Peneliti OpenAI Miles Wang secara resmi mengakhiri masa jabatannya di perusahaan pembuat ChatGPT untuk meluncurkan startup baru yang berfokus pada pengembangan model kecerdasan buatan untuk penemuan obat. Empat orang yang mengerti rencananya mengonfirmasi pergerakan ini ke TechCrunch pada Senin, 14 Juli 2026. Beberapa rekan peneliti Wang di OpenAI juga diperkirakan akan bergabung ke perusahaan baru tersebut.
Wang tengah dalam tahap negosiasi untuk mengumpulkan dana sekitar $200 juta dengan valuasi $2 miliar, menurut dua sumber yang terlibat dalam pembicaraan. Lightspeed Venture Partners dilaporkan memimpin putaran pendanaan ini, meski kesepakatan belum final dan detailnya masih bisa berubah. Wang menyangkal angka pendanaan dan deskripsi perusahaan yang dilaporkan, namun menolak menentukan nomor yang benar. Lightspeed belum merespons permintaan komentar.
Pergerakan ini menandai gelombang keluarnya talenta peneliti AI dari laboratorium besar menuju venture khusus ilmu hayati. Sebelumnya, Josh Meier — mantan peneliti OpenAI — mendirikan Chai Discovery yang baru saja mengumpulkan $400 juta dengan valuasi $3,8 miliar. Sementara spinout Google DeepMind, Isomorphic Labs, mengamankan $2,1 miliar dalam Seri B bulan Mei lalu. Ketiga perusahaan ini berbagi visi serupa: memanfaatkan AI untuk memprediksi interaksi molekuler dan mempercepat identifikasi kandidat obat baru.
Latar belakang teknis Wang memperkuat kredibilitas venture barunya. Ia bergabung dengan OpenAI pada 2024 setelah keluar dari Harvard, di mana ia mengejar gelar sarjana ilmu komputer. Di OpenAI, Wang menjadi ko-penulis sejumlah makalah penelitian, termasuk evaluasi bagaimana model AI dapat mengotomatisasi dan mempercepat penemuan ilmiah. Pengalaman langsung ini menempatkannya di posisi unik untuk menerjemahkan kemajuan AI generatif ke dalam alur kerja farmaseutik yang kompleks.
Berbeda dengan pendekatan konvensional yang mencari molekul baru dari nol, startup Wang据传将专注于 menemukan indikasi baru untuk obat yang sudah disetujui FDA maupun yang gagal dalam uji klinis. Strategi repositioning obat (drug repurposing) ini menjanjikan waktu menuju pendapatan yang jauh lebih cepat, karena profil keamanan obat-obat tersebut sudah terbukti. Beberapa sumber mengindikasikan bahwa model AI yang dikembangkan akan memetakan hubungan target-penyakit secara luas untuk mengidentifikasi peluang terlewat.
Tren investasi masif ini mencerminkan keyakinan investor bahwa AI siap mengubah ekonomi penemuan obat yang selama ini mahal dan lambat. Proses tradisional memakan waktu lebih dari sepuluh tahun dan biaya melebihi $2 miliar per obat yang disetujui. Dengan AI memprediksi ikatan protein-ligand, desain molekul, dan toksisitas secara in-silico, industri berharap dapat memangkas durasi praklinis hingga 50 persen. Valuasi tinggi bagi startup pra-penghasilan seperti venture Wang menunjukkan pasar memasang premi besar pada potensi disrupsi ini.
Di sisi lain, tantangan fundamental tetap ada. Akurasi prediksi AI masih bergantung pada kualitas dan kelengkapan data pelatihan, sedangkan data eksperimen farmaseutik seringkali bersifat proprietary dan tersebar. Validasi biologis di laboratorium dan uji klinis pada manusia tetap menjadi bottleneck yang tidak bisa digantikan simulasi. Perusahaan yang berhasil biasanya membangun tim hibrida: peneliti AI, biokimiawan, dan pengembang obat berpengalaman yang bekerja sama sejak hari pertama.
Konteks Indonesia menawarkan perspektif menarik. Industri farmasi nasional — didominasi perusahaan BUMN seperti Kimia Farma dan Indofarma serta swasta besar seperti Kalbe — masih berfokus pada formulasi generik dan lisensi produk luar negeri. Adopsi AI untuk penemuan obat baru (novel drug discovery) masih minimal, terbatas pada kolaborasi akademis skala kecil. Startup biotek lokal seperti Nusantics dan Genetika Science mulai memanfaatkan genomika dan AI untuk diagnostik, namun belum masuk ke pipeline penemuan obat sistematis.
Kementerian Kesehatan dan BPOM baru-baru ini mendorong percepatan registrasi obat melalui jalur prioritas dan reliance pathway, namun kerangka regulasi untuk obat yang ditemukan AI belum ada. Jika teknologi repositioning obat yang dikembangkan Wang terbukti sukses, Indonesia bisa memanfaatkannya untuk memperluas indikasi obat generik domestik dengan biaya R&D yang jauh lebih rendah. Hal ini selaras dengan program "Merdeka Belajar Merdeka Berbudaya" di sektor kesehatan yang mendorong inovasi produk dalam negeri.
Langkah selanjutnya yang perlu diamati: apakah Wang akan membangun kemampuan validasi laboratorium internal (wet lab) atau bermitra dengan CRO dan institusi penelitian. Model hybrid — AI di Silicon Valley, validasi biologis di hub biotek seperti Boston atau Singapura — menjadi pola umum. Bagi ekosistem Indonesia, kolaborasi pengetahuan dan transfer teknologi dengan venture global semacam ini bisa menjadi pintu masuk untuk membangun kapasitas penemuan obat berbasis AI secara berkelanjutan.