智能体AI正在重塑生命科学行业

Dan Tinkoff, Delphine Zurkiya, Eoin Leydon & Jeffrey Lewis

/

Tyde

[导读]

文章最核心的范式转移是企业对AI的认知要从“功能优化”层面（能用AI做什么具体的事？）提升到“系统重构”层面（AI将如何系统性改变公司？）。这不仅是技术能力的提升，更是对未来工作模式的根本性重塑。

企业需要思考的不再是如何“使用”AI，而是如何与AI“共事”。这涉及到组织架构、管理模式和企业文化的深远变革。转向思考一个由“人类+智能体”组成的混合劳动力的全新企业操作系统。

这种转变要求我们将AI视为一种将渗透到组织每个角落的“结构性力量”，而非一个可以即插即用的“附加模块”。这是一种从“流程优化思维”到“组织变革思维”的根本性认知升级。

此外，报告还将AI的价值核心量化为“释放25%-40%的组织产能”，而非简单的成本节约。这为企业领导者提出了一个关键的战略抉择：如何使用这些新获得的“时间货币”？是再投资于创新、冻结招聘以实现内生增长，还是直接转化为利润？对这个问题的回答将决定企业未来的竞争优势。

生命科学公司正面临利润压力、研发成本上升，以及在日益增长的技术和运营复杂性中持续创新的需求。他们也在努力吸引和留住人才。在外部，他们受到严格的监管和立法不确定性的影响。对于制药公司而言，许多重磅药物的专利即将到期。

对于医疗科技公司，许多在研设备（如机器人和联网设备）正变得日益复杂。对于生命科学服务公司，AI以及向细胞和基因疗法的转变正在推动技术的快速变革。全球经济转移、贸易关税、最惠国定价政策、供应链脆弱性和地缘政治紧张等因素使情况进一步复杂化。与此同时，AI的飞速发展既带来了机遇也带来了挑战。这些综合压力使得生命科学公司必须寻找新方法来促进增长、提高生产力并增加运营敏捷性。

麦肯锡最近的研究发现，近八成的公司使用生成式AI (Gen AI)，然而其中80%的公司报告称没有获得实际的利润增长。特定职能的AI用例具有最大的潜在收益，但公司在将其扩展到试点阶段之外时面临障碍。可以将其视为AI悖论——技术虽有潜力，但企业尚未大规模采用或看到其益处。

AI智能体有潜力通过将AI的角色从工具转变为“同事”来解决这一悖论。它们可以组合成可配置的网络，通过与员工协作、代表他们执行任务以及处理当前因能力有限而优先级较低的活动（例如与大量较低优先级客户、合同和发票相关的活动）来帮助员工。

根据我们的经验，将AI视为同事有诸多好处：人们倾向于对AI更有耐心，并投入时间通过反馈来改进它；一旦看到可能性，他们会创造性地发现工作流程中更多可以“智能体化”的部分；一旦了解AI如何提供帮助，他们会主动寻求更好的方式来重组工作流程。

          什么是智能体AI？
AI智能体是目标驱动的系统，它们通过分解复杂任务、与其他系统交互以及实时学习来独立运作。它们使用机器学习和基于规则的AI来实现推理、记忆以及与人类互动的能力。
        

为了解智能体可能如何改变生命科学领域的工作和职责，我们进行了一项彻底的、端到端的、基于任务的分析，以评估AI智能体在特定工作流程中的潜在收益。

          我们如何确定智能体AI在生命科学领域的潜在收益
我们分析了生物制药和医疗技术公司中的每个领域，并解构了它们的工作流程，生成了包含所有270个工作流程的综合地图。对于每个工作流程，我们检查了超过1200个关键任务，以评估它们是否可以被智能体化（使用简单或更复杂的智能体）、智能体可以处理的任务份额以及它们可以节省的时间。我们检查了负责这些任务的角色以及每个角色在这些任务上花费的时间。我们分析了180个工作族，并确定了支持智能体所需的十个新角色，如智能体协调员和AI质量经理。这为我们提供了自下而上的增长和生产力机会视图，我们在每个领域的损益（P&L）层面进行了分析。一个由技术和领域专家组成的小组审查了每个收入和支出项目的收益，并考虑了部署和管理这些智能体的成本。我们按领域和职能区域汇总了这些数字，以评估对P&L的总体收益以及新药上市时间的缩短。
        

我们分析了180个工作族中的270个工作流程和1200个任务，发现智能体AI将改变工作流程、改变工作方式，并通过促进制药和医疗科技领域的增长和降低成本来增加价值。

在制药领域，75%至85%的工作流程包含可由智能体增强或自动化的任务，可能释放组织25%至40%的产能。在医疗科技领域，这一数字为70%至80%。这些产能是在任务层面计算的，因此它们可能是员工时间的一部分。组织将需要就如何重新部署这些产能做出选择，这将对组织的形态和工作方式产生影响。患者将以多种方式受益，包括更快地获得更广泛的新药、使用患者数据开发的更个性化的治疗，以及更好地将现有治疗与未满足的需求相匹配。

我们估计，智能体的全部潜力可以为制药公司带来5至13个百分点的增量增长，为医疗科技公司带来3至7个百分点的增量增长。在未来三到五年内，制药公司的EBITDA将增加3.4至5.4个百分点，医疗科技公司将增加2.2至4.7个百分点，这还不包括当前专注于增长和利润扩张的举措。

我们发现，智能体AI在制药和医疗科技领域的机会在大多数领域都相似，除了研发（R&D），在这方面它们的方法差异显著。本文介绍了两个领域的结果，并在相关处突出了显著差异。

智能体AI正在催化生命科学领域的三个关键转变

1. 智能体AI可以改变十分之八的工作流程。 在我们分析的超过270个生命科学工作流程中，制药和医疗科技领域75%至85%的工作流程拥有可由智能体自动化或增强的任务。近40%的工作流程相对标准和可预测，可以由业务用户自己定制和实施的较低复杂度智能体来处理，可能只需要最少的技术支持。另外50%是更复杂的、特定领域的工作流程，公司可以通过定制构建的智能体来支持，以帮助它们与竞争对手区分开来。
   
2. 高达95%的生命科学角色可能拥有智能体队友。 每个职能领域、领域和工作族都有可以部署智能体的任务。这些角色中的三分之二将参与直接构建、管理和监督较低复杂度智能体的某种组合，他们将协调、调整、监控和维护这些智能体。可能还需要新的团队角色，如智能体协调员、AI治理和智能体质量经理以及智能体主管，来实施和支持智能体员工。 我们预计这一转变将释放企业25%至40%的产能，使员工能够专注于更具战略性、增值性和生产力的工作。起初，这些额外产能将使员工每周的部分工作时间得到解放，但我们预计，随着时间的推移，职位描述、工作族甚至组织结构图都将演变，以完全取代某些角色。这为领导团队——尤其是人力资源主管——创造了一个重新思考组织形态的机会。管理层将必须决定如何处理释放出的产能；这很可能取决于具体领域。一些公司会将其再投资，一些公司会通过冻结招聘等方式实现增长，还有一些公司可能会选择接受利润率的提升。 最大的生产力提升可能来自智能体执行人类目前未在执行的任务；我们发现40%的工作流程包含对于人类来说过于复杂或不经济，但智能体可以大规模处理的任务。智能体可以发现人类无法发现的模式，尤其是在复杂的、非结构化的数据集中。这可以帮助研究人员从多样化的科学数据集中获取洞见，并识别发票长尾中的价值泄漏，而这通常不是人类审查的优先事项。智能体还可以从广泛的来源收集和分析数据，以持续监控和报告公司的品牌健康状况，实现全天候的品牌绩效管理。这些智能体特有的优势可以为新的工作流程、流程和工作方式创造可能性。
   
3. AI智能体可以促进增长和EBITDA。 它们可以在未来三到五年内将制药领域的增长提升5.0至13.0个百分点，医疗科技领域提升3.0至7.0个百分点，同时将制药公司的EBITDA增加3.4至5.4个百分点，医疗科技公司增加2.2至4.7个百分点。这一增长的一半将来自通过收购更多更好的资产、触及更多符合条件的患者以及加速上市时间所带来的净收入增长。另一半将来自研发、制造和管理效率的提高。随着生命科学公司面临来自产品组合拥挤、政策变化和定价动态的利润压力，这种潜在的利润提升尤为重要。要抓住智能体AI的全部潜力，需要全企业范围的努力，每个领域都要做出贡献。这对一些公司来说可能具有挑战性，但即使是由智能体改造的部分领域也将产生显著的收益。

通过智能体重塑工作

智能体可以帮助解决生命科学领域的复杂问题，解放人们去开发更多的治疗方法并解决其他具有挑战性的问题。以下是六个生命科学战场，基于智能体的AI可以在这些领域产生巨大收益：

1. 制药研究：加速发现并深化科学洞察

研究和早期药物发现涉及复杂的过程，但智能体几乎可以增强每一个工作流程。所需的专业数据和专业知识意味着近60%的工作流程将需要定制构建的智能体。一旦实施，这些智能体可以在湿实验室、数据分析和法规支持等领域释放21%至30%的产能，这些产能可以被重新导向以扩大研究管线或加速候选药物进入试验的进程。

通过智能体AI，早期药物发现和科学探索的工作可以被重塑为以下方式：

• 自主数据分析和洞察生成：分析智能体可以协助科学家，自动对由策展智能体聚合的实验数据进行详细的数据分析。分析智能体将执行统计分析和可视化，这些目前是需要训练有素的科学人员专业知识的时间密集型任务。然后，分析智能体可以与协议起草智能体合作，后者根据最新发现建议更新实验方案。人类科学家审查和调整这些建议，从而实现更快的迭代和改进的实验设计。
• 数据驱动的药物候选者选择：药物发现团队的一个关键职能是评估特定靶点的药物候选者。传统上，这些决策严重依赖于早期的临床前功效实验和专家意见。借助AI智能体，团队可以从更丰富的一系列输入中受益。AI智能体可以综合来自文献探索智能体汇编的最新文献和试验数据的洞见，使用真实世界数据、来自数据科学智能体的多组学分析以及来自特征生成智能体的终点模拟，进行成功概率的计算机模拟，从而创建一个优先排序的潜在药物候选者列表。在这些智能体的帮助下，团队可以高效地审查和批准此列表，以进入下一阶段的筛选和测试，从而显著改善和加速决策过程。
• 加速法规提交准备：法规起草智能体可以自动将最新的功效和毒理学测试数据汇编成一份准备提交的文件。曾经需要一到两周手动操作的工作，现在科学家只需几个小时即可审查和定稿。通过自动化起草过程，法规起草智能体不仅缩短了时间线，还确保了符合法规标准，使科学家能够专注于更高价值的任务，如战略创新和建立关系。

几家大型制药公司正在积极利用AI，包括智能体AI，来加速药物发现和开发的各个阶段。其中一家与一家整合AI和机器人技术进行药物发现的公司合作。它使用AI驱动的平台进行分子建模、晶体结构预测和筛选，以识别和改进小分子药物。AI自主执行复杂的计算和预测，以减少潜在药物候选者的名单并优化工作流程。

基于智能体的AI可以在六个生命科学战场产生巨大收益。

2. 制药开发：加速临床试验并增强患者旅程

智能体AI可以帮助公司更快、更高效、更高质量地进行临床试验，同时改善患者体验。尽管研究团队已经在使用数字工具、AI和生成式AI朝着这些目标努力，但我们预计一旦智能体得到更全面的实施，将会发生重大转变。智能体不再仅仅是研究团队的工具；它们正在演变为智能合作伙伴，在整个临床试验过程中与团队协作，并可以半自主地操作以处理广泛的工作流程。在未来五年内，我们预计这将使临床开发的生产力提高35%至45%，使每个职能部门都受益。

智能体还可以缩短时间线，更快地将药物交付给患者并加速收入，并增强决策和执行，从而增加证明新疗法功效和安全性的可能性。

我们看到智能体在开发中扮演七个关键角色：

• 通过智能体检索基准和数据来优化试验设计，并使用机器学习（ML）设计场景
• 协调站点、供应商和赞助商以启动站点
• 管理从一键式电子数据采集设计到异常检测和查询分类的临床数据
• 通过超个性化、多模态信息与站点和主要研究者互动
• 管理试验，包括根本原因调查和下一步最佳行动建议
• 汇编受法规情报支持的提交材料
• 在整个试验生命周期中自动化文件生成

以下是其中三个的详细工作方式：

• 试验设计：临床试验基准测试智能体识别相似的试验，并为入组率等关键指标建立基准。同时，文献探索智能体评估竞争格局和未满足的需求。两个智能体都将其输出发送给试验优化智能体，后者在人类临床科学家的监督下，使用ML和模拟工具来完善试验设计。一旦设计最终确定，文件生成智能体在几分钟内生成协议草案，使用终点等设计元素库，并通过批评智能体和人类临床科学家的反馈来完善草案。这种方法可以使公司设计试验的速度提高50%，修正案减少25%。
• 研究启动：站点可行性智能体根据试验方案创建站点问卷并汇编回复。然后，启动选择智能体使用基于ML的站点选择来生成一个预测为高绩效站点的优先站点列表，供研究启动团队审查和确认。然后，站点合同智能体根据公平市场价值基准、站点潜力和特定站点的先例，自动起草“一次成功”的站点合同，从而加快合同流程。然后，流程转移到文件起草智能体，该智能体自动起草特定站点的文件，如研究者手册和站点启动访视材料，使启动团队能够快速激活站点。这种智能体方法可以将站点激活率提高一倍，而人员减少30%至50%。
• 临床数据流：在试验开始时，病例报告表（CRF）设计智能体提取结构化的方案元数据以创建带注释的CRF，然后提供给电子数据采集配置智能体以支持更快的数据库设置。在试验期间，数据录入智能体标记数据录入的延迟，并让临床研究助理参与以确保CRF完成。同时，查询生成智能体检测数据中的异常并自动提出相关查询。这些查询由数据清理智能体处理，该智能体将复杂查询标记给人类审查。一旦数据库锁定，编程智能体从整理的数据中生成分析数据集和结果表，由人类生物统计学家为非常规数据集提供输入。这个过程可以将数据管理和编程的生产力提高60%，同时将数据库构建时间从两到三个月缩短到两周以内。

一家大型制药公司已采用多智能体试验副驾驶来改善其对开发过程的监督。临床运营团队与一个主管智能体合作，该智能体管理一组专注于站点激活、受试者入组、数据管理和分析纵向趋势的专业智能体。这些智能体使用公司临床控制塔的数据，包括产品组合、试验和站点信息，以提供实时的、可操作的见解，并启动主动干预以支持按时完成试验。该公司计划未来给予其智能体团队更多的独立性，包括让主要研究者和临床研究助理参与日常任务。

3. 医疗科技研发：加速创新和原型制作

通过自动化原型制作、设计控制、专利申请和风险管理等复杂任务，智能体可以为研发团队释放15%至20%的产能，使他们能够专注于更高价值的活动，包括战略创新、合作伙伴关系以及以患者和医疗保健专业人员（HCPs）为中心的设计。这种加速将缩短救生医疗设备的上市时间。此外，改进的决策和风险缓解可以带来更安全、更有效的设备，更好地满足患者需求，从而促进临床和商业成功。

智能体可以通过多种方式支持医疗科技研发团队：

• 原型制作和设计控制：原型制作在医疗科技研发中至关重要，工程师通过改进设备设计和制造来满足要求。智能体可以改变这一过程，并通过自主创建和测试虚拟原型来协助团队。设计模拟智能体可以分析规格、模拟性能、识别缺陷并及早提出改进建议。合规智能体可以将原型与标准进行比较，并实时标记不合规之处。
• 创新地图和专利申请：在医疗科技领域，保持创新前沿至关重要。智能体可以改变研发团队识别机会和保护知识产权的方式。创新地图智能体可以扫描定义的专利来源、行业文献（如期刊）和贸易出版物，以发现新兴技术和趋势，然后将这些与现有产品和解决方案进行比较，以识别未满足的需求和研究机会。该智能体可以生成一个带有竞争分析的优先机会列表，这些机会可以在智能体的协助下进行设计和原型制作。一旦概念形成，专利起草智能体可以准备初步提交，确保法律和技术合规。自动化这些任务将帮助研发团队更快地找到高价值机会，并更好地保护其知识产权。
• 设计控制和法规准备：一旦设计最终确定，文档智能体可以根据规格生成设计控制文件，从而减少设计时间。风险管理在医疗科技研发中至关重要，以确保设备的安全性和有效性。智能体可以通过在整个产品生命周期中自动识别、评估和建议风险缓解措施来简化这一过程。风险评估智能体可以分析设计输入、制造和上市后数据，以创建风险概况。风险缓解智能体可以使用预测建模推荐设计或流程变更。对于法规准备，提交智能体可以汇编必要的文件，将风险管理工作减少15%。

例如，一家领先的医疗科技公司已经利用智能体AI来改变其产品和软件开发流程。该公司实施了一个多智能体系统，以应对关键挑战，如管理系统和团队之间的相互依赖关系、跟踪交付以及在更复杂的产品和设备中始终保持质量。专业智能体现在负责监督关键任务，包括软件测试、设计迭代和风险缓解，而一个由人类监督的中央AI主管则协调这些工作，以确保团队和系统之间的顺利整合。通过自动化日常任务和提供实时洞见，该公司大大增强了其管理复杂性和按时交付高质量产品的能力。

通过自动化原型制作等某些复杂任务，智能体可以为研发团队释放15%至20%的产能。

4. 商业制药和医疗科技：提升客户参与度和市场成功

制药和医疗科技领域的商业组织都在努力应对日益复杂的互动、医疗保健专业人员（HCPs）和患者日益增长的个性化需求、不断变化的政策环境以及成本限制。从品牌规划到现场赋能的内部流程仍然支离破碎且效率低下，背负着手动工作流程和遗留系统的负担。在制药领域，公司对庞大的外部供应商网络的日益依赖正在使成本结构变得不可持续。

智能体AI可以通过承担起草品牌计划或准备合同等耗时活动来提供帮助，从而使团队能够专注于战略执行。它们还可以解锁以前无法实现的新功能，包括用于决策的实时洞见；自助式内容创建；自动化的首次医疗、法律和法规审查；以及为现场代表提供的个性化呼叫前规划。这些举措可以在未来五年内转化为4%至8%的收入增长和5%至9%的商业支出减少。

以下是智能体AI在商业领域可以实现的三大转型：

• 销售互动：智能体AI可以改变生命科学领域的销售运营。智能助手可以通过支持呼叫前和呼叫后活动来重新定义客户代表的互动方式，例如HCP和区域规划、从个人互动中捕获洞见、自动化后续任务以及向代表提供个性化的辅导反馈。这些工具可以通过以对话格式综合临床证据、产品信息和互动数据，帮助及早识别趋势并实现个性化的、数据驱动的互动。虚拟销售平台可以以合规、可扩展的方式将覆盖范围扩展到难以进入的区域和HCPs，为HCP体验增值。这些创新可以将销售代表的负担减少15%至25%，并通过改进目标定位和加强关系将收入增加高达3%。
• 市场营销：智能体AI正在彻底改变战略规划、内容创建、审查、活动开发和执行以及绩效跟踪等市场营销工作流程。自助服务平台让营销人员能够独立制作内容，减少对代理机构的依赖并加快周转时间。自动化的MLR（医疗、法律和法规）前审查系统在正式审查前识别常见问题，从而减少周期时间并提高合规性。聚合内部和外部数据并带有对话界面的统一平台，帮助营销人员了解品牌绩效以及患者和HCP的需求。这些工具可以自动化任务、加速执行，并提供智能以增强对市场变化的响应能力。
• 市场准入和支付方互动：智能体AI可以通过增加自动化、更好的决策制定和最小化价值泄漏来增强市场准入和支付方互动。先进的毛利到净利优化可以在品牌和产品组合层面模拟复杂的准入情景，帮助做出曾经难以权衡的决策。合同智能平台可以通过分析过去的交易、模拟潜在结果和指导谈判策略来支持更明智的合同决策。还可以自动化几项手动任务，包括创建初始合同草案、监控绩效和跟踪合规性。自动化的发票审计可以确保合同条款得到遵守并及早发现差异。总而言之，这些创新可以减少手动工作量，提升财务业绩，并支持更具战略性的、数据驱动的决策，同时促进与支付方更一致和有效的互动。

5. 制药和医疗科技运营：加速执行和决策

生命科学运营面临许多挑战，包括子功能之间的高度相互依赖、时间关键型决策的需求以及广泛的质量和合规文档。这些问题可以通过量身定制的智能体或智能体组来解决，它们可以通过改善服务水平、预测准确性、制造吞吐量、偏差率和文件创建周期时间等指标来加速流程并提高效率。基于智能体的AI可以帮助处理75%至85%的运营工作流程，将供应链、采购、制造、产品开发（CMC）和质量等关键任务所需的时间减少25%至35%。

以下是智能体AI可以改善运营的三种方式：

• 通过跨运营规划解决相互依赖问题：集成的端到端运营规划——对于优化生产和确保产品可用性至关重要——需要企业各职能部门之间的协调。协调智能体可以实现多功能互动，消除因沟通和审批流程效率低下而造成的延误。智能体可以通过对需求波动等外部因素做出反应，连接供应规划、原材料供应和制造等组件。这种集成超越了界限，为团队提供了对输入、输出和决策的可见性。例如，供应链规划智能体可以接收需求信号以模拟情景并创建预测，然后生产规划智能体可以使用这些预测来安排批次。原材料智能体可以监控库存水平以触发重新订购，确保原材料的可用性。
• 自动化决策：智能体AI工具可以改善所有运营中的决策并加速流程。为了改善决策，可以将多组件平台服务器设置为中间件，允许智能体以结构化方式访问数据，从而为多步骤任务提供更好的上下文感知。智能体帮助识别信号变化以处理输入并执行优化决策。例如，在工厂运营中，通过直接连接到制造执行和过程信息系统，智能体可以实时检测和响应偏差。它们可以通过调整生物反应器参数（如pH和O2）以及修改全自动医疗科技生产线的机器设置（如压力、温度和直线电机速度）来提高产量和产品质量。采购类别管理智能体可以跟踪原材料供应和商品价格的变化以启动有针对性的谈判。谈判智能体可以指导采购经理与供应商进行谈判。供应商管理智能体可以观察供应商的绩效指标并检测负面趋势（如服务水平），在它们显著影响运营之前。
• 加速文件生成：运营团队花费大量时间手动起草用于现场和上层工作流程的良好生产规范文件。两种类型的文档智能体可以帮助减轻这一负担。第一种类型通过使用历史报告和良好文档实践要求来创建标准化文件的模板，起草标准操作程序、偏差和纠正与预防措施报告、验证方案和报告、变更控制影响评估以及技术转让文件的初稿，从而大大减少所需的人工小时数。这些智能体还可以生成工程和维护报告，如设备故障模式和影响分析以及预防性维护计划，以及采购文件，如合同和征求建议书。第二种类型的文档智能体连接到数据源，如实验室信息管理系统的测试结果和制造执行系统的过程参数，以生成近乎最终版本的文件草稿，如用于技术转让的补充生物制品许可申请文件。试点和早期评估表明，文档智能体可以在初始文件生成方面实现75%至80%的生产力提升。通过与确保符合法规和质量标准的文档审查智能体协作，还可以获得额外的好处。端到端的文件生成和审查智能体可以将周转时间从几周缩短到几小时，使跨职能团队能够专注于最终审查和批准。

6. 信息技术：转变IT运营并推动创新

智能体AI可以彻底改变IT组织开发和管理技术的方式。

• 智能体驱动的应用开发：将智能体AI集成到软件开发中正在改变数字产品的设计和构建方式。产品分析师不再需要编写用户故事，设计师不再需要创建模型，QA分析师也不再需要开发测试脚本，智能体可以以更少的监督生成所有这些组件。开发人员可以使用自然语言命令而不是传统的编程语言来组装代码。AI可以高效地处理常规编码任务，分析设计模式并提出改进建议，使人类设计师能够专注于创造力和战略规划。这种简化的流程加速了开发并提高了新软件产品的质量。
• IT运营的自动化：随着AI技术的进步，传统的IT运营将经历重大变化。诸如问题检测、事件关联和服务请求履行等任务可以完全自动化。智能体AI系统可以随着策略的演变在全企业范围内更新持续集成和持续交付管道，将新软件更新的洞见传播到每个已部署的系统，并执行自动化的威胁监控。AI驱动的系统可以在问题影响运营之前预测和解决问题，确保更顺畅、更可靠的IT服务。这种自动化可以节省成本，提高服务质量并增加用户满意度。
• 通过智能自动化加速遗留系统迁移：智能体AI可以通过为开发团队自动化复杂且耗时的任务来简化向现代企业系统的迁移过程。迁移智能体可以分析遗留系统，映射数据结构并识别依赖关系，以确保平稳过渡。这些智能体还可以验证数据完整性，检测不一致之处并自动化数据清理，从而减少错误和手动工作。利用AI驱动的洞见，组织可以加快其迁移时间表，最大限度地减少中断，并实现向新环境的无缝过渡，从而更快地实现业务价值。由于许多组织依赖于即将达到其生命周期终点的系统——例如企业资源规划——这种加速是迫切需要的。

虽然用AI改造IT的机会是真实的，但它给IT带来的负担也是真实的。业务部门和职能部门正在以前所未有的速度部署新的AI，并且越来越多地试验更容易构建和部署的新技术。这可能会创建一个复杂的技术景观，如果管理不善，将成为下一批难以操作和保持更新的遗留系统。

一家财富500强公司启动了一项耗资6亿美元的计划，以升级其老化的系统，其中包括400个应用程序，但由于手动编码过程缓慢和协调不一致而面临挑战。AI工具被用来自动化代码转换，但它们并没有显著加快进程。人类工人转移到监督角色，管理着由100多个AI智能体组成的团队，负责文档、编码和测试。这一变化将时间和精力减少了50%以上。专门的智能体团队负责特定功能，其工作由其他智能体审查和协调。人类主管确保这些由智能体管理任务的顺利执行。

解锁智能体AI在生命科学领域的全部潜力需要一种战略性的、全组织范围的方法，重新定义工作流程、角色和人机协作。

实施路径

解锁智能体AI在生命科学领域的全部潜力需要一种战略性的、全组织范围的方法，重新定义工作流程、角色和人机协作。我们的Rewired框架为实现这一目标提供了一个坚实的基础。为确保大规模成功实施，组织必须关注几个关键的促成因素：

• 高层引领：来自领导层的明确的、自上而下的授权至关重要。领导层的重点应放在将智能体AI的价值创造潜力与公司战略相结合，而不是技术挑战上。领导层必须通过倡导大胆的愿景、设定宏伟的目标并确保跨职能的问责制来避免微小的、渐进式的改进。
• 重塑工作流程：运营领导者应努力重塑其领域的工作。这包括识别可以整合智能体的高价值工作流程，为每个用户提供智能界面以访问智能体功能，并鼓励创新和实验的文化。从领导者到一线员工，对当前流程和智能体AI能力的透彻理解至关重要。
• 投资于人：许多角色将从执行手动和重复性任务转变为设定目标和指导AI智能体。传统的流程和人员管理将转向监督混合团队，从而导致组织结构的变化。员工将需要新的技能和工具来激活和监督智能体，并克服采用的文化和组织障碍。此外，还需要新的业务流程来衡量、监控和改进智能体劳动力的绩效。人才职能部门将在管理这些转型中发挥重要作用，并可以立即开始探索其影响。
• 构建可扩展的基础：为了最大化AI智能体的收益，组织可以投资于灵活的、互联的AI智能体网络，以实现其快速开发、部署和管理。这些“网格”包括模块化的、基于云的架构，可以处理日益增加的复杂性和数量，以及使非技术用户能够创建和定制智能体的较低复杂度智能体。智能体之间的互操作性和协调多个智能体的能力将是成功的关键。可扩展性还需要强大的数据基础设施，以确保智能体能够访问高质量的实时数据。良好地管理数据是成功的关键，包括在数据本体和所有权上使组织保持一致。与技术提供商和初创公司的战略合作伙伴关系可以提供接触前沿创新的机会。
• 建立强大的变革管理以确保大规模采用和价值实现：智能体AI的变革潜力需要一个强大且可持续的变革管理策略。努力应包括高管的角色示范、引人入胜的变革故事、培训、持续的辅导以及鼓励和奖励采用的激励措施。它还应涉及将智能体整合到现有的业务流程中，如管理评审、季度业务回顾和销售绩效评估，以及收集和整合反馈的机制。
• 设定风险管理和治理护栏：随着智能体AI嵌入到关键工作流程中，组织最好建立强大的治理框架以确保合乎道德的使用。这包括对智能体做出的决策有明确的问责制，防止意外后果并确保符合法规要求的护栏，定期审计和偏见检测机制。
• 培养持续学习的文化：智能体AI的实施对员工和公司来说都是一个长期的学习挑战。领导者应制定持续学习和适应的策略，包括一个安全的实验环境和结构化的技能培养方法。组织必须持续监控技术进步，评估新能力，并改进自己的实施。
• 动员一个智能体工厂：一个得到领导层支持的小型、集中的小组可以确保智能体AI被部署到最具影响力的用例上。该小组可以促进与领域领导者合作重塑工作流程的过程，贡献相关的技术专业知识，监控影响和采用指标，并帮助消除障碍以实现智能体AI的变革潜力。

通过全面解决这些维度，生命科学组织可以利用智能体AI的变革力量来推动创新，实现可持续的竞争优势，最重要的是，改善患者的治疗结果。

定义未来

智能体AI的真正力量在于其能够放大人类的创造力，将团队从繁琐的任务中解放出来，并为发现和价值创造开启全新的可能性。通过拥抱这些系统，生命科学公司可以重新定义创新的极限，加速突破，并以前所未有的速度和精度为患者提供改变生活的疗法。我们预计，拥抱这一变革的制药和医疗科技公司在五年后将以截然不同且更具竞争力的方式运营，并在此期间不断获益。您准备好与您的员工一起，通过智能体劳动力来重塑您的组织可能取得的成就了吗？