Podczas gdy sektor life sciences — obejmujący m.in. biotechnologię, farmację i technologie medyczne — wdrożył sztuczną inteligencję na szeroką skalę, branża ochrony zdrowia przyjmuje bardziej ostrożne podejście, koncentrując się na pilotażowych projektach i stopniowym usprawnianiu wybranych procesów. Raporty z serii „Intelligent Industries” opracowane przez KPMG International analizują, w jaki sposób wiodące z obu sektorów przechodzą transformację opartą na AI – od przyspieszania badań i rozwoju, poprzez poprawę skuteczności leczenia, po optymalizację procesów operacyjnych. Celem raportów jest dostarczenie członkom zarządów, liderom technologicznym i decydentom strategicznych wskazówek, które ułatwią sprawne wdrażanie AI i pomogą zmaksymalizować zwrot z inwestycji. Zachęcamy do zapoznania się z najważniejszymi wnioskami z obu raportów.
Kluczowe wnioski
Większość liderów jest otwarta na autonomiczne decyzje AI. Aż 89% liderów z branży nauk przyrodniczych i 84% z sektora ochrony zdrowia deklaruje gotowość do powierzania sztucznej inteligencji autonomicznych decyzji w wybranych procesach.
Dzięki AI efektywność operacyjna w sektorze life scences zauważalnie wzrasta. 97% organizacji z sektora life sciences odnotowało usprawnienia operacyjne po wdrożeniu AI, natomiast 39% podmiotów z sektora ochrony zdrowia zgłasza poprawę wyników finansowych. Jednocześnie ponad 70% organizacji w obu sektorach wskazuje, że wdrożenie AI przełożyło się na wzrost efektywności pracy.
Zwrot z inwestycji pozostaje wyzwaniem. Tylko 23% organizacji z sektora life sciences deklaruje osiągnięcie wysokiego lub bardzo wysokiego zwrotu z inwestycji w AI, a 32% spodziewa się, że ROI utrzyma się na podobnym poziomie w najbliższych latach. Dla porównania, mimo wolniejszego tempa wdrażania AI w ochronie zdrowia, 30% liderów z tego sektora wskazuje na wysokie lub bardzo wysokie zyski z inwestycji.
Liderzy z sektora ochrony zdrowia są skłonni dłużej poczekać na rezultaty inwestycji. 69% organizacji life sciences oraz aż 85% liderów z sektora ochrony zdrowia deklaruje inwestycje w eksperymentalne projekty AI bez oczekiwania natychmiastowych wyników.
Dla większości liderów branży life sciences zrównoważony rozwój jest ważniejszy niż cele związane z AI. 78% organizacji z sektora life sciences uznaje realizację celów zrównoważonego rozwoju za wyższy priorytet strategiczny niż wdrażanie AI, a 83% z nich posiada konkretne plany zmniejszenia zapotrzebowanie na energię ze strony systemów sztucznej inteligencji.
Wyzwania regulacyjne i etyczne są istotną barierą dla wdrażania AI w ochronie zdrowia. 42% organizacji z sektora ochrony zdrowia napotyka trudności w spełnianiu rygorystycznych wymogów regulacyjnych, dotyczących m.in. bezpieczeństwa pacjentów, ochrony danych i etycznego stosowania sztucznej inteligencji.
Dojrzała integracja AI w sektorze life sciences
W przeciwieństwie do branż, które wciąż znajdują się na etapie eksploracji, firmy z sektora life sciences już dziś głęboko integrują sztuczną inteligencję ze swoimi procesami — od badań i rozwoju, przez produkcję i zgodność regulacyjną, aż po komercjalizację. Ponad połowa organizacji z sektora wykorzystuje AI w skali całych działów lub strumieni wartości, a nie tylko w wybranych obszarach. Większość organizacji life sciences stosuje AI od ponad trzech lat, a niemal wszystkie posiadają jasną wizję tego, w które projekty AI warto inwestować. Co istotne, inicjatywy związane z AI są zazwyczaj inicjowane i prowadzone przez jednostki biznesowe, a nie działy IT. Dzięki temu technologia pozostaje ściśle powiązana z kluczowymi celami strategicznymi, takimi jak skrócenie czasu wprowadzenia produktów na rynek, wspieranie innowacji naukowych czy spełnianie wymogów regulacyjnych.
Pomimo tego zaawansowania osiągnięcie wysokiego zwrotu z inwestycji w AI w sektorze life sciences pozostaje wyzwaniem. Wiele organizacji przewiduje, że poziom ROI z takich inwestycji utrzyma się na niezmienionym poziomie w nadchodzących latach.
Bariery dla rozwoju AI w sektorze life sciences
1. Jakość i bezpieczeństwo danych.
Pomimo solidnych fundamentów cyfrowych problemy z danymi pozostają kluczową barierą. Aż 68% organizacji wskazuje na takie kwestie jak silosowość danych, ich niespójna jakość czy obawy dotyczące prywatności.
2. Trudności z mierzeniem zwrotu z inwestycji.
Choć większość firm z sektora life sciences wierzy w potencjał sztucznej inteligencji, precyzyjne określenie jej wpływu biznesowego pozostaje wyzwaniem. Wielu liderów odczuwa presję ze strony inwestorów, aby szybko wykazać zwrot z inwestycji w AI – obecnie mniej niż jedna czwarta organizacji raportuje znaczący ROI.
3. Niedobór specjalistycznych kompetencji.
Efektywne wdrażanie AI jest ograniczane przez rosnącą lukę kompetencyjną. Choć 74% organizacji rozpoczęło szkolenia swoich pracowników w zakresie AI, popyt na specjalistyczne umiejętności – takie jak uczenie maszynowe, inżynierię danych czy zarządzanie sztuczną inteligencją – stale przewyższa podaż. Niedobór ten jest szczególnie dotkliwy w obszarach wymagających połączenia ekspertyzy naukowej z kompetencjami AI, takich jak opracowywanie leków, informatyka kliniczna czy technologie regulacyjne.
Generatywna sztuczna inteligencja w sektorze life sciences już teraz przyspiesza takie procesy jak przygotowywanie dokumentacji klinicznej, symulacje molekularne czy opracowywanie protokołów badawczych. Analiza KPMG przeprowadzona w Stanach Zjednoczonych wskazuje, że wdrożenie generatywnej sztucznej inteligencji w wybranych obszarach działalności firm z sektora life sciences może przełożyć się na wzrost EBITDA w przedziale 4-18%. Obszary, w których obserwuje się największą wartość dodaną związaną z tymi inwestycjami to zaangażowanie klientów, systemy CRM, zgodność z regulacjami, badania medyczne, analiza danych klinicznych oraz optymalizacja łańcucha dostaw. Obecnie stopniowo wchodzimy jednak w kolejną fazę rozwoju – erę agentów AI, czyli systemów zdolnych do realizacji zaawansowanych projektów i podejmowania autonomicznych decyzji. W niedalekiej przyszłości inteligentne agentowe systemy będą mogły samodzielnie projektować eksperymenty laboratoryjne, monitorować przebieg badań klinicznych w czasie rzeczywistym czy automatycznie zarządzać zakłóceniami w łańcuchu dostaw.
Ostrożna implementacja AI w sektorze ochrony zdrowia
Branża ochrony zdrowia pozostaje w tyle za innymi sektorami pod względem wdrażania sztucznej inteligencji – wiele organizacji utknęło na etapie projektów pilotażowych, zmagając się z przestarzałą infrastrukturą, silosami danych oraz oporem pracowników wobec zmian. Ponad połowa liderów z tego sektora deklaruje, że AI jest już w pełni zintegrowana z ich operacjami lub stanowi ich kluczowy komponent, podczas gdy pozostali wciąż eksplorują możliwe zastosowania lub pozostają na wczesnym etapie wdrażania. Silnie zorientowany na człowieka charakter funkcji ochrony zdrowia sprawia, że wpływ AI ma obecnie raczej charakter ewolucyjny niż rewolucyjny – zamiast radykalnie zmieniać system, sztuczna inteligencja usprawnia procesy i wspiera wybrane zastosowania operacyjne.
Ponad trzy czwarte (76%) respondentów z sektora ochrony zdrowia uważa, że przed podjęciem istotnych decyzji inwestycyjnych warto poczekać, aż sytuacja na rynku technologii AI się ustabilizuje.
Bariery dla wdrażania AI w ochronie zdrowia
1. Silosowość wiedzy klinicznej i systemów IT.
Ochrona zdrowia charakteryzuje się silnie zakorzenionym podziałem na silosy, wynikającym z głębokiej specjalizacji lekarzy. Każda dziedzina medycyny wypracowała własną, wysoko wyspecjalizowaną wiedzę, protokoły diagnostyczne i metody leczenia. Silosowy charakter dodatkowo utrwalają odrębne dla poszczególnych działów systemy IT.
2. Restrykcje prawne i wyzwania etyczne.
Przepisy dotyczące ochrony prywatności danych oraz nowe regulacje w obszarze AI wprowadzają rygorystyczne wymogi zgodności, znacząco komplikując proces wdrożenia. Dodatkowo kwestie etyczne – takie jak ryzyko uprzedzeń algorytmicznych, brak przejrzystości czy konieczność uzyskiwania świadomej zgody pacjentów – jeszcze bardziej utrudniają implementację.
3. Cyberbezpieczeństwo i integracja z infrastrukturą szpitalną.
Aby rozwiązania AI mogły działać bezproblemowo w ramach systemów elektronicznej dokumentacji medycznej oraz szerszej infrastruktury ERP szpitali, konieczne są istotne inwestycje w modernizację technologii i wzmocnienie cyberzabezpieczeń.
4. Opór personelu medycznego i brak zaufania.
Podwójne obawy związane z utratą miejsc pracy oraz nieufnością wobec decyzji opartych na AI powodują opór wśród pracowników ochrony zdrowia. Wielu z nich nie wierzy, że pracodawcy przy wdrażaniu narzędzi AI postawią na pierwszym miejscu bezpieczeństwo pacjentów.
Cztery fundamenty skutecznego wdrażania AI w sektorze life sciences i ochrony zdrowia
Zaangażowanie interdyscyplinarnych zespołów, łączących naukowców, liderów IT, interesariuszy i organizacje pacjentów jest kluczowe dla odniesienia sukcesu z AI. Najbardziej skuteczne firmy skupiają się na transformacji obszarów o wysokim wpływie biznesowym, takich jak modelowanie molekularne czy optymalizacja łańcucha dostaw. Niezbędne jest jasne zdefiniowanie wskaźników ROI, które wykażą mierzalne efekty biznesowe – mogą być nimi na przykład redukcja kosztów R&D, skrócenie czasu badań czy zmniejszenie wypalenia klinicznego.
Integracja AI odnosi sukces, gdy jest postrzegana jako sposób na wsparcie pracowników, a nie ich zastąpienie. Zarządzanie zmianą staje się niezbędne również w kontekście obaw lekarzy o utratę autonomii diagnostycznej. Kluczowe jest włączenie edukacji AI do istniejących programów szkoleniowych, tworzenie ścieżek rozwoju kompetencji dla personelu medycznego i naukowców, a także nowych funkcji, takich jak AI Ethics Officer.
Wczesne zaangażowanie naukowców, regulatorów i pacjentów pozwala od początku tworzyć etyczne i zgodne z regulacjami rozwiązania. Na co dzień zaufanie do AI w organizacji można zbudować dzięki wybieraniu przejrzystych systemów oraz regularnym audytom uprzedzeń, szczególnie w genetyce i diagnostyce. Pomocą służą modele zarządzania oparte na wytycznych WHO, które wspierają odpowiedzialne stosowanie AI w obszarach takich jak diagnostyka uwzględniająca płeć i pochodzenie etniczne.
Skuteczne wdrożenie rozwiązań AI wymaga skalowalnej, bezpiecznej i interoperacyjnej infrastruktury danych oraz technologii. W sektorze ochrony zdrowia sukces infrastruktury AI wiąże się z modernizacją przestarzałych systemów i konsolidacją rozproszonych danych dzięki chmurowym platformom opartym na standardach HL7 FHIR. Natomiast stosowanie techniki federacyjnego uczenia maszynowego umożliwia instytucjom wspólne trenowanie modeli AI przy zachowaniu prywatności danych.
Skuteczne wdrożenie AI w sektorze ochrony zdrowia i life sciences nie sprowadza się do wyboru pojedynczej technologii, ale wymaga przemyślanej transformacji obejmującej strategię, kulturę organizacyjną, infrastrukturę oraz aspekty etyczne. Jesteśmy świadkami kulturowej zmiany: AI w sektorze zdrowia przestaje być wyłącznie narzędziem wspierającym działania operacyjne i staje się katalizatorem przejścia od biurokratycznych procesów do opieki skoncentrowanej na człowieku. Co istotne, liderzy rynku nie działają w próżni – aktywnie współpracują z partnerami technologicznymi, instytucjami naukowymi i lokalnymi społecznościami, by skalować innowacje także poza mury szpitali. W sektorze life sciences następuje natomiast transformacja w kierunku kultury „AI-first”, w której sztuczna inteligencja staje się integralną częścią projektów badawczych i operacyjnych. Wymaga to jednoczesnego nacisku na innowacje oparte na analizie danych, pracę w interdyscyplinarnych zespołach oraz ciągłe podnoszenie kompetencji pracowników. To kompleksowe podejście stwarza realną szansę na trwałe i skalowalne efekty, zarówno w zakresie efektywności operacyjnej, innowacyjności badań, jak i jakości opieki nad pacjentem.
O badaniu
Seria raportów „Intelligent Industries” obejmuje osiem kluczowych raportów sektorowych, których wnioski opierają się na pogłębionym badaniu z wykorzystaniem zróżnicowanych metod badawczych:
- Wywiady z ośmioma ekspertami w dziedzinie sztucznej inteligencji, obejmujące obszary technologii AI, regulacji rządowych oraz zastosowań przemysłowych, uzupełnione konsultacjami z ekspertami sektorowymi KPMG.
- Po dziesięć wywiadów dla każdego z ośmiu sektorów z profesjonalistami specjalizującymi się w wykorzystaniu AI w danej branży.
- Ilościowe badanie ankietowe przeprowadzone wśród 1 390 decydentów, w tym 183 liderów wyższego szczebla z sektora life sciences oraz 183 z sektora opieki zdrowotnej. Respondenci pochodzą z ośmiu globalnych rynków: Australii, Chin, Niemiec, Wielkiej Brytanii, Kanady, Francji, Japonii oraz Stanów Zjednoczonych.
Skontaktuj się z nami
Jak możemy pomóc?
Wyślij zapytanie ofertowe
Dowiedz się więcej, o tym w jaki sposób wiedza i technologia KPMG mogą pomóc Tobie i Twojej firmie.
Kliknij, aby rozpocząć
