Mike King，IQVIA 高级总监，产品与战略——访谈系列

Mike King，IQVIA 高级总监，产品与战略，拥有超过二十年的医疗健康和生命科学高管经验，涵盖产品策略、监管事务、质量保证、运营以及业务转型。在 2022 年加入 IQVIA 之前，King 曾在 Dentsply Sirona 和 GE Healthcare 担任高级领导职务，负责监管事务，覆盖包括欧洲、俄罗斯、独联体（CIS）、以色列、中东、非洲和亚洲在内的复杂国际市场。其职业早期，他在 Bio‑Rad Laboratories、Stryker 和 Accenture 担任质量、监管、运营和业务角色，积累了在医疗技术、监管合规与商业策略交叉领域的广泛经验。

IQVIA 是一家为生命科学和医疗保健行业提供临床研究服务、商业洞察和医疗情报的全球供应商。公司将大规模医疗数据与先进分析、技术、领域专长以及其医疗级 AI 能力相结合，帮助制药、生物技术、医疗器械及其他医疗组织支持药物研发、临床研究、商业化和证据生成。通过其 Connected Intelligence 方法，IQVIA 旨在将复杂的医疗数据转化为可操作的洞察，加速创新并提升整个医疗生态系统的决策水平。

您的职业历程从 Accenture 的咨询工作到 Stryker、Dentsply Sirona 和 GE Healthcare 的质量保证与监管领导角色，再到 IQVIA 的产品策略，这一路径如何塑造了您对生命科学公司在人工智能方面长期技术决策的看法？

我的职业至今跨越了咨询、制造、质量、全球监管事务和医疗技术，使我能够从多方利益相关者的视角审视技术决策。无论在哪个角色，我发现最成功的投资都是将运营和商业绩效与患者结果相结合的项目。这一点在生命科学领域的 AI 应用中尤为重要。虽然提升效率是必要的，但长期最大的价值在于利用 AI 加强质量、监管合规、决策制定，最终在全球市场交付安全有效的医疗解决方案。

您认为 AI 有望终结传统的五至七年技术更换周期。为何引入 AI 会使质量或监管平台更为持久，而不是加速其更换？

传统上，公司在出现更好功能或现有供应商合同到期时才更换系统。AI 通过加速技术创新速度改变了这一计算方式。价值不再局限于具体应用本身，而是体现在多年使用中积累的数据、工作流、治理和组织知识上。在良好实践（“GxP”）的生命科学应用中，组织在经过验证的业务流程上叠加 AI，并通过合格的专业人员持续监督以改进结果，从而创建了一项日益难以在其他地方复制的智能资产。在这种环境下，更换平台不再是单纯的技术决策，而是重建多年积累的组织知识的决定。

组织的数据架构和工作流基础设施的质量如何决定 AI 实施是带来有意义的价值，还是仅仅强化现有低效？

AI 会放大其所部署的环境。如果数据碎片化、流程不一致且治理薄弱，AI 只会自动化并加剧这些低效。相反，拥有标准化工作流、可信数据以及明确所有权和治理的组织，可利用 AI 提升效率、一致性、合规性和决策质量。数字化和数据准备仍是成功采用 AI 的前提，而持续的数据治理和 AI 治理则是确保价值、合规和信任在部署后长期保持的关键。

当组织在多年专有的质量、临床或监管数据上训练 AI 系统时，会产生怎样的采购悖论？

悖论在于，组织越成功地利用 AI，越难摆脱支撑该成功的平台。多年积累的质量、监管和临床数据与 AI 结合后会成为重要的竞争资产，但也会提升切换成本。解决方案不是回避 AI 驱动的价值创造，而是从一开始就在采购决策中确保数据所有权、互操作性和可迁移性。

您指出 2025 或 2026 年做出的平台决策可能影响 2035 年以后的技术战略。大多数合规、信息技术和财务领导者是否充分考虑了这种长期承诺？

受监管的生命科学公司习惯于进行长期投资。涉及企业资源计划（ERP）、制造、质量、临床和监管系统的决策始终需要多年的规划周期，因为涉及验证、变更控制和运营影响。AI 可能会延伸其中的一些考量，但许多高级管理者已经具备在长期技术风险、监管义务和业务价值之间取得平衡的经验。不同之处在于，AI 提升了数据和治理的战略重要性，而不是根本改变长期规划的必要性。

生命科学公司应如何区分“良性锁定”（通过累计数据和智能形成竞争优势）与有害锁定（限制灵活性、互操作性或议价能力）？

良性锁定并非指无法离开平台，而是因为平台持续演进、保护专有知识并允许在技术成熟时采纳新的 AI 能力和原生工作流，使得企业不愿离开。恶性锁定则发生在现有供应商的创新停滞、互操作性受限，且多年累计的知识被困在难以适应或更换的系统中。目标应是保有数据和组织智能的所有权，同时保持灵活性，以便利用下一代 AI。

随着更多资本投入 AI、预测性维护和自动化，组织推迟更换老化核心系统会带来哪些风险？

最大的风险是老化平台成为 AI 采纳的瓶颈。遗留系统往往包含碎片化数据、手工或高度定制的工作流以及孤立的流程，限制了即时自动化的机会。组织可能会投资 AI 试点、预测分析和智能代理，却发现核心基础设施无法支撑规模化部署。

此外，还存在更广泛的业务风险。随着技术老化，供应商支持可能减弱，专业资源变得稀缺，维护成本上升。与此同时，当前状态与下一代 AI 平台之间的差距扩大，使得未来的现代化工作更加复杂且成本更高。组织可能陷入仅为维持现状而投入资金，却未能在流程绩效、产品质量、患者结果、合规或商业效能上产生实质性提升的局面。许多情况下，现代化与 AI 准备需要同步推进，而非作为独立项目分开进行。

公司在更换供应商时，应寻求哪些技术和合同保障，以保持数据可迁移性、模型可迁移性以及对机构知识的访问权？

组织应重点关注能够保留所有权和可访问性的合同及技术保障措施。这包括明确的数据导出能力、开放的集成框架、文档化的 API、数据血缘、迁移权利以及关于专有模型如何与公司信息交互的透明度。机构知识可能成为公司最有价值的资产之一，必须保持可迁移、可安全且受控。

在制药和医疗器械环境中，监管验证和变更控制要求应如何影响对 AI 驱动系统的升级、再训练或更换决策？

在 GxP 环境中，AI 并不改变责任归属。质量和监管专业人员仍需对系统和流程的治理、完整性和合规性负责。因此，AI 驱动的技术必须由稳健的治理、基于风险的验证、文档化的变更控制以及足够的可解释性来支撑，以经受监管审查。合格的专业人员仍是 GxP AI 的关键治理要素。

今天，生命科学公司在选择供应商时应优先考虑哪些标准，以确保 AI 驱动平台在未来十年保持安全、合规、可适应且具经济可行性？

在医疗 GxP AI 解决方案时代，组织应选择合作伙伴而非单纯购买软件。合规功能固然重要，供应商能够随技术进步持续演进其解决方案，同时保护公司的数据、专有知识和监管义务，同样关键。最终获胜的平台将是那些兼具深厚生命科学专业知识、灵活架构、强大治理，并提供清晰路径以在不扰乱业务运营、不中断全球合规、且有利于患者安全的前提下，采纳未来 AI 与原生工作流能力的方案。

感谢这次精彩的访谈，想了解更多的读者请访问 IQVIA。