Майк Кинг, старший директор по продукту и стратегии, IQVIA — серия интервью

Mike King, старший директор по продукту и стратегии, IQVIA, является опытным руководителем в сфере здравоохранения и наук о жизни с более чем двадцатилетним опытом, охватывающим стратегию продукта, регуляторные вопросы, обеспечение качества, операции и трансформацию бизнеса. До того как присоединиться к IQVIA в 2022 году, Кинг занимал руководящие позиции в Dentsply Sirona и GE Healthcare, где он руководил регуляторными делами в сложных международных рынках, включая Европу, Россию, Содружество Независимых Государств (СНГ), Израиль, Ближний Восток, Африку и Азию. Ранее в своей карьере он занимал роли в области качества, регуляции, операций и бизнеса в Bio‑Rad Laboratories, Stryker и Accenture, что дало ему широкий опыт работы на стыке технологий здравоохранения, регуляторного соответствия и коммерческой стратегии.

IQVIA — глобальный поставщик услуг клинических исследований, коммерческих аналитических данных и медицинской разведки, обслуживающий отрасли наук о жизни и здравоохранения. Компания сочетает масштабные данные здравоохранения с передовой аналитикой, технологиями, отраслевой экспертизой и своими возможностями искусственного интеллекта уровня Healthcare‑grade, чтобы помогать фармацевтическим, биотехнологическим, медицинским устройствам и другим организациям здравоохранения поддерживать разработку лекарств, клинические исследования, коммерциализацию и генерацию доказательств. Через подход Connected Intelligence IQVIA стремится превратить сложные данные здравоохранения в практические инсайты, способные ускорять инновации и улучшать процесс принятия решений во всей экосистеме здравоохранения.

Ваша карьера привела вас от консультирования в Accenture через роли в обеспечении качества и регуляторном руководстве в Stryker, Dentsply Sirona и GE Healthcare, к стратегии продукта в IQVIA. Как это развитие сформировало ваш взгляд на долгосрочные технологические решения, которые компании наук о жизни принимают в области искусственного интеллекта?

Моя карьера охватывала консультирование, производство, обеспечение качества, глобальные регуляторные вопросы и технологии здравоохранения, что дало мне возможность рассматривать технологические решения с точки зрения разных заинтересованных сторон. На каждом этапе я обнаружил, что наиболее успешные инвестиции — это те, которые связывают операционную и коммерческую эффективность с результатами для пациентов. Это особенно актуально для ИИ в секторе наук о жизни. Хотя повышение эффективности важно, наибольшая долгосрочная ценность будет получена от использования ИИ для усиления качества, регуляторного соответствия, принятия решений и, в конечном счёте, доставки безопасных и эффективных решений в области здравоохранения на глобальных рынках.

Вы утверждаете, что ИИ может положить конец традиционному пятилетнему‑семилетнему циклу замены технологий. Почему внедрение ИИ делает платформу качества или регуляции более постоянной, а не ускоряет её замену?

Традиционно компании заменяли системы, когда становилась доступна лучшая функциональность и истекали сроки контрактов с поставщиками. ИИ меняет эту расчётную схему, ускоряя темпы технологических инноваций. Ценность больше не ограничивается самим приложением; она заключена в данных, рабочих процессах, управлении и институциональных знаниях, накопленных за годы использования. В контексте Good Practices, или «GxP», приложений наук о жизни, когда организации накладывают ИИ на проверенные бизнес‑процессы и постоянно улучшают результаты под контролем квалифицированных профессионалов, они создают интеллектуальный актив, который всё труднее воспроизвести где‑либо ещё. В такой среде замена платформы перестаёт быть просто технологическим решением — это решение о перестройке многолетних накопленных знаний организации.

Как качество архитектуры данных и инфраструктуры рабочих процессов организации определяют, принесёт ли внедрение ИИ значимую ценность или лишь усилит существующие неэффективности?

ИИ усиливает ту среду, в которой он внедрён. Если данные фрагментированы, процессы непоследовательны, а управление слабо, ИИ лишь автоматизирует и усугубит эти неэффективности. Наоборот, организации с стандартизированными рабочими процессами, надёжными данными и чётким владением и управлением могут использовать ИИ для повышения эффективности, согласованности, соответствия и принятия решений. Цифровизация и готовность данных остаются предпосылками успешного внедрения ИИ, тогда как постоянное управление данными и ИИ необходимо для обеспечения ценности, соответствия и доверия задолго после развертывания.

Каков парадокс закупок, возникающий, когда организация обучает ИИ на многолетних собственных данных о качестве, клинических или регуляторных данных?

Парадокс заключается в том, что чем успешнее организация использует ИИ, тем труднее ей покинуть платформу, которая обеспечила этот успех. Многолетние данные о качестве, регуляции и клинической информации могут стать значительным конкурентным активом в сочетании с ИИ, но они также могут увеличить затраты на переход. Решение состоит не в том, чтобы избегать создания ценности с помощью ИИ, а в том, чтобы с самого начала в процесс закупок включать обеспечение владения данными, их совместимости и переносимости.

Вы предполагаете, что решения о платформах, принятые в 2025‑2026 годах, могут влиять на технологические стратегии далеко за пределами 2035 года. Учитывают ли большинство руководителей по соответствию, информационным технологиям и финансам эту длительную приверженность?

Регулируемые компании в сфере наук о жизни привыкли к долгосрочным инвестициям. Решения, связанные с ERP‑системами, производством, качеством, клиническими и регуляторными системами, всегда требовали многолетнего планирования из‑за необходимости валидации, контроля изменений и операционного воздействия. ИИ может расширить некоторые из этих аспектов, но многие руководители уже обладают опытом балансирования долгосрочных технологических рисков, регуляторных обязательств и бизнес‑ценности. Разница в том, что ИИ повышает стратегическую значимость данных и управления, а не фундаментально меняет необходимость долгосрочного планирования.

Как компаниям наук о жизни различать «хорошую привязку», когда накопленные данные и интеллект создают конкурентное преимущество, и вредную привязку, ограничивающую гибкость, совместимость или переговорную силу?

Хорошая привязка не означает невозможность покинуть платформу, а скорее нежелание этого делать, потому что платформа продолжает развиваться, защищает ваши собственные знания и позволяет внедрять новые возможности ИИ и агентно‑нативные рабочие процессы по мере созревания технологий. Плохая привязка возникает, когда инновации решения от текущего поставщика замедляются, совместимость ограничена, а многолетние накопленные знания оказываются запертыми в системе, которую трудно адаптировать или заменить. Цель должна заключаться в сохранении владения вашими данными и институциональным интеллектом при одновременном сохранении гибкости для использования следующего поколения ИИ.

По мере того как всё больше капитала направляется в ИИ, предиктивное обслуживание и автоматизацию, какие риски возникают, когда организации откладывают замену устаревших основных систем?

Самый большой риск состоит в том, что стареющие платформы становятся узким местом для внедрения ИИ. Унаследованные системы часто содержат фрагментированные данные, ручные или сильно кастомизированные рабочие процессы и изолированные процедуры, ограничивая возможности мгновенной автоматизации. Организации могут инвестировать в пилотные проекты ИИ, предиктивную аналитику и интеллектуальные агенты, лишь чтобы обнаружить, что их базовая инфраструктура не способна поддерживать масштабное развертывание.

Существуют и более широкие бизнес‑риски. По мере старения технологий поддержка со стороны поставщика может уменьшаться, специалисты становятся труднее доступны, а затраты на обслуживание растут. Одновременно разрыв между текущим состоянием и платформами ИИ следующего поколения увеличивается, делая будущие усилия по модернизации более сложными и дорогими. Организации могут вкладывать средства в поддержание статус‑кво, не получая ощутимых улучшений в производительности процессов, качестве продукции, результатах для пациентов, соблюдении требований или коммерческой эффективности. Во многих случаях модернизация и готовность к ИИ должны развиваться совместно, а не как отдельные инициативы.

Какие технические и договорные меры защиты следует искать компаниям, чтобы сохранить переносимость данных, моделей и доступ к их институциональным знаниям при возможной смене поставщика?

Организации должны сосредоточиться на договорных и технических мерах, обеспечивающих сохранение владения и доступа к их информации. Это включает чётко определённые возможности экспорта данных, открытые интеграционные фреймворки, документированные API, прослеживаемость данных, права на миграцию и прозрачность в том, как собственные модели взаимодействуют с корпоративной информацией. Институциональные знания могут стать одним из самых ценных активов компании, и они должны оставаться переносимыми, защищёнными и контролируемыми.

Как требования регуляторной валидации и контроля изменений должны влиять на решения об обновлении, переобучении или замене систем с поддержкой ИИ в фармацевтической и медицинской отрасли?

В средах GxP ИИ не меняет ответственность. Профессионалы в области качества и регуляции остаются ответственными за управление, целостность и соответствие их систем и процессов. Технологии с поддержкой ИИ должны поддерживаться надёжным управлением, валидацией на основе рисков, документированным контролем изменений и достаточной объяснимостью, чтобы выдержать регуляторный контроль. Квалифицированный профессиональный человеческий опыт остаётся ключевым элементом управления GxP‑ИИ.

Какие критерии выбора поставщика должны сегодня ставить в приоритет компании наук о жизни, чтобы обеспечить безопасность, соответствие, адаптивность и экономическую целесообразность платформы с ИИ в течение следующего десятилетия?

В эпоху решений GxP ИИ в здравоохранении организации должны выбирать партнёра‑коллаборатора, а не просто покупать программное обеспечение. Соответствующая функциональность является обязательной, но не менее важна способность поставщика развивать своё решение вместе с технологическим прогрессом, защищая данные компании, собственные знания и регуляторные обязательства. Побеждающими станут платформы, сочетающие глубокую экспертизу в сфере наук о жизни с гибкой архитектурой, сильным управлением и чётким путём к внедрению будущих возможностей ИИ и агентно‑нативных процессов без нарушения бизнес‑операций, компрометации глобального соответствия, при этом положительно влияя на безопасность пациентов.

Спасибо за отличное интервью, читатели, желающие узнать больше, могут посетить IQVIA.