Hypotesorienterad simulering som kompass för att navigera i en osäker framtid

De senaste framstegen inom datastyrd teknik har låst upp potentialen för förutsägelse genom artificiell intelligens (AI). Men att förutsäga framtiden i okända områden förblir en utmaning, där historiska data kanske inte är tillräckliga, som vi har sett med oförutsägbara händelser som pandemier och nya tekniska störningar. Som svar kan hypotesorienterad simulering vara ett värdefullt verktyg som tillåter beslutsfattare att utforska olika scenarier och fatta informerade beslut. Nyckeln till att uppnå den önskade framtiden i en tid av osäkerhet ligger i att använda hypotesorienterad simulering, tillsammans med datastyrd AI för att förstärka mänskligt beslutsfattande.

Kan datastyrd analys förutsäga framtiden?

Under de senaste åren har AI genomgått en omvandlingsresa, driven av anmärkningsvärda, datastyrda framsteg. I hjärtat av AI:s utveckling ligger den anmärkningsvärda förmågan att extrahera djupa insikter från stora datamängder. Uppkomsten av djupinlärningsmodeller och stora språkmodeller (LLM) har drivit fältet in i okända områden. Förmågan att utnyttja data för att fatta informerade beslut har blivit tillgänglig för organisationer av alla storlekar och inom alla branscher.

Tag läkemedelsindustrin som exempel. På Astellas använder vi data och analys för att hjälpa till att informera vilka affärsportföljer att investera i och när. Om du utvecklar en affärsmodell som fokuserar på en vanlig och väl förstådd sjukdomsdomän, möjliggör kraften i datastyrd analys att du kan dra slutsatser om allt från läkemedelsupptäckt till marknadsföring, vilket kan leda till mer informerade affärsbeslut.

Men medan datastyrd analys utmärker sig inom etablerade områden med riklig historisk data, förblir att förutsäga framtiden i okända områden en formidabel utmaning. Det är svårt att göra datastyrda förutsägelser i områden där tillräckliga data inte är tillgängliga, såsom områden där extraordinär förändring eller teknisk innovation har inträffat (det skulle vara mycket svårt att förutsäga effekten av en plötslig pandemi av ett smittsamt virus eller uppkomsten av generativ AI på ett visst företag i dess tidiga skede). Dessa scenarier understryker begränsningarna med att förlita sig enbart på historiska data för att kartlägga en kurs framåt.

Ett typiskt exempel inom läkemedelsindustrin, och ett som Astellas regelbundet står inför, är värderingen av banbrytande innovationer som genterapi och cellterapi. Med så lite data tillgänglig, försöka förutsäga den exakta värdet av dessa innovationer och deras långtgående påverkan på portföljen enbart baserat på historiska data är som att navigera genom tät dimma utan kompass.

Att titta in i framtiden: Hypotesorienterad simulering

En lovande ansats för att navigera i osäkerhetens vatten är hypotesorienterad simulering, som imiterar verkliga världens processer. Om du är ett företag som ger dig in i okända områden, måste du anta en hypotesorienterad ansats när historiska data inte är tillgängliga. Modellen representerar hur nyckelfaktorer i processerna påverkar resultat medan simuleringen representerar hur modellen utvecklas över tid under olika förhållanden. Det möjliggör för beslutsfattare att testa olika scenarier i virtuella “parallella världar”.

I praktiken innebär detta att lägga ut en mängd olika scenarier på beslutsbordet, var och en med sin egen sannolikhets- och påverkansbedömning. Beslutsfattare kan sedan utvärdera kritiska scenarier och formulera strategier för framtiden baserat på dessa simuleringar. Inom läkemedelsindustrin kräver detta att man gör antaganden om en rad faktorer, såsom kliniska prövningsframgångsgrader, marknadsanpassning och patientpopulationer. Tiotusentals simuleringar körs sedan för att belysa den suddiga vägen framåt och ge ovärderliga insikter för att styra kursen.

På Astellas har vi utvecklat en hypotesorienterad simulering, som skapar scenarier och gör en deduktiv gissning, för att hjälpa till att informera strategiskt beslutsfattande. Vi kan göra detta genom att uppdatera simuleringens hypotes i realtid (vid beslutsbordet), vilket hjälper till att förbättra kvaliteten på strategiska beslut. Projektvärdering är ett område där simuleringen kommer in. Först bygger vi möjliga hypoteser om olika faktorer, inklusive men inte begränsat till marknadsbehov och sannolikhet för kliniska prövningar. Sedan, baserat på dessa hypoteser, simulerar vi händelser som inträffar under kliniska prövningar eller efter produktlansering för att generera projektets möjliga resultat och förväntade värde. Det beräknade värdet används för att bestämma vilka alternativ vi ska välja, inklusive resursallokering och projektplanering.

För att gräva djupare, låt oss titta på ett användningsfall där metoden tillämpas på tidig projektvärdering. Givet den inneboende höga nivån av osäkerhet som följer med tidiga projekt, finns det många möjligheter att mildra riskerna för misslyckande och maximera belöningarna för framgång. Uttryckt enkelt, ju tidigare ett projekt är i sin livscykel, desto större potential för flexibelt beslutsfattande (t.ex. strategiska justeringar, marknadsutvidgningar, utvärdering av möjligheten till avbrytande, etc.). Att utvärdera värdet av flexibilitet är därför avgörande för att fånga alla värden av tidiga projekt. Det kan göras genom att kombinera reala options-teori och simuleringen.

Att mäta effekten av hypotesorienterad simulering kräver en utvärdering från både process- och resultatsynvinkel. Typiska indikatorer som kostnadsreduktion, tidsbesparing och intäktsökning kan användas för att mäta ROI. Men de kan inte fånga hela beslutsprocessen, särskilt när vissa beslut innefattar passivitet. Dessutom är det viktigt att erkänna att resultaten av affärsbeslut kanske inte är omedelbart uppenbara. Inom läkemedelsbranschen, till exempel, är den genomsnittliga tiden från kliniska prövningar till marknadsintroduktion över 10 år.

Det vill säga, värdet av den hypotesdrivna simuleringen kan mätas genom att se hur den integreras i beslutsprocessen. Ju mer simuleringens resultat påverkar beslutsfattandet, desto högre är dess värde.

Framtiden för dataanalys

Dataanalys förväntas divergera i tre huvudtrender: (1) En induktiv ansats som syftar till att identifiera mönster i stora datamängder, som fungerar under antagandet att mönstren som hittas i data kan appliceras på den framtida vi vill förutsäga (t.ex. generativ AI); (2) En analytisk ansats, som fokuserar på tolkning och förståelse av fenomen där tillräckliga data inte kan användas (t.ex. kausalinferens); och (3) En deduktiv ansats, som förlitar sig på affärsregler, principer eller kunskap för att se framtida resultat. Det fungerar även när det finns mindre data tillgängliga (t.ex. en hypotesorienterad simulering).

LLM och andra datastyrda analyser är redo att avsevärt expandera sina praktiska tillämpningar. De har potentialen att revolutionera arbetet genom att påskynda, förbättra kvaliteten på och i vissa fall sogar ta över mänskligt arbete. Denna transformerande skiftning kommer att tillåta individer att fokusera sina ansträngningar på viktigare aspekter av sitt arbete, såsom kritiskt tänkande och beslutsfattande, snarare än mer tidskrävande aktiviteter, såsom datainsamling/arrangemang/analys/visualisering, i fallet med dataanalytiker. När detta händer, kommer vikten av vilken riktning att flytta i att öka, och fokus kommer att ligga på att förstärka mänskligt beslutsfattande. Särskilt kommer trenden att vara att använda dataanalys och simulering för strategiskt beslutsfattande medan man hanterar framtida osäkerheter från ett medel- till långsiktigt perspektiv.

Sammantaget kommer att uppnå en harmonisk balans mellan de tre ansatserna ovan att maximera den sanna potentialen för dataanalys och möjliggöra för organisationer att trivas i en snabbt föränderlig landskap. Medan historiska data är en enorm tillgång, är det viktigt att erkänna begränsningarna. För att övervinna denna begränsning, anta hypotesorienterad simulering tillsammans med en datastyrd ansats möjliggör för organisationer att förbereda sig för en oförutsägbar framtid och säkerställa att deras beslut är informerade av framsynthet och försiktighet.