智能生命科学

以人工智能驱动转型并创造价值 毕马威创见不同·智启未来kpmg.com/intelligentlifesciences 目录 17阶段一：利用人工智能为员工赋能24阶段二：将人工智能融入工作流程之中2830演进阶段生态系统带来的机遇主要建议34结语26阶段三：发展企业自身生态系统38人工智能在中国生命科学行业应用与实践 03引言 04概要 05简介 07调研结论 引言 我们的调研发现，使用混合运营模式（职能和敏捷兼顾的优化组合）的企业能获得较为显著的投资回报。显然，适应性在利用人工智能创造价值方面具有至关重要的作用。若运营模式是投资回报的主要决定因素，则生命科学企业应重点考虑组织架构转型，以更好地为灵活应用人工智能奠定基础。 人工智能在生命科学行业的应用： Liz Claydon生命科学行业全球主管合伙人财务咨询全球主管合伙人毕马威国际副主席兼合伙人毕马威英国 缩小投资回报差距 在应用人工智能（AI）方面，生命科学企业已处于领先地位，他们拥有清晰的愿景，采取了业务为导向的实施方式，并打造了强有力的数据和技术基础。尽管如此，事实证明要获得高额的人工智能投资回报仍颇具挑战。 如今，人工智能的价值已不再受到质疑，企业应克服的难点在于如何重塑自身组织以充分发挥人工智能的潜力。 虽然人工智能当前能够助力改善业务运营并增加战略优势，但我们最新的调研表明，许多企业的人工智能投资只达到中等或较低的回报水平，仅实现盈亏平衡或尚未获得回报。展望未来，许多受访者预计后续几年投资回报率将保持不变，这反映了一个关键的问题：“生命科学企业如何才能更好地从无回报向低回报或中等回报，再向持续高回报迈进？” 本报告深入探讨了领先生命科学企业如何调整其运营模式，打破孤岛，借助人工智能提升敏捷性，从而实现华丽转型。此外，本报告还提供了可行的见解，使您得以了解企业应如何以价值为导向利用人工智能加速创新，挖掘新的增长机会，并最大限度发挥人工智能投资的效用。 概要 人工智能是一大竞争优势 具有良好适应性的组织架构能带来较高的投资回报 86% 认为能够拥抱人工智能的企业将在业内形成竞争优势 在获得较高投资回报的概率方面，采用职能和敏捷兼顾的组织架构的企业 采用传统组织架构或矩阵式组织架构的企业多出一倍 73% 人工智能用途明确 业界正积极准备迎接人工智能驱动的未来 事实证明数据问题是一大挑战 对许多企业而言，实现较高的投资回报较为困难 表示自身企业清楚应该对哪些人工智能技术和能力进行投资 89% 表 示 事 实 证 明 ， 数据 问 题 是 实 施 人 工智 能 面 临 的 最 大 挑战 之 一 ， 包 括 数 据孤 岛 、 格 式 和 质 量差 异 以 及 安 全 和 隐私问题。 对人工智能在未来五年将扮演的角色制定了明确的战略愿景 简介 人工智能在生命科学行业的应用正突飞猛进，从传统的数据分析转向生成式人工智能，如今再度转向能够基于预定参数自主决策的智能体。生成式人工智能正通过加速药物开发、创造新配方和简化监管文件编制等方式，给研发带来翻天覆地的变化。 造出新的产品组合。它通过个性化用药和数字生物标志物改变了精准医学和数字疗法，并通过实时数据分析和预测建模改进了临床试验设计。人工智能驱动的自动化还使监管报告变得更为便捷，从而助力确保合规并优化药物生产流程。 人工智能在生命科学行业的应用不仅涉及技术，还必须革新企业创新、运营和创造价值的方式。从加速研发、创造全新产品组合、优化临床试验到简化供应链，人工智能可以为行业的方方面面注入活力。 此外，商务和业务职能也正从中获得重大利益。人工智能正助力颠覆供应链管理，改善需求预测，并使患者与医疗健康服务机构之间的互动更加个性化。随着智能体被引入以增强和自动实施互动流程，客户、销售和现场服务团队也在悄然发生转变。利用人工智能开展分析还有助于增强市场准入策略和销售情报，优化定价模型，并发现新的收入增长点。 作为人工智能的下一个飞跃式发展，智能体有望产生更大的影响，它将使系统不仅能够分析数据，而且能够主动设计实验，管理试验流程，并实时根据新的发现进行调整。这一演变正在重塑生命科学企业运营、协作和创造价值的方式，使其得以从静态工作流程转向利用人工智能增强的动态生态系统，从而加速创新，缩短产品上市时间，并大规模提供个性化医疗服务。 本报告基于毕马威面向183名生命科学行业人工智能高管的独家调研结果，旨在为生命科学行业的高管、技术领导者和决策者提供可行见解和战略指导，以助其应对应用人工智能时面临的复杂问题。 当前，人工智能已经在重塑科技创新和业务运营方面发挥作用。在研发方面，人工智能能够缩短药物研发时间，并为“基于药物”和“基于设备”的产品提供赋能，从而创 在本报告中，我们： •提出了卓越企业的特征以及人工智能应用的关键要素，包括数据基础设施、员工准备度和治理等。 •定义了生命科学行业中人工智能如何能够驱动价值创造（重点关注人工智能增强研发生产力和业务运营的方式），以及如何应对投资回报挑战。 •提供了人工智能成熟度框架，以帮助企业通过三个关键阶段实现转型发展，包括： 1.赋能员工并为人工智能应用奠定基础：打造以负责任的方式使用人工智能所需的数据、治理和技能。 2.将人工智能融入各项工作：在临床决策支持、运营效率和患者互动方面推广应用人工智能解决方案，以创造更多价值。 3.发展运营模式和生态系统：构建能适应需求的人工智能驱动的医疗健康模式，以促进商务、研发、医疗健康生态系统、研究机构和监管机构之间的合作。 现状 人工智能在生命科学行业的应用 在人工智能应用方面处于领先地位 我们的调研表明，在所有致力探索人工智能潜力的行业中，生命科学行业处于领先地位。与仍停留在试验阶段或难以规模化应用的行业不同，生命科学行业已将人工智能深植于企业运营之中，应用遍及从研发和临床试验到供应链和商务职能各个环节。对许多企业而言，人工智能不仅是一项工具，还是工作方式的核心要素。 调研结论 这种领先地位源于业界对人工智能的率先投资。大多数受访的生命科学企业使用人工智能已三年有余，他们几乎都清楚地了解应该投资哪些项目及背后的原因。他们具有坚定的战略思维，三分之二已经针对未来五年制定了明确的人工智能路线图。最重要的是，他们的人工智能计划通常是以业务而非信息技术为导向，以确保与产品上市速度、科学创新和监管合规等核心目标保持一致。 在企业上下融入人工智能 目前，许多生命科学企业已将人工智能切实融入到各种日常业务职能。过半数企业在所有部门或价值流中使用了人工智能。在加快临床试验设计，识别有效配方，改善患者康复支持等方面，人工智能的应用都有着明确的目的。 关于此次调研 为了研究人工智能应用的现状和相关技术问题，毕马威国际对来自八个国家（澳大利亚、加拿大、中国、法国、德国、日本、英国和美国）八个行业（生命科学、医疗健康、保险、科技、银行、零售、工业制造和能源）的1,390名决策者进行了定量调研。其中包括来自大型诊疗企业以及中型制药、生物科技、医疗器械和制药服务企业的183位生命科学行业领导者（51%为高管）。 实现人工智能在企业内部的整体应用有赖于合理设计构建的组织架构。在这方面表现优异的企业采取的做法是将专业职能与敏捷团队相结合，从而构筑起混合架构，用以推动创新和卓越运营。此举使团队能够在保持行业所需的监管和科学审慎态度的同时，快速响应业务需求。 未来展望：自主智能成为发展趋势 应用人工智能还需具备适当的技术人才 在生命科学行业，人工智能正迅速超越传统分析技术，得到更广泛的应用。生成式人工智能已经被用于起草临床文件或分子建模等任务，许多企业也已开始探索能够基于预定参数自主决策的智能体。 大多数生命科学企业都对企业数据平台、分析引擎和基于云的基础设施开展投资。这使得数据能够在团队之间共享，从而更好地助力洞察、自动化和决策。此外，许多企业还通过培训帮助员工了解数据和人工智能，以培养为下一阶段人工智能应用做好准备的企业文化。 这些进展带来了诸多令人欣喜的潜在好处。89%的企业对利用人工智能为特定流程进行端到端自主决策感到放心，85%则表示他们已经大力使用自主代理式系统或正逐渐加码。在不久的将来，智能体将能够设计实验室实验，实时监控临床试验，或者在无需人为监督的情况下自动管理供应链中断问题。许多企业领导者已经为这一转变做好了准备，他们对利用人工智能在特定领域制定决策方面信心满满。 人工智能成为可持续发展的战略性投资 除利用人工智能迅速增强运营外，生命科学企业也在其产品核心中嵌入人工智能。65%的受访企业已将人工智能系统地集成到其产品和服务之中；69%的企业展开了人工智能试验而不要求即时回报，这有力证明他们主要关注长期效果。 的企业放心让人工智能为特定流程进行端到端自主决策。 尽管人工智能具有重要的战略意义，但确保可持续发展仍然是企业的重中之重。78%的生命科学企业将实现可持续发展目标视为比实施人工智能更重要的战略任务；还有83%的企业已经制定具体计划来缓解人工智能日益增长的能源需求。 人工智能在生命科学行业的良好发展势头也体现在企业心态上。许多企业投资人工智能的目的不仅限于眼前收益，还着眼未来运营需求。大多数企业在不求短期回报的情况下开展试验，这表明了他们对创新的坚定追求。 进展阻力 数据困境 尽管生命科学行业拥有强大的数字基础，但数据问题仍然是应用人工智能一大障碍。68%的企业面临数据孤岛、质量差异和隐私忧虑等问题。无论是患者信息、临床数据还是监管内容，跨团队访问和集成仍较为困难。 这些问题在人工智能应用的生命周期中形成阻力，对从训练算法到生成可行见解等环节构成影响。尽管业界对人工智能生成的输出信心相对较高，但这些障碍可能会减缓人工智能推广的速度，限制其应用规模，并增加偏见或错误风险。 人工智能最终还是需要从人类那里获得数据。数据由人类产生，我认为这可能会导致两种情况。人类可能会真正理解人工智能的潜力并加以审慎利用，也可能会采取保守的态度并拒绝提供数据。如果我们不能给人工智能提供优质的数据，那么人工智能基本上将一无是处。 某德国生命科学企业的总监 运营模式的成熟度决定进展差异 证明价值仍旧不易 生命科学企业的受访者将衡量投资回报列为应用人工智能的第三大挑战。尽管大多数生命科学企业相信人工智能的潜力，但价值量化仍然较为困难。许多领导者表示，股东要求他们展示人工智能投资的快速回报，但目前只有不到四分之一的企业获得了高额投资回报。约38%的企业已经实现中等收益，三分之一预计短期内情况不会有重大改善。 我们的调研表明，运营模式设计是人工智能应用成功的关键因素。使用混合组织架构（即将专业职能与敏捷团队相结合）的企业，从人工智能中获得强劲投资回报的可能性是其他企业的两倍。这种混合架构模式能够在不牺牲合规性或协调性的情况下助力创新提速。 相比之下，继续沿用针对特定职能的传统架构模式的企业往往在改善协作、响应能力和速度方面举步维艰。因此，为了充分发挥人工智能的潜力，生命科学企业应在内部上下重塑团队架构及工作流程。 这种差距是可以理解的。许多人工智能用例都用于改善长期目标，尤其是在研发方面，可能需要数年时间才能带来回报。尽管如此，无法一致地衡量价值仍然会使人工智能的价值存疑，对于资本密集型企业尤为如此。 释放人工智能的潜力 技能短缺阻碍了进展 生命科学企业已经迈过人工智能实验阶段，开始进入实际应用。当前，他们正打造相应的文化、技术和运营模式，以放心推广人工智能。该行业在人工智能应用方面的领先地位不仅归功于先行先试，也有赖于其行动的战略性、一致性和前瞻性。 许多生命科学企业在应用人工智能方面因技能差距不断扩大而受到制约。尽管74%的企业已经开始着手对员工进行人工智能培训，但在专业技能方面（如机器学习、数据工程和人工智能治理）仍无法满足需求。在行业专业知识和人工智能能力必须二者兼具的领域，如药物开发、临床信息管理和监管技术等，这