudie veel tijd kosten. Met AI kunnen die tekststromen sneller worden doorzocht en samengevat, zodat onderzoekers zich meer op inhoudelijke keuzes kunnen richten.
Operationeel begint zo’n samenwerking vaak met afgebakende pilots binnen IT en R&D. Denk aan interne chatassistenten met veilige toegang tot handboeken, protocollen en rapporten. Details over looptijd en financiering zijn op het moment van schrijven niet bekendgemaakt, wat gebruikelijk is in vroege trajecten met generatieve systemen.
Beurs ziet potentieel winst
Het aandeel Genmab steeg na het nieuws, wat duidt op optimisme bij beleggers over productiviteit en kostenbesparing. AI kan repetitieve taken verkorten en zo de doorlooptijd van projecten verminderen. Tegelijk komen baten vaak pas later, omdat implementatie, beveiliging en training tijd en geld kosten.
Voor farmabedrijven is het financiële verhaal vooral: meer werk verzetten met dezelfde teams en sneller tot de juiste documenten en inzichten komen. Dat kan indirect de snelheid van ontwikkelen en rapporteren verbeteren. Maar de echte waarde blijkt pas als AI de kwaliteit van beslisinformatie aantoonbaar verhoogt zonder nieuwe fouten in te voeren.
Ook speelt concurrentie mee: meerdere Europese farmaspelers testen generatieve systemen voor literatuurreview, klinische rapportages en software-ondersteuning. Een zichtbare AI-strategie wordt daarmee een hygiënefactor richting investeerders. Het risico blijft dat verwachtingen te hoog zijn, terwijl de technologie nog beperkingen heeft.
Gebruik in onderzoek en IT
De eerste toepassingen liggen in tekst en code: snellere samenvattingen van publicaties, opstellen van concept-rapporten en hulp bij programmeertaken. Generatieve AI is software die nieuwe tekst maakt door het volgende woord te voorspellen, en kan zo concepten structureren of alternatieven aandragen. In een gereguleerde omgeving blijft menselijke controle verplicht.
Een bekend risico is “hallucinatie”: het model kan zelfverzekerd onjuiste informatie geven. Organisaties vangen dat af met duidelijke bronverwijzingen, controlevragen en verplichte review door experts. Zo ontstaat een werkstroom waarin AI suggesties doet en mensen de inhoud borgen.
Veel bedrijven koppelen AI aan interne databronnen, zodat antwoorden zijn onderbouwd met eigen documenten. In gewone taal: de medewerker stelt een vraag en het systeem zoekt relevante stukken op, die het meeneemt in het antwoord. Dit verkleint het risico op verzonnen feiten en maakt audit en herhaalbaarheid beter mogelijk.
Europese regels en privacy
De Europese AI-verordening (AI Act) stelt op het moment van schrijven transparantie-eisen aan aanbieders van generatieve modellen en strengere regels voor hoogrisico-toepassingen. Interne productiviteitstoepassingen in R&D vallen doorgaans niet onder hoog risico, maar moeten wel zorgvuldig worden beheerd. Documentatie, logging en duidelijke grenzen van het gebruik zijn daarbij sleutelwoorden.
Daarnaast geldt de AVG voor alle persoonsgegevens, zeker in de zorg en klinisch onderzoek. Dataminimalisatie, versleuteling en een Data Protection Impact Assessment zijn dan nodig. Bij inzet van Amerikaanse cloud- of AI-diensten spelen de EU–VS Data Privacy Framework-regels en standaardcontractbepalingen mee.
Inkoopafspraken gaan daarom vaak over waar data wordt verwerkt, wie toegang heeft en of data wordt gebruikt om modellen te trainen. Veel Europese organisaties leggen contractueel vast dat bedrijfsgegevens niet voor trainingsdoeleinden worden hergebruikt. Voor Genmab is dit extra relevant door activiteiten in Nederland, waar de Autoriteit Persoonsgegevens scherp toeziet op gevoelige data.
De AI-verordening dwingt generatieve AI richting meer transparantie, met documentatie over risico’s, capaciteiten en beperkingen van het model.
