Mike King, Starszy Dyrektor ds. Produktu i Strategii, IQVIA – seria wywiadów

Mike King, Starszy Dyrektor ds. Produktu i Strategii, IQVIA, jest doświadczonym menedżerem w sektorze opieki zdrowotnej i nauk przyrodniczych, posiadającym ponad dwadzieścia lat doświadczenia obejmującego strategię produktów, sprawy regulacyjne, zapewnienie jakości, operacje oraz transformację biznesową. Przed dołączeniem do IQVIA w 2022 roku King pełnił wysokie stanowiska kierownicze w firmach Dentsply Sirona i GE Healthcare, gdzie nadzorował sprawy regulacyjne na złożonych rynkach międzynarodowych, w tym w Europie, Rosji, Wspólnocie Niepodległych Państw (CIS), Izraelu, na Bliskim Wschodzie, w Afryce i w Azji. Na wcześniejszym etapie kariery pracował w obszarach jakości, regulacji, operacji i biznesu w Bio‑Rad Laboratories, Stryker i Accenture, co dało mu szerokie doświadczenie na styku technologii medycznych, zgodności regulacyjnej i strategii komercyjnej.

IQVIA jest globalnym dostawcą usług badań klinicznych, analiz komercyjnych oraz inteligencji zdrowotnej obsługującej przemysły nauk przyrodniczych i opieki zdrowotnej. Firma łączy dane zdrowotne na dużą skalę z zaawansowaną analityką, technologią, wiedzą domenową oraz możliwościami sztucznej inteligencji klasy Healthcare‑grade, aby pomagać firmom farmaceutycznym, biotechnologicznym, producentom wyrobów medycznych i innym organizacjom zdrowotnym w rozwoju leków, badaniach klinicznych, komercjalizacji i generowaniu dowodów. Dzięki podejściu Connected Intelligence IQVIA dąży do przekształcenia złożonych danych zdrowotnych w praktyczne wnioski, które mogą przyspieszyć innowacje i usprawnić podejmowanie decyzji w całym ekosystemie opieki zdrowotnej.

Twoja kariera prowadziła Cię od konsultingu w Accenture, przez role związane z zapewnieniem jakości i przywództwem regulacyjnym w Stryker, Dentsply Sirona i GE Healthcare, a teraz do strategii produktów w IQVIA. Jak ten rozwój ukształtował Twoje spojrzenie na długoterminowe decyzje technologiczne, które podejmują firmy nauk przyrodniczych w zakresie sztucznej inteligencji?

Moja dotychczasowa kariera obejmowała konsulting, produkcję, jakość, globalne sprawy regulacyjne oraz technologię medyczną, co pozwoliło mi obserwować decyzje technologiczne z perspektywy wielu interesariuszy. W każdej roli zauważyłem, że najskuteczniejsze inwestycje to te, które łączą wydajność operacyjną i komercyjną z wynikami pacjentów. Dotyczy to szczególnie AI w sektorze nauk przyrodniczych. Choć zyski efektywności są ważne, największą długoterminową wartość przyniesie wykorzystanie AI do podnoszenia jakości, zgodności regulacyjnej, podejmowania decyzji oraz ostatecznie dostarczania bezpiecznych i skutecznych rozwiązań zdrowotnych na rynkach globalnych.

Argumentujesz, że AI może zakończyć tradycyjny pięcio‑siedcioletni cykl wymiany technologii. Dlaczego wprowadzenie AI sprawia, że platforma jakościowa lub regulacyjna staje się trwalsza, a nie przyspiesza jej wymianę?

Tradycyjnie firmy wymieniały systemy, gdy dostępna była lepsza funkcjonalność i wygasały umowy z dostawcami. AI zmienia tę kalkulację, przyspieszając tempo innowacji technologicznej. Wartość nie ogranicza się już do samej aplikacji; leży w danych, przepływach pracy, zarządzaniu i wiedzy instytucjonalnej zgromadzonej przez lata użytkowania. W kontekście Dobrych Praktyk, czyli „GxP”, gdy organizacje nakładają AI na zweryfikowane procesy biznesowe i nieustannie doskonalą wyniki pod nadzorem wykwalifikowanych specjalistów, tworzą aktywo inteligencyjne, które staje się coraz trudniejsze do odtworzenia w innym miejscu. W takim otoczeniu wymiana platformy nie jest już jedynie decyzją technologiczną, lecz decyzją o przebudowie wieloletniej zgromadzonej wiedzy organizacyjnej.

W jaki sposób jakość architektury danych i infrastruktury przepływów pracy w organizacji decyduje, czy wdrożenie AI przynosi znaczącą wartość, czy jedynie utrwala istniejące nieefektywności?

AI wzmacnia otoczenie, w którym jest wdrożona. Jeśli dane są podzielone, procesy niespójne, a zarządzanie słabe, AI jedynie automatyzuje i nasila te nieefektywności. Natomiast organizacje posiadające ustandaryzowane przepływy pracy, zaufane dane oraz jasną własność i zarządzanie mogą wykorzystać AI do zwiększenia wydajności, spójności, zgodności i podejmowania decyzji. Cyfryzacja i gotowość danych pozostają warunkami wstępnymi skutecznego przyjęcia AI, a ciągłe zarządzanie danymi i AI jest niezbędne, aby zapewnić wartość, zgodność i zaufanie długo po wdrożeniu.

Jaki paradoks powstaje w procesie zamówień, gdy organizacja trenuje systemy AI na latach własnych danych jakościowych, klinicznych lub regulacyjnych?

Paradoks polega na tym, że im skuteczniej organizacja wykorzystuje AI, tym trudniej jest odejść od platformy, która umożliwiła ten sukces. Lata danych jakościowych, regulacyjnych i klinicznych mogą stać się znaczącym aktywem konkurencyjnym w połączeniu z AI, ale jednocześnie podnoszą koszty zmiany dostawcy. Rozwiązaniem nie jest unikanie wartości generowanej przez AI, lecz zapewnienie, aby własność danych, interoperacyjność i przenośność były wbudowane w decyzje zakupowe od samego początku.

Sugerujesz, że decyzje platformowe podjęte w 2025 lub 2026 roku mogą kształtować strategie technologiczne znacznie po 2035 roku. Czy liderzy ds. zgodności, technologii informacyjnych i finansów w wystarczającym stopniu uwzględniają ten wydłużony okres zobowiązania?

Regulowane firmy nauk przyrodniczych są przyzwyczajone do długoterminowych inwestycji. Decyzje dotyczące ERP, produkcji, jakości, systemów klinicznych i regulacyjnych zawsze wymagały wieloletniego planowania ze względu na walidację, kontrolę zmian i wpływ operacyjny. AI może wydłużać niektóre z tych rozważań, ale wielu seniorów już ma doświadczenie w równoważeniu długoterminowego ryzyka technologicznego, zobowiązań regulacyjnych i wartości biznesowej. Różnica polega na tym, że AI podnosi strategiczne znaczenie danych i zarządzania, a nie fundamentalnie zmienia potrzebę planowania wieloletniego.

Jak firmy nauk przyrodniczych powinny odróżnić „dobry lock‑in”, w którym zgromadzone dane i inteligencja tworzą przewagę konkurencyjną, od szkodliwego lock‑in, który ogranicza elastyczność, interoperacyjność lub siłę negocjacyjną?

Dobry lock‑in nie polega na niemożności odejścia od platformy, lecz na braku chęci odejścia, ponieważ platforma nadal się rozwija, chroni własną wiedzę i pozwala na przyjmowanie nowych możliwości AI oraz przepływów agent‑native w miarę dojrzewania technologii. Zły lock‑in występuje, gdy innowacje dostawcy zatrzymują się, interoperacyjność jest ograniczona, a lata zgromadzonej wiedzy zostają uwięzione w systemie, który nie może się łatwo dostosować ani zostać wymieniony. Celem powinno być zachowanie własności danych i inteligencji instytucjonalnej przy jednoczesnym zachowaniu elastyczności korzystania z kolejnej generacji AI.

W miarę rosnących inwestycji w AI, predykcyjną konserwację i automatyzację, jakie ryzyka pojawiają się, gdy organizacje odkładają wymianę przestarzałych systemów rdzeniowych?

Największym ryzykiem jest to, że przestarzałe platformy stają się wąskim gardłem przyjmowania AI. Systemy legacy często zawierają podzielone dane, ręczne lub silnie spersonalizowane przepływy pracy oraz odizolowane procesy, które ograniczają natychmiastowe możliwości automatyzacji. Organizacje mogą inwestować w pilotażowe projekty AI, analitykę predykcyjną i inteligentnych agentów, a potem odkrywać, że ich infrastruktura rdzeniowa nie jest w stanie obsłużyć skalowanego wdrożenia.

Istnieją także szersze ryzyka biznesowe. W miarę starzenia się technologii wsparcie ze strony dostawcy może maleć, specjaliści stają się trudniej dostępni, a koszty utrzymania rosną. Jednocześnie luka pomiędzy bieżącym stanem a platformami AI nowej generacji się powiększa, co czyni przyszłe działania modernizacyjne bardziej skomplikowanymi i kosztownymi. Firmy mogą więc inwestować w utrzymanie status quo, nie generując wymiernych usprawnień w wydajności procesów, jakości produktów, wynikach pacjentów, zgodności czy efektywności komercyjnej. W wielu przypadkach modernizacja i gotowość AI muszą postępować równocześnie, a nie jako odrębne inicjatywy.

Jakie zabezpieczenia techniczne i kontraktowe powinny firmy wprowadzić, aby zachować przenośność danych, modeli i dostęp do wiedzy instytucjonalnej, jeśli później zmienią dostawcę?

Organizacje powinny skoncentrować się na ochronie kontraktowej i technicznej, które zapewniają własność i dostępność informacji. Obejmuje to jasno określone możliwości eksportu danych, otwarte ramy integracji, udokumentowane API, ścieżki pochodzenia danych, prawa migracji oraz przejrzystość w zakresie tego, jak własnościowe modele współdziałają z informacjami firmy. Wiedza instytucjonalna może stać się jednym z najcenniejszych aktywów firmy i musi pozostać przenośna, bezpieczna i pod kontrolą.

W jaki sposób wymogi walidacji regulacyjnej i kontroli zmian powinny wpływać na decyzje dotyczące modernizacji, ponownego szkolenia lub wymiany systemów AI w środowiskach farmaceutycznych i wyrobów medycznych?

W środowiskach GxP AI nie zmienia odpowiedzialności. Profesjonaliści ds. jakości i regulacji pozostają odpowiedzialni za zarządzanie, integralność i zgodność swoich systemów i procesów. Technologie wspierane AI muszą być więc objęte solidnym zarządzaniem, walidacją opartą na ryzyku, udokumentowaną kontrolą zmian oraz wystarczającą wyjaśnialnością, aby wytrzymać kontrolę regulacyjną. Kwalifikowana, profesjonalna ekspertyza ludzka pozostaje niezbędnym elementem zarządzania AI w GxP.

Jakie kryteria wyboru dostawcy powinny dziś priorytetyzować firmy nauk przyrodniczych, aby zapewnić, że platforma AI pozostanie bezpieczna, zgodna, elastyczna i ekonomicznie opłacalna w nadchodzącej dekadzie?

W erze rozwiązań GxP AI w opiece zdrowotnej organizacje powinny wybierać partnera współpracującego, a nie jedynie kupować oprogramowanie. Zgodna funkcjonalność jest niezbędna, ale równie ważna jest zdolność dostawcy do rozwijania rozwiązania w miarę postępu technologicznego, przy jednoczesnym ochronie danych firmy, własnej wiedzy i zobowiązań regulacyjnych. Zwycięskie platformy będą tymi, które połączą głęboką wiedzę o naukach przyrodniczych z elastyczną architekturą, solidnym zarządzaniem i wyraźną drogą do przyjmowania przyszłych możliwości AI i agent‑native, nie zakłócając operacji biznesowych, nie naruszając globalnej zgodności, a jednocześnie pozytywnie wpływając na bezpieczeństwo pacjentów.

Dziękujemy za wywiad; czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić IQVIA.