在商业生命科学中早期采用生成 AI

麦肯锡直接 在商业生命科学中早期采用生成AI 生物制药和医疗技术公司的生成式人工智能商业用例试点一直很有希望，但大规模的成功取决于明确的-和预算的-一代人工智能战略和定制解决方案。 本文是AsliAksu，SherinIjaz，NicholasMills，RukhshanaMotiwala，AshleyvanHeteren和OscarViyuelaGarcia的合作成果，代表了麦肯锡的生命科学和医疗保健实践以及麦肯锡数字的观点。 五月2024 生成AI(genAI)已准备好改变生命科学（LS）行业的几乎所有方面。麦肯锡全球研究所估计，GeneAI每年可产生600亿至1100亿美元的收入 对制药和医疗技术公司的经济价值，其中180亿至300 亿美元的价值仅归因于商业功能。1 随着生物制药行业领导者面临着激烈的竞争，传统销售模式的有效性下降，不断变化的患者期望以及市场准入和定价的复杂性增加，2genAI快速生产新产品的能力 和定制的文本、图像和视频使其成为营销和销售中潜在的颠覆性力量。 商业领导者可以使用该技术来产生消费者洞察力，创建有针对性的营销材料，并改变医疗保健 通过自动聊天机器人和充当制药代表的虚拟助手进行交互 。 到2023年底，我们调查了100多位制药、生物技术和医疗设备领导者，了解他们与GeneAI商业应用相关的活动。3在本文中，我们分享了该调查的重要结果和见解以及需要考虑的行动方案。 调查结果 我们对LS领导者的调查产生了以下四个见解： —大规模采用仍然有限。大多数商业LS组织(74%)已经尝试了五个或更少的AI用例。 —早期的影响是有希望的。商业领导者报告说，当他们将GeneralAI应用于洞察力生成和内容个性化时，患者和医疗保健人员（HCP）的参与度和满意度得分平均提高了约30％。 提高效率是所有用例中最常见的指标提升。 —有目的的优先级是一个主要的区别。具有确定的GeneAI策略和专用预算的商业LS领导者看到有意义的结果的可能性是前者的两倍-例如增加收入，积极的HCP感知，更高的患者反馈， 并提高了效率-比没有它们的公司拥有广泛的用例组合 （包括见解和HCP和患者交互）报告了genAI的最大积极影响。 —公司计划建立自己的GeneralAI能力。尽管大多数LS公司目前使用现成的产品，但79%的公司计划开发适合其独特需求的AI解决方案。 GeneAI在商业LS中的早期采用 我们的调查旨在了解AI的使用范围，正在探索哪些 类型的应用程序以及该技术的影响，重点关注定制解决方案相对于通用解决方案的优势。 根据我们的调查结果，13％的商业LS领导者表示他们的组织尚未开始尝试使用genAI，而61％的人表示他们的组织处于早期阶段，已经测试了五个或更少的用例。 鉴于支持一代人工智能应用的模型仍在改进，一些领导者对大规模实施该技术犹豫不决。 他们担心的主要问题是认为这项技术“不够真实”(考虑到幻觉的可能性)和“不是” 可以理解（黑匣子），而且太复杂了。” 1“制药行业的生成人工智能：从炒作走向现实”，麦肯锡，2024年1月9日。 2“使生物制药商业模式现代化，以最大化患者价值”，麦肯锡，2024年3月20日。 3麦肯锡生命科学商业调查，2023年12月。 GenAI在商业LS中的用例类型和影响 商业LS实体正在三个主要领域探索GeneAI：洞察力生成，内容生成以及HCP和患者互动（图表1）。洞察力生成和总结用例旨在通过更好地了解患者来增强治疗和诊断 和HCP旅程。内容生成重点 onautomatingandpersonalizingengagementmaterials.HCPandpatientinteractionusecasesseekimprovementsthroughadvancedchatbotsandautomatedsystems.Althoughnearly70percent 领导者已经看到他们的组织探索洞察力生成，只有50 ％的人冒险进入内容生成，只有约36％的人参与改善HCP和患者互动。 附件1 据报道，来自生成AI的积极影响最大的生命科学公司拥有更多样化的用例组合 。 部署用例的公司比例 Low(<5%)高（>20%） 按报告的生成式AI（genAI）影响划分的公司细分1低中低中高高 Con用t例ent自动化客户 参与度内容个性化 洞察力 A/B测试 Insight生成报告分析 医学法律审查患者旅程映射患者服务优化 Interaction患者援助 代表指南 2.53.54.97.3 每个公司部署的平均用例数 低代AI影响与部署的用例主要专注于内容生成。 高创AI影响与多元化的投资组合相关用例(包括患者和HCP2interaction). 1报告影响的四分位数细分(理解为与效率、医疗保健人员和患者满意度、整体品牌情绪等相关的指标提升)。 2医疗保健人员。 资料来源：麦肯锡生命科学商业调查，2023年12月 麦肯锡公司 GenAI采用的影响 我们的研究揭示了各个用例在采用generAI的影响方面存在相当大的差异(图表2)。在所有用例中，效率是最常见的影响类型，其次是HCP参与度满意度以及品牌和产品情绪。迄今为止，对患者覆盖范围或参与度的影响较小。 我们观察到的最大影响是，通过实施genAI来生成见解和个性化内容，HCP参与度提高了30%以上。同样，当genAI用于患者服务见解和患者互动聊天机器人时，我们观察到患者参与度和满意度提高了近30%。 附件2 在生命科学商业应用中观察到的生成AI的影响因影响类别和用例而异。 报告的影响相 对较低 中度报告影响 报告的影响相对较高 受生成AI用例影响的指标 满意度(医疗保健 满意度品牌和 覆盖范围和患者覆 用例盖范围效率 人员参与)（患者参与）产品情绪 Content自动化客户参与度 内容个性化洞察力A/B测试Insight生成报告分析医学法律审查患者旅程映射患者服务优化 Interaction 患者援助代表指南 资料来源：麦肯锡生命科学商业调查，2023年12月 麦肯锡公司 总影响最小的LS公司主要关注内容和洞察力生成，并且更有可能使用现成的解决方案。总影响最大的公司专注于交互用例，在其上市价值链中嵌入genAI以获得最大效果。 定制与现成的一代AI解决方案使用定制GenAI解决方案的组织报告使用的组织的影响加倍 现成的选项，如ChatGPT或LLaMA。目前，64%的LS公司依赖 现成的解决方案，只有36％的人选择定制开发。相对较高的采用现成的解决方案与 据观察，只有8%的LS组织为GeneAI拨款超过500万美元。然而，未来的预测表明了一种转变：79%的公司计划开发适合其独特需求的GeneAI解决方案，21%的公司打算继续使用现成的解决方案。 新一代AI战略的必要性 值得注意的是，我们的研究表明，商业LS领导者的公 司为GeneralAI制定了战略和专用预算 与那些没有战略的人一样，可能会看到对其业务的实际影响-例如增加收入，改善HCP感知，增强患者印象和提高效率。这一结果在各种规模的公司中是一致的。尽管57 ％的LS领导者认识到将AI战略作为组织优先事项的重要性，但只有45％的人认为他们的组织有明确的组织。 被调查的LS公司的geerAI预算超过100万美元，报告称，该技术的影响几乎是预算较小的公司的两倍(约 1.7倍)。小型生物技术公司和大型制药公司之间的采用率差异也很明显：只有28％的小型生物技术公司 （收入低于10亿美元）实施了GeeAI战略，而大型制药公司则为58％。 尽管大多数商业LS领导者报告说他们的公司在数据和分析方面都很先进，但约有40％的受访者承认他们对genAI和大型语言模型的技术知识有限。尽管如此 ，约三分之二的LS公司在没有外部技术支持的情况下试用genAI应用程序。在寻求合作伙伴关系的公司中 ，许多 其公司拥有战略和专用预算的商业LS领导者GeneAI的到位可能性是那些没有战略来看到对其业务产生真正影响的人的两倍。 找到更多这样的内容 麦肯锡见解应用程序 扫描•下载•个性化 这样做的要么是技术公司(28%)，要么是投资于发电的营销机构 人工智能能力（16%）。领导者主要根据合作伙伴针对特定环境或监管定制解决方案的能力来评估合作伙伴关系要求，以确保可靠性和准确度, 与公司运营交织在一起。4随着越来越多的组织转向开发或定制自己的AI解决方案，人才挑战将变得更加严峻。 并将解决方案集成到新的工作流中。 解决人才缺口 近75％的商业LS领导者计划雇用10名或更少的AI专家-主要是技术角色，例如数据科学家，数据工程师和机器学习工程师。 secondarilyforoperationalpositions.ThecurrentandprojecteddearthofgenerAItalentatLSorganizationsunderstandsaneedforworkforcedevelopmentandupskillingasthetechnologybecoming 生成AI有可能彻底改变商业生命科学，提高参与度、效率和创新。这些调查见解强调了战略规划、投资、定制解决方案和人才培养的必要性，以成功利用这项技术。这样做的商业功能可以释放重要的价值，改善患者护理，并推动卓越的运营。 4“生成AI的人的一面：创造一条通往生产力的道路”，麦肯锡季刊，2024年3月18日。 阿斯利阿克苏是麦肯锡纽约办事处的合伙人RukhshanaMotiwala是高级专家；SherinIjazand尼古拉斯·米尔斯是新泽西州办事处的高级合伙人；AshleyvanHeteren是阿姆斯特丹办事处的合伙人；以及OscarViyuelaGarcia是波士顿办公室的顾问. 作者希望感谢TanviBagga，JoachimBleys，BrysonBonham，PepeCampello，OrGeorgy，AnaMeneses，DelphineNainZurkiya和TomRazouxSchultz对本文的贡献。 版权所有©2024麦肯锡公司。保留所有权利。