Mike King, Senior Director, Produk & Strategi, IQVIA – Seri Wawancara

Mike King, Senior Director, Produk & Strategi, IQVIA, adalah eksekutif berpengalaman di bidang perawatan kesehatan dan ilmu hayati dengan lebih dari dua dekade pengalaman yang mencakup strategi produk, urusan regulasi, jaminan kualitas, operasi, dan transformasi bisnis. Sebelum bergabung dengan IQVIA pada tahun 2022, King menjabat pada posisi kepemimpinan senior di Dentsply Sirona dan GE Healthcare, di mana ia mengawasi urusan regulasi di pasar internasional yang kompleks, termasuk Eropa, Rusia, Persemakmuran Negara‑Negara Merdeka (CIS), Israel, Timur Tengah, Afrika, dan Asia. Pada awal kariernya, ia memegang peran di bidang kualitas, regulasi, operasional, dan bisnis di Bio‑Rad Laboratories, Stryker, dan Accenture, yang memberinya pengalaman luas dalam menavigasi persimpangan teknologi perawatan kesehatan, kepatuhan regulasi, dan strategi komersial.

IQVIA adalah penyedia global layanan riset klinis, wawasan komersial, dan intelijen perawatan kesehatan yang melayani industri ilmu hayati dan perawatan kesehatan. Perusahaan menggabungkan data perawatan kesehatan berskala besar dengan analitik lanjutan, teknologi, keahlian domain, dan kemampuan AI kelas Kesehatan untuk membantu perusahaan farmasi, bioteknologi, perangkat medis, dan organisasi perawatan kesehatan lainnya mendukung pengembangan obat, riset klinis, komersialisasi, dan generasi bukti. Melalui pendekatan Connected Intelligence, IQVIA bertujuan mengubah data perawatan kesehatan yang kompleks menjadi wawasan dapat ditindaklanjuti yang dapat mempercepat inovasi dan meningkatkan pengambilan keputusan di seluruh ekosistem perawatan kesehatan.

Karier Anda telah membawa Anda dari konsultasi di Accenture melalui peran jaminan kualitas dan kepemimpinan regulasi di Stryker, Dentsply Sirona, dan GE Healthcare, dan kini ke strategi produk di IQVIA. Bagaimana perkembangan tersebut membentuk pandangan Anda tentang keputusan teknologi jangka panjang yang dibuat perusahaan ilmu hayati terkait kecerdasan buatan?

Karier saya sejauh ini telah meliputi konsultasi, manufaktur, kualitas, urusan regulasi global, dan teknologi perawatan kesehatan, memberi saya kesempatan untuk melihat keputusan teknologi dari berbagai perspektif pemangku kepentingan. Pada setiap peran, saya menemukan bahwa investasi paling berhasil adalah yang menghubungkan kinerja operasional dan komersial dengan hasil bagi pasien. Hal ini terutama berlaku untuk AI di sektor ilmu hayati. Meskipun peningkatan efisiensi penting, nilai jangka panjang terbesar akan datang dari penggunaan AI untuk memperkuat kualitas, kepatuhan regulasi, pengambilan keputusan, dan pada akhirnya, penyediaan solusi perawatan kesehatan yang aman dan efektif di pasar global.

Anda berargumen bahwa AI dapat mengakhiri siklus penggantian teknologi tradisional lima hingga tujuh tahun. Mengapa penambahan AI membuat platform kualitas atau regulasi menjadi lebih permanen daripada mempercepat penggantiannya?

Secara tradisional, perusahaan mengganti sistem ketika fungsionalitas yang lebih baik tersedia dan ketika kontrak penyedia yang ada berakhir. AI mengubah perhitungan itu dengan mempercepat kecepatan inovasi teknologi. Nilainya tidak lagi terbatas pada aplikasi itu sendiri; nilai terletak pada data, alur kerja, tata kelola, dan pengetahuan institusional yang terakumulasi selama bertahun‑tahun penggunaan. Dalam konteks Good Practices, atau “GxP,” aplikasi ilmu hayati, ketika organisasi menambahkan AI pada proses bisnis yang telah tervalidasi dan terus meningkatkan hasil melalui pengawasan profesional manusia yang berkualifikasi, mereka menciptakan aset intelijen yang semakin sulit direplikasi di tempat lain. Dalam lingkungan tersebut, mengganti platform bukan sekadar keputusan teknologi, melainkan keputusan untuk membangun kembali bertahun‑tahun pengetahuan organisasi yang terkumpul.

Bagaimana kualitas arsitektur data dan infrastruktur alur kerja organisasi menentukan apakah implementasi AI memberikan nilai yang berarti atau sekadar memperkuat ketidakefisienan yang ada?

AI memperkuat lingkungan tempat ia diterapkan. Jika data terfragmentasi, proses tidak konsisten, dan tata kelola lemah, AI hanya akan mengotomatisasi dan memperburuk ketidakefisienan tersebut. Sebaliknya, organisasi dengan alur kerja standar, data terpercaya, serta kepemilikan dan tata kelola yang jelas dapat menggunakan AI untuk meningkatkan efisiensi, konsistensi, kepatuhan, dan pengambilan keputusan. Digitalisasi dan kesiapan data tetap menjadi prasyarat untuk adopsi AI yang sukses, sementara tata kelola data yang berkelanjutan dan tata kelola AI sangat penting untuk memastikan nilai, kepatuhan, dan kepercayaan jauh setelah implementasi.

Apa paradoks pengadaan yang muncul ketika sebuah organisasi melatih sistem AI dengan data kualitas, klinis, atau regulasi milik mereka selama bertahun‑tahun?

Paradoksnya adalah semakin sukses sebuah organisasi dalam menggunakan AI, semakin sulit untuk meninggalkan platform yang memungkinkan kesuksesan tersebut. Bertahun‑tahun data kualitas, regulasi, dan klinis dapat menjadi aset kompetitif yang signifikan bila dipadukan dengan AI, namun juga dapat meningkatkan biaya beralih. Solusinya bukan menghindari penciptaan nilai berbasis AI, melainkan memastikan kepemilikan data, interoperabilitas, dan portabilitas dibangun ke dalam keputusan pengadaan sejak awal.

Anda menyarankan bahwa keputusan platform yang dibuat pada tahun 2025 atau 2026 dapat memengaruhi strategi teknologi jauh melampaui tahun 2035. Apakah mayoritas pemimpin kepatuhan, teknologi informasi, dan keuangan secara memadai memperhitungkan komitmen jangka panjang tersebut?

Perusahaan ilmu hayati yang diatur terbiasa melakukan investasi jangka panjang. Keputusan yang melibatkan Enterprise Resource Planning (ERP), manufaktur, kualitas, sistem klinis dan regulasi selalu memerlukan perencanaan multi‑tahun karena validasi, kontrol perubahan, dan dampak operasional. AI mungkin memperpanjang beberapa pertimbangan ini, namun banyak pemimpin senior sudah berpengalaman dalam menyeimbangkan risiko teknologi jangka panjang, kewajiban regulasi, dan nilai bisnis. Perbedaannya adalah AI meningkatkan pentingnya strategis data dan tata kelola, bukan mengubah kebutuhan akan perencanaan jangka panjang secara fundamental.

Bagaimana perusahaan ilmu hayati membedakan antara “lock‑in yang baik,” di mana data dan intelijen yang terakumulasi menciptakan keunggulan kompetitif, dan lock‑in yang merugikan yang membatasi fleksibilitas, interoperabilitas, atau daya tawar?

Lock‑in yang baik bukan berarti tidak dapat meninggalkan platform, melainkan tidak ingin meninggalkannya karena platform terus berkembang, melindungi pengetahuan kepemilikan Anda, dan memungkinkan kemampuan AI serta alur kerja berbasis agen diadopsi seiring teknologi matang. Lock‑in yang buruk terjadi ketika inovasi solusi dari penyedia yang ada melambat, interoperabilitas terbatas, dan bertahun‑tahun pengetahuan yang terakumulasi terperangkap dalam sistem yang tidak mudah beradaptasi atau diganti. Tujuannya adalah mempertahankan kepemilikan data dan intelijen institusional sambil tetap fleksibel memanfaatkan generasi AI berikutnya.

Seiring lebih banyak modal dialokasikan untuk AI, pemeliharaan prediktif, dan otomatisasi, risiko apa yang muncul ketika organisasi menunda penggantian sistem inti yang sudah usang?

Risiko terbesar adalah platform yang menua menjadi hambatan bagi adopsi AI. Sistem warisan sering berisi data yang terfragmentasi, alur kerja manual atau sangat khusus, serta proses terisolasi yang membatasi peluang otomatisasi segera.

Ada juga risiko bisnis yang lebih luas. Seiring teknologi menua, dukungan vendor dapat berkurang, sumber daya spesialis menjadi lebih sulit ditemukan, dan biaya pemeliharaan meningkat. Pada saat yang sama, kesenjangan antara keadaan saat ini dan platform AI generasi berikutnya melebar, membuat upaya modernisasi di masa depan menjadi lebih kompleks dan mahal. Organisasi dapat menemukan diri mereka berinvestasi untuk mempertahankan status quo tanpa menghasilkan perbaikan nyata dalam kinerja proses, kualitas produk, hasil pasien, kepatuhan, atau efektivitas komersial. Dalam banyak kasus, modernisasi dan kesiapan AI perlu berkembang bersamaan, bukan sebagai inisiatif terpisah.

Proteksi teknis dan kontraktual apa yang harus dicari perusahaan untuk menjaga portabilitas data, portabilitas model, dan akses ke pengetahuan institusional mereka jika kemudian mengganti vendor?

Organisasi harus memusatkan perhatian pada proteksi kontraktual dan teknis yang menjaga kepemilikan serta aksesibilitas informasi mereka. Ini mencakup kemampuan ekspor data yang jelas, kerangka integrasi terbuka, API terdokumentasi, jejak data, hak migrasi, dan transparansi mengenai cara model kepemilikan berinteraksi dengan informasi perusahaan. Pengetahuan institusional dapat menjadi salah satu aset paling berharga perusahaan, dan harus tetap portabel, aman, serta terkontrol.

Bagaimana persyaratan validasi regulasi dan kontrol perubahan harus memengaruhi keputusan tentang peningkatan, pelatihan ulang, atau penggantian sistem berbasis AI di lingkungan farmasi dan perangkat medis?

Di lingkungan GxP, AI tidak mengubah akuntabilitas. Profesional kualitas dan regulasi tetap bertanggung jawab atas tata kelola, integritas, dan kepatuhan sistem serta proses mereka. Teknologi berbasis AI harus didukung oleh tata kelola yang kuat, validasi berbasis risiko, kontrol perubahan terdokumentasi, dan tingkat penjelasan yang cukup untuk menahan pengawasan regulasi. Keahlian manusia yang berkualifikasi dan profesional tetap menjadi komponen tata kelola esensial bagi AI GxP.

Kriteria pemilihan vendor apa yang harus diprioritaskan perusahaan ilmu hayati saat ini untuk memastikan platform berbasis AI tetap aman, patuh, dapat beradaptasi, dan secara ekonomi layak selama dekade berikutnya?

Di era solusi AI GxP untuk perawatan kesehatan, organisasi harus memilih mitra kolaboratif, bukan sekadar membeli perangkat lunak. Fungsionalitas yang patuh sangat penting, dan yang sama pentingnya adalah kemampuan vendor untuk mengembangkan solusi mereka seiring kemajuan teknologi sambil melindungi data perusahaan, pengetahuan kepemilikan, dan kewajiban regulasi. Platform unggulan akan menjadi yang menggabungkan keahlian mendalam ilmu hayati dengan arsitektur fleksibel, tata kelola kuat, dan jalur yang jelas untuk mengadopsi AI serta kemampuan berbasis agen di masa depan tanpa mengganggu operasi bisnis, mengorbankan kepatuhan global, sambil memberikan dampak positif pada keselamatan pasien.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mengetahui lebih lanjut dapat mengunjungi IQVIA.