La simulazione orientata all’ipotesi come bussola per navigare in un futuro incerto

Recentissimi progressi nelle tecnologie basate sui dati hanno sbloccato il potenziale della previsione attraverso l’intelligenza artificiale (AI). Tuttavia, la previsione in territori inesplorati rimane una sfida, dove i dati storici potrebbero non essere sufficienti, come visto con eventi imprevedibili come le pandemie e le nuove innovazioni tecnologiche. In risposta, la simulazione orientata all’ipotesi può essere uno strumento prezioso che consente ai responsabili delle decisioni di esplorare diversi scenari e prendere decisioni informate. La chiave per raggiungere il futuro desiderato in un’era di incertezza risiede nell’utilizzo della simulazione orientata all’ipotesi, insieme all’AI basata sui dati per potenziare la decisione umana.

I dati basati sui dati possono prevedere il futuro?

Negli ultimi anni, l’AI ha subito un viaggio trasformativo, alimentato da notevoli progressi basati sui dati. Al cuore dell’evoluzione dell’AI si trova la capacità straordinaria di estrarre profondi insight da enormi set di dati. L’ascesa dei modelli di apprendimento profondo e dei modelli linguistici grandi (LLM) hanno spinto il campo in territori inesplorati. La capacità di sfruttare i dati per prendere decisioni informate è diventata accessibile a organizzazioni di tutte le dimensioni e in tutti i settori.

Prendiamo ad esempio l’industria farmaceutica. In Astellas, utilizziamo i dati e l’analisi per aiutare a informare quali portafogli di business investire e quando. Se stai sviluppando un modello di business focalizzato su un’area di malattia comune e ben compresa, il potere dell’analisi basata sui dati ti consente di derivare insight su tutto, dalla scoperta di farmaci al marketing, il che può portare a decisioni di business più informate.

Tuttavia, mentre l’analisi basata sui dati eccelle in domini stabiliti con abbondanti dati storici, prevedere il futuro in territori inesplorati rimane una sfida formidabile. È difficile fare previsioni basate sui dati in aree dove non sono ancora disponibili dati sufficienti, come aree in cui si sono verificati cambiamenti straordinari o innovazioni tecnologiche (sarebbe molto difficile prevedere l’impatto di una pandemia improvvisa di un virus infettivo o l’ascesa dell’AI generativa su un particolare business nelle sue fasi iniziali). Questi scenari sottolineano i limiti del affidarsi solo ai dati storici per tracciare un percorso in avanti.

Un esempio tipico nell’industria farmaceutica, e uno che Astellas affronta regolarmente, è la valutazione delle innovazioni disruptive come le terapie geniche e cellulari. Con così pochi dati disponibili, cercare di prevedere il valore esatto di queste innovazioni e il loro impatto di vasta portata sul portafoglio basandosi solo sui dati storici è come navigare attraverso una nebbia fitta senza una bussola.

Guardare nel futuro: la simulazione orientata all’ipotesi

Un approccio promettente per navigare le acque dell’incertezza è la simulazione orientata all’ipotesi, che mimica i processi del mondo reale. Se sei un’azienda che si avventura in aree sconosciute, devi adottare un approccio orientato all’ipotesi quando i dati storici non sono disponibili. Il modello rappresenta come i fattori chiave nei processi influenzano i risultati, mentre la simulazione rappresenta come il modello evolve nel tempo in diverse condizioni. Consente ai responsabili delle decisioni di testare diversi scenari nel “mondo parallelo” virtuale.

Nella pratica, ciò significa disporre una serie di scenari chiave sul tavolo decisionale, ognuno con la sua valutazione di probabilità e impatto. I responsabili delle decisioni possono quindi valutare scenari critici e formulare strategie per il futuro sulla base di queste simulazioni. Nell’industria farmaceutica, ciò richiede fare ipotesi su una serie di fattori come i tassi di successo dei trial clinici, l’adattabilità del mercato e le popolazioni di pazienti. Vengono eseguite decine di migliaia di simulazioni per illuminare il cammino incerto e fornire insight inestimabili per orientare il percorso.

In Astellas, abbiamo sviluppato una simulazione orientata all’ipotesi, che crea scenari e fa un’ipotesi deduttiva, per aiutare a informare la presa di decisioni strategiche. Possiamo farlo aggiornando l’ipotesi della simulazione in tempo reale (al tavolo decisionale), il che aiuta a migliorare la qualità delle decisioni strategiche. La valutazione del progetto è un argomento in cui il metodo di simulazione si applica. In primo luogo, costruiamo ipotesi possibili su vari fattori, tra cui, ma non limitati a, le esigenze del mercato e la probabilità di successo dei trial clinici. Quindi, sulla base di quelle ipotesi, simuliamo eventi che si verificano durante i trial clinici o dopo il lancio del prodotto per generare i risultati possibili e il valore atteso del progetto. Il valore calcolato viene utilizzato per determinare quali opzioni prendere, compresa l’allocazione delle risorse e la pianificazione del progetto.

Per approfondire, analizziamo un caso d’uso in cui il metodo viene applicato alla valutazione di un progetto in fase iniziale. Dato il livello intrinsecamente alto di incertezza che accompagna i progetti in fase iniziale, ci sono numerose opportunità per mitigare i rischi di fallimento e massimizzare i benefici del successo. In poche parole, più un progetto è in una fase iniziale del suo ciclo di vita, maggiore è il potenziale per una presa di decisioni flessibile (ad esempio, aggiustamenti strategici, espansioni del mercato, valutazione della possibilità di abbandono, ecc.). Valutare il valore della flessibilità è quindi fondamentale per catturare tutti i valori dei progetti in fase iniziale. Ciò può essere fatto combinando la teoria delle opzioni reali e il modello di simulazione.

Misurare l’impatto della simulazione orientata all’ipotesi richiede una valutazione sia dal processo che dai risultati. Indicatore tipici come la riduzione dei costi, l’efficienza del tempo e la crescita dei ricavi possono essere utilizzati per misurare il ROI. Tuttavia, potrebbero non catturare l’intero processo decisionale, soprattutto quando alcune decisioni coinvolgono l’inazione. Inoltre, è importante riconoscere che i risultati delle decisioni aziendali potrebbero non essere immediatamente evidenti. Nell’industria farmaceutica, ad esempio, il tempo medio dai trial clinici al lancio sul mercato è di oltre 10 anni.

Ciò significa che il valore della simulazione guidata dall’ipotesi può essere misurato vedendo come i risultati della simulazione influenzano il processo decisionale. Maggiore è l’impatto dei risultati della simulazione sulle decisioni, maggiore è il suo valore.

Il futuro dell’analisi dei dati

L’analisi dei dati è previsto divergere in tre tendenze principali: (1) un approccio induttivo che cerca di identificare modelli nei grandi dati, che funziona sotto l’assunzione che i modelli trovati nei dati possano essere applicati al futuro che vogliamo prevedere (ad esempio, AI generativa); (2) un approccio analitico, che si concentra sull’interpretazione e la comprensione dei fenomeni in cui non possono essere utilizzati dati sufficienti (ad esempio, inferenza causale); e (3) un approccio deduttivo, che si basa su regole aziendali, principi o conoscenze per vedere i risultati futuri. Funziona anche quando ci sono meno dati disponibili (ad esempio, una simulazione orientata all’ipotesi).

I LLM e altre analisi basate sui dati sono pronti ad espandere notevolmente le loro applicazioni pratiche. Hanno il potenziale per rivoluzionare il lavoro velocizzandolo, migliorandone la qualità e, in alcuni casi, addirittura eseguendolo al posto degli esseri umani. Questo cambiamento trasformativo consentirà alle persone di concentrare i loro sforzi su aspetti più importanti del loro lavoro, come il pensiero critico e la presa di decisioni, piuttosto che su attività più lunghe e faticose, come la raccolta/organizzazione/analisi/visualizzazione dei dati, nel caso degli analisti di dati. Quando ciò accadrà, l’importanza della direzione in cui muoversi aumenterà e l’attenzione sarà focalizzata sull’aumento della capacità di decisione umana. In particolare, la tendenza sarà quella di utilizzare l’analisi dei dati e la simulazione per la presa di decisioni strategiche mentre si gestiscono le incertezze future da una prospettiva a medio-lungo termine.

In sintesi, raggiungere un equilibrio armonioso tra i tre approcci sopra menzionati massimizzerà il vero potenziale dell’analisi dei dati e consentirà alle organizzazioni di prosperare in un paesaggio in rapida evoluzione. Mentre i dati storici sono un asset tremendo, è importante riconoscere i limiti. Per superare questo limite, abbracciare la simulazione orientata all’ipotesi insieme all’approccio basato sui dati consente alle organizzazioni di prepararsi per un futuro imprevedibile e assicurare che le loro decisioni siano informate da preveggenza e prudenza.