Ang paghahanap ng gamot na dinudulot ng AI ay maaaring makabawas nang malaki sa gastos at oras na kailangan upang makabuo ng isang kandidato sa gamot. Ang Rentosertib ay ang pinakamalinaw na halimbawa hanggang sa ngayon. Ayon sa Insilico Medicine, ang programa ay nagmula sa isang hipotesis patungo sa isang preklinikal na kandidato sa loob ng higit sa 18 buwan. Ang preklinikal na trabaho ng Rentosertib ay nasa halos $2.6 milyon kumpara sa karaniwang $15-25 milyon. Ipinublish ng Insilico ang mga resulta ng Phase IIa na may peer-review sa Nature Medicine. Hindi maaaring itatag ang ekonomiks ng buong platform batay sa isang matagumpay na programa. Ang Rentosertib ay tumarget sa idiopathic pulmonary fibrosis, isang maayos na nakakilala na sakit na may mga nakakilala na klinikal na endpoint. Masyadong maaga pa upang malaman kung ang paraang ito ay maaaring magbigay ng katulad na timeline at gastos sa mas kumplikadong mga sakit. Ang halos $230B na kita mula sa branded na pagbebenta ng gamot sa US ay nasa panganib dahil sa kompetisyon mula sa generic o biosimilar sa pagitan ng 2025 at 2030. Maaaring maging mas natural na daan ang mga pakikipagtulungan para sa mga kumpanyang pharmaceutical na naghahanap ng access sa AI-driven discovery nang hindi kinukuha ang panganib ng pagbuo ng buong stack mismo. Kung ang iba pang mga programa ay magpapakita ng katulad na resulta, maaaring lumipat ang mas maraming halaga sa paghahanap ng gamot patungo sa mga full-stack platform na naglilisensya ng kanilang kakayahan sa pharma.