Марина Велданова: ИИ требует новой управленческой логики

Еще несколько лет назад генеративный искусственный интеллект воспринимался в фармацевтике как красивая технологическая игрушка — перспективная, но далекая от реального бизнеса. Сегодня ситуация меняется стремительно. Что он заменит, а где останутся старые задачи, поделилась с «ФВ» директор Центра развития здравоохранения Школы управления «Сколково», профессор, д.м.н. Марина Велданова.

Генеративный ИИ перестает быть экспериментом и превращается в системный фактор трансформации всей фармацевтической индустрии. Речь идет уже не о локальной автоматизации отдельных функций. На кону — перестройка всей цепочки создания ценности: от фундаментальной науки и поиска молекул до клинических исследований, производства, маркетинга и взаимодействия с пациентом. И впервые за десятилетия отрасль получила инструмент, который способен одновременно влиять на скорость разработки, стоимость процессов и вероятность успеха инноваций.

Для фармы это критически важно. Индустрия давно живет в условиях растущих затрат на НИОКР, длительных циклов вывода препаратов на рынок и высокой вероятности провала клинических программ. Разработка одной молекулы может занимать 10–15 лет, а до 20% выручки крупных компаний уходит на исследования. Именно поэтому даже небольшое сокращение сроков разработки превращается в колоссальный экономический эффект. По оценкам аналитиков, ИИ способен создавать для отрасли до 110 миллиардов долларов дополнительной ценности ежегодно.

Наиболее заметная трансформация начинается в R&D. Фармацевтическая наука давно столкнулась с информационной перегрузкой: тысячи публикаций, патентов, отчетов и экспериментальных данных физически невозможно полноценно анализировать вручную. ИИ меняет саму модель работы исследователя. Вместо месяцев изучения литературы ученый получает возможность формулировать сложные запросы и быстро получать структурированные выводы.

Но настоящий прорыв связан с дизайном молекул. Генеративные модели способны предсказывать свойства соединений, моделировать структуры и тестировать миллионы вариантов in silico — без физического синтеза. То, что раньше занимало месяцы, теперь может происходить за недели. Аналогичные подходы применяются и к биологическим препаратам, антителам и мРНК-технологиям.

Еще важнее то, что ИИ начинает влиять на стратегические решения. Один из самых дорогих вопросов для любой фармкомпании — для какого показания развивать актив. Ошибка здесь может стоить миллиардов долларов. ИИ способен анализировать данные реальной клинической практики, медицинские карты и омические данные, выявляя скрытые связи между заболеваниями и механизмами действия препаратов.

Не менее серьезные изменения происходят в клинических исследованиях — самой затратной и уязвимой части фармацевтического бизнеса. Набор пациентов, управление площадками, контроль данных и подготовка документов традиционно становятся источником постоянных задержек и перерасхода бюджета. ИИ постепенно превращается во «второго пилота» клинических программ: анализирует риски в режиме реального времени, помогает прогнозировать задержки и автоматизирует работу с данными.

Регуляторные подразделения также вступают в эпоху трансформации. Подготовка досье и ответы на запросы регуляторов требуют огромных ресурсов высококвалифицированных специалистов. ИИ уже используется для создания черновиков клинических отчетов и ускорения подготовки документов. Потенциальное сокращение сроков подачи заявок оценивается до 40%.

Но революция затрагивает не только науку. Производство, supply chain и управление качеством — традиционно консервативные области — также начинают быстро меняться. ИИ помогает прогнозировать поломки оборудования, анализировать отклонения качества и предотвращать дефицит продукции за счет интеллектуального планирования поставок. После пандемии именно устойчивость цепочек поставок стала для фармы вопросом стратегической выживаемости.

Коммерческая функция меняется не менее радикально. Генерация маркетингового контента ускоряется, медицинско-юридический обзор частично автоматизируется, а взаимодействие с врачами становится более персонализированным. Торговый представитель будущего — это уже не просто носитель информации о препарате, а пользователь ИИ-систем, подсказывающих наиболее релевантные сценарии коммуникации.

Однако, возможно, наиболее важная трансформация связана с пациентом. ИИ усиливает переход фармы к пациентоцентричной модели: помогает поддерживать приверженность терапии, снижать отказ от лечения и улучшать навигацию пациента в системе здравоохранения. Даже небольшое снижение числа пациентов, прекращающих терапию, способно одновременно улучшать клинические исходы и финансовые показатели компаний.

Однако за эйфорией скрывается и серьезное напряжение. Главный вопрос сегодня уже не в том, будет ли ИИ использоваться в фарме. Вопрос в том, какие компании смогут встроить его в операционную модель быстрее остальных.

Потому что технология сама по себе не создает трансформацию. Для масштабирования нужны зрелые данные, современная инфраструктура, изменение процессов и новая культура управления. ИИ меняет сами роли сотрудников: от исполнителей рутинных операций к аналитикам, способным интерпретировать выводы моделей и принимать решения.

При этом риски остаются огромными: «галлюцинации» моделей, проблемы конфиденциальности, вопросы интеллектуальной собственности и регуляторные ограничения. Именно поэтому ключевым принципом становится human in the loop — окончательное решение по-прежнему должен принимать человек.

При этом отрасль все отчетливее понимает: технология сама по себе не гарантирует успеха. Главная сложность заключается не во внедрении ИИ, а в перестройке процессов, культуры и ролей сотрудников. Генеративный ИИ требует новой управленческой логики, качественных данных и масштабного повышения квалификации персонала.