Mike King, Senior Director, Product & Strategy, IQVIA – Interviewserie

Mike King, Senior Director, Product & Strategy, IQVIA, is een ervaren executive in de gezondheidszorg en life sciences met meer dan twee decennia ervaring op het gebied van productstrategie, regelgevende zaken, kwaliteitsborging, operaties en bedrijfs transformatie. Voordat hij in 2022 bij IQVIA kwam, bekleedde King senior leiderschapsposities bij Dentsply Sirona en GE Healthcare, waar hij toezicht hield op regelgevende zaken in complexe internationale markten, waaronder Europa, Rusland, het Gemenebest van Onafhankelijke Staten (CIS), Israël, het Midden-Oosten, Afrika en Azië. Eerder in zijn carrière bekleedde hij functies op het gebied van kwaliteit, regelgeving, operationeel en zakelijk bij Bio‑Rad Laboratories, Stryker en Accenture, wat hem brede ervaring gaf in het navigeren op het snijvlak van gezondheidszorgtechnologie, regelgevende compliance en commerciële strategie.

IQVIA is een wereldwijde aanbieder van klinische onderzoeksdiensten, commerciële inzichten en gezondheidszorgintelligentie die de life sciences- en zorgsectoren bedienen. Het bedrijf combineert grootschalige gezondheidszorgdata met geavanceerde analytics, technologie, domeinspecialisatie en zijn Healthcare‑grade AI‑mogelijkheden om farmaceutische, biotechnologische, medische‑apparatuur‑ en andere zorgorganisaties te helpen bij geneesmiddelenontwikkeling, klinisch onderzoek, commercialisatie en bewijsgeneratie. Via zijn Connected Intelligence‑benadering streeft IQVIA ernaar complexe gezondheidszorgdata om te zetten in bruikbare inzichten die innovatie kunnen versnellen en besluitvorming binnen het gezondheidszorg‑ecosysteem kunnen verbeteren.

Uw carrière heeft u van consultancy bij Accenture via kwaliteitsborging en regelgevende leiderschapsrollen bij Stryker, Dentsply Sirona en GE Healthcare geleid, en nu naar productstrategie bij IQVIA. Hoe heeft die ontwikkeling uw kijk op de langetermijntechnologiebeslissingen die life‑science‑bedrijven nemen rond kunstmatige intelligentie gevormd?

Mijn carrière tot nu toe heeft consultancy, productie, kwaliteit, wereldwijde regelgevende zaken en gezondheidszorgtechnologie omvat, waardoor ik de kans kreeg om technologische beslissingen vanuit meerdere belanghebbende perspectieven te bekijken. In elke rol heb ik ontdekt dat de meest succesvolle investeringen die zijn die operationele en commerciële prestaties verbinden met patiëntresultaten. Dat geldt met name voor AI in de life‑science‑sector. Terwijl efficiëntiewinst belangrijk is, zal de grootste langetermijnwaarde voortkomen uit het gebruik van AI om kwaliteit, regelgevende compliance, besluitvorming en uiteindelijk de levering van veilige en effectieve zorgoplossingen in wereldwijde markten te versterken.

U stelt dat AI een einde kan maken aan de traditionele vijf‑tot‑zeven‑jaar technologische vervangingscyclus. Waarom maakt het toevoegen van AI een kwaliteits‑ of regelgevingsplatform meer permanent in plaats van de vervanging te versnellen?

Traditioneel vervingen bedrijven systemen wanneer er betere functionaliteit beschikbaar kwam en wanneer bestaande contracten met leveranciers afliepen. AI verandert die berekening door de snelheid van technologische innovatie te versnellen. De waarde is niet langer beperkt tot de applicatie zelf; ze zit in de data, workflows, governance en institutionele kennis die over jaren van gebruik is opgebouwd. In de context van Good Practices, of “GxP”, life‑science‑applicaties, wanneer organisaties AI toevoegen aan gevalideerde bedrijfsprocessen en continu resultaten verbeteren via gekwalificeerd professioneel menselijk toezicht, creëren ze een intelligentie‑asset die steeds moeilijker elders te repliceren is. In die omgeving is het vervangen van een platform niet simpelweg een technologische beslissing, maar een beslissing om jaren aan opgebouwde organisatorische kennis opnieuw op te bouwen.

Hoe bepaalt de kwaliteit van de data‑architectuur en workflow‑infrastructuur van een organisatie of een AI‑implementatie betekenisvolle waarde levert of simpelweg bestaande inefficiënties versterkt?

AI versterkt de omgeving waarin het wordt ingezet. Als data gefragmenteerd is, processen inconsistent en governance zwak, zal AI die inefficiënties simpelweg automatiseren en verergeren. Daarentegen kunnen organisaties met gestandaardiseerde workflows, betrouwbare data en duidelijke eigenaarschap en governance AI inzetten om efficiëntie, consistentie, compliance en besluitvorming te verbeteren. Digitalisering en data‑gereedheid blijven voorwaarden voor succesvolle AI‑adoptie, terwijl voortdurende data‑governance en AI‑governance essentieel zijn om waarde, compliance en vertrouwen lang na de implementatie te waarborgen.

Wat is de inkoop‑paradox die ontstaat wanneer een organisatie AI‑systemen traint op jaren van eigen kwaliteits‑, klinische of regelgevende data?

De paradox is dat hoe succesvoller een organisatie wordt in het gebruik van AI, hoe moeilijker het wordt om het platform dat dat succes mogelijk maakte te verlaten. Jaren aan kwaliteits‑, regelgevende en klinische data kunnen, gecombineerd met AI, een aanzienlijk concurrentie‑voordeel worden, maar ze kunnen ook de overstapkosten verhogen. Het antwoord is niet om AI‑gedreven waardeschepping te vermijden, maar om ervoor te zorgen dat data‑eigendom, interoperabiliteit en draagbaarheid vanaf het begin in inkoopbeslissingen worden ingebouwd.

U suggereert dat platformbeslissingen die in 2025 of 2026 worden genomen, technologische strategieën kunnen beïnvloeden tot ver voorbij 2035. Rekenen de meeste compliance‑, IT‑ en financiële leiders voldoende rekening met die verlengde verplichting?

Gereguleerde life‑science‑bedrijven zijn gewend aan langetermijninvesteringen. Beslissingen rond Enterprise Resource Planning (ERP), productie, kwaliteit, klinische en regelgevende systemen vereisten altijd meerjaren‑planningshorizonten vanwege validatie, change‑control en operationele impact. AI kan sommige van deze overwegingen verlengen, maar veel senior leiders hebben al ervaring met het balanceren van langetermijn technologierisico, regelgevende verplichtingen en bedrijfswaarde. Het verschil is dat AI de strategische betekenis van data en governance vergroot, in plaats van de noodzaak voor langetermijnplanning fundamenteel te veranderen.

Hoe moeten life‑science‑bedrijven onderscheid maken tussen ‘goede lock‑in’, waarbij opgebouwde data en intelligentie een concurrentievoordeel opleveren, en schadelijke lock‑in die flexibiliteit, interoperabiliteit of onderhandelingsmacht beperkt?

Goede lock‑in gaat niet over het onvermogen om een platform te verlaten, maar over het niet willen verlaten omdat het platform blijft evolueren, uw eigendomskennis beschermt en nieuwe AI‑mogelijkheden en agent‑native workflows mogelijk maakt naarmate de technologie volwassen wordt. Slechte lock‑in treedt op wanneer de innovatie van de oplossing van de huidige leverancier stagneert, interoperabiliteit beperkt is en jaren aan opgebouwde kennis gevangen zitten in een systeem dat zich niet gemakkelijk kan aanpassen of vervangen. Het doel moet zijn om eigendom van uw data en institutionele intelligentie te behouden, terwijl u de flexibiliteit behoudt om gebruik te maken van de volgende generatie AI.

Naarmate er meer kapitaal wordt toegewezen aan AI, voorspellend onderhoud en automatisering, welke risico’s ontstaan er wanneer organisaties het vervangen van verouderde kernsystemen uitstellen?

Het grootste risico is dat verouderde platforms knelpunten worden voor AI‑adoptie. Legacy‑systemen bevatten vaak gefragmenteerde data, handmatige of sterk aangepaste workflows en geïsoleerde processen die directe automatiseringskansen beperken. Organisaties kunnen investeren in AI‑pilots, voorspellende analytics en intelligente agents, alleen om te ontdekken dat hun kerninfrastructuur geen grootschalige uitrol kan ondersteunen.

Er zijn ook bredere zakelijke risico’s. Naarmate technologieën ouder worden, kan de ondersteuning van leveranciers afnemen, worden specialistische resources moeilijker te vinden en stijgen de onderhoudskosten. Tegelijkertijd wordt de kloof tussen de huidige staat en de AI‑platformen van de volgende generatie groter, waardoor toekomstige moderniseringsinspanningen complexer en duurder worden. Organisaties kunnen zich bevinden in een situatie waarin ze investeren om de status‑quo te behouden zonder tastbare verbeteringen in procesprestaties, productkwaliteit, patiëntresultaten, compliance of commerciële effectiviteit te genereren. In veel gevallen moeten modernisering en AI‑gereedheid gelijktijdig verlopen in plaats van als afzonderlijke initiatieven.

Welke technische en contractuele beschermingen moeten bedrijven zoeken om data‑portabiliteit, model‑portabiliteit en toegang tot hun institutionele kennis te behouden als ze later van leverancier wisselen?

Organisaties moeten zich richten op contractuele en technische beschermingen die eigendom en toegankelijkheid van hun informatie waarborgen. Dit omvat duidelijk gedefinieerde data‑exportmogelijkheden, open integratie‑frameworks, gedocumenteerde API’s, data‑herkomst, migratierechten en transparantie over hoe eigendomsmodellen met bedrijfsinformatie interageren. Institutionele kennis kan een van de meest waardevolle activa van een bedrijf worden en moet draagbaar, veilig en beheerst blijven.

Hoe moeten regelgevende validatie‑ en change‑control‑vereisten beslissingen over het upgraden, retrainen of vervangen van AI‑ingeschakelde systemen in farmaceutische en medische‑apparatuur‑omgevingen beïnvloeden?

In GxP‑omgevingen verandert AI de aansprakelijkheid niet. Kwaliteits‑ en regelgevende professionals blijven verantwoordelijk voor de governance, integriteit en compliance van hun systemen en processen. AI‑ingeschakelde technologieën moeten daarom worden ondersteund door robuuste governance, risico‑gebaseerde validatie, gedocumenteerde change‑control en voldoende verklaarbaarheid om regelgevende toetsing te doorstaan. Gekwalificeerde, professionele menselijke expertise blijft een essentieel governance‑onderdeel van GxP‑AI.

Welke criteria voor leveranciersselectie moeten life‑science‑bedrijven vandaag prioriteren om te waarborgen dat een AI‑ingeschakeld platform veilig, compliant, aanpasbaar en economisch levensvatbaar blijft gedurende het komende decennium?

In het tijdperk van GxP‑AI‑oplossingen voor de gezondheidszorg moeten organisaties een samenwerkende partner kiezen en niet alleen software kopen. Nalevende functionaliteit is essentieel, maar even belangrijk is het vermogen van de leverancier om hun oplossing te laten evolueren met technologische vooruitgang, terwijl de data, eigendomskennis en regelgevende verplichtingen van een bedrijf worden beschermd. De winnende platforms zullen diegenen zijn die diepgaande life‑science‑expertise combineren met een flexibele architectuur, sterke governance en een duidelijk pad om toekomstige AI‑ en agent‑native mogelijkheden te adopteren zonder bedrijfsprocessen te verstoren, de wereldwijde compliance in gevaar te brengen, terwijl ze een positieve impact hebben op de patiëntveiligheid.

Dank u voor het geweldige interview, lezers die meer willen weten, kunnen IQVIA bezoeken.