AI generativa (Genai) é uma tecnologia em rápida evolução, mas uma coisa já está clara: tem o potencial de transformar a indústria farmacêutica. O desafio é descobrir como capitalizar esse potencial para maximizar o valor. O BCG desenvolveu uma estrutura de seis partes para ajudar as organizações a implementar
Genai
Para criar valor real ao longo de toda a cadeia de valor - potencial, plataforma, parceria, processo, política e pessoas. Todos os seis aspectos são importantes, mas nesta publicação conjunta com a Microsoft, nos concentramos nos três primeiros elementos, que apresentam as prioridades mais imediatas para as empresas farmacêuticas:
- potencial. Assess the range of possible options, and identify readily available use cases that have the greatest probable value and feasibility.
- Platform. Establish the necessary data infrastructure, including governance that incorporates the principles of responsible AI.
- Parceria. Os resultados confirmaram o forte interesse das empresas nos casos de uso de Genai, mas também reforçaram a importância de fazer escolhas de portfólio inteligentes desde o início. Focando nos três elementos que identificamos, Build capabilities quickly by working with partners that can provide timely access to the latest technology platforms, tools, services, and strategy expertise.
BCG and Microsoft complemented the study with a survey targeting leading digital senior executives at 15 of the biggest global pharmaceutical firms. The results confirmed the firms’ strong interest in GenAI use cases but also reinforced the importance of making smart portfolio choices from the start.
Having undertaken digital transformations in the past, executives recognize the importance of creating options throughout the value chain, structuring the early stages to generate quick wins, and building momentum across the enterprise for long-term value creation. By focusing on the three elements we have identified, As empresas farmacêuticas podem começar a implementar o Genai Tecnologia com responsabilidade - e captura seus benefícios - em todos os estágios da jornada de transformação.
Soluções práticas para os desafios atuais
Pharmaceutical firms face significant challenges along the value chain. R&D investments are huge and intrinsically risky, and R&D processes remain inherently inefficient. Commercial functions struggle to provide targeted information to core stakeholders so that the right patients get the right treatment at the right time. GenAI offers potential solutions to many of these issues, giving firms access to new data pools and promising techniques to process and analyze that data in ways that get new products to market faster.
The market for GenAI solutions in health care is growing rapidly. (See Exhibit 1.) A Análise recente do BCG Projetos que o mercado da Genai nos cuidados de saúde crescerá a uma taxa anual composta de 85%, desde a avaliação atual de aproximadamente US $ 1 bilhão a US $ 22 bilhões até o final de 2027.
New offerings can benefit virtually every aspect of the organization—improving the performance of business roles and functions, and boosting efficiency and productivity in everything from R&D to commercial activities. Already, 90% of survey respondents say that their organization has begun developing GenAI capabilities.
Três prioridades para desbloquear o valor
Leadership teams at pharmaceutical companies face various critical choices on how best to start applying GenAI in order to maximize its value potential across the enterprise. Our experience working with clients suggests that they can make the fastest progress by focusing on potential, platform, and partnership.
Potential
Rather than simply experimenting, firms need to identify their biggest challenges and opportunities along the value chain, consider GenAI solutions, and assess those options in terms of value and technical feasibility.
Em relação à avaliação de valor, as empresas farmacêuticas têm várias opções:
- Realize testes A/B. Por exemplo, compare o custo da bancada tradicional de laboratório com o custo de um processo simulado digitalmente, em silico Processo para atingir o mesmo resultado. OPERAÇÕES. Esse tipo de classificação permite que as equipes de liderança identifiquem e priorizem alguns casos de uso direto e rápido-como nas funções de suporte ou operações comerciais-para expandir suas capacidades e criar impulso. Em seguida, eles podem mudar para aplicativos mais avançados, como em P&D, que têm alto valor potencial, mas são mais complexos. Uma prática recomendada entre as principais organizações é designar uma equipe central para coordenar todos os esforços da GENAI da empresa. A equipe deve ter uma mistura de ciência de dados, IA e experiência farmacêutica. "Nosso maior sucesso em termos de maturidade digital foi o nosso talento", disse um executivo farmacêutico. "Criamos centros digitais de excelência em vários países com especialistas digitais, dados, TI, IA e nuvem". Outro fator de sucesso é promover uma forte cultura de inovação, reduzindo a resistência interna e definindo a governança apropriada, para que as equipes do projeto tenham um mandato claro de experimentar e testar novas idéias e aplicações. O valor de Genai é claro, mas como observou um líder digital na Pharma, "é um desafio priorizar as iniciativas de IA sobre as iniciativas existentes". Em vez de pedir a unidades e funções de negócios individuais para financiar seus próprios projetos da Genai, as empresas devem adotar uma abordagem centralizada de médio a longo prazo, semelhante a um centro de excelência. Com o tempo, à medida que suas capacidades amadurecem e à medida que os projetos começam a produzir valor, as empresas podem transitar iniciativas para os orçamentos do departamento. Uma descoberta preocupante de nossa pesquisa: apenas 55% das empresas farmacêuticas relatam ter a maturidade e a experiência dos dados necessários para construir uma capacidade genai significativa no curto prazo. A qualidade e a quantidade de dados que as empresas usam para treinar seus modelos de IA influenciarão significativamente o desempenho e a capacidade dos modelos. Os dados não apenas moldam a precisão das previsões de um modelo, mas também determinam sua capacidade de produzir novos conteúdos. Além disso, ao infundir rapidamente a IA em todas as camadas da pilha de tecnologia, uma empresa pode tornar praticamente todos os funcionários e negócios mais produtivos. Por exemplo, a Northwestern Medicine, um sistema de saúde acadêmica em Chicago, implementou recentemente uma plataforma integrada para coletar dados clínicos de uma variedade de fontes, atender a mandatos regulatórios para troca de informações e desbloquear insights com dados e IA. Isso permitirá que eles usem o Genai em aplicações ao longo de toda a cadeia de valor, de P&D às funções comerciais. Por exemplo, a geração de aumento de recuperação é uma nova arquitetura que aumenta os recursos de um grande modelo de idioma (LLM), como o ChatGPT com um sistema de recuperação de informações que fornece os dados. Da mesma forma, a engenharia imediata (que envolve a criação dos prompts para LLMS) e modelos de ajuste fino estão evoluindo continuamente.
- Model the cost savings of using GenAI in areas such as shortening the R&D timeline for new products, increasing efficiency in recurring administrative processes, and improving the quality management of manufacturing operations.
- Assess synergies through new ways of working, such as by empowering commercial teams with new insights about customers or market segments.
Exhibit 2 shows a portfolio of GenAI solutions sorted by potential value and technical feasibility. This type of ranking enables leadership teams to identify and prioritize a few straightforward, quick-to-implement use cases—such as in support functions or commercial operations—to expand their capabilities and build momentum. Then they can shift to more advanced applications, such as in R&D, that have high potential value but are more complex.
With a portfolio of GenAI projects in hand, companies can begin implementing them, while also developing a suitable foundation of technology, capabilities, and culture. A best practice among leading organizations is to designate a central team to coordinate all of the company’s GenAI efforts. The team should have a mix of data science, AI, and pharmaceutical expertise.
Striking the right balance of internal expertise and external strategic and technical know-how is critical. “Our biggest success in terms of digital maturity has been upskilling our talent,” one pharmaceutical executive told us. “We’ve set up digital centers of excellence in several countries with digital, data, IT, AI, and cloud experts.” Another success factor is to foster a strong innovation culture, reducing internal resistance and setting appropriate governance so that project teams have a clear mandate to experiment and test new ideas and applications.
Determining and putting in place the best funding model is another priority. The value of GenAI is clear, but as one digital leader in pharma noted, “It’s challenging to prioritize AI initiatives over existing initiatives.” Rather than asking individual business units and functions to fund their own GenAI projects, companies should adopt a medium- to long-term centralized approach, akin to a center of excellence. Over time, as their capabilities mature and as projects begin to yield value, companies can transition initiatives to department budgets.
Platform
The second major priority that pharmaceutical firms should focus on involves building a suitable platform, with special attention to cloud, data, and AI infrastructure. A worrisome finding from our survey: only 55% of pharmaceutical firms report having the data maturity and expertise needed to build a meaningful GenAI capability in the short term. The quality and quantity of data that companies use to train their AI models will significantly influence the models’ performance and capability. Data not only shapes the accuracy of a model’s predictions, but also determines its ability to produce novel content. Further, by rapidly infusing AI in all layers of the tech stack, a company can make virtually every employee and business process more productive.
Today, the availability of end-to-end, unified data analytics platforms means that companies no longer need to invest time and capital in stitching together a complex set of disconnected, multimodal health data sources into a single enterprise data lake. For example, Northwestern Medicine, an academic health system in Chicago, recently implemented an integrated platform to collect clinical data from an array of sources, meet regulatory mandates for information exchange, and unlock insights with data and AI.
Pharmaceutical companies can use a similar approach, leveraging integrated platforms with unified architectures that enable a developer to extract insights from data and present it to business users. This will allow them to use GenAI in applications along the entire value chain, from R&D to commercial functions.
Meanwhile, assessing best technology solutions remains an iterative process, especially as GenAI techniques continue to evolve. For example, retrieval augmentation generation is a new architecture that augments the capabilities of a large language model (LLM) such as ChatGPT with an information retrieval system that provides the data. Similarly, prompt engineering (which involves designing the prompts for LLMs) and fine-tuning models are continually evolving.
A governança centrada nos princípios de segurança de dados, privacidade, conformidade e IA responsável é fundamental para garantir que novas iniciativas se alinhem aos principais valores e ética da empresa. As empresas farmacêuticas maduras da IA tiveram três vezes mais chances de identificar a IA responsável como um critério-chave para se reunir na adoção de Genai. É importante abordar isso com uma perspectiva clara e prospectiva que fatores nos seguintes princípios:
- justiça, para se proteger contra vieses nos dados de treinamento
- Confiabilidade e segurança, para garantir que os resultados e os resultados (como o gráfico do paciente) sejam precisos || Acessibilidade e sensibilidade a todos os segmentos populacionais
- Privacy and security, to prevent disclosures of patient data
- Inclusiveness, to ensure accessibility and sensitivity to all population segments
- Transparência, para confirmar que a informação clínica vem de fontes verificáveis e é audível
- Responsabilidade, de modo que as empresas cumprem os requisitos legais e regulatórios || As empresas farmacêuticas podem iniciar sua jornada em parceria com outras entidades que possuem experiência estratégica e técnica. Embora as empresas farmacêuticas sejam cada vez mais capazes de testar provas iniciais de conceito e pilotos, os custos do treinamento de modelos de IA, a criação de sistemas de dados de ponta a ponta e a integração de casos de uso totalmente podem ser íngremes. Tocar em conhecimentos e recursos externos e construir parcerias estratégicas desde o início pode levar a um progresso muito mais rápido na construção de recursos de IA e na criação de valor. Essas organizações amarraram recursos valiosos e não conseguiram se manter atualizado com mudanças contínuas na tecnologia. As empresas farmacêuticas devem aprender com essas experiências e acelerar sua adoção da Genai, em parceria com empresas inovadoras que já possuem recursos e soluções. Ao adotar uma abordagem holística, as empresas podem identificar novos modelos de negócios e fluxos de receita para criar uma vantagem competitiva duradoura a partir da tecnologia. A longo prazo, as parcerias podem crescer para incluir outros participantes, produzir efeitos de rede e criar ecossistemas geradores de valor para todos os participantes. Outro expressou um sentimento semelhante: “O desenvolvimento internacional é uma estratégia arriscada e cara. Aprendemos que uma mistura de conhecimento interno e uma estratégia de rede de parceiros capazes é essencial para ter sucesso.”
Partnership
The third element is perhaps the most important in implementing GenAI. Pharmaceutical companies can jump-start their journey by partnering with other entities that have strategic and technical expertise.
Talent with strong digital and AI skills is in high demand across all industries. Although pharmaceutical companies are increasingly able to test initial proofs of concept and pilots, the costs of training AI models, building end-to-end data systems, and fully integrating use cases can be steep. Tapping into external expertise and resources and building strategic partnerships early on can lead to much faster progress in building AI capabilities and creating value.
Earlier struggles with digital transformations show the value of such partnerships, as firms that tried to rely solely on internal expertise—or build new capabilities in-house—fell behind. These organizations tied up valuable resources and failed to stay current with ongoing changes in technology. Pharmaceutical companies should learn from these experiences and accelerate their adoption of GenAI by partnering with innovative firms that already have capabilities and solutions in place.
Critically, strategic partnerships can help companies move beyond the pilot stage and scale successful AI use cases—projects that require deep data science expertise as well as pharmaceutical know-how. By adopting a holistic approach, companies can identify new business models and revenue streams to create a lasting competitive advantage from the technology. Longer term, partnerships can grow to include other participants, producing network effects and creating value-generating ecosystems for all participants.
As one executive said, “Pharma companies will need partners for data, expertise, and tooling.” Another expressed a similar sentiment: “All-internal development is a risky and expensive strategy. We’ve learned that a blend of internal knowledge and a capable partner network strategy is key to succeed.”
Every element of the six-part framework that BCG has developed for GenAI is important, but potential, platform, and partnership are the biggest priorities for pharmaceutical companies. By focusing on these three—combining strong technology capabilities and a strategic business partnership—firms can capitalize on GenAI in a systematic manner that balances investment, risk, and value. GenAI is no longer an option but a strategic imperative. Companies that seize the initiative and build on a partnership-enabled foundation will give themselves a clear edge over the competition.
