10 ژانویه 2025 -نوشته چایتانیا آدابالا ویسوا، داندی ژو، دلفین زورکیا و یواخیم بلی
آزمایشهای هوش مصنوعی نسل جدید نویدبخش بودهاند، اما برای اینکه این فناوری بتواند ارزش تجاری متحولکنندهای را در صنعت علوم زیستی ارائه دهد، سازمانها باید در مورد نحوه مقیاسبندی آن تجدید نظر کنند.
در ژوئیه 2023، محققان موسسه جهانی مککینزی تخمین زدند که هوش مصنوعی نسل جدید میتواند سالانه بین 60 تا 110 میلیارد دلار ارزش اقتصادی برای صنایع داروسازی و محصولات پزشکی ایجاد کند و بهرهوری و نوآوری را در حوزههای مختلف زنجیره ارزش صنعت – از نحوه کشف درمانهای جدید گرفته تا نحوه بازاریابی و تجویز آنها توسط پزشکان – افزایش دهد. شش ماه بعد، کارشناسان مککینزی عمیقتر به این اعداد پرداختند و بیش از 20 مورد استفاده با بیشترین پتانسیل برای تأثیر کوتاهمدت را کشف کردند.
اکنون، با افزایش موارد استفاده از هوش مصنوعی نسل جدید در جامعه تجاری، تصمیم گرفتیم دریابیم که سازمانهای علوم زیستی در جذب این ارزش چقدر پیشرفت داشتهاند. در اواخر تابستان 2024، بیش از 100 رهبر داروسازی و فناوری پزشکی را که مسئول پیشبرد تلاشهای هوش مصنوعی نسل جدید سازمانهای خود بودند، مورد بررسی قرار دادیم. همه پاسخدهندگان گزارش میدهند که با هوش مصنوعی نسل جدید آزمایشهایی انجام دادهاند و 32 درصد میگویند که گامهایی برای مقیاسبندی این فناوری برداشتهاند. اما تنها 5 درصد میگویند که هوش مصنوعی نسل جدید را به عنوان یک وجه تمایز رقابتی که ارزش مالی ثابت و قابل توجهی ایجاد میکند، درک کردهاند (شکل 1). با این وجود، شرکتها همچنان نسبت به هوش مصنوعی نسل جدید خوشبین هستند و بیش از دو سوم پاسخدهندگان میگویند که قصد دارند سرمایهگذاری در این فناوری را به طور قابل توجهی افزایش دهند (شکل 2).
شکل 1
نزدیک به یک چهارم سازمانهای علوم زیستی، هوش مصنوعی نسل جدید را در مقیاس بزرگ به کار گرفتهاند.
چرا بسیاری از سازمانهای علوم زیستی برای دستیابی به نتایج حاصل از استقرار هوش مصنوعی نسل خود با مشکل مواجه هستند؟ و اقلیتی از شرکتهای برتر چه کارهایی را متفاوت انجام میدهند؟ این مقاله رایجترین مشکلات شرکتهای علوم زیستی را آشکار میکند – و راهحلهایی را ارائه میدهد که میتواند به سازمانها کمک کند تا از برزخ آزمایشی به سمت ایجاد ارزش تجاری واقعی در مقیاس بزرگ حرکت کنند.
چالشهای کلیدی برای گسترش هوش مصنوعی نسل جدید در علوم زیستی.
بر اساس نظرسنجی و تجربه ما، پنج حوزه کلیدی را شناسایی کردهایم که برای شرکتهای علوم زیستی که سعی در تحقق ارزش در سطح شرکت از هوش مصنوعی نسل جدید دارند، چالش ایجاد میکند: استراتژی هوش مصنوعی نسل جدید، برنامهریزی استعداد، مدل عملیاتی و ساختار حاکمیتی، مدیریت تغییر و ریسک (شکل ۳).
شکل ۳
مسائل مربوط به دادهها و استراتژی به عنوان چالشهای اصلی در تحقق پتانسیل هوش مصنوعی نسل جدید برجسته هستند.
چالش ۱: استراتژی مبهم، کوتهبینانه یا عدم وجود استراتژی هوش مصنوعی نسل جدید سازمانی
حدود ۷۵ درصد از پاسخدهندگان میگویند که سازمانهایشان فاقد چشمانداز جامعی برای هوش مصنوعی نسل جدید یا یک نقشه راه استراتژیک هدفمند با معیارهای موفقیت مشخص و مرتبط با اولویتهای تجاری هستند. در عوض، آنها تمایل دارند به صورت غیرمتمرکز و مورد به مورد پیش بروند. این غریزه برای کسب ارزش کوتاهمدت از طریق آزمایش، همراه با ساختار فدرال/عملکرد-محور بسیاری از سازمانهای علوم زیستی، بسیاری از چالشهایی را که سازمانها هنگام مقیاسبندی با آن مواجه میشوند، توضیح میدهد.
تحقیقات مککینزی نشان داده است که تحولات دیجیتال به ندرت موفق میشوند، مگر اینکه رهبران ارشد در یک نقشه راه مبتنی بر کسبوکار همسو باشند. بدون یک موضع استراتژیک آگاهانه در قبال هوش مصنوعی نسل جدید – چه یک دستور از بالا به پایین یا یک نقشه راه هماهنگ سازمانی که توسط یک مرکز تعالی هدایت میشود – واحدهای تجاری منفرد مجبورند به تنهایی در چشمانداز فناوریِ همواره در حال تکامل حرکت کنند و انبوهی از ایدههای جدیدِ مورد استفاده را دنبال کنند که، هر چقدر هم که جذاب باشند، اغلب به استراتژیای که ارزش واقعی را ارائه دهد، منجر نمیشوند.
چالش ۲: فقدان برنامهریزی استعدادها و ارتقای مهارتها
در اکثر شرکتهای علوم زیستی، مجموعه موجود استعدادهای فناوری، سنتی را ارائه میدهد
جعبه ابزار نهایی برای فناوری اطلاعات، علوم داده و توسعه محصول. متأسفانه، رویکردهای سنتی به استعدادهای فنی قادر به ارائه کیفیت و عملکرد راهحلهای سطح سازمانی مورد نیاز برای هوش مصنوعی نسل جدید، مانند معماری مبتنی بر عامل، اعتبارسنجی مدل، عملیات مدل زبان بزرگ (LLM) و تنظیم دقیق مدلها نیستند. اما تنها 6 درصد از پاسخدهندگان به نظرسنجی گزارش میدهند که ارزیابی استعداد مبتنی بر مهارت را برای تعیین چگونگی تکامل استراتژی استعداد خود به استراتژیای که اولویتهای هوش مصنوعی نسل جدید را در نظر میگیرد، انجام دادهاند.
مهندسی سریع به عنوان یک شکاف کلیدی، به ویژه برای کاربردهای پیچیدهتر هوش مصنوعی نسل جدید، ظهور کرده است. به عنوان مثال، یک شرکت علوم زیستی در تلاش بود تا از هوش مصنوعی نسل جدید برای تهیه اسناد نظارتی استفاده کند، اما متوجه شد که مهندسان سریع به ترکیبی منحصر به فرد از دانش حوزه نظارتی و دقت مهندسی نیاز دارند تا دستورالعملهای مقیاسپذیری را ایجاد کنند که خروجی آماده ارسال را تولید کنند – یک ضرورت تخصصی که پر کردن این نقش را به ویژه چالش برانگیز میکرد.
چالش 3: مدل عملیاتی و حاکمیتی با تعریف سست
یکی از چالشهای رایجی که رهبران با آن مواجه هستند، ایجاد مدل عملیاتی مناسب برای تحول هوش مصنوعی نسل جدید است که اغلب بین یکی از دو حالت افراطی انتخاب میکنند. در یک سر طیف، رویکردی بسیار غیرمتمرکز قرار دارد که در آن سازمان به طور همزمان چندین نمونه آزمایشی از موارد استفاده را راهاندازی میکند. اگرچه این امر به شرکتها اجازه میدهد تا سریع حرکت کنند، اما منجر به چالشهای کیفیت، هزینه و پایداری نیز میشود و سیلوهای عملیاتی ایجاد میکند که مانع از به اشتراک گذاری دانش و توانایی کسب همافزایی هزینه میشود. در سر دیگر طیف، رویکردی از بالا به پایین قرار دارد که شامل تصمیمگیری متمرکز و اجرای مرحلهای موارد استفاده است. این رویکرد میتواند کند و اغلب ناامیدکننده باشد و شتاب را از بین ببرد.
یک شرکت بین این دو در نوسان بود. این شرکت تلاشهای هوش مصنوعی نسل خود را با راهاندازی ۱۵۰۰ مورد استفاده مختلف آغاز کرد. وقتی این امر دشوار به نظر رسید، رهبران شرکت یک ساختار مدیریتی از بالا به پایین اعمال کردند که منجر به مجموعهای متفاوت از مسائل شد و مسیر نوآوری را با پروژههایی که نیاز به یک فرآیند تأیید دشوار داشتند که حدود دو تا سه ماه طول میکشید، محدود کرد.
چالش ۴: دست کم گرفتن سیمکشی مجدد فرآیند مورد نیاز برای افزایش مقیاس
برای موفقیت در هوش مصنوعی مولد، شرکتها باید فناوری را در گردشهای کاری پیچیده ادغام کنند تا پذیرش و تأثیر را ارتقا دهند – واقعیتی که نیاز به مدیریت تغییر مؤثر را برجسته میکند. مککینزی دریافته است که ۷۰ درصد از تحولات دیجیتال نه به دلیل مسائل فنی، بلکه به دلیل نادیده گرفتن اهمیت مدیریت تغییر توسط رهبران، با شکست مواجه میشوند. در واقع، به ازای هر ۱ دلاری که برای فناوری هزینه میشود، ۵ دلار برای مدیریت تغییر لازم است تا با موفقیت، ایجاد قابلیت، پذیرش، مشارکت و کسب ارزش را در طول زمان هدایت کند.
یک شرکت، یک مرکز تعالی راهاندازی کرد تا یک پلتفرم گسترده هوش مصنوعی نسل جدید را برای طیف وسیعی از موارد استفاده راهاندازی کند، اما نتوانست یک داستان تغییر قانعکننده برای همراهی با این ابتکارات ارائه دهد. این شکست، همراه با فقدان برنامهریزی و تفکر جامع و جامع، منجر به مجموعهای از ابزارهای هوش مصنوعی نسل جدید شد که تقریباً هیچکس از آنها استفاده نکرد.
چالش ۵: درک ناکافی از ریسک
هوش مصنوعی نسل جدید، خطرات منحصر به فردی را ایجاد میکند، از توهم و دقت گرفته تا سوگیری و حفاظت از مالکیت معنوی. اما ۳۵ درصد از پاسخدهندگان به نظرسنجی گزارش میدهند که کمتر از ده ساعت را با همتایان ریسک خود میگذرانند و این امر میزان همکاری با این عملکردهای حیاتی را محدود میکند. این پویایی باید برای مقیاسبندی هوش مصنوعی نسل جدید تکامل یابد. مقیاسبندی موفقیتآمیز مستلزم آن است که رهبران کسبوکار، تیمهای فناوری و متخصصان مدیریت ریسک از ابتدا با هم ارتباط برقرار کنند. فقدان چنین همکاری میتواند منجر به بروز مشکلاتی در اواخر بازی شود، زمانی که رفع آنها بسیار دشوارتر است، یا عدم پایبندی به حفاظهای ریسک و انطباق که برای ایجاد اعتماد در سازمان حیاتی هستند.
به عنوان مثال، یک شرکت چندین ماه را صرف توسعه یک راهحل هوش مصنوعی نسل جدید با رویکرد خارجی کرد، اما به دلیل عدم هماهنگی با تیمهای دیجیتال، پزشکی و حقوقی خود مجبور به لغو راهاندازی آن شد – که پس از توسعه ابزار، مسائل ریسک قابل توجهی را ایجاد کرد. این امر منجر به عقبماندگی شدید در دستور کار، روحیه و حرکت تیم هوش مصنوعی نسل جدید شد.
راه حل: یک طرح پنج مادهای برای تحقق ارزش از هوش مصنوعی نسل جدید
گسترش موفقیتآمیز هوش مصنوعی نسل جدید و بهرهبرداری از پتانسیل ارزش آن، به چیزی بیش از یک استقرار فناوری نیاز دارد. یک استراتژی موثر هوش مصنوعی نسل جدید اساساً با پروژههای فناوری سنتی متفاوت است. با توجه به سرعت بالای نوآوری، یک استراتژی هوش مصنوعی نسل جدید باید پویا، مبتنی بر سناریو و متمرکز بر نحوه تعامل با اکوسیستم گستردهتر باشد. گسترش هوش مصنوعی نسل جدید شامل تغییر جامع در سراسر سازمان، شامل استراتژی، استعداد، حاکمیت و مدیریت ریسک است.
گسترش هوش مصنوعی نسل جدید شامل تغییرات جامع در سراسر سازمان، شامل استراتژی، استعداد، حاکمیت و مدیریت ریسک است. بر اساس تجربه ما، پنج استراتژی کلیدی برای گذار از موارد استفاده هوش مصنوعی نسل اول به پذیرش در سطح سازمانی شناسایی کردهایم. این اقدامات تضمین میکند که سازمانها نه تنها این فناوری را آزمایش میکنند، بلکه آن را به طور کامل در عملیات خود ادغام میکنند تا ارزش تجاری قابل اندازهگیری ایجاد کنند.
یک معیار را اتخاذ کنید
رویکرد درونمحور. استراتژی موفق هوش مصنوعی نمیتواند مبتنی بر انبوهی از موارد استفادهی غیرمرتبط باشد، که اغلب منجر به تلاشهای پراکنده و از دست رفتن فرصتها میشود. در عوض، تمرکز باید به سمت تحولات مبتنی بر حوزه تغییر کند، جایی که هوش مصنوعی نسل جدید برای تغییر شکل اساسی حوزههای حیاتی کسبوکار، مانند حوزههای تجاری، پزشکی یا تحقیق و توسعه، به کار گرفته میشود. سی و هشت درصد از سازمانهای علوم زیستی مورد بررسی، تحقیق را به عنوان اولویت استراتژیک اصلی خود در سفر هوش مصنوعی نسل جدید خود ذکر میکنند و پس از آن، حوزه تجاری با ۲۸ درصد قرار دارد (شکل ۴).
این رویکرد مبتنی بر حوزه تضمین میکند که هوش مصنوعی نسل جدید فقط یک راهحل فنی دیگر نیست، بلکه یک عامل اصلی توانمندساز تحول کسبوکار است. سازمانهایی که به جای تمرکز بر فناوری به خاطر خود فناوری، تحولات حوزه را در اولویت قرار میدهند، در موقعیت بهتری برای به دست آوردن ارزش کامل هوش مصنوعی قرار دارند. نکتهی مهم این است که چیزی به عنوان یک استراتژی مستقل هوش مصنوعی نسل جدید وجود ندارد. تمرکز واقعی باید بر استقرار هوش مصنوعی نسل جدید برای پشتیبانی از اهداف گستردهتر کسبوکار، پیشبرد اهداف استراتژیک و ایجاد تمایز در بازار باشد. سازمانهایی که این فناوری را از دریچهی اولویت کسبوکار میبینند، در مقیاسبندی ابتکارات هوش مصنوعی موفقیت بیشتری کسب کردهاند.
نمودار ۴
حوزههای تحقیقاتی و تجاری، اولویتهای استراتژیک پیشرو برای ابتکارات هوش مصنوعی نسل جدید هستند.
تحول هوش مصنوعی چیزی بیش از فناوری را در بر میگیرد. مقیاسبندی هوش مصنوعی نسل جدید صرفاً به معنای پیادهسازی یک فناوری جدید نیست؛ بلکه به معنای تغییر مدل عملیاتی و فرهنگ سازمان برای پشتیبانی از روشهای جدید کار مبتنی بر هوش مصنوعی است. این امر به استراتژیهای استعداد نیز گسترش مییابد: نیروی کار باید فراتر از نقشهای سنتی علوم داده فناوری اطلاعات تکامل یابد تا مهارتهای جدیدی – مهندسی هوش مصنوعی، تنظیم دقیق مدل زبانهای بزرگ و ترجمه تجاری – را در بر بگیرد تا شکاف بین اجرای فنی و کسب ارزش تجاری را پر کند. بدون یک تغییر جهتگیری جامع در استعدادها، سازمانها در مقیاسبندی تلاشهای هوش مصنوعی نسل جدید خود کمتر موفق خواهند بود. علاوه بر این، پیادهسازی هوش مصنوعی نسل جدید باید ارزش قابل اندازهگیری را هدایت کند. این امر مستلزم یک توافق صریح و روشن در مورد چگونگی کسب ارزش، مثلاً از طریق تسریع زمان ورود به بازار، افزایش بهرهوری یا بهبود احتمال موفقیت است.
به عنوان مثال، یک شرکت علوم زیستی، یک برنامه ارتقای مهارت و برنامهریزی استعدادهای سازمانی را با ابتکارات هدفمند برای نقشهای تجاری و فنی راهاندازی کرد. این برنامه همچنین نقشهای رهبری متمرکز بر نسل هوش مصنوعی را در عملکردهای حیاتی معرفی کرد تا تغییرات سازمانی پایدار را هدایت کند. با وجود استعداد و رهبری مناسب، ابتکارات هوش مصنوعی نسل شرکت بسیار روانتر از حالت عادی پیش رفت.
رویکرد اکوسیستمی را اتخاذ کنید. در اکوسیستم هوش مصنوعی که به سرعت در حال تکامل است، یک استراتژی مشارکت متمرکز بر خارج از سازمان بسیار مهم است. با توجه به سرعت پیشرفت فناوریها و روشهای هوش مصنوعی، سازمانهای علوم زیستی باید ایجاد شبکهای از مشارکتهای کمهزینه و با اختیار بالا را در نظر بگیرند. این مشارکتها میتوانند انعطافپذیری ایجاد کنند و به سازمانها این توانایی را بدهند که به سرعت تغییر جهت دهند و از فرصتها به محض ظهور استفاده کنند. سازمانها همچنین باید «محرکهای» روشنی ایجاد کنند که نشان دهد چه زمانی زمان حرکت از مشارکتهای اکتشافی به سمت شرطبندیهای استراتژیک بزرگتر فرا رسیده است. این تضمین میکند که کسبوکار چابک باقی بماند و بتواند سرمایهگذاریهای هوش مصنوعی خود را بر اساس بینشهای بلادرنگ و حرکات بازار افزایش یا تغییر دهد.
تعامل با اکوسیستم وسیعتر – از جمله دانشگاه، فناوری و سرمایهگذاری خطرپذیر – نیز برای همگام ماندن با آخرین پیشرفتها ضروری است. تکیه صرف بر قابلیتهای داخلی دیگر برای رقابتی ماندن در هوش مصنوعی کافی نیست. یک لنز پویا و متمرکز بر خارج تضمین میکند که شرکتها از قافله عقب نمانند و ارزش کامل نوآوریهای هوش مصنوعی نسل جدید را به دست آورند.
از ابتدا یک رویکرد مبتنی بر پلتفرم را به کار بگیرید. یک رویکرد مبتنی بر پلتفرم، کلید اطمینان از مقیاسپذیر، پایدار و قابل استفاده مجدد بودن ابتکارات هوش مصنوعی نسل جدید در حوزههای مختلف کسبوکار است. یک پلتفرم هوش مصنوعی مقیاسپذیر به سازمانها اجازه میدهد تا زیرساختها، خطوط لوله داده و فرآیندهای توسعه را استانداردسازی کنند و اطمینان حاصل کنند که هر مورد استفاده جدید بر اساس مورد قبلی ساخته میشود. این همچنین میتواند به کاهش تکرار تلاش، تشویق همکاری در واحدهای تجاری و تقویت ثبات در عملکرد هوش مصنوعی در سراسر سازمان کمک کند. علاوه بر این، یک رویکرد مبتنی بر پلتفرم تضمین میکند که مدلهای هوش مصنوعی به صورت جداگانه توسعه داده نمیشوند، بلکه در یک چارچوب یکپارچه ادغام میشوند و به آنها اجازه میدهد تا در حوزههای مختلف تجاری تطبیق داده شده و مورد استفاده مجدد قرار گیرند. این امر نه تنها هزینهها را کاهش میدهد، بلکه زمان رسیدن به ارزش را نیز تسریع میکند، زیرا بینشهای یک حوزه را میتوان در حوزه دیگر به کار برد.
یک شرکت علوم زیستی با پایبندی به شعار «سرعت خود را کم کنید تا سرعت بگیرید» به موفقیت دست یافت. این شرکت سه ماه را صرف تعریف یک طرح کلی دقیق برای بینشها و مستندسازی طرح کرد.
فرمها. این امر امکان استفاده مجدد از اجزا را در هر پلتفرم فراهم میکرد و امکان مقیاسپذیری سریع در موارد استفاده را فراهم میکرد.
مدیریت ریسک را در کل چرخه عمر توسعه محصول بگنجانید. یکی از اشتباهات رایج سازمانها در مورد هوش مصنوعی نسل جدید، برخورد با مدیریت ریسک به عنوان یک اقدام ثانویه یا مانعی برای نوآوری است. در واقع، مدیریت ریسک باید در کل چرخه عمر محصول هوش مصنوعی گنجانده شود. هوش مصنوعی نسل جدید، خطرات منحصر به فردی – مانند توهم، تعصب، امنیت دادهها و مسائل مربوط به مالکیت معنوی – را ایجاد میکند که نیاز به نظارت دقیق دارند.
برای اطمینان از مدیریت مؤثر این خطرات، رهبران کسبوکار و واحدهای ریسک و انطباق باید به طور منظم همکاری کنند. سازمانها باید از همان ابتدا چارچوبهای حاکمیتی روشنی ایجاد کنند و اطمینان حاصل کنند که دستورالعملهای اخلاقی برای رسیدگی به نگرانیها در مورد انصاف، شفافیت و پاسخگویی هوش مصنوعی وجود دارد.
با توجه به الزامات نظارتی بالا در علوم زیستی، سازمانها باید تأکید بیشتری بر مدیریت ریسک داشته باشند. یک سازمان به طور فعال موانع لازم برای رسیدگی به مقررات در حال تحول (به عنوان مثال، قانون هوش مصنوعی اتحادیه اروپا) و محدودیتهای فناوری (به عنوان مثال، ماهیت احتمالی مدلها) را شناسایی کرد. این سازمان الزامات هوش مصنوعی شفاف و مسئولانهای را تعیین کرد، از جمله مشاهدهپذیری اجباری، پروتکلهای اعتبارسنجی و دستورالعملهای انسانی در حلقه، که قبل از شروع توسعه محصول تعریف شده بودند.
یک تحول جامع چگونه میتواند باشد
یک ابتکار موفق هوش مصنوعی نسل جدید چگونه است؟ یک شرکت علوم زیستی را در نظر بگیرید که فرصت هوش مصنوعی نسل جدید را زود تشخیص داد و یک تحول جامع را در حوزهها آغاز کرد. رهبران شرکت یک کارگروه سطح C را برای هدایت استراتژی کلی هوش مصنوعی نسل جدید تشکیل دادند، نهادهای نظارتی را در حوزههای تحقیق و توسعه، تجاری، پزشکی و عملیاتی ایجاد کردند و از هر حوزه خواستند که یک مورد استفاده با پتانسیل ارزش بالا برای حمایت مالی سطح C را در اولویت قرار دهند.
سپس این شرکت با نگاهی به مقیاسپذیری، اثبات مفهوم را اجرا کرد و از تجربیات اولیه خود برای سازماندهی اجزای قابل استفاده مجدد در پلتفرمهای خاص حوزه استفاده کرد. تیمهای فناوری و کسبوکار از ابتدا با هم همکاری کردند و اطمینان حاصل کردند که همه راهحلهای هوش مصنوعی نسل جدید نیازهای اولویتدار کسبوکار را برطرف میکنند و به ایجاد تغییرات فرآیندی مورد نیاز برای ایجاد پذیرش و ارائه ارزش کمک میکنند.
در همین حال، این شرکت با شرکای اکوسیستم برای جذب آموختهها و داراییها از سراسر صنعت علوم زیستی و فراتر از آن همکاری کرد و دروازههای مرحلهای را برای تمرکز منابع بر راهحلهای مشارکتی که آماده مقیاسپذیری در مناطق درمانی و جغرافیایی بودند، ایجاد کرد.
رهبران یک داستان تغییر قانعکننده را شکل دادند که بر چگونگی تقویت راهحلهای هوش مصنوعی نسل جدید به جای جایگزینی کارکنان، مثلاً با کمک به آنها در مقابله با افزایش حجم کار، متمرکز بود و از تیمهای مدیریت تغییر برای کمک به پیشبرد یک استقرار موفق استفاده کرد. آنها پشتیبانی کامل را برای کاربران اولیه فراهم کردند و این پذیرندگان اولیه را به عنوان سفیران تغییر برای ایجاد حرکت از پایین به بالا به کار گرفتند. معیارهای تأثیر در جلسات منظم حاکمیت تعریف، ردیابی و بررسی شدند تا اطمینان حاصل شود که ابتکارات هوش مصنوعی نسل جدید در مسیر مقیاسپذیری و ارائه تأثیر تجاری قرار دارند.
این نوع تجربه نباید یک مورد استثنایی باشد. رهبران سازمانهای علوم زیستی باید درک کنند که به دست آوردن ارزش بالقوه دگرگونکننده هوش مصنوعی نسل جدید به چیزی بیش از آزمایش و استقرار موارد استفاده فردی نیاز دارد. این امر مستلزم ادغام استراتژیک در ساختار سازمانی است. در فصل بعدی داستان هوش مصنوعی نسل جدید، سازمانها باید رویکردی عمدی برای پیشبرد همسویی با استراتژی کسبوکار، مقیاسپذیری و پایداری اتخاذ کنند. این لحظهی سرنوشتساز، فرصتی برای رهبران علوم زیستی است تا تغییرات دگرگونکننده را رهبری کنند، کشف دارو و مراقبت از بیمار را متحول سازند و همچنین به نتایج معناداری در نهایت دست یابند.
دربارهی نویسنده(گان)
چایتانیا آدابالا ویسوا، شریک دفتر بوستون مککینزی است، جایی که دلفین زورکیا، شریک ارشد است؛ داندی ژو، شریک دفتر نیویورک است؛ و یواخیم بلی، شریک ارشد دفتر کارولیناس است.نویسندگان مایلند از ابهی موکرجی، لیونل جین، ناتالیا دوروگی، نیتیشا شارما و واسو ماچرلا، به خاطر مشارکتشان در این مقاله تشکر کنند.
