Mike King, senior direktør, produkt og strategi, IQVIA – Intervjuserie

Mike King, senior direktør, produkt og strategi, IQVIA, er en erfaren leder innen helsevesen og livsvitenskap med mer enn to tiår med erfaring som spenner over produktstrategi, regulatoriske saker, kvalitetssikring, drift og forretningsomforming. Før han begynte i IQVIA i 2022, hadde King seniorlederstillinger i Dentsply Sirona og GE Healthcare, hvor han hadde ansvar for regulatoriske saker i komplekse internasjonale markeder, inkludert Europa, Russland, Commonwealth of Independent States (CIS), Israel, Midtøsten, Afrika og Asia. Tidligere i karrieren hadde han roller innen kvalitet, regulatorikk, drift og forretning i Bio‑Rad Laboratories, Stryker og Accenture, noe som ga ham bred erfaring med å navigere i skjæringspunktet mellom helseteknologi, regulatorisk etterlevelse og kommersiell strategi.

IQVIA er en global leverandør av kliniske forsknings tjenester, kommersielle innsikter og helseinformasjon som betjener livsvitenskaps‑ og helsevesenindustriene. Selskapet kombinerer store mengder helsedata med avansert analyse, teknologi, domenekompetanse og sine AI‑kapasiteter i helsesektoren for å hjelpe farmasøytiske, bioteknologiske, medisinsk‑utstyr‑ og andre helseorganisasjoner med å støtte legemiddelforskning, klinisk forskning, kommersialisering og evidensgenerering. Gjennom sin Connected Intelligence‑tilnærming ønsker IQVIA å gjøre komplekse helsedata om til handlingsbare innsikter som kan akselerere innovasjon og forbedre beslutningstaking på tvers av helsesystemet.

Din karriere har tatt deg fra konsulentvirksomhet i Accenture gjennom kvalitetssikring og regulatoriske lederroller i Stryker, Dentsply Sirona og GE Healthcare, og nå inn i produktstrategi i IQVIA. Hvordan har denne utviklingen påvirket ditt syn på de langsiktige teknologibeslutningene livsvitenskapsbedrifter tar rundt kunstig intelligens?

Min karriere så langt har omfattet konsulentvirksomhet, produksjon, kvalitet, globale regulatoriske saker og helseteknologi, noe som har gitt meg muligheten til å se teknologibeslutninger fra flere interessenters perspektiver. I hver rolle har jeg erfart at de mest vellykkede investeringene er de som knytter operasjonell og kommersiell ytelse til pasientresultater. Dette gjelder spesielt AI i livsvitenskapssektoren. Selv om effektivitetsgevinster er viktige, vil den største langsiktige verdien komme fra å bruke AI til å styrke kvalitet, regulatorisk etterlevelse, beslutningstaking og til slutt leveringen av trygge og effektive helseløsninger i globale markeder.

Du hevder at AI kan sette en stopper for den tradisjonelle fem‑til‑syv år lange teknologibytte‑syklusen. Hvorfor gjør tilførselen av AI en kvalitets‑ eller regulatorisk plattform mer permanent i stedet for å akselerere utskiftingen?

Tradisjonelt byttet selskaper ut systemer når bedre funksjonalitet ble tilgjengelig og når eksisterende leverandørkontrakter utløp. AI endrer denne beregningen ved å akselerere hastigheten på teknologisk innovasjon. Verdien er ikke lenger begrenset til selve applikasjonen; den ligger i dataene, arbeidsflytene, styringen og den institusjonelle kunnskapen som er opparbeidet gjennom år med bruk. I konteksten av Good Practices, eller «GxP», livsvitenskaps‑applikasjoner, når organisasjoner legger AI på validerte forretningsprosesser og kontinuerlig forbedrer resultater gjennom kvalifisert menneskelig faglig tilsyn, skaper de en intelligens‑ressurs som blir stadig vanskeligere å replikere andre steder. I et slikt miljø er det å erstatte en plattform ikke bare en teknologisk beslutning, men en beslutning om å gjenoppbygge år med akkumulert organisasjonskunnskap.

Hvordan påvirker kvaliteten på en organisasjons dataarkitektur og arbeidsflytinfrastruktur om en AI‑implementering gir meningsfull verdi eller bare forsterker eksisterende ineffektiviteter?

AI forsterker miljøet den blir implementert i. Hvis data er fragmenterte, prosesser er inkonsistente og styringen er svak, vil AI bare automatisere og forverre disse ineffektivitetene. Derimot kan organisasjoner med standardiserte arbeidsflyter, pålitelig data og klar eierskap og styring bruke AI til å forbedre effektivitet, konsistens, etterlevelse og beslutningstaking. Digitalisering og data‑klarhet forblir forutsetninger for vellykket AI‑adopsjon, mens løpende data‑styring og AI‑styring er avgjørende for å sikre verdi, etterlevelse og tillit lenge etter utrulling.

Hva er anskaffelsesparadokset som oppstår når en organisasjon trener AI‑systemer på år med proprietær kvalitet, klinisk eller regulatorisk data?

Paradokset er at jo mer suksess en organisasjon oppnår med AI, desto vanskeligere blir det å forlate plattformen som muliggjorde denne suksessen. År med kvalitet, regulatorisk og klinisk data kan bli en betydelig konkurransefordel når de kombineres med AI, men de kan også øke bytte‑kostnadene. Svaret er ikke å unngå AI‑drevet verdiskaping, men å sikre at eierskap til data, interoperabilitet og portabilitet er innebygd i anskaffelsesbeslutningene fra starten.

Du antyder at plattformbeslutninger tatt i 2025 eller 2026 kan påvirke teknologistrategier langt utover 2035. Tar de fleste ledere innen etterlevelse, informasjonsteknologi og økonomi tilstrekkelig hensyn til dette langsiktige engasjementet?

Regulerte livsvitenskapsbedrifter er vant til å gjøre langsiktige investeringer. Beslutninger som involverer Enterprise Resource Planning (ERP), produksjon, kvalitet, kliniske og regulatoriske systemer har alltid krevd flerårige planleggingshorisonter på grunn av validering, endringskontroll og operasjonell påvirkning. AI kan forlenge noen av disse betraktningene, men mange seniorledere har allerede erfaring med å balansere langsiktig teknologirisiko, regulatoriske forpliktelser og forretningsverdi. Forskjellen er at AI øker den strategiske betydningen av data og styring, snarere enn å fundamentalt endre behovet for langsiktig planlegging.

Hvordan bør livsvitenskapsbedrifter skille mellom «god innlåsing», der akkumulert data og intelligens skaper en konkurransefordel, og skadelig innlåsing som begrenser fleksibilitet, interoperabilitet eller forhandlingsmakt?

God innlåsing handler ikke om å være ute av stand til å forlate en plattform, men om at man ikke vil forlate den fordi plattformen fortsetter å utvikle seg, beskytter din proprietære kunnskap og gjør det mulig å adoptere nye AI‑funksjoner og agent‑native arbeidsflyter etter hvert som teknologien modnes. Dårlig innlåsing oppstår når innovasjonen fra den eksisterende leverandøren stopper opp, interoperabiliteten er begrenset og år med akkumulert kunnskap blir fanget i et system som ikke lett kan tilpasses eller erstattes. Målet bør være å beholde eierskapet til dine data og institusjonelle innsikter, samtidig som du beholder fleksibiliteten til å dra nytte av neste generasjon AI.

Etter hvert som mer kapital tildeles AI, prediktivt vedlikehold og automatisering, hvilke risikoer oppstår når organisasjoner utsetter utskifting av aldrende kjernekraftsystemer?

Den største risikoen er at aldrende plattformer blir flaskehalser for AI‑adopsjon. Legacy‑systemer inneholder ofte fragmenterte data, manuelle eller sterkt tilpassede arbeidsflyter og isolerte prosesser som begrenser umiddelbare automatiseringsmuligheter. Organisasjoner kan investere i AI‑piloter, prediktiv analyse og intelligente agenter, bare for å oppdage at deres kjerneinfrastruktur ikke kan støtte en skalert utrulling.

Det finnes også bredere forretningsrisikoer. Etter hvert som teknologier eldes, kan leverandørstøtte avta, spesialiserte ressurser bli vanskeligere å finne og vedlikeholdskostnader øke. Samtidig øker avstanden mellom dagens tilstand og neste generasjons AI‑plattformer, noe som gjør fremtidige moderniseringsinnsats mer komplekse og kostbare. Organisasjoner kan ende opp med å investere i å opprettholde status‑quo uten å generere konkrete forbedringer i prosessytelse, produktkvalitet, pasientresultater, etterlevelse eller kommersiell effektivitet. I mange tilfeller må modernisering og AI‑beredskap utvikles sammen snarere enn som separate initiativer.

Hvilke tekniske og kontraktsmessige beskyttelser bør selskaper søke for å bevare dataportabilitet, modellportabilitet og tilgang til sin institusjonelle kunnskap dersom de senere bytter leverandør?

Organisasjoner bør fokusere på kontraktsmessige og tekniske beskyttelser som bevarer eierskap og tilgjengelighet til deres informasjon. Dette inkluderer tydelig definerte data‑eksport‑funksjoner, åpne integrasjonsrammeverk, dokumenterte API‑er, datalinje, migrasjonsrettigheter og åpenhet om hvordan proprietære modeller samhandler med selskapets informasjon. Institusjonell kunnskap kan bli en av selskapets mest verdifulle eiendeler, og den må forbli portabel, sikker og kontrollert.

Hvordan bør regulatorisk validering og endringskontrollkrav påvirke beslutninger om oppgradering, ny‑trening eller utskifting av AI‑aktiverte systemer i farmasøytiske og medisinsk‑utstyrsmiljøer?

I GxP‑miljøer endrer ikke AI ansvarligheten. Kvalitets‑ og regulatoriske fagpersoner forblir ansvarlige for styring, integritet og etterlevelse av sine systemer og prosesser. AI‑aktiverte teknologier må derfor støttes av robust styring, risikobasert validering, dokumentert endringskontroll og tilstrekkelig forklarbarhet for å tåle regulatorisk granskning. Kvalifisert, profesjonell menneskelig ekspertise forblir en essensiell styringskomponent i GxP‑AI.

Hvilke leverandørutvelgelseskriterier bør livsvitenskapsbedrifter prioritere i dag for å sikre at en AI‑aktivert plattform forblir sikker, etterlevelsesmessig, tilpasningsdyktig og økonomisk levedyktig i løpet av det neste tiåret?

I en tid med GxP‑AI‑løsninger for helsevesenet bør organisasjoner velge en samarbeids‑partner i stedet for bare å kjøpe programvare. Overholdende funksjonalitet er essensiell, men like viktig er leverandørens evne til å utvikle sin løsning i takt med teknologiske fremskritt samtidig som selskapets data, proprietære kunnskap og regulatoriske forpliktelser beskyttes. De vinnende plattformene vil være de som kombinerer dyp livsvitenskaps‑ekspertise med fleksibel arkitektur, sterk styring og en klar vei for å adoptere fremtidig AI og agent‑native funksjonalitet uten å forstyrre forretningsdriften, kompromittere global etterlevelse, samtidig som de positivt påvirker pasientsikkerheten.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke IQVIA.