Mike King, senior ředitel, produkt a strategie, IQVIA – série rozhovorů

Mike King, senior ředitel, produkt a strategie, IQVIA (IQV ), je zkušený výkonný představitel ve zdravotnictví a životních vědách s více než dvacetiletou praxí zahrnující produktovou strategii, regulační záležitosti, zajištění kvality, provoz a obchodní transformaci. Před tím, než se v roce 2022 připojil k IQVIA, zastával King vedoucí pozice ve společnostech Dentsply Sirona (XRAY ) a GE Healthcare, kde řídil regulační záležitosti na složitých mezinárodních trzích, včetně Evropy, Ruska, Společenství nezávislých států (CIS), Izraele, Blízkého východu, Afriky a Asie. Dříve ve své kariéře působil v oblasti kvality, regulace, provozu a obchodu ve firmách Bio‑Rad Laboratories, Stryker a Accenture, což mu poskytlo široké zkušenosti v proplétání technologií zdravotnictví, regulačního souladu a obchodní strategie.

IQVIA je globální poskytovatel klinických výzkumných služeb, komerčních poznatků a zdravotnické inteligence sloužící odvětvím životních věd a zdravotnictví. Společnost kombinuje rozsáhlá zdravotnická data s pokročilou analytikou, technologií, odborností v oboru a svými AI schopnostmi určenými pro zdravotnictví, aby pomohla farmaceutickým, biotechnologickým, výrobcům zdravotnických zařízení a dalším zdravotnickým organizacím podporovat vývoj léků, klinický výzkum, komercializaci a generování důkazů. Prostřednictvím přístupu Connected Intelligence se IQVIA snaží proměnit složitá zdravotnická data na použitelné poznatky, které mohou urychlit inovace a zlepšit rozhodování v celém ekosystému zdravotnictví.

Vaše kariéra vás zavedla od poradenství v Accenture přes role v zajištění kvality a regulačním vedení ve společnostech Stryker, Dentsply Sirona a GE Healthcare až k produktové strategii v IQVIA. Jaký vliv měla tato cesta na váš pohled na dlouhodobá technologická rozhodnutí, která firmy v oblasti životních věd činí ohledně umělé inteligence?

Můj dosavadní kariérní vývoj zahrnoval poradenství, výrobu, kvalitu, globální regulační záležitosti a zdravotnické technologie, což mi umožnilo nahlédnout do technologických rozhodnutí z perspektivy různých zainteresovaných stran. V každé roli jsem zjistil, že nejúspěšnější investice jsou ty, které propojují provozní a komerční výkonnost s výsledky pro pacienty. To platí zejména pro AI v sektoru životních věd. Zatímco zvyšování efektivity je důležité, největší dlouhodobou hodnotu přinese využití AI ke zlepšení kvality, regulačního souladu, rozhodovacích procesů a nakonec k poskytování bezpečných a účinných zdravotnických řešení na globálních trzích.

Argumentujete, že AI by mohla ukončit tradiční pět‑ až sedmiletý cyklus výměny technologií. Proč přidání AI činí platformu pro kvalitu nebo regulaci trvalejší, místo aby urychlilo její nahrazení?

Tradičně společnosti nahrazovaly systémy, když se objevila lepší funkčnost a vypršely smlouvy s poskytovateli. AI tuto úvahu mění tím, že urychluje tempo technologických inovací. Hodnota již není omezena jen na samotnou aplikaci; spočívá v datech, pracovních postupech, správě a institucionálních znalostech, které se během let používání nashromáždily. V kontextu Good Practices, tedy „GxP“, aplikací v životních vědách, když organizace vrství AI na ověřené obchodní procesy a neustále zlepšují výsledky pod dohledem kvalifikovaných odborníků, vytvářejí inteligentní aktivum, které je čím dál těžší replikovat jinde. V takovém prostředí není nahrazení platformy jen technologickým rozhodnutím, ale rozhodnutím o přestavbě let nahromaděných organizačních znalostí.

Jak kvalita datové architektury a infrastruktury pracovních postupů organizace určuje, zda implementace AI přináší smysluplnou hodnotu, nebo jen posiluje stávající neefektivity?

AI zesiluje prostředí, do kterého je nasazena. Pokud jsou data roztříštěná, procesy nekonzistentní a správa slabá, AI jen automatizuje a zhoršuje tyto neefektivity. Naopak organizace se standardizovanými pracovními postupy, důvěryhodnými daty a jasným vlastnictvím a správou mohou AI využít ke zlepšení efektivity, konzistence, souladu a rozhodování. Digitalizace a připravenost dat zůstávají předpoklady úspěšného přijetí AI, zatímco průběžná správa dat a správa AI jsou nezbytné k zajištění hodnoty, souladu a důvěry dlouho po nasazení.

Jaký paradox v oblasti nákupu vzniká, když organizace trénuje AI systémy na letech proprietárních dat o kvalitě, klinice nebo regulaci?

Paradox spočívá v tom, že čím úspěšnější organizace v používání AI je, tím těžší je opustit platformu, která tento úspěch umožnila. Léta kvalitních, regulačních a klinických dat se mohou v kombinaci s AI stát významným konkurenčním aktivem, ale zároveň mohou zvýšit náklady na přechod. Řešením není vyhýbat se tvorbě hodnoty řízené AI, ale zajistit, aby vlastnictví dat, interoperabilita a přenositelnost byly od samého začátku zakotveny v rozhodnutích o nákupu.

Navrhujete, že rozhodnutí o platformách učiněná v letech 2025 nebo 2026 mohou ovlivnit technologické strategie i po roce 2035. Zohledňují většina vedoucích v oblasti souladu, informačních technologií a financí tuto dlouhodobou závaznost?

Regulované společnosti v oblasti životních věd jsou zvyklé provádět dlouhodobé investice. Rozhodnutí týkající se systémů Enterprise Resource Planning (ERP), výroby, kvality, klinických a regulačních systémů vždy vyžadovaly víceletý plánovací horizont kvůli validaci, řízení změn a provoznímu dopadu. AI může některé z těchto úvah prodloužit, ale mnoho seniorních manažerů již má zkušenosti s vyvažováním dlouhodobých technologických rizik, regulačních povinností a obchodní hodnoty. Rozdíl spočívá v tom, že AI zvyšuje strategický význam dat a správy, aniž by zásadně měnila potřebu dlouhodobého plánování.

Jak by měly společnosti v oblasti životních věd rozlišovat mezi „dobrým uzamčením“, kdy nahromaděná data a inteligence vytvářejí konkurenční výhodu, a škodlivým uzamčením, které omezuje flexibilitu, interoperabilitu nebo vyjednávací sílu?

Dobré uzamčení neznamená, že není možné platformu opustit, ale že ji nechcete opustit, protože platforma nadále evoluuje, chrání vaše proprietární znalosti a umožňuje přijetí nových AI funkcí a workflow založených na agentech, jak technologie dozrává. Špatné uzamčení nastává, když inovace řešení od stávajícího poskytovatele zastaví, interoperabilita je omezena a roky nahromaděných znalostí se uváznou v systému, který se nedá snadno přizpůsobit nebo nahradit. Cílem by mělo být zachovat vlastnictví vašich dat a institucionální inteligence a zároveň zachovat flexibilitu využít další generaci AI.

Jaká rizika se objevují, když organizace odkládají výměnu zastaralých hlavních systémů, a to i přesto, že do AI, prediktivní údržby a automatizace přidělují více kapitálu?

Největším rizikem je, že starší platformy se stávají úzkými hrdly při adopci AI. Legacy systémy často obsahují roztříštěná data, manuální nebo vysoce přizpůsobené pracovní postupy a izolované procesy, které omezují okamžité příležitosti k automatizaci. Organizace mohou investovat do pilotních projektů AI, prediktivní analytiky a inteligentních agentů a zjistit, že jejich základní infrastruktura nedokáže podpořit rozsáhlé nasazení.

Existují i širší obchodní rizika. Jak technologie stárnou, může se snižovat podpora dodavatele, specialisté jsou těžší k nalezení a náklady na údržbu rostou. Současně se rozšiřuje mezera mezi současným stavem a platformami AI další generace, což ztěžuje budoucí modernizační úsilí a zvyšuje jeho náklady. Organizace mohou investovat do udržení stávajícího stavu, aniž by generovaly hmatatelné zlepšení výkonnosti procesů, kvality produktů, výsledků pro pacienty, souladu nebo komerční efektivity. V mnoha případech je třeba, aby modernizace a připravenost na AI postupovaly souběžně, nikoli jako oddělené iniciativy.

Jaké technické a smluvní ochrany by měly společnosti hledat, aby zachovaly přenositelnost dat, modelů a přístup k institucionálním znalostem, pokud později změní dodavatele?

Organizace by se měly soustředit na smluvní a technické ochrany, které zachovají vlastnictví a přístupnost jejich informací. To zahrnuje jasně definované možnosti exportu dat, otevřené integrační rámce, zdokumentované API, sledování původu dat, práva na migraci a transparentnost ohledně toho, jak proprietární modely interagují s informacemi společnosti. Institucionální znalosti mohou být jedním z nejcennějších aktiv firmy a musí zůstat přenositelné, bezpečné a pod kontrolou.

Jak by měly požadavky na regulační validaci a řízení změn ovlivnit rozhodnutí o aktualizaci, přeškolení nebo nahrazení AI‑poháněných systémů ve farmaceutickém a zdravotnickém prostředí?

V prostředích GxP AI nemění odpovědnost. Odborníci na kvalitu a regulaci zůstávají odpovědní za správu, integritu a soulad svých systémů a procesů. Technologie poháněné AI proto musí být podpořeny robustní správou, validací založenou na rizicích, zdokumentovaným řízením změn a dostatečnou vysvětlitelností, aby odolaly regulačnímu dohledání. Kvalifikovaná, profesionální lidská odbornost zůstává nezbytnou součástí správy GxP AI.

Jaká kritéria výběru dodavatele by měly společnosti v oblasti životních věd dnes upřednostnit, aby zajistily, že AI‑poháněná platforma zůstane bezpečná, souladná, přizpůsobivá a ekonomicky životaschopná během příští dekády?

V éře zdravotnických GxP AI řešení by organizace měly vybírat spolupracujícího partnera, nikoli jen kupovat software. Souladná funkčnost je nezbytná a stejně důležitá je schopnost dodavatele vyvíjet své řešení s technologickým pokrokem při ochraně dat společnosti, proprietárních znalostí a regulačních povinností. Vítězné platformy budou ty, které spojují hluboké odborné znalosti v oblasti životních věd s flexibilní architekturou, silnou správou a jasnou cestou k přijetí budoucích AI a agent‑native schopností, aniž by narušovaly obchodní operace, ohrožovaly globální soulad a přitom pozitivně ovlivňovaly bezpečnost pacientů.

Děkujeme za skvělý rozhovor, čtenáři, kteří se chtějí dozvědět více, by měli navštívit IQVIA.